審計(jì)預(yù)警體系研究

王宏巍 李仁昊

【摘 要】 針對當(dāng)前地市級供電公司配電網(wǎng)工程中物資管理缺乏有效監(jiān)督的情況，基于用戶畫像理論，結(jié)合C均值聚類算法、3σ原則、變異系數(shù)法、Critic權(quán)重確認(rèn)法等數(shù)學(xué)方法，使用SQL、Eclipse等信息化工具，通過構(gòu)建輪廓畫像、描繪局部畫像、雕琢細(xì)節(jié)畫像三步還原典型工程的物資畫像，并計(jì)算畫像風(fēng)險(xiǎn)系數(shù)，以此實(shí)現(xiàn)在建工程的物資持續(xù)審計(jì)。通過“數(shù)學(xué)工具+信息化手段”可以促進(jìn)內(nèi)部審計(jì)由被動(dòng)到主動(dòng)、由抽樣到全量、由事后到事中的轉(zhuǎn)變，實(shí)現(xiàn)技術(shù)方法創(chuàng)新推動(dòng)內(nèi)部審計(jì)高質(zhì)量發(fā)展。

【關(guān)鍵詞】 物資異常領(lǐng)用; 用戶畫像; 聚類算法; 持續(xù)審計(jì); 風(fēng)險(xiǎn)預(yù)警

【中圖分類號】 F239.45 ?【文獻(xiàn)標(biāo)識碼】 A ?【文章編號】 1004-5937（2020）10-0128-08

一、引言

所謂農(nóng)配網(wǎng)工程，是指在20kV及以下電網(wǎng)上實(shí)施的線路或設(shè)備新建、改造、修理工程。近年來，為滿足人民日益增長的美好生活需要，國家電網(wǎng)公司每年投入大量資金實(shí)施電網(wǎng)建設(shè)，其中農(nóng)配網(wǎng)工程投資一直是一大重頭。尤其在地市級供電公司的電網(wǎng)建設(shè)中，農(nóng)配網(wǎng)工程投資的高比重表現(xiàn)得尤為明顯。以某地市級供電公司（以下簡稱某公司）2015—2018年電網(wǎng)建設(shè)投資狀況（具體見表1）為例分析可知，近4年間農(nóng)配網(wǎng)工程投資占公司整體投資的比例均在50%以上，年均占比高達(dá)約71%，由此可窺農(nóng)配網(wǎng)工程投資大、占比高的特點(diǎn)。這凸顯了加強(qiáng)農(nóng)配網(wǎng)工程資金使用、物資費(fèi)用等管控的重要性與緊迫性。

確保工程資金合規(guī)合法使用，并合理確定和有效控制工程造價(jià)是供電公司內(nèi)審部門肩負(fù)的重要職責(zé)。一直以來，對農(nóng)配網(wǎng)工程甲供物資費(fèi)用的監(jiān)控不僅是內(nèi)部審計(jì)的重點(diǎn)，更是難點(diǎn)所在。具體表現(xiàn)有三：一是審計(jì)手段相對滯后，對于工程項(xiàng)目尤其是成本項(xiàng)目是否按照甲供物資的審計(jì)結(jié)果進(jìn)行退料，缺乏機(jī)制上的有效管控;二是工程點(diǎn)多面廣，年度涉及的物資條目往往多達(dá)數(shù)十萬條，現(xiàn)場審計(jì)人員對甲供物資的審核尤其是零星鐵附件等無法做到逐條全覆蓋;三是工程物資異常領(lǐng)用風(fēng)險(xiǎn)較高，部分建設(shè)單位盲目追求資金預(yù)算完成率等指標(biāo)，通過項(xiàng)目中領(lǐng)用無關(guān)物資提高預(yù)算完成率的情況甚為普遍。由此，對農(nóng)配網(wǎng)工程甲供物資進(jìn)行有效、全面管控已成為基層供電公司內(nèi)審部門乃至全公司迫切需要解決的重要問題，而管控的核心則是杜絕各類工程未使用的物資有意或無意地截留在施工單位手中。

在此背景下，某公司審計(jì)部數(shù)字化審計(jì)團(tuán)隊(duì)基于用戶畫像理論[ 1 ]，以SQLServer、Eclipse為載體，通過3σ原則、C均值聚類算法、變異系數(shù)法以及Critic權(quán)重確認(rèn)法等數(shù)學(xué)算法，描繪出典型農(nóng)配網(wǎng)工程的物資畫像，摸索建立了農(nóng)配網(wǎng)工程物資異常領(lǐng)用風(fēng)險(xiǎn)審計(jì)預(yù)警體系，通過前移審計(jì)關(guān)口，實(shí)現(xiàn)了內(nèi)部審計(jì)由主觀到客觀、由抽樣到全體、由事后到事中的轉(zhuǎn)變，是技術(shù)方法創(chuàng)新推動(dòng)內(nèi)部審計(jì)高質(zhì)量發(fā)展的良好實(shí)踐。本文旨在對某公司已有實(shí)踐與創(chuàng)新加以理論提煉與經(jīng)驗(yàn)總結(jié)，以期架構(gòu)可資借鑒的農(nóng)配網(wǎng)工程物資異常領(lǐng)用風(fēng)險(xiǎn)審計(jì)預(yù)警體系，有效緩解當(dāng)前農(nóng)配網(wǎng)甲供物資難以管控到位的現(xiàn)實(shí)困境。

二、審計(jì)預(yù)警體系構(gòu)建的理論依據(jù)

（一）持續(xù)改善理論

信息化技術(shù)的日益普及與提高，深刻影響了經(jīng)濟(jì)與管理乃至審計(jì)領(lǐng)域。隨著信息與人類行為實(shí)時(shí)互動(dòng)的實(shí)現(xiàn)，經(jīng)濟(jì)管理與審計(jì)對客觀對象動(dòng)態(tài)觀測和改進(jìn)的目標(biāo)有了實(shí)現(xiàn)的可能。西方管理實(shí)踐中形成了管理職能與經(jīng)營活動(dòng)良性互動(dòng)不斷改善的局面，對此實(shí)務(wù)發(fā)展理性總結(jié)形成持續(xù)改善理論。與此相適應(yīng)，審計(jì)也推進(jìn)到了連續(xù)審計(jì)階段，傳統(tǒng)的滯后性審計(jì)拓展成嵌入經(jīng)濟(jì)活動(dòng)中的實(shí)時(shí)審計(jì)，審計(jì)職能因此得以鞏固與拓展，對實(shí)際經(jīng)濟(jì)與管理的保障及促進(jìn)作用更為直接而有效。在實(shí)時(shí)審計(jì)背景下，自然產(chǎn)生了審計(jì)預(yù)警功能，即對即將發(fā)生的經(jīng)濟(jì)與管理基于以往審計(jì)掌握的信息，做出過程與結(jié)果方面的預(yù)判，從而在實(shí)際審計(jì)工作中對經(jīng)濟(jì)與管理發(fā)表審計(jì)意見，提供分析判斷依據(jù)。由此決定了審計(jì)預(yù)警，對于現(xiàn)代審計(jì)尤其是本來就與經(jīng)濟(jì)管理系統(tǒng)融為一體的內(nèi)部審計(jì)而言，是適應(yīng)信息化全新技術(shù)環(huán)境帶來挑戰(zhàn)的積極應(yīng)對之舉。但目前審計(jì)理論對這方面缺乏制度層面的系統(tǒng)研究，相應(yīng)的做法也處于零打碎敲狀況。正是基于此，某公司圍繞審計(jì)預(yù)警制度建設(shè)，以工程物資審計(jì)工作為抓手，嘗試?yán)眯畔⒒冗M(jìn)技術(shù)進(jìn)行審計(jì)預(yù)警，從而有效提高內(nèi)部審計(jì)工作的質(zhì)量與水平，其間形成了一些經(jīng)驗(yàn)性做法與感受。本文對此做出理論總結(jié)，以期為中國企業(yè)內(nèi)部審計(jì)做好審計(jì)預(yù)警工作提供有益的參考。

（二）用戶畫像理論

“畫像”技術(shù)最早應(yīng)用于刑事偵查破案，其原理是根據(jù)目擊者的敘述，將犯罪嫌疑人的外貌特征描繪、復(fù)原。近年來，互聯(lián)網(wǎng)企業(yè)利用“畫像”技術(shù)把數(shù)據(jù)轉(zhuǎn)化為商業(yè)價(jià)值，通過用戶網(wǎng)絡(luò)數(shù)據(jù)行為，還原用戶的消費(fèi)特征、消費(fèi)喜好和消費(fèi)需求的“畫像”，針對特定畫像的用戶進(jìn)行產(chǎn)品推銷，從而形成了“用戶畫像理論”。該理論的運(yùn)作邏輯可表述為：基于“全樣本定量分析”，到“個(gè)體特征定性描述”，再“對新樣本進(jìn)行畫像描繪”，具體見圖1所示。用戶畫像又稱用戶角色，作為一種勾畫目標(biāo)用戶、聯(lián)系用戶訴求與設(shè)計(jì)方向的有效工具，在各領(lǐng)域得到了廣泛應(yīng)用。在實(shí)際操作過程中，往往會以最為淺顯和貼近生活的話語將用戶的屬性、行為與期待聯(lián)結(jié)起來，進(jìn)而形成對用戶加以畫像描述的標(biāo)簽。

“用戶畫像理論”同樣適用于內(nèi)部審計(jì)工作。隨著國家電網(wǎng)信息化、數(shù)字化業(yè)務(wù)系統(tǒng)的不斷構(gòu)建，生產(chǎn)、營銷、管理等信息系統(tǒng)不斷完善，審計(jì)關(guān)注的財(cái)務(wù)、營銷、業(yè)務(wù)數(shù)據(jù)已經(jīng)完全信息化。綜合利用相關(guān)系統(tǒng)，搭建系統(tǒng)數(shù)據(jù)關(guān)聯(lián)，從海量數(shù)據(jù)中識別出用于描述審計(jì)對象的“標(biāo)簽”，對審計(jì)對象進(jìn)行形象化展示，可幫助審計(jì)人員更加客觀、科學(xué)地進(jìn)行審計(jì)分析和評價(jià)，大大提升審計(jì)人員的工作效率;同時(shí)，使審計(jì)工作重心從查錯(cuò)糾弊向提供咨詢等增值型服務(wù)轉(zhuǎn)變，助力內(nèi)部審計(jì)價(jià)值提升。

（三）聚類分析（Clustering）

聚類分析主要研究樣品或指標(biāo)分類問題，不僅是一種統(tǒng)計(jì)分析方法，也是數(shù)據(jù)挖掘的一個(gè)重要算法[ 2 ]。用戶畫像理論的核算就是聚類算法。聚類分析基于“物以類聚，人以群分”的理論思想，起源于分類學(xué)。在古老的分類學(xué)中，人們主要依靠經(jīng)驗(yàn)和專業(yè)知識來實(shí)現(xiàn)分類。隨著信息化水平日益提高，人們對分類的精確度要求越來越高，僅僅依靠經(jīng)驗(yàn)和專業(yè)知識已經(jīng)難以確切地進(jìn)行分類，把數(shù)學(xué)工具和分類學(xué)進(jìn)行融合成為必然選擇，由此形成了數(shù)值分類交叉學(xué)科。此后又將多元分析的技術(shù)引入到數(shù)值分類學(xué)，形成了聚類分析或聚類算法。

聚類算法的主要做法是按照特定標(biāo)準(zhǔn)——可理解為按照“用戶畫像的標(biāo)簽”，把海量數(shù)據(jù)聚合成不同的類，使同一類內(nèi)數(shù)據(jù)特征的相似性盡可能大，亦即把相似的對象分到同一組。聚類算法種類很多，有系統(tǒng)聚類法、有序樣品聚類法、動(dòng)態(tài)聚類法、模糊聚類法、圖論聚類法、聚類預(yù)報(bào)法等。本文主要采用模糊C均值聚類算法（即FCM算法）開展研究。該算法是一種基于目標(biāo)函數(shù)的模糊聚類算法，其聚類核心是根據(jù)每個(gè)數(shù)據(jù)點(diǎn)對聚類中心的隸屬度來實(shí)現(xiàn)無監(jiān)督的模糊聚類[ 3 ]。該算法的目標(biāo)函數(shù)（即FCM目標(biāo)函數(shù)）及其約束條件如公式（1）、（2）：

（四）Critic權(quán)重確認(rèn)法

Critic權(quán)重確認(rèn)法又稱Critic賦值法，是依據(jù)指標(biāo)客觀性進(jìn)行權(quán)重分配的方法。指標(biāo)客觀權(quán)數(shù)的確定依據(jù)有二：一是對比強(qiáng)度，以標(biāo)準(zhǔn)差的形式來表現(xiàn)同一指標(biāo)各個(gè)評價(jià)方案取值差距的大小，即標(biāo)準(zhǔn)差的大小表明了在同一指標(biāo)內(nèi)各方案取值差距的大小，標(biāo)準(zhǔn)差越大各方案取值差距越大;二是沖突性，即評價(jià)指標(biāo)間的沖突性，是指標(biāo)間相關(guān)性的互補(bǔ)概念，如兩個(gè)指標(biāo)之間具有較強(qiáng)的正相關(guān)，則兩個(gè)指標(biāo)之間的沖突性較低[ 4 ]。第j個(gè)指標(biāo)與其他指標(biāo)沖突性的量化指標(biāo)為n i=1（1-rij），其中rij表示指標(biāo)i和指標(biāo)j的相關(guān)系數(shù)。

在Critic權(quán)重確認(rèn)法下，各個(gè)指標(biāo)的客觀權(quán)重確定就是以對比強(qiáng)度和沖突性來綜合衡量的。設(shè)Cj表示第j個(gè)評價(jià)指標(biāo)所包含的信息量，則Cj的計(jì)算公式為：Cj=σjn i=1（1-rij）（其中n為同一指標(biāo)的評價(jià)數(shù)量，σj為第j個(gè)評價(jià)指標(biāo)的標(biāo)準(zhǔn)差）。一般而言，Cj越大，第j個(gè)評價(jià)指標(biāo)所包含的信息量越大，其相對重要性也越大。設(shè)Wj為第j個(gè)指標(biāo)的客觀權(quán)重，則Wj的計(jì)算公式為：

其中m為所有指標(biāo)的數(shù)量。

三、審計(jì)預(yù)警體系構(gòu)建的邏輯框架

某公司針對農(nóng)配網(wǎng)工程物資異常領(lǐng)用風(fēng)險(xiǎn)，綜合運(yùn)用用戶畫像理論以模糊C均值聚類算法、Critic權(quán)重確認(rèn)法等，按照如下邏輯搭建了審計(jì)預(yù)警體系框架：（1）利用底層數(shù)據(jù)即近年農(nóng)配網(wǎng)工程的全樣本數(shù)據(jù)，開展數(shù)據(jù)清洗，實(shí)施用戶畫像，包括輪廓畫像、局部畫像和細(xì)節(jié)畫像。（2）構(gòu)建用戶畫像，即綜合運(yùn)用模糊C均值聚類算法、變異系數(shù)法、3σ原則，計(jì)算并確定包括物資費(fèi)用占總投資費(fèi)用的比例、出現(xiàn)頻次極少的異常物資占項(xiàng)目中物資的比例、同類型項(xiàng)目不同物資的配比關(guān)系等指標(biāo)在內(nèi)的不同維度的數(shù)據(jù)，逐步雕琢出發(fā)生異常領(lǐng)用的物資的模型。（3）構(gòu)建異常預(yù)警，即通過Critic權(quán)重確認(rèn)法，計(jì)算不同維度畫像的權(quán)重系數(shù)，得出預(yù)警模型的準(zhǔn)確描述。（4）在此基礎(chǔ)上，開展實(shí)時(shí)監(jiān)控，包括進(jìn)一步掃描在建工程的實(shí)時(shí)基礎(chǔ)數(shù)據(jù)，實(shí)現(xiàn)對在建工程的疑點(diǎn)篩查，同時(shí)將結(jié)果進(jìn)行反饋，進(jìn)一步修正畫像，提高準(zhǔn)確性。某公司構(gòu)建農(nóng)配網(wǎng)工程物資異常領(lǐng)用風(fēng)險(xiǎn)審計(jì)預(yù)警體系的邏輯框架，具體如圖2所示。

四、審計(jì)預(yù)警體系的系統(tǒng)搭建

按照圖2所示的邏輯框架，某公司依次運(yùn)用如下步驟系統(tǒng)搭建了農(nóng)配網(wǎng)工程物資異常領(lǐng)用風(fēng)險(xiǎn)審計(jì)預(yù)警體系框架。需說明的是，樣本數(shù)據(jù)畫像勾勒的前提是充分且必要的基礎(chǔ)數(shù)據(jù)，為方便描述，這里所用例證為配電變壓器類項(xiàng)目，樣本時(shí)間跨度為2015—2018年。

（一）基礎(chǔ)數(shù)據(jù)歸集及數(shù)據(jù)清洗

首先從項(xiàng)目ERP系統(tǒng)中導(dǎo)出2015—2018年公司實(shí)施的所有配網(wǎng)工程，將其中配電變壓器類工程篩選出來。再根據(jù)系統(tǒng)唯一的“項(xiàng)目定義號”即wps碼，在物資系統(tǒng)導(dǎo)出項(xiàng)目出庫物資清單。同時(shí)，在審計(jì)系統(tǒng)或財(cái)務(wù)系統(tǒng)導(dǎo)出項(xiàng)目的總成本、服務(wù)費(fèi)成本（含施工、設(shè)計(jì)、監(jiān)理等）、物資成本等項(xiàng)目成本信息。經(jīng)過清洗，共篩選出配電變壓器項(xiàng)目9 551個(gè)，項(xiàng)目總投資共計(jì)8.62億元，其中物資費(fèi)用5.42億元，涉及物資條目28.42萬條。

（二）構(gòu)建畫像

例證中所用的配電變壓器類項(xiàng)目物資畫像由輪廓畫像、局部畫像和細(xì)節(jié)畫像三部分組成，三部分在邏輯上不是包含關(guān)系，而是不同維度的畫像構(gòu)建。通過對將三類畫像定性為“可疑”的標(biāo)簽進(jìn)行權(quán)重計(jì)算，定性項(xiàng)目畫像整體風(fēng)險(xiǎn)等級。

1.構(gòu)建輪廓畫像

輪廓畫像是指較為粗糙的用戶畫像，即不能精確定位到異常項(xiàng)目，僅在大體輪廓上為定位異常項(xiàng)目提供“可疑”標(biāo)簽，后續(xù)需要其他畫像一并驗(yàn)證的用戶畫像。農(nóng)配網(wǎng)工程中同類型的項(xiàng)目，其使用物資的種類數(shù)量、實(shí)施的方法工藝等應(yīng)該大體一致。例證中所用的配電變壓器類項(xiàng)目的物資狀況為：新安裝或更換一臺配電變壓器，安裝此變壓器的相關(guān)配件，并實(shí)施相應(yīng)的調(diào)試，使之具備送電投運(yùn)的功能。由此可見，物資種類相對單一，安裝工作也相對一致，故該類項(xiàng)目的物資費(fèi)和施工費(fèi)應(yīng)呈現(xiàn)出相似的比例。依據(jù)這一邏輯，生成輪廓畫像的第一個(gè)標(biāo)簽，稱之為“異常比例”。

物資費(fèi)占總投資的比例數(shù)據(jù)應(yīng)當(dāng)呈現(xiàn)正態(tài)分布或近似正態(tài)分布。根據(jù)正態(tài)分布的3σ原則，不在橫軸區(qū)間（？滋-3σ，？滋+3σ）內(nèi)的數(shù)據(jù)，可以貼為可疑標(biāo)簽。如前所述，該項(xiàng)目總數(shù)為9 551個(gè)，總投資共計(jì)8.62億元，總物資金額占總投資金額比例為66.61%。據(jù)此，可描繪所有項(xiàng)目占比的正態(tài)分布曲線和直方圖，具體見圖3所示。

該正態(tài)分布的期望值？滋為66.61%，標(biāo)準(zhǔn)值σ為0.152463，所以（？滋-3σ，？滋+3σ）區(qū)間為20.8711%～100%，即物資費(fèi)占總投資比例小于20.87%的項(xiàng)目為異常項(xiàng)目，需貼上可疑標(biāo)簽。經(jīng)篩選共有138個(gè)項(xiàng)目。

2.描繪局部畫像

局部畫像是比輪廓畫像更精致一些的畫像，但不是輪廓畫像的精細(xì)化，而是由不同維度數(shù)據(jù)進(jìn)行的精致描繪。如前所述，類型相同的項(xiàng)目，其建設(shè)施工工藝、各類費(fèi)用占比應(yīng)呈一定類似比例。梳理9 551個(gè)配變項(xiàng)目涉及的28.42萬條物資領(lǐng)用條目，僅涉及324個(gè)物料編碼，即只領(lǐng)用了324種物資，說明同類型項(xiàng)目使用的物資類型也大致一致。本文針對例證中所用配電變壓器類項(xiàng)目，描繪其局部畫像的邏輯是：如果項(xiàng)目單位通過此類項(xiàng)目虛領(lǐng)物資，達(dá)到清倉利庫目的，那么虛領(lǐng)物資的類型不由項(xiàng)目實(shí)際需要何種類型的物資決定，而是由倉庫現(xiàn)在庫存了什么物資來決定，而庫存物資的類型不一定是項(xiàng)目常用物資。反言之，若項(xiàng)目中出現(xiàn)一定比例的非常用物資，則有可能存在虛領(lǐng)物資的嫌疑。

（1）確定異常物料編碼庫。異常物料編碼庫的建立包括兩個(gè)步驟：第一步，從實(shí)際工程建設(shè)的角度，將出現(xiàn)頻率極低的物料編碼定義為異常物料編碼。由于“頻率極低”無法定量描述，僅能根據(jù)經(jīng)驗(yàn)值進(jìn)行判斷，則需要第二步對結(jié)果進(jìn)行修正。第二步，將異常物料編碼與國網(wǎng)公司頒布的配網(wǎng)工程典型設(shè)計(jì)中的物料編號進(jìn)行對比，不在典型設(shè)計(jì)中的異常物料編碼將納入異常物料編碼庫。

將28.42萬條物資領(lǐng)用條目導(dǎo)入SQLServer數(shù)據(jù)庫，計(jì)算每條物資在多少項(xiàng)目中出現(xiàn)過。具體SQL語句如下：

--計(jì)算一項(xiàng)物料在整個(gè)領(lǐng)用物資項(xiàng)目的占比 物料出現(xiàn)的頻次/項(xiàng)目總數(shù)

with a as （select 項(xiàng)目定義，物料編碼，sum（實(shí)發(fā)數(shù)量） as 物資數(shù)量 from[2015-2018年變壓器項(xiàng)目導(dǎo)出清單]group by 物料編碼，項(xiàng)目定義）

b as （select 物料描述，物料編碼，sum（金額）as 金額 from[2015-2018年變壓器項(xiàng)目導(dǎo)出清單] group by 物料編碼，物料描述）

select a.物料編碼，count（a.項(xiàng)目定義） as 頻次， cast（round（convert（decimal，（count（a.項(xiàng)目定義）））/（select count（distinct（項(xiàng)目定義）） as 項(xiàng)目數(shù) from ?a where a.物資數(shù)量！=0）*100，4） as varchar） +'%' as 百分比，b.物料描述，b.金額

from a left join b on a.物料編碼=b.物料編碼

where a.物資數(shù)量！=0 group by a.物料編碼，b.物料描述，b.金額

根據(jù)篩查結(jié)果，暫定義出現(xiàn)頻次小于2.45%①的物資為異常物資，共涉及156個(gè)項(xiàng)目編碼，涉及金額3 230.5萬元。為提高該閾值精度，將這156個(gè)項(xiàng)目編碼與國網(wǎng)公司頒布的配網(wǎng)工程典型設(shè)計(jì)中的材料清冊進(jìn)行對比，確定其中的137條物資為異常物資，形成異常物料編碼庫。

（2）數(shù)據(jù)篩選及清洗。將異常物料編碼庫導(dǎo)入SQLServer數(shù)據(jù)庫，結(jié)合前期導(dǎo)入數(shù)據(jù)庫的項(xiàng)目數(shù)據(jù)、物資領(lǐng)用數(shù)據(jù)，形成兩個(gè)維度的物資異常領(lǐng)用表現(xiàn)：一是物資異常領(lǐng)用條目數(shù)占本項(xiàng)目條目數(shù)的比例，二是物資異常領(lǐng)用金額占本項(xiàng)目物資總金額的比例。具體SQL語句如下：

select a.項(xiàng)目定義，cast（round（b.異常物資數(shù)量/a.物資數(shù)量*100，4） as varchar） +'%' as 異常物料數(shù)量占比，cast（round（b.異常金額/a.金額*100，4） as varchar） +'%' as 異常物資金額占比 from

（select 項(xiàng)目定義，sum（實(shí)發(fā)數(shù)量） as 物資數(shù)量，sum（金額） as 金額 from[2015-2018年變壓器項(xiàng)目導(dǎo)出清單]group by 項(xiàng)目定義） as a inner join

（select 項(xiàng)目定義，sum（實(shí)發(fā)數(shù)量） as 異常物資數(shù)量，sum（金額） as 異常金額 from[2015-2018年變壓器項(xiàng)目導(dǎo)出清單]where 物料編碼 in（select 物料編碼 from [ntsj].[dbo].[異常物料編碼庫]） group by 項(xiàng)目定義） as b

on a.項(xiàng)目定義=b.項(xiàng)目定義

（3）模糊C均值聚類分析。FCM算法的一般步驟為：第一步，確定分類數(shù)，指數(shù)m的值，確定迭代次數(shù)（這是結(jié)束的條件，可以根據(jù)需求確定，可以多種）;第二步，初始化一個(gè)隸屬度U（必須滿足公式（2），總和為1）;第三步，根據(jù)U計(jì)算聚類中心C;第四步，計(jì)算目標(biāo)函數(shù)J;第五步，根據(jù)C返回去計(jì)算U，回到步驟三，一直循環(huán)直到結(jié)束[ 5 ]。

本文主要借助Python語言編程來實(shí)現(xiàn)上述C均值模糊聚類算法公式（3）。為了可視化方便，生成一個(gè)二維數(shù)據(jù)在坐標(biāo)軸上顯示，具體如圖4所示。在圖4中，橫軸代表異常物料占比情況，縱軸代表異常物料金額占比情況?；诰垲悓?shí)驗(yàn)?zāi)康?，將?shù)據(jù)分為異常物資和正常物資兩大類。通過參數(shù)實(shí)驗(yàn)的調(diào)整，設(shè)定分類數(shù)n_clusters為3。通過對9 951個(gè)項(xiàng)目中存在異常物料的3 874個(gè)項(xiàng)目進(jìn)行聚類實(shí)驗(yàn)，得到聚類結(jié)果。

分析聚類實(shí)驗(yàn)結(jié)果，可以發(fā)現(xiàn)這些項(xiàng)目分成了三類：紅色類項(xiàng)目（數(shù)量3 356），綠色類項(xiàng)目（數(shù)量314），藍(lán)色類項(xiàng)目（數(shù)量204）②。據(jù)此可以認(rèn)為，藍(lán)色和綠色類項(xiàng)目遠(yuǎn)離數(shù)量群存在異常。結(jié)合圖4中橫縱坐標(biāo)可知，一個(gè)項(xiàng)目異常物料數(shù)量占項(xiàng)目總物料比大于28.5%，或異常物資金額占項(xiàng)目總額比大于32.2%，均可大概率認(rèn)為其存在異常。按照這一邏輯，本文共發(fā)現(xiàn)518個(gè)項(xiàng)目存在異常。

3.雕琢細(xì)節(jié)畫像

因局部畫像仍不能精準(zhǔn)描繪出異常領(lǐng)料的完整邏輯特征，故本文進(jìn)一步借助不同類型領(lǐng)用物資之間的比值關(guān)系，對配電變壓器類項(xiàng)目雕琢細(xì)節(jié)畫像。理論上，同類型項(xiàng)目使用的不同類型物資之間應(yīng)呈一定的比例關(guān)系，比如一臺變壓器配置一臺JP柜、一根電桿配置50米的導(dǎo)線等。這里運(yùn)用變異系數(shù)法，通過計(jì)算數(shù)據(jù)之間的相關(guān)關(guān)系查找不同類型物資配比關(guān)系，構(gòu)建異常邏輯矩陣。