在实践中探索建筑业招投标数智化审计方法

一、审计背景

在建筑企业经营活动中，招投标环节是资金密集、交易频繁、舞弊高发的风险高发地。尤其在近年来“集中采购+电子化招标”持续推进的背景下，围标、串标等违规手法愈发隐蔽，呈现出“表面合规、实质围标串标”的新型舞弊趋势。

在应对此类问题时，传统审计手段面临“三重挑战”。一是数据分散、线索模糊。招投标行为横跨电子招标、供应链、合同等多个系统平台，导致行为链条难以完整还原。二是伪装手段专业化。供应商通过设立壳公司、使用虚拟IP、伪造数据等手段，消除“静态”风险特征。三是业务体量大、审计周期紧。单个项目的基础文件可能多达上千份，审计资源与识别手段难以支撑有效查证。

为破解上述痛点，中国建筑一局（集团）有限公司审计团队（以下简称审计组）提出以“行为特征树”为牵引、以“数智模型组合”为突破口的创新审计思路，灵活运用行为路径聚类、结构化数据挖掘、电子文档OCR以及辅助爬虫技术等多类审计工具，把握全局多点突破，穿透表面合规假象、识别真实关联，精准发现围标、陪标等违规行为，在实战中取得较好成效。同时，通过在多个审计项目中的应用迭代，逐渐探索出一套“可复制、可推广、可演进”的建筑业招投标数智化审计方法。

二、审计实践

（一）总体查证思路

2024年，在对集团两家下属公司的经责审计项目中，审计组将招投标环节列为重点审查内容。审前调查过程中，多条线索集中指向一些供应商，这些供应商周围时常伴有其他关联方出现，隐约出现“组团”痕迹，例如注册地址集中于相邻相近位置，成立时间相差不足半年。但这些企业在股权上未呈现直接关联，也未发现明显的围标违规证据。

审计组意识到，要揭开这一隐藏的利益网络，必须突破传统审计方式的局限，运用更先进的数智化技术手段实现深度查证。经过讨论研究，审计组确立了以下总体思路：以招投标违规特征树为指引，从供应商围标行为特征出发，系统梳理可能存在的违规手法与漏洞，并借助数字化技术、AI技术打造多维度的工具模型组合。

第一阶段：绘制违规行为特征树。全面梳理招投标、实施结算与支付、投融资三大环节的常见违规类型与表现形式，明确各类违规行为的典型手段与风险痕迹，初步匹配可应用的数智化技术方法，形成覆盖流程、手段、线索与查证逻辑的全景图谱。

第二阶段：梳理数据源和技术路线。在风险画像基础上，审计组梳理出可用的结构化与非结构化数据源，优选逻辑清晰、技术成熟、可快速落地的分析路径，如供应商关联图谱分析、“握手”（即多家供应商在同一项目中共同投标）共现分析、陪标行为识别等，构建了多点突破的查证策略。

第三阶段：设计开发组合模型并交叉验证。针对不同风险特征，设计并开发多种模型工具，交叉比对分析结果，进一步提升了问题识别的准确性与证据链条的严密性。

第四阶段：补充完善证据链条。结合传统取证方式（如现场访谈、资料核查等），对模型识别结果进行人工核实，确保审计证据真实性、充分性、有效性，支撑后续处理建议。

第五阶段：模型固化与持续迭代优化。根据业务需求与实际应用反馈，持续优化模型参数与功能，推动模型在更大范围的复制推广，不断提升适配性与生命力。

（二）具体查证步骤

1

绘制违规行为特征树，确定技术路线

围绕建筑企业招投标流程的关键节点以及后续利益实现的可能路径，审计组构建了覆盖招投标、商务结算和财务结算、投融资三个环节的“违规行为特征树”，以树状结构形式系统梳理各类常见违规手段、审计线索、数据来源与查证逻辑（见图1）。该特征树不仅作为模型设计的核心依据，也成为实操查证中的路径指南，可作为后续审计项目中的通用审计模型开发蓝本，为全流程风险穿透与多维交叉验证提供了标准化、结构化的技术依据。

在招投标环节，重点识别供应商之间的串通行为，包括轮流中标、陪标、抬压报价等，主要线索涉及高频共现、报价规律、文件雷同等，通过“握手”分析、文本比对等模型技术加以识别。同时，也关注限制竞争、虚构资质、内部舞弊等问题，并针对性设计了如“资审异常分析”“操作日志审查”等工具模块。

在商务结算与财务结算环节，主要识别高价执行、转包分包、虚增工程量、虚报劳务人员等问题。通过结算对比分析、图像识别、费用比例分析等手段，从结算数据、施工资料、人员信息中提取可疑线索，提升风险识别效率。

在投融资环节，聚焦虚构应收账款、循环融资、虚假担保等风险行为，结合合同文件、资金流水等数据，借助数据可视化与序列分析方法，揭示资金异常流向和虚假交易结构。

2

模型设计和开发

围绕前述“违规行为特征树”，审计组开发了多套组合模型，这些模型从不同角度切入、相互验证，有效提升对围标、串标等违规行为的识别效率，在海量数据中精准聚焦问题线索，主要模型和工具如下。

01

“投标关联图谱分析”模型

模型目标：在海量数据中快速圈定异常交易主体，识别关键节点和潜在关联关系，发现问题源头。

查证逻辑：基于历史投标数据，构建供应商间的关联网络图，挖掘“核心中介”企业及其关联路径，辅助识别隐藏控制人或协同操作行为。

数据来源：集团招投标平台投标记录。

实施步骤：采集并清洗投标基础数据，通过算法生成可视化图谱，可进行节点放大与详情导出，便于深入分析与证据溯源。

模型成效：成功从5万条数据中识别出20组高频“组团投标”供应商。

02

“握手共现”模型

模型目标：在关联图谱的基础上，量化围标企业之间的协作频率，定位核心企业。

查证逻辑：以“握手”为切入点，统计高频组合，结合中标率与报价特征，识别可能存在陪标、轮投或排斥竞争行为。

数据来源：集团招投标平台投标记录。

实施步骤：清洗数据后，通过程序统计各供应商的共同投标次数，量化“协同关系强度”。

模型成效：进一步验证并细化“组团围标”结构，锁定“某系”供应商中的核心企业。

03

“陪标筛查”模型

模型目标：识别中标率异常低、投标次数过高的可疑“陪标”或“壳公司”供应商。

查证逻辑：设置阈值（如高投标次数、低中标率、特定发包方集中度），筛选出具有陪标特征的供应商，结合上下游关系进一步识别协同方。

数据来源：集团招投标平台投标记录。

实施步骤：设定参数后，系统自动筛查并输出可疑名单，支持点击查看企业历史投标行为与关联方。

模型成效：对“组团”内企业进行角色分层识别，明确核心企业与协作辅助方，查证精度进一步提高。

04

“异常排斥”模型

模型目标：揭示存在人为限制投标行为的项目，查证招标环节是否存在有意“清场”的围标行为。

查证逻辑：筛查未入围但报名的供应商，交叉验证入围名单中是否存在存疑供应商，并调阅资格审查记录识别其合理性。

数据来源：集团招投标平台投标记录及相关资审资料。

实施步骤：上传报名与投标数据，系统自动统计入围情况并分析被排除供应商名单，支持进一步人工核查。

模型成效：查实部分项目存在内部操控、排除“异己”现象，获取关键违规证据。

05

电子文档属性与痕迹分析工具

模型目标：识别供应商提交资料中可能存在的造假行为。

查证逻辑：分析投标文件（PDF、Word、图片等）的元数据（创建时间、作者、编辑软件）和图像痕迹（如公章模糊、图层不一致），识别疑似伪造或模板化资料。

数据来源：供应商资质文件、考察资料等电子档案。

模型成效：识别部分资料编辑痕迹，完善证据链。

06

OCR模型与爬虫技术辅助

模型目标：自动提取非结构化文档中的关键信息，发现潜在关联或伪造痕迹。

查证逻辑：运用OCR识别扫描文档中的企业名称、联系人、印章、照片等信息，结合历史资料进行横纵比对，挖掘重复线索与隐性关联。

数据来源：扫描版考察资料、结算文件、企业介绍等文档。

模型成效：发现两家供应商考察资料照片完全相同、公司牌匾并列展示等关键线索，支撑后续关联关系查证；抓取工商网站数据，发现社保缴纳人数与实际项目规模严重不匹配。

3

补充完善证据链条

在基本锁定问题事实的基础上，审计组进一步运用传统审计手段，补充和完善证据链条。通过关键人员访谈、实地走访及调阅补充资料，逐步还原问题全貌。通过系统性、多角度、多技术手段的综合运用，审计组最终形成了一套完整、闭环的证据体系，有效支撑了审计结论的客观性和权威性。审计最终揭示出，某单位原高管在离职后，控制或设立多家建筑劳务公司，依托其在原单位的影响力和人脉资源，通过内外勾连、暗中操控招投标流程，违规获取大量分包工程项目，并在后续结算环节中牟取不当利益，涉及金额巨大。

4

模型固化和迭代升级

在现场审计期间中，审计组紧密结合业务实际与查证结果，持续优化和迭代所开发的数智模型，根据不同场景反馈及时调整算法逻辑、输入参数与界面设计，确保模型“能用、好用、易用”。项目推进期间，模型开发团队与审计业务团队高效协同，实现了从需求提出到工具部署的快速闭环，显著提升模型适应性与操作体验。截至目前，相关模型已在多个项目中成功复制应用，部分模型仍在持续升级过程中，以更好适应工程审计、合规审计、财务审计等多样化审计场景，力求延长工具生命周期，最大化技术投资回报。

三、审计成果运用

在对某集团下属公司审计过程中，审计组通过对技术工具的应用，从近5万条供应商投标记录和招标任务中，精准识别出涉嫌围标、串标的多笔可疑业务，同时发现以不合理理由限制投标单位的行为，所涉金额较大。

上述数智化审计的实践探索不仅取得实质性成果，也沉淀出一套契合工程建设领域的业务特性，具有可复制性、可推广性的数智化审计方法论。项目中开发出的数智工具包具备多场景适应能力，尽管部分工具尚待完善，但其总体方向明确、框架成熟，具备持续深化应用的潜力，未来随着场景拓展和迭代优化，有望创造更多审计价值。

四、经验启示

（一）数智化审计是融合协作的审计

数智化审计的成功关键在于多领域人才的融合协作，由数字化专家提供技术支撑，审计专家提供专业方法，业务专家传递场景理解。实践中，集团审计部门摸索出“专家协作工坊”模式，有效打通知识壁垒，实现数据流、信息流与业务流的深度融合，有效提升了解决复杂问题的能力。

（二）数智化审计是贴近一线的审计

模型是否好用，关键在于是否能深入一线、服务一线、解决一线实际问题。实践中，数字化团队分散至审计现场，现场提出问题、开发模型、测试并优化，确保技术成果能够快速响应需求。实践中，大多数模块3日内即可完成开发，而小型功能甚至可在30分钟内实现，体现出极强的实用性和灵活性。

（三）数智化审计是开放共享的审计

开放互通是推动组织整体数智化审计水平提升的有效手段。一方面，通过先行试点、经验复用、培训交流，让“少数先行者”带动“整体跃升”；另一方面，开放共享也确保模型持续优化与生命周期延长。在实践中，审计部门始终坚持开放理念，积极组织培训、答疑、交流，逐步形成可积累、可迭代、可传承的数智化审计能力。

（四）数智化审计是多维立体的审计

数智化审计的成果不仅体现在查处问题和揭示风险，更应体现为多维度系统性和战略性的综合价值。未来应探索更深层次的数据治理与模型应用，如进行垂直领域本地大模型的微调与知识库建设，构建审计人专属的智能大脑——审计AI大模型，使其理解公司业务、熟悉规章制度、知晓业务数据及存在的问题。智能大脑可以有效辅助审计人员提供更加科学高效的管理咨询建议，帮助审计人员在助力企业治理与高质量发展方面发挥更大作用。

文章摘自《中国内部审计》杂志2025年第8期

作者：陈哲

单位：中国建筑一局（集团）有限公司审计部

编辑：孙哲

目前190000+人已关注我们，您还等什么？