大数据分析技术在审计工作中的应用流程

      当前在审计机关中常用的大数据分析工具有Excel，Access，SQLServer，AO和“金审工程”二期联网审计分析平台等，通过这些分析工具都可以完成大数据技术在审计中的运用，具体步骤如图1所示。

      第一步：在审计立项阶段，通过多途径获取与审计相关的会计业务数据以及其他数据，大数据分析技术运用的切入点就是获取尽可能多的数据，这是大数据分析技术在审计中运用的起点，也是最重要的一个环节。

      第二步：对获取的审计数据进行预处理，第一步获取的数据比较杂乱，与审计数据分析平台要求的标准数据格式不能完全匹配，为了保证大数据分析技术发现规律和问题的准确性，审计人员应对原始数据进行数据预处理，可利用Excel，SQL数据库，AO，Access等处理工具，将原数据转化为审计人员可利用的标准格式数据备用。

      第三步：根据审计需求选择合适算法建立大数据分析方案，在这个过程中，对审计人员大数据分析的能力要求过高，对大数据分析技术不是很熟悉的审计人员在这个过程中可与计算机审计人员合作，构建基于大数据分析技术的相关审计模型，并进行数据分析，具体如图2所示：

      ①审计人员提出需求，大数据分析人员理解需求并通过和审计人员的沟通来加深理解；②大数据分析人员在理解需求的前提下检查该问题是否能使用大数据分析相关算法进行处理；③大数据分析人员找出合适的审计挖掘算法提出挖掘模型，审计人员通过和大数据分析人员的沟通来理解模型并加以确认；④审计人员在理解挖掘模型的基础上，对模型所产生的挖掘结果进行检查，并与大数据分析人员进行交流，不断对模型进行修正，得到较为准确的大数据分析结果。

      

      

      在这个过程中，前期工作很重要，大数据分析人员能否理解审计人员的准确需求非常必要，因此大数据分析人员应与审计人员在反复沟通验证的基础上获取最为合适的挖掘方案。

      第四步：根据上一步大数据分析方案，集中审计人员在审计实施前进行数据分析，发现疑点和线索，根据发现的疑点和线索确定审计重点，编写审计方案。

      第五步：对第四步分析结果涉及的疑点问题进行现场延伸检查，并根据延伸结果及时调整大数据分析方案，及时获取需要的数据，编写数据挖掘方案，确保审计对象的全覆盖和完整准确，必要时调整审计方案。

      第六步：数据统计，按照审计需求，审计人员可以根据不同统计口径对审计结果进行统计分析，关注微观审计对象存在问题的同时关注宏观层面该问题的总体情况，并分析原因，预测可能会带来的后果，根据这些数据给出合理的审计建议。

      第七步：在审计结束后审计人员可整理相关审计数据，大数据分析操作步骤，以及使用到的SQL查询分析语句等相关资料，通过计算机骨干构建分析模型知识库，审计模型固化后可以分享给其他审计组的审计人员使用，通过经验分享，各个审计组可以充分利用其他审计组的数据，形成各领域行业的审计资源数据库，逐步推进审计“全覆盖”人才库，资源库建设。