(1)做实数据采集整理。坚持数据先行，做好数据采集规划，推进实现数据采集有效覆盖，针对审计重点，厘清数据需求清单，拓宽数据采集渠道，延伸数据整理范围。规范数据资源的整理、清洗、转换、校验等加工处理工作，全力聚合数据资源，挖掘数据分析潜力。

(2)做深数据分析运用。将大数据审计方式贯穿于财政金融、农业农村、经济责任、社会保障等领域，深度开展融合应用，积极推行“项目+数据”式的双主审模式。在实际运用上根据审计需求制定数据分析模型，灵活应用SQL、Oracle、Python、GIS、图形化分析等技术，通过对不同单位之间的横向比较和外部分析以及对同一单位近三年度情况的纵向比较和内部分析，充分把握数据分析总量、结构及趋势，全面掌握被审计事项的情况。

(3)做细成果总结提炼。在审计过程中，对大数据核查出的疑点进行全方位研判，注重对审计发现的热点、难点问题综合分析，从体制、机制和制度层面剖析原因，揭示从个性问题到行业治理的共性问题，提出针对性建议。确保一个审计项目配套一份数据分析核查方案，落实一份数据分析核查结果报告，完善一份大数据分析案例，形成“项目+方案+报告+案例”内部循环式的大数据审计工作机制。深入探索审计思路方法，总结提炼审计经验做法，开展审计成果讲评，讨论交流审计细节上的缺陷漏洞、亮点技巧，最终形成研究性审计文章并发表推广。

(4)做强数据人才培养。汲取先进审计方法和技术，对标对表找差距，主动到先进单位学习。积极参与审计署、审计厅组织的上下联动项目，选派人员到现场学习大数据审计经验。请进大数据审计专家，针对具体项目传授大数据审计先进做法。通过专题研究、“审计沙龙”“审计大讲堂”等方式，开展案例教学、实战技能、现场操作，从中穿插提问、讨论、交流等环节，实行学习积分制，严格做到周点评、月督办、季通报、年考核，在全局范围内形成“人人学、人人懂”的良好氛围。