數據挖掘的在線審計模型設計

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數據挖掘的在線審計模型設計范文，希望能給你帶來靈感和參考，敬請閱讀。

1在線審計業務中數據挖掘關鍵技術的應用

1.1離群點挖掘法

對于離群點而言，其主要指偏離大部分數據、不符合規范的小部分數據。在該方法的支持下，能夠將離群數據從數據整體中分離出來，避免對審計結果產生負面影響，并降低數據分析量。

1.2支持向量機技術

支持向量機主要借助于最優化方法來解決機器學習問題，也是克服“維度災難”和過學習等困難的強有力手段。

1.3遺傳算法技術

該技術能夠直接對結構對象進行操作，不存在求導和函數連續性的限定。主要使用了概率化的尋優方法，能自動獲取、優化搜索空間與搜索方向的調整，不需要引入確定的規則。

1.4BP神經網絡

其具有很強的非線性映射能力，包含著柔性的網絡結構，能夠用一個待定的輸出向量將它與輸入向量聯系起來，也能夠將輸入向量所定義的合適方式進行分類，是當前應用最為廣泛的神經網絡。

2基于數據挖掘的在線審計模型的功能

2.1審計風險的降低

在數據挖掘技術的支持下，在線審計模型中的審計對象實現由原有紙質賬本轉向大量的電子數據，其能夠在大數據中挖掘出具備現實價值的信息。通過這樣的方式，能夠降低人工審計模式中發生信息挖掘不深入、審計結果不全面精準的問題發生概率，達到弱化或消除審計風險的效果。同時，在基于數據挖掘的在線審計模型中，審計人員能夠得到一個科學的、量化的結果，為審計決策的合理形成提供支持。此時，大幅減少了在線審計模型自身的風險因素，進一步提升審計的效率與效果。

2.2審計范圍的進一步拓展

基于數據挖掘的在線審計模型在拓展審計數據的涵蓋范圍方面發揮出了較好的效果，實現了審計工作的全面展開。此時，審計人員能夠在線完成數據樣本的抽取，結合數據挖掘技術完成異常財務項目的發覺，并落實重點審計，實現任意審計業務項目的迅速定位。通過這樣的方式，能夠明顯降低審計時長與工作任務量。與此同時，審計人員還可以在基于數據挖掘的在線審計模型支持下，完成事前、事中審計以及效益審計，最大程度的發揮出模型準確、迅速的優勢，以達到降低審計風險、完成全面審計的效果。

2.3落實科學的抽樣與統計

對于基于數據挖掘的在線審計模型而言，其在實際的審計中主要依托計算機運行，使用了數據化、電子化的審計模式。通過這樣的方式，審計人員能夠利用模型系統完成高科學性的抽樣與統計，保證數據處理的精準迅速。同時，由于引入了數據挖掘相關技術，因此審計資料的審計與分析效率得到進一步提升，總體上達到增強審計效率的作用。

2.4實現自主學習

對于數據挖掘技術而言，由于其具備自主學習的功能，因此將其引入在線審計模型，能夠達到對模型展開動態維護的效果，實現歷史數據信息的挖掘，發現數據之間潛在的規律規則、相關模式等，形成功能性更強的在線審計模型。同時，在數據挖掘的支持下，能夠在相應模型系統中搭建起審計模型知識庫，更好的支持在線審計判斷與分析的展開。在審計分析中，常會出現新的數據內容，而數據挖掘能夠對其展開動態驗證，并將其保存至知識庫中。通過這樣的方式，能夠更好的滿足審計信息化的發展需求。

3基于數據挖掘的在線審計模型的具體設計

基于數據挖掘的在線審計模型總體設計理念為：分行業特點，明確審計模型主題；分析數據審計關系，設計模型內部審計程序；制定模型異常風險分析預警條件；分析模型所需的數據源，明確技術實現路徑。設計的具體內容如下所示：

3.1原始審計數據的收集與處理

3.1.1原始數據收集

筆者設計的基于數據挖掘的在線審計模型主要包含原始數據收集、審計數據處理（預處理）、數據挖掘分析、審計處理以及新增審計數據處理。其中，原始數據收集作為第一步驟極為關鍵，直接影響在線審計的效果與相應模型的實用價值，因此，需要重點數據的全面性。在這一過程中，需要集成企業中各個生產管理信息系統，或是打破不同信息系統數據接口。同時各業務系統數據完整性也會影響審計模型執行效果和實用性。對系統相關的經分體系數據進行調研，從主要的經分系統及輔助其他相關專業業務系統中收集各項相關的數據，對經營數據進行重新整理和分類，明確數據來源和取數方式等內容，形成多源性的數據采取，建設相應的系統接口，并形成統一的數據接口對外數據提供，方便價值數據共享。

3.1.2審計數據處理

在收集到的原始數據中，不僅包含著有價值的審計數據信息，還包含大量的噪聲信息。為了避免其對審計模型建立與應用造成負面影響，必須要對收集到的原始審計數據展開預處理。此時，利用數據清洗、整理的方法就能夠達到提升在線審計數據質量的效果。在審計數據的預處理中，可以對不同審計系統產生的數據展開一致性的處理操作，達到降低數據中的稀疏屬性的效果，提升數據計算的復雜性，最終實現審計效率增強的目標。

3.2數據挖掘分析

在完成原始審計數據的處理后，可以進一步展開數據挖掘分析。在這一過程中，需要引入數據挖掘技術，包括K均值算法、BP神經網絡、遺傳算法、支持向量機等技術，完成數據集中隱藏關系與模式的獲取。例如，在支持向量機技術的應用條件下，在審計財務數據或是經濟數據的過程中，能夠完成同一類或不同類數據潛在關系的模型建立，包括經營報表、營銷報表、生產報表等不同類數據的關系。此時，也可以依托相關的非財邏輯思維慣性完成關系挖掘，通過歷年經營數據的趨勢分析，揭示被審計單位經營管理情況等，通過對比同行業數據，揭示企業存在的管理短板等，使審計思路不再局限于對企業財務來理合規性，實現審計為企業管理服務的轉變。例如，通過挖掘現有車輛數目、養路費用、車輛保險費用之間的關系，就能夠獲取“是否購置新車”、“是否私建小金庫”等信息。在實際的數據挖掘分析中，離群數據挖掘與分析極為關鍵，能夠在大量的審計數據中發掘與不吻合數據模型的內容。對于財務報表而言，其在形成后能夠表現出一定的規律，因此，在完成在線審計后，審計人員即可發掘出數據之間隱藏的異常現象與虛假成分。總體而言，離群數據挖掘與分析在揭示財務舞弊、違法違規操作方面發揮著重要作用。通過描述離群數據，能夠顯示出異常審計結果，為形成科學決策提供參考。

3.3審計處理及新增審計數據處理

3.3.1審計處理

在數據挖掘的支持下，在線審計模型能夠完成挖掘訓練與學習，此后，即可形成相應的審計決策模型。該模型能夠在大量源數據中獲取審計結構，并對審計內容展開量化分析及表述。此時，若是審計數據存在問題，能夠完成及時處理，并在再分析、解釋描述等環節的作用下形成審計新知識，豐富決策庫內容，為財務審計、運行決策形成提供便利條件。

3.3.2新增審計數據處理

對于基于數據挖掘的在線審計模型而言，其運行時數據為動態的，因此，相應的模型必須具備自動學習與維護功能，能夠對新數據展開操作與關系分析。基于這樣的需求，必須結合數據預處理、數據挖掘分析形成新的審計模型，完成新知識的挖掘。

4總結

綜上所述，為了保證審計的全面性與科學性，設計基于數據挖掘的在線審計模型具有較高的現實價值。在引入現代數據挖掘技術的基礎上，通過落實原始數據收集、審計數據處理、數據挖掘分析、審計處理以及新增審計數據處理，實現了在審計模型中增添自主學習與維護功能，提升了審計的效率與效果，也進一步保證了審計結果的全面性、有效性。

參考文獻

[1]孫北伐,張高煜,徐倩蓉.大數據環境下數據挖掘在審計中的分析與應用[J].無線互聯科技,2018,15(10):142-143+146.

[2]黃志艷.基于數據挖掘的在線審計模型設計[J].電子技術與軟件工程,2016(21):168-169.

[3]崔瀚.基于數據挖掘下的聯網實時審計研究[D].天津大學,2016.

作者：施傳新 單位：廣西電網有限責任公司南寧供電司