數據式審計常用的數據分析方法

1、精選優(yōu)質文檔-傾情為你奉上精選優(yōu)質文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質文檔-傾情為你奉上專心-專注-專業(yè)數據式審計常用的數據分析方法審計數據的分析可分為三個層次：即以審計專家經驗和常 規(guī)審計分析技術為基礎的審計，以審計分析模型和多維數據分析技術為基礎的審計，以數據挖掘技術為基礎的審計。第一個層次表現為用戶對數據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，或根據查詢需求采用開發(fā)工具定制查詢軟件，實現的是查詢型分析；第二個層次是用戶先提出自己的假設，然后利用各種工具通過反復的、遞歸的檢索查詢，以驗證或否定自己的假設，從用戶的觀點來看，他們是在從數據中發(fā)

2、現事實，因而實現的是驗證型分析；第三個層次是指用戶從大量數據中發(fā)現數據模式，預測趨勢和行為的數據分析模式，它能挖掘數據間潛在的模式，發(fā)現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，因而實現的是驗證型分析。可見，前兩個層次是基于現有的審計知識，這構成了智能審計的基礎；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、基于現有審計知識的數據分析方法（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，根據會計準則和被審計單位業(yè)務處理邏輯的數據處理要求，檢查是否有賬證不符、賬賬不符、賬表不符、表表不符的情況；賬戶對應關系是否正常；是否存在非正常掛賬、非正

3、常調賬現象；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數據進行比較和分析，從中找出規(guī)律或發(fā)現異常變動的方法。它是審計人員利用少量時間點上或期間的經濟數據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的發(fā)展規(guī)律。審計人員可根據審計需要來確定時間序列的粒度，如年、季、月、旬、日等。（三）結構分析方法。結構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構關系和各個構成項目的相對重要程度，從而確定重點構成項目，提示進一步分析的方向。結構分析法和趨勢分析法還可結合應用，進

4、行數據結構比例在若干期間的變動趨勢分析。應用結構分析法和趨勢分析法，對被審計單位的資產、負債、損益和現金流的結構分析、趨勢分析以及結構比例的趨勢分析，對被審計單位的總體財務狀況、經營成果和現金流量形成總體的了解。（四）比率分析方法。比率是兩個相關聯的經濟數據的相對比較，主要用除法，它體現各要素之間的內在聯系。比率分析法計算簡單，結果簡單，便于審計人員判斷。由于采用了相對數，它可以適用不同國家、地區(qū)、行業(yè)、規(guī)模的客戶。（五）經驗分析方法。審計人員在長期的對某類問題的反復審計中，往往能摸索、總結出此類問題的表征。在審計實踐中抓住這種表征，從現象分析至實質，就可以較為方便地核查問題。將審計人員的這種

5、經驗運用到計算機審計中，將問題的表征轉化為特定的數據特征，通過編寫結構化查詢語句（SQL）或利用審計軟件來檢索，查詢出可疑的數據，并深入核實、排查來判斷、發(fā)現問題，便能實現根據審計經驗構建個體分析模型的目的。（六）多維數據分析。聯機分析處理（on- line analysis processing，OLAP）工具為多維數據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據中轉化出來的、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，獲得對數據的深入了解?，F代OLAP系統(tǒng)一般是以數據倉庫為基礎，即從數據倉庫中抽取詳細數據的一個子集，并經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。建立數據倉庫的目的，是為了支持數據分析和決策制定過程。數據倉庫中存儲的數據是面向分析目標的經提煉、加工后的數據集合。這種數據的存儲結構為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，是數據倉庫功能的自然擴展，也是數據倉庫中的大容量數據得以有效利用的重要保障。二、應用數據挖掘技術發(fā)掘未知審計知識常規(guī)數據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，當審計經驗無法運用時，面對海量數據真如“瞎子摸象”；二是數據是不斷發(fā)展的，審計經驗相對于數據往往是滯后的，這種不

7、同步性給審計帶來了巨大的潛在風險；三是對統(tǒng)一數據審計，不同的審計人員可能會得出完全不同的結論，知識的不對稱性無法保障審計質量；四是傳統(tǒng)的數據分析方法無法處理龐大的數據庫系統(tǒng)；五是我國經濟飛速發(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，電子化和網絡化環(huán)境使得作弊手法越發(fā)隱蔽，數據難以追蹤，審計無從下手。為了解決日益嚴重的“數據豐富、知識貧乏”的問題，數據挖掘（Data Mining）技術在20世紀90年代應運而生，并得到了迅速發(fā)展。數據挖掘是針對日益龐大的電子數據應運而生的一種新型信息處理技術。它一般排除人為因素而通過自動的方式，來

8、發(fā)現數據中新的、隱藏的或不可預見的模式或活動。這些模式是指隱藏在大型數據庫、數據倉庫或其他大量信息存儲的知識。利用數據倉庫中包含的信息，數據挖掘可以發(fā)現審計人員原先根本沒有想過的問題。它是在對數據集全面而深刻認識的基礎上，對數據內在和本質的高度抽象和概括，也是對數據從理性認識到感性認識的升華。數據挖掘方法千差萬別，不同的方法應用于不同的領域和對象。選取合適可行的挖掘算法對挖掘的效果起著重要的作用，它將直接影響到決策。在世紀運用過程中，很多挖掘方法不是單獨使用的，它往往和其他方法結合起來，才能產生預期的效果。（一）關聯分析方法。關聯（Association）分析技術是從操作數據庫的所有細節(jié)或事務

9、中抽取頻繁出現的模式。這種方式促進了關聯規(guī)則的發(fā)展，關聯規(guī)則總結了一組事件或條目與其他事件或條目的相互聯系。關聯算法下的規(guī)則經常這樣表述，如 “包含A、 B、C項的記錄中有83%的記錄也包含D、 E項?！逼渲械陌俜直缺硎疽?guī)則的可信程度，關聯在規(guī)則兩邊可以有任意多個條目。貨籃分析是關聯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。經過分析購物者籃子中的產品，并使用關聯規(guī)則算法對大量籃子進行比較，就可以發(fā)現特定產品之間的密切關系了。 在對財務數據或經濟數據的審計中，同類或不同類會計科目及數據項之間可能存在某種對應關系，按照非

10、財務邏輯關系的規(guī)律來查找、挖掘，可發(fā)現一些隱藏的經濟活動，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”就是存在一些數據，他們不符合數據的一般模型。數據中的異常點可能隱藏了重要的信息，反映了企業(yè)經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個數據點或對象的集合及預期的孤立點數目k，發(fā)現與剩余的數據相比時顯著相異的、異常的或不一致的k個數據。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；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）神經網絡方法。神經網絡是一門活躍的邊緣性交叉學

11、科，其中以人工神經網絡最具代表性。神經網絡既是高度非線性動力學系統(tǒng)，又是自組織自適應系統(tǒng)，可以用來描述認知、決策和控制的智能行為。人工神經網絡（Artificial Neural Network， ANN）是相對于生物學中所說的生物神經網絡系統(tǒng)而言的，它提出的目的在于，用一定的簡單的數學模型來對生物神經網絡結構進行描述，并在一定的算法指導下使其能夠在某種程度上模擬生物神經網絡所具有的智能行為，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構，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、輸出可以根據需要被分成希望個數的許多并行連接，這些連接都輸出相同的信號，即相應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學模型，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過輸入連接到達處理單元的所有輸入信號的當前值和存儲在處理單元局部內存中的值。人工神經網絡具有學習的能力，它可以根據所在的環(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)行為的神經元之間連接的強度，而且在網絡的基本構成確定后，這種改變是根據其接受的樣本集合自然進行的。在學習過程中，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，并將其以神經元之間連接權重的形式存放于系統(tǒng)中。（四）數值分析方法。數值分析法是根據字段具體的數據值的分布情況、出現頻率等對字段進行分析，從而發(fā)現審計線索的一種數據處理方法。這種方法從“微觀”角度對電子數據進行分析，它在使用時不用考慮具體的業(yè)務，對分析出的可疑數據，再結合具體的業(yè)務進行審計判斷，從而發(fā)現審計線索。相對于其他方法，這種審計數據處理方法易于發(fā)現被審計數據中隱藏的信息。 常用的數值分析方法主要有重號分析、斷號分析、Benford 法則分析，這些數字方法已經被國際著名審計軟件ACL、IDEA 等采用。重號分析