目前,大多数商业银行已逐步建成较为完善的信息系统,内部审计逐步实现信息化。但是银行不良贷款多发,不仅体现出外部金融风险的增加,也在一定程度上说明我国商业银行内部风险管理体系存在不足,内部审计方法仍需优化,尤其是大数据环境下对数据的管理和审计方法的优化。为实现防范和化解风险的目标,商业银行需要完善内部审计工作,优化审计方法,加大与信息技术的融合力度,从而有效发挥内部审计风险管理的职能。已有文献对大数据环境下非结构化数据审计的研究集中在信息系统和系统架构的应用,在大数据审计方法的研究集中在某一环节和数理逻辑层面上的应用等,研究内容集中在信息化审计理论、非结构化数据审计算法理论、风险模型构建等方面。而将大数据与内部审计相结合,研究实务中大数据环境下商业银行非结构化数据审计方法优化的研究还较为不足。基于此,文章以非结构化数据审计、风险导向内部审计理论为理论依据,以A商业银行为例,以风险为导向,运用大数据技术对商业银行非结构化数据审计方法进行优化,通过及时采集审计证据,检查规则制度的贯彻效果,评价业务数据真实性与一致性,发现和防范风险。针对数据采集、数据存储、数据处理三个环节进行方法优化,并建立实施框架。首先通过建立接口、批量化复制、外部获取手段,建立数据采集标准;其次通过建立基础信息库、特别关注库、人行征信库、专家经验库、法院信息、舆情库等不同的基础数据库实现数据分类存储管理;再次利用自然语言处理、统计分析、数据标准化、相关分析、显著性检验等数据处理技术,对数据库中的数据进行处理,利用文本向量化、交叉验证、数据挖掘、聚类分析、比率分析、回归分析、时间序列等模型对数据进行分析与校验;最后提出实施建议,商业银行要提高风险管理水平,就必须解决如何扩大内部审计范围,创新技术和审计方法,培养综合审计人才,完善审计机制,从而提升审计工作质量,发挥管理职能。文章的研究价值与启示意义在于:基于大数据视角,从分析大数据环境下内部审计非结构化数据审计方法现存问题入手,发现其中的不足,选择信息化程度较高的银行业作为研究对象,利用大数据技术,对商业银行内部审计中非结构化数据的采集、处理、分析过程进行方法优化和实施,为创新商业银行内部审计方法提供参考。