一、数据挖掘方法在经济责任审计评价中的作用 经济责任审计是确立或解脱被审计领导干部经济责任的一项审计监督制度,其关键是如何给被审计领导干部一个公正、准确、合理的评价。 数据挖掘(Data Mining)也称数据库中的知识发现(KDD:Knowledge Discovery in Database),是一种特定应用的数据分析过程,它可以从包含大量冗余信息的数据中提取尽可能多的隐藏知识,从而为正确的判断提供基础。与以往的数据库检索统计技术不同,数据挖掘方法不向用户提供包含指定特征的信息,而是能够提供某些特征未知的数据包含的信息。数据挖掘技术的这种特点决定了其具有良好的应用前景,尤其在商业领域的应用前景为推动这项技术提供了有力的保障。 数据挖掘方法在经济责任审计评价中可以通过计算机对全部电子数据进行处理,可以避免因手工审计中审计抽样造成的审计风险,可以对财务明细账中的货币数据进行分析,而且可以建立以业务事件为基础形成的数据仓库,对非货币性数据进行审计线索的挖掘和分析;利用聚类知识发现技术能够对已有审计人员的经验方法提升创建,从而成为具有审计任务评价指标体系,有助于提升审计的能力和水平;利用智能信息处理技术能够对各类评价要求中的各种非结构化、半结构化的数据进行特征本体抽取以及语义判断,为审计处理各种类型的数据提供技术支持;利用关联规则数据挖掘方法对各类型审计要求中的审计特征以及特征影响因子来进一步进行关联分析,为审计核查存在的问题以及提出问题而产生原因的关联性提供相关技术支持。另外,传统的经济责任审计评价要通过宏观层面的相关指标,数据挖掘方法能够从大量的原始数据中发掘审计线索。因此,数据挖掘方法具有一定的可靠性和可信度。 二、数据挖掘方法在经济责任审计评价中的具体实施过程 数据挖掘技术包含了很多分析方法,主要有: (一)数据概化分析方法。是一个抽象描述数据的途径,有效的、灵活的概化方法可以分为两类:数据立方体法和面向属性的规约法。在实际应用中大致可分为单维度对比,条件查询,维度交叉查询等。 1.单维度对比分析。例如,根据审计需求,若要查询各单位借方金额和贷方金额的总计,查看各单位的借方贷方科目金额是否平衡,可以使用如下语句:
在此示例中,查询定义了以下单元集信息:select子句将查询轴设置为measures维度的[贷方金额]和[借方金额]成员,以及单位维度的各单位的成员。FROM子句指明数据源。 2.限定条件查询。下例返回在2007年至2011年会计年度期间,按照[Measures].[借方金额]度量值进行排序(从成员集中销售额最高的成员开始),在科目维度中选取科目名称为[应收账款~应收账款],求得金额最多的会计期间的五个成员。
TopCount(MDX)函数根据指定的对集求得的值,对指定的元组按降序排序,返回度量值最高的指定个数成员。在此例中,使用TopCount(MDX)函数选取应收账款最高的五个会计期间,显示在横轴。纵轴为各单位名称,FROM子句指明数据源。由结果可以看出各个单位在哪些会计期间发生了最多的应收账款,这些发生了最多的应收账款的数据可以定义为多维分析中的元数据:(单位,期间,金额)。 根据审计部门的审计规则进一步分析,发生额异常的元数据定义为审计疑点。统计总计(all)栏中显示某会计期间的金额总计。 审计人员可以通过继续查看各单位应收账款的金额,进一步通过跟踪审计疑点明确责任单位,据审计疑点,回归凭证库表继续查询应收账款发生额的详细信息。 3.维度交叉分析。维度交叉分析可以更加细化多维数据的粒度,例如,若要查询各单位在各期的借方各科目金额总计,可以使用如下语句:
本例使用Crossjoin(MDX)函数返回同一维度属性层次结构中的属性层次结构成员的叉积,限定横轴为借方下的各项科目,纵轴为各单位名称以及各会计期间,FROM子句指明数据源。由结果可以看出各个单位在哪些会计期间发生的应收账款和其他应收款,可以继续跟踪大额应收账款收支状况,以及验证坏账准备的提取情况。 (二)关联规则应用分析。审计人员能够使用数据挖掘方法对被审计单位的财务数据及业务数据进行关联规则分析,从中发现异常问题。通过关联规则进行提取和判断,能够进一步生成审计分析模型。 例如在财政数据挖掘审计中应用关联规则,可以计算各个预算单位的财政支出/总预算的值,先确定预算单位是否违规执行预算。在实际审计中,我们还可以利用关联规则分析,通过对比被审计单位的车辆数和汽车保险费支出的关系,能够据此关联规则分析结果发现是否利用账外资产购买用车,根据此线索进而查出是否存在小金库的问题。