2017年3月， 《網絡遊戲公司首次公開發行和上市信息披露指引》在互聯網上非正式公布，針對信息披露方面提出了具體和嚴格的要求。

《指引》除了對於傳統的信息系統控制的有效性提出核查要求，還首次提出數據分析的要求，要求發行人的保薦機構和申報會計師應通過大數據分析的技術深入了解發行人業務指標和財務指標的趨勢和匹配性。由於互聯網線上行業數據量巨大，通過傳統的盡職調查手段滿足監管的要求已變得越發困難。

普華永道通過引入不同的大數據分析技術和人工智能算法，結合在互聯網線上行業的豐富經驗，通過建立不同的分析模型對發行人運營數據和日誌進行分析，協助保薦人深入理解發行人真實的業務情況，應對內部質控部門和監管機構的要求。

數據盡職調查的步驟

廣告充斥在我們生活的每一個角落，每日均產生大量的業務數據，通過傳統的盡調手段難以充分了解廣告投放的真實性。如何從廣告業務數據中挖掘信息，了解廣告的實際投放效果與廣告主協議需求的一致性，充分了解廣告業務是否真實發生，是保薦機構不得不思考的問題。 

大數據時代背景下，電商行業也面臨數據急劇擴張帶來的種種挑戰。面對海量的產品評價數據，如何判斷評價中是否存在「注水評論」、「殭屍用戶」等摻假行為也成為保薦機構日益重視的問題。為了能夠快速有效的識別疑似異常評價，我們可以藉助自然語言處理技術（NLP）、並結合深度學習算法等工具來有效實現買家評論的情感分析與分類。

鑒於遊戲行業中，存在利益相關者通過「遊戲公會」等自組織的遊戲玩家群體進行自充值的行為，而該類行為無法通過傳統的核查手段進行有效識別。

藉助數據分析方法，我們可結合遊戲玩家的包括玩家充值賬號、IP地址、設備號碼、遊戲昵稱等信息，對遊戲玩家的充值行為進行關聯分析，利用Apriori算法，挖掘頻繁項集，了解遊戲充值玩家的關聯性，結合關聯玩家的充值金額、充值頻次等遊戲行為數據，協助識別該類自充值行為。