高校智能财务审计系统构建研究

      高校财务审计工作是防范职务侵占与贪腐问题、保障资金有效使用的关键，也是高校财务工作的基础与核心。随着扩招扩建以及大量新的经济活动的发生，高校资金来源趋于多元化，其财务管理工作也开始向信息化、智能化方向发展，所产生的数据也呈现出体量大、类型多、实时性强等特征。由于社会存在过多的不确定性因素，这无疑进一步加大了数据处理难度，传统的审计模式难以揭示大数据环境下隐藏在海量数据中的财务问题，对数据中的关联性与规律规则的洞察能力不足，进而无法有效识别异常经济业务，进行高校财务审计系统的智能化创新成为必然。

      在大数据时代下，数据挖掘作为最常用的数据分析手段得到了各个领域的认可。数据挖掘融合了专家系统、数据库技术、数据可视化、统计学、模式识别、人工智能、机器学习、高性能计算等多个范畴的理论与技术，以一个独立的身份存在于处理大数据的整个系统之中，对业务数据进行深层次的挖掘，通过预测模型、数据分割、关联分析和偏离分析等方式发现派生于业务数据中的价值信息来解决实际问题。在高校财务审计中应用数据挖掘技术，能够从大型数据库中挖掘先前未知的、有效的信息，提高审计人员工作效率，减轻工作负担，通过指标关联关系的挖掘发现审计线索，其功能是传统审计无法取代的，在实践中表现出巨大的优势。

      二、高校智能财务审计系统的总体设计

      高校财务审计需要实现从数据采集到数据整合、分析直至出具合理审计报告结束即贯穿审计全过程的智能化，以满足数据管理、数值型数据处理、文本型数据处理以及审计结果输出等用户需求：

      首先，数据管理需求。高校财务业务活动中产生的需要进行分析处理的财务业务数据属于基础类数据，财务审计过程中创建的审计分析模型、获取的审计建议、知识规则以及审计结果等则属于系统分析后产生的结果数据，基础数据与结果数据共同存储于审计数据库中。高校智能财务审计需达成基础数据的变换、合并、融合、运算、导入与导出，并实现结果数据的查询、修改、删除或者调用，确保构建的数据库能够基于用户实际需求做出相应的处理。

      其次，数值型数据处理需求。高校财务业务活动中产生大量的具体数值，所构建的智能审计系统需要实现被审计单位与行业内运营状况、历年支出情况的分析，通过趋势对比及时识别异常波动，进一步借助数据挖掘技术找出差异诱发因素，实现凭证摘要与会计科目的分类汇总。

      再次，文本型数据处理需求。除标准的、具体的数值型数据外，高校财务活动还会产生包括汉字、英文字母、拼音符号在内的TXT等文本型数据。针对该部分数据，需要重点识别其潜在的关联关系，借助数据挖掘算法对会计凭证开展聚类分析，检查借贷科目对应关系，识别异常数据提供线索支撑审计工作的后续开展。

      另外，审计结果输出需求。智能化审计系统需要自动合理运用软件具有的各种功能，通过审计判断和推理，得出比较客观公正的审计结果，并将审计结果以人机交互界面方式向用户呈现，从而完成复杂的升级任务或为审计人员提供高水平的决策支撑。

      

      基于以上需求，设计高校智能财务审计系统如图1所示：高校财务系统、ERP系统及其他业务系统中的数据与非财务数据构成底层数据库，系统自动化采集数据并实现源表与目标表字段的自动匹配；从高校财务业务活动中采集的源数据会通过数据管理部分进行预处理，基于审计计划和审计目的执行整合、清洗、提取等操作，剔除无用或者冗余的数据，着重对数据的真实性、客观性与准确性进行检查，将预处理后的数据整合至审计数据库中作为审计分析的基础；审计分析属于整个系统的核心部分，为审计人员提供审计方向属于文本数据分析模块的功能，重点对会计凭证和审计报告进行智能化分析和处理，日志分析处理模块以可视化方式展示异常操作点为审计人员进一步的审计判断提供依据，数值型数据分析模型为审计人员查找审计线索提供依据，将财务报表及其明细账按照专家知识的故障诊断理论并通过审计分析模型进行处理；具备人机交互界面属性的审计结果可视化，侧重于为用户提供决策支持，实现用户对审计数据库的管理与查看，向用户全方位展示审计线索与审计动态；系统管理部分包含了系统操作日志记录、系统参数设置、系统流程处理、权限设置以及信息修改等内容，属于智能审计系统的管理中心。

      三、高校智能财务审计系统的具体构建与实现

      （一）财务报表审计分析模型的构建

      高校财务业务活动产生的数据在架构、内容方面与其他不同性质的单位存在明显的差异，构建智能分析模型能够从海量数据中识别异常数据发现审计线索。审计分析模型并非一成不变的，如何提高审计分析模型的适用性与使用效率成为高校智能财务审计系统整体功能得以发挥的关键。

      （1）财务报表审计分析模型设计。在进行模型设计之前，首先需要明确高校财务审计分析的指标体系与数据准备。参照事业单位会计制度并结合高校财务业务活动实际，将资产负债表、基础数字表、项目支出决算明细表等相关财务报表作为指标体系财务数据来源，对其中与财务指标无关的数据进行清洗、筛选、转换等操作，从预处理后的报表数据中提取需要的科目数据。数据准备工作完成后，需要进一步借助整体分析模型进行重点审计对象的提取，并从数据库中提取规则和模型开展数据分析，不存在该审计对象规制情况下则需要组建推理机进行数据的处理，最后通过交互界面向审计人员展示审计线索或审计建议。