信息化环境下的审计作业平台构建

      信息化环境下的审计作业平台应以构建全面、集成的审计流程为指导思想，把信息技术、审计技术、现代管理技术以及统计技术等相结合，将其应用于审计作业的各个阶段。通过信息集成、过程集成及资源优化，实现作业流、信息流、管理流和价值流等的集成和优化，提供一个高效、统一的作业应用平台，从而提高审计质量。

      一、平台建设目标

      通过对审计业务和信息技术的分析可以看出，需要构建一个流程全面、业务耦合度高、数据高度共享的审计作业平台，具体应达到以下目标：在审计作业平台中，充分利用先进的信息技术，把综合复杂的审计业务整合起来，节约劳动力，全面提高审计效率。利用数据仓库等技术，统一管理庞大的数据库资源，提高不同业务数据之间的共享度，同时利用数据来整合和管理业务之间的制约关系，提高各项审计业务开展的科学性。采用先进的数据挖掘技术，高效准确地提供审计数据信息并加以分析利用，为审计人员的执业决策提供强有力的支持。

      二、平台架构设计

      审计作业平台的整体设计是一个基于多层面架构的技术服务平台。底层是操作系统、网络、数据库和基础组件平台组成的操作平台，中间层是由工作流系统、集成管理、公共应用服务组件等组成的应用平台，在此基础上建立审计作业系统，将各种功能组件集成在一个平台上。该平台包括审计工作应用所必需的基础功能模块、组件和服务，为信息化环境下的审计作业提供一个全面的解决方案。平台总体架构如图所示：

      从总体架构中可以看到，审计作业平台大致分为四个部分。首先是用户系统，审计人员等通过该系统操作，实现单点登录、统一界面、一站式服务等功能。其次是审计业务系统，包括综合管理、项目管理、审计作业、数据分析、资源中心和系统管理等模块。然后是数据处理系统，包括对数据的采集、预处理以及数据挖掘等功能，实现各功能模块间的数据共享和数据利用。最后是应用分析系统，包括自定义报表、OLAP、业务分析、决策分析和其他数据服务等功能。

      

      三、审计业务系统设计

      在信息化平台中，审计业务系统通过六个模块构成了一套完整的审计作业流程。其中综合管理模块主要包括工作任务安排、文档管理、绩效考核等电子化办公内容。以协同办公为核心，加快信息流通，规范办公流程。该模块能够对工作流、信息流进行规范管理和增值利用，对管理层而言能够降低管理成本，对员工而言提高工作效率。项目管理模块即是运用系统的观点、方法和理论，对审计项目涉及的全部工作进行有效管理。该模块整合现代企业管理方法和审计专业项目管理思想，结合审计项目管理经验，以审计项目的动态控制为核心，以进度控制为基础，注重数据的统计和分解，尽可能满足审计项目管理需求。

      审计作业模块是审计平台的核心，具体可以包括线索管理、工作底稿、审计报告等内容，旨在以信息技术为手段，将审计准则以标准、可控的审计流程的形式固定下来。通过在程序中设置控制点，对审计流程进行约束，以满足对审计质量的要求。该模块的优势是利用程序化控制使审计作业规范化，减小人为因素造成的差异。同时强化了审计作业过程监督的能力，便于审计业务质量分析与监控。作为信息平台，良好的实时控制也能提高审计准则要点的落实率。

      数据分析模块作为审计工作的基础，是各应用系统实现数据层次耦合的关键，也是构建审计平台的关键模块。该模块通过先进的数据采集、转化技术，按照统一的标准进行数据采集与共享，为审计人员提供及时、有效的审计信息。

      资源中心模块和系统管理模块能够帮助提升组织的整体协作水平，使得审计人员快速准确地获取所需要的信息，实现快速响应和最优决策。其中资源中心主要包括审计所需的法规库、专家经验库以及各类型审计文档模板、常用指标和公式等资源，通过系统性的利用信息和专家技能，提高工作效率和审计人员的技能素质。系统管理模块则提供了操作日志、人员管理和权限设置等内容，便于审计人员日常管理和使用审计平台。

      四、数据处理系统设计

      对已累积的审计信息资源建立数据仓库，进行再开发和深层挖掘是对审计资源的有效利用和提升，也是审计信息化发展的重要方向之一。平台将通过数据处理系统，根据审计数据的特殊性建立数据仓库，并应用关联挖掘等方法对审计数据进行处理。

      数据采集模块是数据进入数据仓库的入口模块。在审计工作开展的前期，需要将被审计数据采集到前置机群中，在这一步的采集是无条件采集，获取被审计数据的全集。数据的采集可以通过GB/T 24589-2010《财经信息技术会计核算软件数据接口》国家标准从具体的管理软件中采集，这是最为简便规范的数据采集方法。如果具体的管理软件暂时还不支持国标，就只能针对具体软件的数据库进行直接采集，这种方式需要分析用户数据库的构成，耗时多，成本高。

      通过数据采集所需的数据之后，还需要对这些数据经过整理、转换，最终才能按照预先定义的数据仓库模型，将数据加载到数据仓库中去。这一过程是构建数据仓库的主要环节之一，通过获取源数据进行必要的加工处理，使其成为可供数据挖掘使用的数据。经过数据采集、预处理之后，待挖掘数据的真实性、数据量以及数据质量已经得到保障，就可以对这些数据进行分析和挖掘了。数据挖掘模块就是要从这些数据中找到疑点，挖掘出隐藏在数据中的且预先不知道的信息，并且以审计经验和职业判断判断这些数据的分析模式和潜在风险。