随着政府治理现代化进程的加快，公务用车管理正经历从传统人工审计向智能化监管的深刻变革。大数据技术的引入，不仅重构了公务用车审计的监管范式，更在预防违规行为、优化资源配置、提升治理效能等方面展现出独特价值。本文通过构建"数据采集—模型构建—疑点核实—决策支撑"的完整应用体系，系统阐述大数据技术在公车管理审计中的创新实践。

一是加强多源数据整合。通过对接ETC通行记录、加油卡消费数据、北斗/GPS轨迹信息、维修保养台账等12类数据源，建立覆盖车辆全生命周期的数据库。再运用SQL数据库技术对车辆型号、燃油标号、行驶里程等字段进行标准化处理，例如，将不同格式记录的车辆型号统一规范为标准名称，对燃油标号进行统一标注，对行驶里程数据进行清洗和校验，保证数据质量，为后续的审计分析提供坚实的数据保障。

二是构建多样审计模型。借助大数据技术强大的数据处理和分析能力，构建一系列多样化、针对性强的审计模型，从而实现对公务用车违规行为的精准识别与监测。时间与空间关联模型，将公车平台的 “围栏报警” 数据与北斗定位数据进行实时、动态的比对分析，若车辆在非工作时间频繁出现在商业区、娱乐场所等非公务活动区域、停留时间超过合理时长且无正当公务理由，系统自动发出预警，为审计人员进一步核查提供线索。油耗异常分析模型，将车辆型号、行驶里程、燃油标号等关键数据进行深度关联，筛选出年均油耗超出行业标准 40% 的车辆作为疑点数据。同时，对车辆油耗的波动趋势进行跟踪分析，若发现车辆短期内油耗出现异常大幅波动，也纳入重点关注范围。例如，某车辆在一个月内，正常行驶里程未变，但油耗却突然增加了 30%，审计人员就需深入调查，排查是否存在车辆故障、加油卡异常使用等问题。费用关联审计模型，把加油卡消费数据、维修保养台账以及车辆保险费用数据进行整合关联，如果某车辆行驶里程较少，但维修保养费用却居高不下，或者加油费用与行驶里程严重不匹配，就可能存在问题。

三是严格开展疑点核实。在疑点核实过程中，充分利用大数据的追溯功能。对于发现的异常数据，审计人员能够沿着数据链条，从源头开始追踪数据的产生、录入和传输过程。如针对筛选出的年均油耗超出行业标准 40% 的车辆，审计人员首先对车辆维修保养记录进行深度核查。查看车辆是否存在频繁维修同一部件的情况，后进一步询问维修人员具体维修原因，判断维修是否必要、合理。同时，检查维修费用的报销凭证，确认费用支出是否真实、合规，有无虚报维修项目、抬高维修价格等问题。

四是强化结果运用，提供决策支撑。疑点核实完成后，将核实结果进行系统整理和深度分析，对于核实存在违规行为的车辆和相关责任人，依据法律法规形成审计结果。同时，对公车管理中存在的普遍性问题和薄弱环节进行梳理总结。例如，若多辆车辆都存在油耗过高的问题，可能意味着车辆选型不合理，或者日常维护保养工作不到位。基于此，向公车管理部门提出优化车辆配置、加强维修保养管理等针对性建议，推动公车管理部门完善管理制度，优化管理流程。孙春晓