數(shù)據(jù)式審計常用的數(shù)據(jù)分析方法

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)數(shù)據(jù)式審計常用的數(shù)據(jù)分析方法審計數(shù)據(jù)的分析可分為三個層次：即以審計專家經(jīng)驗和常 規(guī)審計分析技術(shù)為基礎(chǔ)的審計，以審計分析模型和多維數(shù)據(jù)分析技術(shù)為基礎(chǔ)的審計，以數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)的審計。第一個層次表現(xiàn)為用戶對數(shù)據(jù)庫中的記錄進行訪問和查詢，可通過SQL等語言來交互式地描述查詢要求，或根據(jù)查詢需求采用開發(fā)工具定制查詢軟件，實現(xiàn)的是查詢型分析；第二個層次是用戶先提出自己的假設(shè)，然后利用各種工具通過反復(fù)的、遞歸的檢索查詢，以驗證或否定自己的假設(shè)，從用戶的觀點來看，他們是在從數(shù)據(jù)中發(fā)

2、現(xiàn)事實，因而實現(xiàn)的是驗證型分析；第三個層次是指用戶從大量數(shù)據(jù)中發(fā)現(xiàn)數(shù)據(jù)模式，預(yù)測趨勢和行為的數(shù)據(jù)分析模式，它能挖掘數(shù)據(jù)間潛在的模式，發(fā)現(xiàn)用戶可能忽略的信息，并為審計人員做出前瞻性的、基于知識的決策提供幫助，因而實現(xiàn)的是驗證型分析。可見，前兩個層次是基于現(xiàn)有的審計知識，這構(gòu)成了智能審計的基礎(chǔ)；第三個層次是通過主動挖掘潛在的審計知識，這是智能審計的核心。一、基于現(xiàn)有審計知識的數(shù)據(jù)分析方法（一）合規(guī)分析方法。合規(guī)分析法就是用審計軟件的會計核算部分，根據(jù)會計準(zhǔn)則和被審計單位業(yè)務(wù)處理邏輯的數(shù)據(jù)處理要求，檢查是否有賬證不符、賬賬不符、賬表不符、表表不符的情況；賬戶對應(yīng)關(guān)系是否正常；是否存在非正常掛賬、非正

3、常調(diào)賬現(xiàn)象；賬戶余額方向是否存在異常；是否有違背被審計單位業(yè)務(wù)處理邏輯的情況等。（二）趨勢分析方法。趨勢分析法是指審計人員將被審計單位若干期相關(guān)數(shù)據(jù)進行比較和分析，從中找出規(guī)律或發(fā)現(xiàn)異常變動的方法。它是審計人員利用少量時間點上或期間的經(jīng)濟數(shù)據(jù)來進行比較分析的特殊時間序列法，此法有助于審計人員從宏觀上把握實務(wù)的發(fā)展規(guī)律。審計人員可根據(jù)審計需要來確定時間序列的粒度，如年、季、月、旬、日等。（三）結(jié)構(gòu)分析方法。結(jié)構(gòu)分析法也叫比重分析法，是通過計算各個組成部分占總體的比重來揭示總體的結(jié)構(gòu)關(guān)系和各個構(gòu)成項目的相對重要程度，從而確定重點構(gòu)成項目，提示進一步分析的方向。結(jié)構(gòu)分析法和趨勢分析法還可結(jié)合應(yīng)用，進

4、行數(shù)據(jù)結(jié)構(gòu)比例在若干期間的變動趨勢分析。應(yīng)用結(jié)構(gòu)分析法和趨勢分析法，對被審計單位的資產(chǎn)、負(fù)債、損益和現(xiàn)金流的結(jié)構(gòu)分析、趨勢分析以及結(jié)構(gòu)比例的趨勢分析，對被審計單位的總體財務(wù)狀況、經(jīng)營成果和現(xiàn)金流量形成總體的了解。（四）比率分析方法。比率是兩個相關(guān)聯(lián)的經(jīng)濟數(shù)據(jù)的相對比較，主要用除法，它體現(xiàn)各要素之間的內(nèi)在聯(lián)系。比率分析法計算簡單，結(jié)果簡單，便于審計人員判斷。由于采用了相對數(shù)，它可以適用不同國家、地區(qū)、行業(yè)、規(guī)模的客戶。（五）經(jīng)驗分析方法。審計人員在長期的對某類問題的反復(fù)審計中，往往能摸索、總結(jié)出此類問題的表征。在審計實踐中抓住這種表征，從現(xiàn)象分析至實質(zhì)，就可以較為方便地核查問題。將審計人員的這種

5、經(jīng)驗運用到計算機審計中，將問題的表征轉(zhuǎn)化為特定的數(shù)據(jù)特征，通過編寫結(jié)構(gòu)化查詢語句（SQL）或利用審計軟件來檢索，查詢出可疑的數(shù)據(jù)，并深入核實、排查來判斷、發(fā)現(xiàn)問題，便能實現(xiàn)根據(jù)審計經(jīng)驗構(gòu)建個體分析模型的目的。（六）多維數(shù)據(jù)分析。聯(lián)機分析處理（on- line analysis processing，OLAP）工具為多維數(shù)據(jù)分析提供了十分有效的功能，它能夠從多種角度對從原始數(shù)據(jù)中轉(zhuǎn)化出來的、可真正為用戶所理解的、并真實反映企業(yè)的多維特性的信息進行快速、一致、交互地存取，獲得對數(shù)據(jù)的深入了解。現(xiàn)代OLAP系統(tǒng)一般是以數(shù)據(jù)倉庫為基礎(chǔ)，即從數(shù)據(jù)倉庫中抽取詳細數(shù)據(jù)的一個子集，并經(jīng)過必要的聚集存儲到OLA

6、P存儲器中，供前端分析工具讀取。建立數(shù)據(jù)倉庫的目的，是為了支持?jǐn)?shù)據(jù)分析和決策制定過程。數(shù)據(jù)倉庫中存儲的數(shù)據(jù)是面向分析目標(biāo)的經(jīng)提煉、加工后的數(shù)據(jù)集合。這種數(shù)據(jù)的存儲結(jié)構(gòu)為OLAP實施提供了理想的環(huán)境。而OLAP作為一種多維查詢和分析工具，是數(shù)據(jù)倉庫功能的自然擴展，也是數(shù)據(jù)倉庫中的大容量數(shù)據(jù)得以有效利用的重要保障。二、應(yīng)用數(shù)據(jù)挖掘技術(shù)發(fā)掘未知審計知識常規(guī)數(shù)據(jù)分析方法利用的是審計人員已有的知識，這存在多處不足：一是審計人員的經(jīng)驗和知識是“有限的”，被審計對象行業(yè)跨度大，各單位情況千差萬別，當(dāng)審計經(jīng)驗無法運用時，面對海量數(shù)據(jù)真如“瞎子摸象”；二是數(shù)據(jù)是不斷發(fā)展的，審計經(jīng)驗相對于數(shù)據(jù)往往是滯后的，這種不

7、同步性給審計帶來了巨大的潛在風(fēng)險；三是對統(tǒng)一數(shù)據(jù)審計，不同的審計人員可能會得出完全不同的結(jié)論，知識的不對稱性無法保障審計質(zhì)量；四是傳統(tǒng)的數(shù)據(jù)分析方法無法處理龐大的數(shù)據(jù)庫系統(tǒng)；五是我國經(jīng)濟飛速發(fā)展，金融和各類市場的發(fā)育使審計范圍和規(guī)模逐步擴大，信用危機以及各式各樣的金融犯罪也對審計提出了更高的要求，電子化和網(wǎng)絡(luò)化環(huán)境使得作弊手法越發(fā)隱蔽，數(shù)據(jù)難以追蹤，審計無從下手。為了解決日益嚴(yán)重的“數(shù)據(jù)豐富、知識貧乏”的問題，數(shù)據(jù)挖掘（Data Mining）技術(shù)在20世紀(jì)90年代應(yīng)運而生，并得到了迅速發(fā)展。數(shù)據(jù)挖掘是針對日益龐大的電子數(shù)據(jù)應(yīng)運而生的一種新型信息處理技術(shù)。它一般排除人為因素而通過自動的方式，來

8、發(fā)現(xiàn)數(shù)據(jù)中新的、隱藏的或不可預(yù)見的模式或活動。這些模式是指隱藏在大型數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他大量信息存儲的知識。利用數(shù)據(jù)倉庫中包含的信息，數(shù)據(jù)挖掘可以發(fā)現(xiàn)審計人員原先根本沒有想過的問題。它是在對數(shù)據(jù)集全面而深刻認(rèn)識的基礎(chǔ)上，對數(shù)據(jù)內(nèi)在和本質(zhì)的高度抽象和概括，也是對數(shù)據(jù)從理性認(rèn)識到感性認(rèn)識的升華。數(shù)據(jù)挖掘方法千差萬別，不同的方法應(yīng)用于不同的領(lǐng)域和對象。選取合適可行的挖掘算法對挖掘的效果起著重要的作用，它將直接影響到?jīng)Q策。在世紀(jì)運用過程中，很多挖掘方法不是單獨使用的，它往往和其他方法結(jié)合起來，才能產(chǎn)生預(yù)期的效果。（一）關(guān)聯(lián)分析方法。關(guān)聯(lián)（Association）分析技術(shù)是從操作數(shù)據(jù)庫的所有細節(jié)或事務(wù)

9、中抽取頻繁出現(xiàn)的模式。這種方式促進了關(guān)聯(lián)規(guī)則的發(fā)展，關(guān)聯(lián)規(guī)則總結(jié)了一組事件或條目與其他事件或條目的相互聯(lián)系。關(guān)聯(lián)算法下的規(guī)則經(jīng)常這樣表述，如 “包含A、 B、C項的記錄中有83%的記錄也包含D、 E項。”其中的百分比表示規(guī)則的可信程度，關(guān)聯(lián)在規(guī)則兩邊可以有任意多個條目。貨籃分析是關(guān)聯(lián)分析中最常用的形式，用支持度（Support）和置信度（Confidence）兩個屬性來度量。組成“支持度置信度”框架。經(jīng)過分析購物者籃子中的產(chǎn)品，并使用關(guān)聯(lián)規(guī)則算法對大量籃子進行比較，就可以發(fā)現(xiàn)特定產(chǎn)品之間的密切關(guān)系了。 在對財務(wù)數(shù)據(jù)或經(jīng)濟數(shù)據(jù)的審計中，同類或不同類會計科目及數(shù)據(jù)項之間可能存在某種對應(yīng)關(guān)系，按照非

10、財務(wù)邏輯關(guān)系的規(guī)律來查找、挖掘，可發(fā)現(xiàn)一些隱藏的經(jīng)濟活動，為審計人員的進一步工作提供參考。（二）聚類分析方法。運用聚類分析可進行一些“孤立點”的挖掘。所謂“孤立點”就是存在一些數(shù)據(jù)，他們不符合數(shù)據(jù)的一般模型。數(shù)據(jù)中的異常點可能隱藏了重要的信息，反映了企業(yè)經(jīng)營中潛伏的問題或暗藏的商機。孤立點挖掘通常描述為：給定一個n個數(shù)據(jù)點或?qū)ο蟮募霞邦A(yù)期的孤立點數(shù)目k，發(fā)現(xiàn)與剩余的數(shù)據(jù)相比時顯著相異的、異常的或不一致的k個數(shù)據(jù)。孤立點挖掘運用廣泛，能用于欺詐檢測，如探測不尋常的信用卡使用或電信服務(wù)；在市場分析中可以用于確定極低或極高收入的客戶的消費行為。（三）神經(jīng)網(wǎng)絡(luò)方法。神經(jīng)網(wǎng)絡(luò)是一門活躍的邊緣性交叉學(xué)

11、科，其中以人工神經(jīng)網(wǎng)絡(luò)最具代表性。神經(jīng)網(wǎng)絡(luò)既是高度非線性動力學(xué)系統(tǒng)，又是自組織自適應(yīng)系統(tǒng)，可以用來描述認(rèn)知、決策和控制的智能行為。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network， ANN）是相對于生物學(xué)中所說的生物神經(jīng)網(wǎng)絡(luò)系統(tǒng)而言的，它提出的目的在于，用一定的簡單的數(shù)學(xué)模型來對生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行描述，并在一定的算法指導(dǎo)下使其能夠在某種程度上模擬生物神經(jīng)網(wǎng)絡(luò)所具有的智能行為，解決用傳統(tǒng)算法所不能勝任的智能信息處理的問題。ANN是一個并列分布處理的結(jié)構(gòu)，它由處理單元及稱為連接單元的信號通道互連而成。處理單元具有局部內(nèi)存，并可以完成局部操作。每個處理單元有一個單一的輸出連接，這個

12、輸出可以根據(jù)需要被分成希望個數(shù)的許多并行連接，這些連接都輸出相同的信號，即相應(yīng)處理單元的信號大小不因分支的多少而變化。處理單元的輸出信號，可以是任意需要的數(shù)學(xué)模型，每個處理單元中進行的操作必須是完全局部的，也就是說，它必須僅僅依賴于經(jīng)過輸入連接到達處理單元的所有輸入信號的當(dāng)前值和存儲在處理單元局部內(nèi)存中的值。人工神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)的能力，它可以根據(jù)所在的環(huán)境去改變它的行為，即可以接受用戶提交的樣本集合，依照系統(tǒng)給定的算法，不斷修正用來確定系統(tǒng)行為的神經(jīng)元之間連接的強度，而且在網(wǎng)絡(luò)的基本構(gòu)成確定后，這種改變是根據(jù)其接受的樣本集合自然進行的。在學(xué)習(xí)過程中，ANN不斷地接受從樣本集合中提取的該集合所蘊涵的基本知識，并將其以神經(jīng)元之間連接權(quán)重的形式存放于系統(tǒng)中。（四）數(shù)值分析方法。數(shù)值分析法是根據(jù)字段具體的數(shù)據(jù)值的分布情況、出現(xiàn)頻率等對字段進行分析，從而發(fā)現(xiàn)審計線索的一種數(shù)據(jù)處理方法。這種方法從“微觀”角度對電子數(shù)據(jù)進行分析，它在使用時不用考慮具體的業(yè)務(wù)，對分析出的可疑數(shù)據(jù)，再結(jié)合具體的業(yè)務(wù)進行審計判斷，從而發(fā)現(xiàn)審計線索。相對于其他方法，這種審計數(shù)據(jù)處理方法易于發(fā)現(xiàn)被審計數(shù)據(jù)中隱藏的信息。 常用的數(shù)值分析方法主要有重號分析、斷號分析、Benford 法則分析，這些數(shù)字方法已經(jīng)被國際著名審計軟件ACL、IDEA 等采用。重號分析