基于數(shù)據(jù)挖掘的審計(jì)系統(tǒng)研究

0 引言

近年來(lái)，隨著計(jì)算機(jī)技術(shù)的高速發(fā)展和網(wǎng)絡(luò)工具在會(huì)計(jì)工作中的廣泛運(yùn)用。會(huì)計(jì)數(shù)據(jù)的處理方式、存儲(chǔ)介質(zhì)、核算形式及系統(tǒng)內(nèi)部控制制度隨之發(fā)生了改變。形成了一個(gè)由人、計(jì)算機(jī)系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)、數(shù)據(jù)與程序等有機(jī)結(jié)合的人機(jī)交互的“智能型”系統(tǒng)，使會(huì)計(jì)工作的重心從核算轉(zhuǎn)向管理。會(huì)計(jì)工作中所發(fā)生的這些巨大變化使得審計(jì)工作環(huán)境、審計(jì)工作對(duì)象、審計(jì)范圍、審計(jì)線(xiàn)索等基本的審計(jì)要素都發(fā)生了巨大的變化，傳統(tǒng)的審計(jì)工作方法已經(jīng)不能適應(yīng)這種變化的要求。因此，開(kāi)展計(jì)算機(jī)審計(jì)，實(shí)施審計(jì)信息化是社會(huì)信息化的必然。

經(jīng)濟(jì)的不斷發(fā)展，企業(yè)活動(dòng)日益錯(cuò)綜復(fù)雜，交易數(shù)量龐大，對(duì)各項(xiàng)交易進(jìn)行記錄、分析的過(guò)程很多企業(yè)已經(jīng)引入人工智能進(jìn)行管理，如企業(yè)資源計(jì)劃系統(tǒng)（ERP）和供應(yīng)鏈管理系統(tǒng)（SCM）等。這些系統(tǒng)使企業(yè)的眾多交易活動(dòng)都可以實(shí)時(shí)在線(xiàn)錄入，形成包含大量會(huì)計(jì)數(shù)據(jù)乃至各方面經(jīng)營(yíng)管理數(shù)據(jù)的數(shù)據(jù)倉(cāng)庫(kù)。審計(jì)人員的職責(zé)就是從這些數(shù)據(jù)倉(cāng)庫(kù)所包含的海量數(shù)據(jù)中獲取有用的審計(jì)證據(jù)，并發(fā)表適當(dāng)?shù)膶徲?jì)意見(jiàn)。審計(jì)對(duì)象從傳統(tǒng)的紙制帳簿到種類(lèi)繁多的電子數(shù)據(jù)的變化，致使審計(jì)責(zé)任和審計(jì)風(fēng)險(xiǎn)隨之加大，運(yùn)用功能更加強(qiáng)大的審計(jì)工具和手段，正確認(rèn)識(shí)審計(jì)風(fēng)險(xiǎn)，加強(qiáng)風(fēng)險(xiǎn)意識(shí)，并積極有效地控制審計(jì)風(fēng)險(xiǎn)，已成為目前審計(jì)界廣泛關(guān)注的問(wèn)題。在信息時(shí)代用數(shù)據(jù)挖掘技術(shù)進(jìn)行審計(jì)工作是審計(jì)人員面臨的嶄新課題。

1 在審計(jì)中引用數(shù)據(jù)挖掘技術(shù)的必要性

隨著數(shù)據(jù)庫(kù)技術(shù)的迅速發(fā)展及數(shù)據(jù)管理系統(tǒng)的廣泛應(yīng)用，大部分企業(yè)已經(jīng)引入信息系統(tǒng)對(duì)企業(yè)的交易活動(dòng)、經(jīng)營(yíng)狀況及整個(gè)市場(chǎng)的相關(guān)行業(yè)狀況等進(jìn)行記錄，因此企業(yè)積累的數(shù)據(jù)越來(lái)越多，形成了包含大量財(cái)務(wù)數(shù)據(jù)乃至各方面經(jīng)營(yíng)管理信息的數(shù)據(jù)庫(kù)。激增的數(shù)據(jù)背后隱藏的許多重要信息為人們識(shí)別財(cái)務(wù)報(bào)告舞弊提供了更大范圍的數(shù)據(jù)支持，但同時(shí)也帶來(lái)了一些問(wèn)題：一是數(shù)據(jù)過(guò)量，難以及時(shí)發(fā)現(xiàn)有用信息；二是數(shù)據(jù)形式不一致，難以統(tǒng)一處理；三是數(shù)據(jù)是不斷發(fā)展的，識(shí)別舞弊的經(jīng)驗(yàn)相對(duì)于數(shù)據(jù)往往是滯后的，這種不同步性給舞弊識(shí)別帶來(lái)了巨大的潛在風(fēng)險(xiǎn)，KPMG（1998）調(diào)查發(fā)現(xiàn)超過(guò)1/3的舞弊事件是在偶然的情況下被發(fā)現(xiàn)的，只有4%的舞弊事件是由獨(dú)立審計(jì)人員發(fā)現(xiàn)的［1］；四是傳統(tǒng)的數(shù)據(jù)分析方法無(wú)法處理龐大的數(shù)據(jù)庫(kù)系統(tǒng)，技術(shù)工具的落后勢(shì)必影響舞弊識(shí)別的廣度和深度；五是新的數(shù)據(jù)處理技術(shù)為舞弊提供了越發(fā)隱蔽的新手段，電子化和網(wǎng)絡(luò)化的數(shù)據(jù)環(huán)境也使得舞弊隱藏得更深，使識(shí)別難以入手。

目前的計(jì)算機(jī)審計(jì)軟件多是利用審計(jì)人員的經(jīng)驗(yàn)和計(jì)算機(jī)查詢(xún)技術(shù)相結(jié)合的方法對(duì)被審計(jì)單位電子數(shù)據(jù)進(jìn)行審計(jì)“發(fā)現(xiàn)其中的異常情況”，但這存在多處不足：一是審計(jì)人員的經(jīng)驗(yàn)和知識(shí)是“有限的”，被審計(jì)對(duì)象行業(yè)跨度大，各單位情況千差萬(wàn)別，當(dāng)審計(jì)經(jīng)驗(yàn)無(wú)法運(yùn)用時(shí)，面對(duì)海量數(shù)據(jù)真有如“瞎子摸象”；二是數(shù)據(jù)是不斷發(fā)展的，審計(jì)經(jīng)驗(yàn)相對(duì)于數(shù)據(jù)的發(fā)展往往是滯后的，這種不同步性給審計(jì)帶來(lái)了巨大的潛在風(fēng)險(xiǎn)；三是對(duì)同一數(shù)據(jù)審計(jì)，不同的審計(jì)人員可能會(huì)得出完全不同的審計(jì)結(jié)論，知識(shí)的“不對(duì)稱(chēng)性”無(wú)法保障審計(jì)質(zhì)量。

數(shù)據(jù)挖掘技術(shù)就是針對(duì)日益龐大的電子數(shù)據(jù)應(yīng)運(yùn)而生的一種新型信息處理技術(shù)。它一般采取排除人為因素而通過(guò)自動(dòng)的方式來(lái)發(fā)現(xiàn)數(shù)據(jù)中新的、隱藏的或不可預(yù)見(jiàn)的模式的活動(dòng)。這些模式指隱藏在大型數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他大量信息存儲(chǔ)中的知識(shí)。它是在對(duì)數(shù)據(jù)集全面而深刻認(rèn)識(shí)的基礎(chǔ)上，對(duì)數(shù)據(jù)內(nèi)在和本質(zhì)的高度抽象與概括，也是對(duì)數(shù)據(jù)從理性認(rèn)識(shí)到感性認(rèn)識(shí)的升華。所以把數(shù)據(jù)挖掘技術(shù)應(yīng)用于審計(jì)工作中是很有必要也非常緊迫的。

2 數(shù)據(jù)挖掘的概念、功能及其在審計(jì)中的應(yīng)用

2.1 數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘（Data Mining）［2－3］就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。從商業(yè)角度看一種新的商業(yè)信息處理技術(shù)，其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。

2.2 數(shù)據(jù)挖掘的主要功能及其在審計(jì)中的應(yīng)用

目前，數(shù)據(jù)挖掘的主要功能以及所能發(fā)現(xiàn)的知識(shí)類(lèi)型主要有以下幾類(lèi)：［2－4］

（1）概念描述（Concept Description）

根據(jù)數(shù)據(jù)的微觀特性發(fā)現(xiàn)其表征的、帶有普遍性的、較高層次概念的、中觀和宏觀的知識(shí)，反映同類(lèi)事物的共同性質(zhì)，是對(duì)數(shù)據(jù)的概括、精煉和抽象，這個(gè)概括或描述稱(chēng)為概念描述。比如，對(duì)一個(gè)商店所售電腦基本情況的概述總結(jié)就會(huì)獲得所售電腦基本情況的一個(gè)整體概念。審計(jì)人員往往需要查詢(xún)不同綜合程度的被審計(jì)數(shù)據(jù)信息，以便了解被審計(jì)單位的有關(guān)各級(jí)別的財(cái)務(wù)經(jīng)營(yíng)信息，以便尋找審計(jì)線(xiàn)索。在數(shù)據(jù)庫(kù)的原始概念層，數(shù)據(jù)和對(duì)象往往包含很詳細(xì)的信息。我們可以用概念描述的方法將集中的數(shù)據(jù)進(jìn)行總結(jié)概括，并將其在更高的概念層次上呈現(xiàn)出來(lái)。

（2）關(guān)聯(lián)分析（Association Analysis）

關(guān)聯(lián)分析就是從給定的數(shù)據(jù)集中發(fā)現(xiàn)頻繁出現(xiàn)的項(xiàng)集模式知識(shí)（即關(guān)聯(lián)規(guī)則），它反映一個(gè)事件和其他事件之間依賴(lài)或關(guān)聯(lián)的知識(shí)。如果兩項(xiàng)或多項(xiàng)屬性之間存在關(guān)聯(lián)，那么其中一項(xiàng)的屬性值就可以依據(jù)其他屬性值進(jìn)行預(yù)測(cè)。最為著名的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法是R.Agrawal提出的 Apriori算法［4］，之后有很多學(xué)者提出了很多改進(jìn)算法，如文獻(xiàn)［5］等。關(guān)聯(lián)分析廣泛應(yīng)用于市場(chǎng)營(yíng)銷(xiāo)、事務(wù)分析等應(yīng)用領(lǐng)域。

（3）分類(lèi)與預(yù)測(cè)（Classification＆Predication）

分類(lèi)就是找出一組能夠描述數(shù)據(jù)集典型特征的模型或函數(shù)，以便能夠分類(lèi)識(shí)別未知數(shù)據(jù)的歸屬或類(lèi)別。分類(lèi)模型或函數(shù)可以通過(guò)分類(lèi)挖掘算法從一組訓(xùn)練樣本數(shù)據(jù)中學(xué)習(xí)獲得。根據(jù)已知的分類(lèi)規(guī)則，可以預(yù)測(cè)未知數(shù)據(jù)實(shí)例的類(lèi)別。分類(lèi)的結(jié)果典型地表現(xiàn)為一個(gè)具有行為可預(yù)測(cè)性的組。在審計(jì)中，可以將分類(lèi)技術(shù)有效地運(yùn)用于欺詐偵測(cè)和欺詐風(fēng)險(xiǎn)分析。通過(guò)分類(lèi)挖掘，對(duì)被審計(jì)數(shù)據(jù)庫(kù)中的各類(lèi)數(shù)據(jù)挖掘出其數(shù)據(jù)的描述或模型，或者審計(jì)人員建立統(tǒng)計(jì)模型對(duì)被審計(jì)單位的大量財(cái)務(wù)或業(yè)務(wù)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)分析，根據(jù)分析的預(yù)測(cè)值和審計(jì)值進(jìn)行比較，都能幫助審計(jì)人員從中發(fā)現(xiàn)審計(jì)疑點(diǎn)，從而將其列為審計(jì)重點(diǎn)。比如在財(cái)務(wù)審計(jì)中，虛假財(cái)務(wù)報(bào)告從財(cái)務(wù)指標(biāo)上看，就是某些財(cái)務(wù)指標(biāo)顯著地異于同類(lèi)企業(yè)，這些能夠顯著顯示財(cái)務(wù)舞弊征兆的財(cái)務(wù)指標(biāo)包括應(yīng)收款項(xiàng)比率、應(yīng)收款項(xiàng)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、速動(dòng)比率、主營(yíng)業(yè)務(wù)稅金及附加比率、資產(chǎn)質(zhì)量、管理費(fèi)用和銷(xiāo)售費(fèi)用率等。對(duì)此，審計(jì)中可采用數(shù)據(jù)挖掘的統(tǒng)計(jì)分析技術(shù)對(duì)這些指標(biāo)數(shù)據(jù)進(jìn)行分類(lèi)和預(yù)測(cè)，當(dāng)預(yù)測(cè)值與審計(jì)值差距較大時(shí)，可列為審計(jì)關(guān)注的重點(diǎn)。

（4）聚類(lèi)分析（Clustering）

分類(lèi)屬于有監(jiān)督的學(xué)習(xí)方法，而聚類(lèi)分析所分析處理的數(shù)據(jù)都是無(wú)類(lèi)別屬性的。聚類(lèi)分析的原則是：聚類(lèi)結(jié)果要使得各聚類(lèi)內(nèi)部數(shù)據(jù)對(duì)象間的相似度最大，而各聚類(lèi)間對(duì)象的相似度最小。根據(jù)事先定義的相似度計(jì)算公式計(jì)算對(duì)象之間的相似度，然后根據(jù)相似度將數(shù)據(jù)對(duì)象劃分為若干組。通過(guò)聚類(lèi)，可以識(shí)別稀疏或密集的數(shù)據(jù)區(qū)域，從而發(fā)現(xiàn)數(shù)據(jù)的整個(gè)分布情況，以及數(shù)據(jù)屬性之間所存在的有趣的、有價(jià)值的相關(guān)聯(lián)系。聚類(lèi)分析技術(shù)特別適用于從大量的交易數(shù)據(jù)中產(chǎn)生及時(shí)、準(zhǔn)確的線(xiàn)索。由于舞弊方式多種多樣，數(shù)據(jù)表現(xiàn)出來(lái)的特點(diǎn)也就各式各樣，并不是所有的可疑賬戶(hù)都可以聚成一類(lèi)。因此，在舞弊行為識(shí)別中，簇的數(shù)量是未知的，因舞弊方式的不同而不同。聚類(lèi)分析中“簇的數(shù)量未知”這個(gè)特點(diǎn)剛好滿(mǎn)足舞弊行為識(shí)別的這個(gè)要求。而且，由于其聚類(lèi)分析的自動(dòng)處理、非監(jiān)督學(xué)習(xí)等特性使得其可以動(dòng)態(tài)地適應(yīng)舞弊手段的變化，也可以在一定程度上規(guī)避舞弊犯罪活動(dòng)的自適應(yīng)問(wèn)題。

（5）異類(lèi)分析（Outlier or Exception Analysis）

異類(lèi)分析或稱(chēng)偏差分析，它是對(duì)差異和極端特例的描述，揭示事物偏離常規(guī)的異?，F(xiàn)象，如標(biāo)準(zhǔn)類(lèi)外的特例，數(shù)據(jù)聚類(lèi)外的離群點(diǎn)等。所有這些知識(shí)都可以在不同的概念層次上被發(fā)現(xiàn)，并隨著概念層次的提升，從微觀到中觀、到宏觀，以滿(mǎn)足不同用戶(hù)不同層次決策的需要。實(shí)踐表明，真實(shí)的財(cái)務(wù)報(bào)表中主要項(xiàng)目的數(shù)據(jù)變動(dòng)具有一定的規(guī)律性，如果其變動(dòng)表現(xiàn)異常，就說(shuō)明數(shù)據(jù)中可能存在虛假成分。異類(lèi)分析對(duì)虛假財(cái)務(wù)報(bào)告中數(shù)據(jù)的異常變動(dòng)識(shí)別有著非常重要的應(yīng)用價(jià)值。審計(jì)人員可以使用異類(lèi)分析技術(shù)來(lái)檢查一些舞弊、違背規(guī)律和規(guī)定的行為，因?yàn)檫@些行為產(chǎn)生的數(shù)據(jù)一般是隱藏在大量正常數(shù)據(jù)下的少量數(shù)據(jù)，而且很可能以不同于一般數(shù)據(jù)的形式表現(xiàn)出來(lái)，通過(guò)孤立點(diǎn)分析方法可以有效地發(fā)現(xiàn)這樣的異常數(shù)據(jù)。在實(shí)際操作中可以選擇能夠顯著顯示財(cái)務(wù)舞弊征兆的一些關(guān)鍵財(cái)務(wù)指標(biāo)，如應(yīng)收款項(xiàng)比率、應(yīng)收款項(xiàng)周轉(zhuǎn)率、資產(chǎn)負(fù)債率、速動(dòng)比率、主營(yíng)業(yè)務(wù)稅金及附加比率、資產(chǎn)質(zhì)量、管理費(fèi)用和銷(xiāo)售費(fèi)用率等，并為其設(shè)定一個(gè)閾值，一旦財(cái)務(wù)報(bào)告的相關(guān)財(cái)務(wù)指標(biāo)數(shù)值超過(guò)這個(gè)閾值，說(shuō)明報(bào)告有可能存在舞弊。

3 基于數(shù)據(jù)挖掘的審計(jì)系統(tǒng)

本系統(tǒng)根據(jù)數(shù)據(jù)挖掘的方法和數(shù)據(jù)挖掘處理模型，由審計(jì)專(zhuān)家和數(shù)據(jù)挖掘人員共同參與的數(shù)據(jù)挖掘過(guò)程，從審計(jì)需求出發(fā)，給出了基于數(shù)據(jù)挖掘的審計(jì)系統(tǒng)模型，如圖1所示。

圖1 基于數(shù)據(jù)挖掘的審計(jì)系統(tǒng)模型

（1）收集原始審計(jì)數(shù)據(jù)。根據(jù)審計(jì)的目標(biāo)和內(nèi)容要求收集原始審計(jì)數(shù)據(jù)，導(dǎo)入審計(jì)系統(tǒng)的數(shù)據(jù)庫(kù)。

（2）數(shù)據(jù)預(yù)處理。由于收集的數(shù)據(jù)存在很多不用的信息和噪聲數(shù)據(jù)，非常有必要在數(shù)據(jù)挖掘前，將數(shù)據(jù)進(jìn)行清洗和整理。數(shù)據(jù)預(yù)處理包括數(shù)據(jù)格式的一致化，還可以采用數(shù)據(jù)屬性約簡(jiǎn)的方法對(duì)數(shù)據(jù)庫(kù)中大量的屬性進(jìn)行約簡(jiǎn)，比如利用基于聚類(lèi)的屬性約簡(jiǎn)方法［6］等。當(dāng)然還要根據(jù)審計(jì)需求，對(duì)清理好的數(shù)據(jù)進(jìn)行篩選，把不相關(guān)的數(shù)據(jù)過(guò)濾掉。經(jīng)過(guò)數(shù)據(jù)預(yù)處理，就為實(shí)施數(shù)據(jù)挖掘技術(shù)做好了數(shù)據(jù)準(zhǔn)備。

（3）挖掘分析。利用各種挖掘技術(shù)對(duì)數(shù)據(jù)庫(kù)進(jìn)行挖掘分析。比如利用關(guān)聯(lián)分析技術(shù)。關(guān)聯(lián)分析就是給定1組或1個(gè)記錄集合，通過(guò)分析記錄集合，推導(dǎo)出相關(guān)性，目的是為了挖掘出隱含在數(shù)據(jù)間的相互關(guān)系。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)中隱藏的關(guān)聯(lián)網(wǎng)?？蛇\(yùn)用數(shù)據(jù)挖掘中的關(guān)聯(lián)分析技術(shù)方法，在對(duì)財(cái)務(wù)數(shù)據(jù)或經(jīng)濟(jì)數(shù)據(jù)進(jìn)行審計(jì)時(shí)，針對(duì)同類(lèi)或不同類(lèi)會(huì)計(jì)科目及數(shù)據(jù)項(xiàng)之間可能存在的某種對(duì)應(yīng)關(guān)系，以及資產(chǎn)負(fù)債表、利潤(rùn)表、現(xiàn)金流量表3大財(cái)務(wù)報(bào)表之間的勾稽關(guān)系，按照非財(cái)務(wù)邏輯關(guān)系的規(guī)律來(lái)查找、挖掘，從而發(fā)現(xiàn)一些隱藏的經(jīng)濟(jì)活動(dòng)，為審計(jì)人員的進(jìn)一步工作提供參考。如利用數(shù)據(jù)挖掘中的關(guān)聯(lián)分析，可以發(fā)現(xiàn)一個(gè)單位的車(chē)輛數(shù)和養(yǎng)路費(fèi)、汽車(chē)保險(xiǎn)費(fèi)等日常維護(hù)支出存在一定的關(guān)系，能夠據(jù)此發(fā)現(xiàn)是否存在用賬外資產(chǎn)買(mǎi)車(chē)的行為，進(jìn)而查出小金庫(kù)問(wèn)題。

又如利用例外模式或者異類(lèi)挖掘方法發(fā)現(xiàn)的審計(jì)線(xiàn)索。例外是指數(shù)據(jù)集中與一般數(shù)據(jù)模型不相符的那些數(shù)據(jù)。實(shí)踐表明，真實(shí)的財(cái)務(wù)報(bào)表中主要項(xiàng)目的數(shù)據(jù)變動(dòng)具有一定的規(guī)律性，如果其變動(dòng)表現(xiàn)異常，就說(shuō)明數(shù)據(jù)中可能存在虛假成分。例外模式或者異類(lèi)挖掘?qū)μ摷儇?cái)務(wù)報(bào)告中數(shù)據(jù)的異常變動(dòng)識(shí)別有著非常重要的應(yīng)用價(jià)值。審計(jì)人員可以使用例外模式或者異類(lèi)挖掘技術(shù)來(lái)檢查一些舞弊、違背規(guī)律和規(guī)定的行為，因?yàn)檫@些行為產(chǎn)生的數(shù)據(jù)一般是隱藏在大量正常數(shù)據(jù)下的少量數(shù)據(jù)，而且很可能以不同于一般數(shù)據(jù)的形式表現(xiàn)出來(lái)，通過(guò)例外模式或者異類(lèi)挖掘可以有效地發(fā)現(xiàn)這樣的異常數(shù)據(jù)。可以用文獻(xiàn)［7］提出的方法挖掘出潛藏在大型數(shù)據(jù)庫(kù)中的例外模式：burst模式。

還可以利用數(shù)據(jù)挖掘技術(shù)中的聚類(lèi)分析方法進(jìn)行財(cái)務(wù)分析。對(duì)審計(jì)數(shù)據(jù)進(jìn)行聚類(lèi)分析，將其分類(lèi)，為投資者提供最佳的決策依據(jù)［8］。

（4）審計(jì)處理。通過(guò)挖掘分析，可以發(fā)現(xiàn)可疑的數(shù)據(jù)，這些數(shù)據(jù)就是一些交易記錄。審計(jì)專(zhuān)家就可以重點(diǎn)核查這些交易記錄，從中發(fā)現(xiàn)問(wèn)題，并處理相應(yīng)的問(wèn)題。然后再分析、解釋和數(shù)據(jù)挖掘人員進(jìn)一步溝通，形成新知識(shí)，并加入到知識(shí)庫(kù)中，用作新交易數(shù)據(jù)審計(jì)的判斷標(biāo)準(zhǔn)。

（5）新增審計(jì)數(shù)據(jù)處理。當(dāng)有新增審計(jì)數(shù)據(jù)需要處理時(shí)，可以先將數(shù)據(jù)進(jìn)行預(yù)處理，然后就可以利用知識(shí)庫(kù)作為判斷依據(jù)，分析交易記錄是否可疑，如可疑則將該交易記錄加入到可疑數(shù)據(jù)庫(kù)中，由審計(jì)專(zhuān)家對(duì)可疑數(shù)據(jù)庫(kù)中的交易記錄進(jìn)行重點(diǎn)核查、分析、處理，如果有新知識(shí)，就更新到知識(shí)庫(kù)中。

4 基于數(shù)據(jù)挖掘的審計(jì)系統(tǒng)特點(diǎn)

（1）能有效降低審計(jì)風(fēng)險(xiǎn)

信息環(huán)境下，審計(jì)對(duì)象從傳統(tǒng)的紙制賬簿到種類(lèi)繁多的電子數(shù)據(jù)的變化，致使審計(jì)責(zé)任和審計(jì)風(fēng)險(xiǎn)隨之加大。面對(duì)這一變化，如何積極有效地控制審計(jì)風(fēng)險(xiǎn)是審計(jì)界普遍關(guān)注的問(wèn)題，本系統(tǒng)通過(guò)將數(shù)據(jù)挖掘技術(shù)應(yīng)用到審計(jì)風(fēng)險(xiǎn)決策中，從而為審計(jì)人員提供科學(xué)的決策依據(jù)，降低審計(jì)風(fēng)險(xiǎn)。

（2）能拓寬審計(jì)范圍，促進(jìn)全面開(kāi)展審計(jì)監(jiān)督

一方面，審計(jì)人員通過(guò)本系統(tǒng)可以進(jìn)行樣本抽取，對(duì)異常項(xiàng)目進(jìn)行調(diào)查測(cè)試，以確定審計(jì)重點(diǎn)，并可以在一定范圍內(nèi)逐筆審計(jì)，使得審計(jì)內(nèi)容更加廣泛，審計(jì)人員可以不再由于時(shí)間和工作量的原因而縮小審計(jì)范圍。另一方面，由于計(jì)算機(jī)具有快速、準(zhǔn)確的特點(diǎn)，利用本系統(tǒng)就可以積極開(kāi)展事前審計(jì)、事中審計(jì)和效益審計(jì)，擴(kuò)大審計(jì)范圍、提高審計(jì)工作質(zhì)量、減少審計(jì)風(fēng)險(xiǎn)，使全面審計(jì)成為可能。

（3）科學(xué)統(tǒng)計(jì)與抽樣，提高審計(jì)工作效率

會(huì)計(jì)電算化提供的電子賬是肉眼不可見(jiàn)的，對(duì)不懂計(jì)算機(jī)的審計(jì)人員來(lái)說(shuō)是風(fēng)險(xiǎn)，但對(duì)可以用計(jì)算機(jī)查賬的審計(jì)人員來(lái)說(shuō)是有利條件。審計(jì)人員利用計(jì)算機(jī)處理數(shù)據(jù)既快速又準(zhǔn)確的特點(diǎn)，使得審計(jì)資料的審查與分析工作主要由計(jì)算機(jī)完成，從而提高審計(jì)工作效率。效益審計(jì)一般比財(cái)務(wù)審計(jì)、法紀(jì)審計(jì)需要進(jìn)行更多的經(jīng)濟(jì)定量分析和經(jīng)濟(jì)效益指標(biāo)的計(jì)算，利用本系統(tǒng)開(kāi)展審計(jì)，使得審計(jì)人員能擠出時(shí)間和精力開(kāi)展效益審計(jì)，更能顯示出計(jì)算機(jī)審計(jì)特有的優(yōu)勢(shì)。

（4）自主學(xué)習(xí)，不斷更新知識(shí)庫(kù)

本系統(tǒng)能根據(jù)對(duì)歷史數(shù)據(jù)挖掘分析得到的各種規(guī)則、規(guī)律、模式等形成知識(shí)庫(kù)，從而作為判別的依據(jù)，同時(shí)也能通過(guò)對(duì)新產(chǎn)生的數(shù)據(jù)進(jìn)行審計(jì)分析得到新的知識(shí)，并自動(dòng)更新到知識(shí)庫(kù)中，可以有效地適應(yīng)事務(wù)發(fā)展的需求。因此基于數(shù)據(jù)挖掘的審計(jì)系統(tǒng)，能夠自動(dòng)更新知識(shí)庫(kù)，有較強(qiáng)的自學(xué)習(xí)能力，適合不斷變化和不斷發(fā)展的信息化審計(jì)對(duì)象。

5 結(jié)語(yǔ)

識(shí)別財(cái)務(wù)報(bào)告中的舞弊，需要從大量企業(yè)內(nèi)外相關(guān)信息中尋找線(xiàn)索，數(shù)據(jù)挖掘技術(shù)幫助審計(jì)人員對(duì)被審計(jì)單位海量電子數(shù)據(jù)進(jìn)行分析，獲得審計(jì)線(xiàn)索，發(fā)現(xiàn)審計(jì)疑點(diǎn)。建立基于數(shù)據(jù)挖掘技術(shù)的審計(jì)系統(tǒng)，充分利用數(shù)據(jù)挖掘的技術(shù)優(yōu)勢(shì)，將會(huì)增強(qiáng)審計(jì)人員的審計(jì)數(shù)據(jù)分析能力，提高審計(jì)的效率和效果，盡量降低其帶給利益相關(guān)者的損失，降低審計(jì)風(fēng)險(xiǎn)。

［1］陳乃激.基于財(cái)務(wù)分析的數(shù)據(jù)挖掘技術(shù)［J］.中國(guó)管理信息化，2008（9）：28－61.

［2］韓家煒，坎伯.數(shù)據(jù)挖掘：概念與技術(shù)［M］.范明，譯.北京：機(jī)械工業(yè)出版社，2001：18－21.

［3］曾德勝.數(shù)據(jù)庫(kù)中Burst模式挖掘的研究與實(shí)現(xiàn)［D］.桂林：廣西師范大學(xué)，2006：1－4.

［4］Agrawal R，Imielinski T，Swami A.Mining Association Rules Between Sets of Items in Large Databases［A］.Peter Buneman，Sushil Joyodia.In：Proceedings of the ACM SIGMOD International Conference Management of Data［C］.Washington：Acm Press，1993：207－216.

［5］錢(qián)進(jìn)，孟祥萍，徐冬寅.一種有效的關(guān)聯(lián)規(guī)則增量式更新算法［J］.長(zhǎng)春工程學(xué)院學(xué)報(bào)：自然科學(xué)版，2003，（03）：11－14.

［6］陳源，曾德勝，謝沖.基于聚類(lèi)的屬性約簡(jiǎn)方法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2009（5）：173－176.

［7］曾德勝，張師超，王日鳳，等.大型時(shí)態(tài)數(shù)據(jù)庫(kù)中的Burst模式挖掘［J］.計(jì)算機(jī)應(yīng)用，2006（10）：2413－2146，2420.

［8］趙選民，薛建樓.利用數(shù)據(jù)挖掘技術(shù)分析上市公司財(cái)務(wù)狀況［J］.中國(guó)管理信息化，2009（3）：30－32.