《基于数据挖掘技术的审计办法研究.doc》由会员分享，可在线阅读，更多相关《基于数据挖掘技术的审计办法研究.doc（11页珍藏版）》请在三一文库上搜索。
1、基于商业智能的审计方法研究陈洪顺12；戚桂杰11山东大学管理学院，济南，山东，250100；2机关事务管理局，青岛，山东，266071【摘要】随着信息技术在财务管理的广泛应用，急需采用新的现审计方式和手段，以提高审计质量，降低审计风险。本文利用商业智能对审计方法进行分析，探讨在海量数据条件下进行审计的新途径。【关键词】OLAP;数据挖掘;审计;商业智能一、前言随着数据库技术的迅速发展以及管理信息系统在财务、审计的广泛应用，许多企业和部门积累了海量的、以不同形式存储的数据资源，在信息化环境下，审计线索会通过电子数据表现出一定的特征，扑捉到这些特征进而进行分析取证，是计算机审计发展到目前阶段的一种
2、有效做法1。如何在审计过程中迅速把握总体，从被审计单位浩如烟海的电子数据中根据需要找出有用的信息成了摆在我们面前迫切需要解决的问题。商业智能系统（BI）是建立在数据仓库、多维分析（OLAP）和数据挖掘等技术的基础之上，通过收集、整理和分析企业内外部的各种数据，加深企业对客户及市场的了解，并使用一定的工具对企业经营状况、客户需求和市场动态等做出合理的评价及预测，为企业管理层提供科学的决策依据2。在财务审计应用中，基于数据仓库的OLAP应用可以使审计人员站在一定高度把握总体，从观察趋势、选择重点，到运用钻取、掌握明细，直至发现线索、引导延伸，实施一系列审计办法；数据挖掘（Data Mining）可
3、以从大量的财审数据中，提取隐含在其中的、人们事先不知道的、但又潜在有用的信息和知识，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，辅助人们进行决策判断。基于数据仓库、OLAP和数据挖掘的审计技术是一种崭新的审计方式，它将带来以下两点革命性的变化：一是从“瞎子摸象”转变为把握总体；二是从进点后摸线索转变为带着线索进点。因此，开展商业智能在审计中的应用研究，并在实践中贯穿、应用，已经成为提升计算机审计水平和层次的当务之急，有重要研究的意义和应用价值。二、商业智能模型基于商业智能的审计过程分为：采集审计数据、建立数据仓库、OLAP多维分析、数据挖掘、前端展示等，具体框架图如图1所示
4、。财务管理系统业务管理系统数据仓库DataSetCube模型浏览报表OLAP分析ETL训练模型预测源系统数据仓库库OLAP数据挖掘客户端图1 基于商业智能的审计解决方案1）源系统数据挖掘的基础就是基于大量的历史数据。这里的源系统是与审计业务相关的各种关系型数据库等等。这些业务系统中的数据可以经过数据清洗、转换和加载（ETL）至数据仓库，为多维分析和数据挖掘做准备。2）数据仓库该部分的功能就是为数据挖掘提供多维数据集（Cube）和数据集（Dataset），用于数据挖掘的Cube也可以根据用户的要求作相应的更改。商业智能提供了自动创建Cube的功能，用户只需要设置好相应的维度表和量度组，通过一些简
5、单的命令就能实现Cube的自动生成和重新生成。因此，数据仓库的设计主要在于维度表和量度组，以及两者之间关系的设计。3）多维分析（OLAP）任何数据挖掘系统都离不开OLAP部分，它为用户提供强大的数据分析功能。在数据仓库建立好后，输入测试数据，测试建立好的数据仓库、测试模型。如果分析结果显示创建的模型有问题，则可以通过OLAP提供的功能重新创建模型，并且按照用户喜好的方式显示数据分析的结果。直到模型没有问题之后，就可以将ETL处理过的真实数据来做相应的数据分析。4）数据挖掘数据挖掘模型的建立以MDX语句为基础，同时也支持手工操作。模型建立好后，就需要对选择数据挖掘的模型进行测试和训练。用于训练的
6、数据源可以来自于数据仓库生成的Cube，也可以直接使用其他的数据集，如文本文件。模型训练的结果可以浏览也可以生成报表在客户端展示。5）客户端即数据挖掘模型、报表和OLAP的分析结果前端展现，是用户与系统交互界面。目前比较流行的方式是基于Web的B/S结构。本文提出的解决方案将数据仓库、OLAP、和数据挖掘等相结合，可指导审计人员高效地开展审计工作，增强审计人员的审计数据分析能力，提高舞弊审计的效率和效果。三、数据仓库OLAP技术在审计中的应用通过数据仓库，可以利用OLAP技术，采用包含结构、趋势、同比、因素、TOP N等多种分析方法，自动生成图文并茂的分析报告，并可以在任意时间，生成任意内容（
7、如财务、销售、仓库、采购、应收、应付），同时实现分析报告中的动态钻取，满足审计人员的需要。1、销售分析通过建立销售分析模型，可以根据业务需求，从产品类型角度，去观察各个销售地区的销售额数据（以产品类型和销售地区为维、以销售额为度量）；或者我们还可以从销售模式的角度，去观察各个销售地区的销售额数据（以销售模式和销售地区为维、以销售额为度量）,可以观察销售收入与销售成本的变化是否匹配，可以快速定位核心客户，并找出潜在流失的风险，可以如何随时掌握长期合同的执行情况、利润情况以及收款情况。2、应收款项分析通过建立应收款项分析模型，可以在不影响销售的前提下，最大限度地减少与控制应收账款。快速掌握应收账款
8、的各种情况，并及时发现应收账款的异常情况，有助于企业减少失血的风险；快速找出应收账款最多的客户；快速观察各区域的应收账款的变化情况与销售情况是否吻合。3、仓库分析通过建立仓库分析模型，可以观察某一物料的真实周转情况是怎样的，现有的库存还可以用几天，安全库存的设置是否合理，哪些物料占用最多的库存资金，哪些物料有着呆滞的风险，库龄分布情况是怎么样的等等。 4、财务决策评价通过建立财务决策评价模型，可以从资产负债表、利润表、现金流量表、损益类科目分析等途径来反映公司运营状况。1）、资产负债表分析资产负债表分析模型可以观察与历史期间对比的增减情况；资产的构成中，流动资产、固定资产与无形资产的构成比例情
9、况；流动资产中货币资金、存货、应收账款等的比重情况；在负债中的短期负债的历史对比与趋势等情况。2）、利润表分析利润表分析模型首先可以观察净利润是如何构成的，这是利润表要说明的问题，同时，我们经常需要对比历史期间的变化情况，这可简便地通过柱形图或折线图来进行对比分析与趋势分析。3）、现金流量表分析现金是企业的生命血液，为了保证企业的健康运行，现金流量是否正常是企业非常关注的。通过现金流量表分析模型，可以发现与历史期间相比现金流量变动的情况；通过结构分析，可以帮助企业找到现金流量管理的重点。4）、损益类科目分析针对损益类科目的分析，是企业尤为关注的，如管理费用、营业费用等科目，企业经常要进行明细分
10、析，利用OLAP，可方便快捷地实现历史期间对比分析以及与核算项目相结合的多维分析等。通过损益类科目分析模型，还可以快速找到成本、费用的异常变动等。四、 数据挖掘技术在审计中的应用通过数据挖掘平台，在审计过程中，可以应用以下数据挖掘办法：1、关联分析：即利用关联规则进行数据挖掘3,其目的是挖掘隐藏在数据间的相互关系，特别是在会计、审计领域,数据之间存在严密的勾稽关系,。通过基于关联规则的数据挖掘分析，可挖掘出隐藏在数据间的关系。如财务做假有时表现在科目做假上，但这种做假手段难免会出现个别科目的背离以及报表间钩稽关系的异常。为此，可运用数据挖掘中的关联分析技术方法，在对财务数据或经济数据的审计中，
11、针对同类或不同类会计科目及数据项之间可能存在某种对应关系，以及财务报表之间的勾稽关系，按照非财务逻辑关系的规律来查找、挖掘，从而发现一些隐藏的经济活动，为审计人员的进一步工作提供参考。2、分类分析：分类的目的是学会一个分类函数或分类模型,该模型能把数据集市中的数据项映射到给定类别中。常用的数据分类技术有决策树、贝叶斯分类、贝叶斯网络、神经网络等，通过对被审计数据库进行挖掘分析可以挖掘出其数据的描述或模型，比如在财务审计中，虚假财务报告从财务指标上看，就是某些财务指标显著地异于同类企业，如应收款项比率、资产负债率、速动比率、主营业务税金及附加比率、销售费用率等。通过对这些指标进行分类，可以判断财
12、务报告的准确性。3、预测分析：预测的目的是从历史数据记录中自动推导出给定数据的推广描述,从而能对未来数据进行预测， 适用于欺诈侦测和欺诈风险分析等。审计人员建立统计模型对被审计单位的大量财务或业务历史数据进行预测分析，根据分析的预测值和审计值进行比较，当预测值与审计值差距较大时，可帮助审计人员从中发现审计疑点。3、聚类分析：聚类分析是把一组个体按照相似性归成若干类别,目的是使同一类别的个体之间的距离尽可能的小,而不同类别上的个体间的距离尽可能大。聚类分析方法便于为不同的会计信息用户提供不同类别的信息集。特别适用于从大量的交易数据中产生及时、准确的线索。由于聚类分析的自动处理、非监督学习等特性使
13、其可以动态地适应舞弊手段的变化，也可以在一定程度上解决规避舞弊犯罪活动的自适应问题4。 4、孤立点分析：孤立点挖掘方法是非常好的审计线索发现方法，孤立点是指数据集中与一般数据模型不相符的那些数据5。实践表明，真实的财务报表中主要项目的数据变动具有一定的规律性，如果其变动表现异常，就说明数据中可能存在虚假成分。审计人员可以使用孤立点分析技术来检查一些舞弊、违背规律和规定的行为，因为这些行为产生的数据一般是隐藏在大量正常数据下的少量数据，而且很可能以不同于一般数据的形式表现出来，通过孤立点分析方法可以有效地发现这样的异常数据。在实际操作中，我们通常选择能够显著显示财务舞弊征兆的一些关键财务指标，如
14、应收款项比率、应收款项周转率、资产负债率、速动比率、主营业务税金及附加比率、管理费用和销售费用率等，并为其设定一个阀值，一旦财务报告中的相关财务指标数值超过这个阀值，说明报告有可能存在舞弊。5、时间序列分析：序列模式分析的侧重点在于分析数据间的前后或因果关系,以及这种关系对决策的影响。比如，在对银行贷款的增长速度进行时间序列分析，发现贷款规模增长发展较快，照此趋势发展，必将产生较大的还贷风险，从而审计人员可以对其提出风险提示，保证资产安全。五、总结通过以上论述，我们可以通过在海量财审数据中有效地运用商业智能技术，查找问题并发现一些超出审计经验的规律性问题。商业智能应用到具有多属性特征的审计数据
15、分析中，会减轻审计人员的负担，提高审计管理的质量，为审计工作提供有用信息，提高审计效率。商业智能在审计工作中，必将会发挥越来越重要的作用。主要参考文献：1、刘汝焯，2009，审计线索的特征发现，清华大学出版社2、刘汝焯，2006，审计数据的多维分析技术，清华大学出版社3、纪希禹，2009，数据挖掘技术应用实例，机械工业出版社4、数据挖掘技术在舞弊审计中的应用，http:/ on audit based on BI【Abstract】Based on the developing of information technology,It is needed to discovery new auditing method in financial application to improves the audit quality, reduces the audit risk. This article uses BI technology to analysize auditing method, At last,a new approach for auditing in huge data is given.【Key Word】OLAP;Data Mining;Audit;Business Intelligence11