創建風險導向審計決策支持系統的數據倉庫

［摘 要］ 信息技術全面發展的今天，決策支持系統的應用范圍越來越廣，作用越來越大。同時，審計行業風險模型不斷演變，風險導向審計的概念日益流行。審計亟待利用現有的強大的財務數據倉庫來進行業務處理，利用信息技術進行有效的審計決策。本文探討了用于風險導向審計決策支持系統的數據倉庫從數據預處理到物理模型設計的全過程，詳細介紹了概念模型設計、邏輯模型設計和物理模型設計，并進一步闡述了審計決策支持系統的運行思路及其數據倉庫建模時需考慮的特色技術。

［關鍵詞］ 決策支持系統；審計；風險導向；數據倉庫

［中圖分類號］F239.1［文獻標識碼］A［文章編號］1673-0194（2008）20-0060-03

1 引 言

隨著信息技術的高速發展，財務信息系統應用的規模、范圍和深度不斷擴大。近年來由于數據采集技術的更新，審計業務中也在不斷建立強大的財務數據庫，而大量的數據背后隱藏著許多重要的信息，人們希望系統能夠提供更高層次的數據分析功能，自動和智能地將待處理的數據轉化為有用的信息和知識，以便更好地利用這些數據。在審計風險模型不斷演變的今天，風險導向審計的概念日益流行，審計亟待利用現有的強大的財務數據倉庫來進行業務處理，利用信息技術進行有效的審計決策。

數據倉庫和數據挖掘是近年來信息領域中迅速發展起來的新技術，是在在充分利用已有數據資源的基礎上，通過高效算法的設計，從大規模數據庫中提取知識、挖掘規律、輔助決策等，是涉及數據庫、統計分析、人工智能、模式識別、高性能計算、神經網絡和數據可視化等技術的前沿交叉學科，同時也是未來信息基礎設施的核心技術。

對已經積累的審計信息資源建立數據倉庫，進行再開發和深層挖掘是對中國風險導向審計資源的有效保護、利用和提升，是中國審計研究領域中的一項重要任務。

2 數據的特殊性和特殊需求

2. 1項目數據

來自審計業務中的歷史數據包含兩種類型，分別是被審計企業財務報表和重大審計案例數據表。原始采集數據以財務系統導出的Excel表提供。被審計企業財務報表記錄了每個被審計企業的基本財務信息、財務指標、財務預測等內容，重大審計案例表描述某地區一段時間范圍內出現審計失敗的匯總信息。

2. 2候補數據

隨著審計決策系統項目的進展，尤其是新的風險模型的不斷定義和審計方法的不斷更新，系統開發將逐步得到新的風險敏感數據、風險預測結果和風險審計效率等信息。屆時，系統項目將把這些數據納入統一的數據倉庫視圖。

2. 3數據特點

審計風險模型中的財務數據具有待分析維度多、組織結構不規范、編碼復雜等特點。

2. 4特殊需求

建立用于風險導向審計決策支持的數據倉庫的目標是對審計過程獲得的財務數據進行有效組織和建模，基于數據倉庫開發風險導向下的審計決策支持系統，研究被審計單位財務數據在由時間、規模、行業、地域等維度組成的空間中的分布特征和變化趨勢，挖掘導致審計失敗的高危因素，發現財務數據上的敏感區域，分析歷史審計方法和審計風險的相關性，揭示風險導向審計下的不同行業，在不同時間、不同規模、不同區域下的風險因素，提出可行和有效的審計措施。

總之，數據倉庫是面向主題的、集成的、時變的和非易失的單一站點的一致數據存儲。它能夠將分布在不同的邏輯物理位置上的各種數據進行加工，形成多維的、面向分析的環境，以更好地為決策者提供各種有效的數據分析，起到決策支持的作用。

3 數據倉庫的設計考慮

3. 1建?？紤]

在清晰了解用于風險導向審計決策支持的數據處理特殊需求之后，下一步要做的是數據倉庫模型的設計。數據倉庫建模事關后期在線分析處理（OLAP）和在線分析挖掘（OLAM）的實現，又和最終用戶的使用細節密切相關，所以是整個系統的關鍵問題。在這一步中，結合具體的系統環境，主要需要考慮以下4個方面的問題：

（1）數據倉庫模型是否支持全部應用模式；

（2）數據倉庫模式的設計是否統籌考慮審計風險因素數據處理效率和數據粒度的沖突問題；

（3）數據模式的可擴充性；

（4）數據倉庫模式的設計應提供足夠的冗余度以實現歷史數據組織和操作型數據的并行。

3． 2建模方法

“實體－聯系”數據模型是聯機事務處理（OLTP）通用數據模型。但數據倉庫需要支持聯機分析處理（OLAP），因而必須采用多維數據模型。該模型有3種形式：星形模型、雪花模型、事實星座模型。這里只介紹最基本的星型模型。星形模型的數據倉庫包括：一個大的、包含大批數據、不含冗余的中心表（事實表），一組小的附屬表（維表），每維一個。在這種模式中，維表圍繞中心表顯示在射線上，形狀很像星云爆發并由此得名。星形模型圖如圖1所示。

4 數據倉庫設計的過程

數據倉庫的設計可分為4個步驟:數據預處理、數據倉庫概念模型設計、數據倉庫邏輯模型設計、數據倉庫物理模型設計。

4. 1原始財務數據預處理

被審計企業財務數據從對被審計單位進行審計時采集，粗錄入數據難免有各種錯誤，可能不完整或不一致。數據預處理技術可以大大提高數據的質量，從而有助于提高其后的挖掘過程的精度和性能。由于高質量的決策必然依賴于高質量的數據，因此財務數據預處理是知識發現過程的重要步驟。數據預處理的通用技術如圖2所示。

4. 2概念模型的設計

和關系數據庫的建模過程一樣，進行數據倉庫設計首先需界定系統邊界。建立一個用于決策分析的數據倉庫，從技術角度講，無法在設計之初就得到詳細而明確的需求，但是仍可根據項目目標界定方向性的問題，如有哪些決策目標、待分析的數據對象、數據源狀況等。可以據此劃定當前的大致系統邊界，然后集中精力進行最需要部分的開發。概念模型設計在原有的數據庫基礎上建立了一個較為穩固的概念模型。

在這一步中，首先確定系統所包含的主題域，即審計風險的統計量（應收賬款、資產負債率、利潤率），然后對主題域內容進行較明確的描述，包括時間、行業、 規模、地域等維度的屬性組。

4. 3邏輯模型設計的特殊考慮

根據概念模型確定的主題域，結合項目背景，設計數據倉庫的維表和事實表的邏輯模型。維表設計中一個很重要的問題是維粒度的層次劃分。粒度指的是數據倉庫中數據單元的細節程度或綜合程度的級別。細節程度越高，粒度級就越低;相反，細節程度越低，粒度級就越高。例如，時間維按照粒度層次由高到低可劃分為年、季度、月、周、日5個等級。粒度層次劃分適當與否直接影響到數據倉庫重要存儲的數據量、查詢方法和數據倉庫整個體系結構。事實表描述用戶關心的主題信息，比如應收賬款的大小、主營業務收入的多少等。維表和事實表通過公共碼聯系在一起，形成一個完整的主題域。事實表依靠外鍵和維表建立聯系。例如，主營業務收入事實表與時間維表的聯系就是依靠外鍵聯系實現的。時間維度表的設計見表1。

行業維度表的設計劃分了農、林、牧、漁業，采掘業，制造業，電力、煤氣及水的生產和供應業，建筑業，交通運輸、倉儲業，信息技術業，批發和零售貿易、金融、保險業、房地產業，社會服務業、傳播與文化產業，綜合類等，參見表2。

規模維度的設計劃分了員工數、銷售量、資產總額，參見表3。

地區維度的設計劃分了地區、省、市、縣四級粒度，參見表4。

事實表包含所有維表的主碼，并統計計數、計和、平均等量， 參見表5。

4. 4物理模型的特殊考慮

物理模型是指數據在數據倉庫中的存放形式和數據的組織。目前的數據倉庫都是建立在關系型數據庫的基礎上，其數據存放是由數據庫系統進行管理的，因此物理模型設計主要考慮物理數據庫的設計，包括數據的存儲表結構、索引策略、數據的存放位置和存儲分配。

5 有關完整的風險導向審計決策支持系統設計

審計決策支持系統利用微軟公司提供的集成開發環境.NET框架和新一代面向對象的開發語言C#來開發。ASP.NET是微軟公司繼ASP之后推出的一項新技術，使用.NET框架提供的編程類庫構建而成，用于創建管理和部署Web應用程序。在.NET體系結構中，XML作為一種實現應用間無逢連接的手段，用于多種應用間的數據采集與合并，以及不同應用間的互操作和協同工作。ASP.NET中構造的解析器MSXML能夠處理很多XML任務，利用XML和ASP.NET開發基于Web的動態應用程序已成為網絡應用的主流。完整運行方式設計見圖3。

數據倉庫從理論到技術包括很多方面，其全面實施需要大量的人力、資源和時間。本文結合風險導向審計的理念，探討數據倉庫模型設計的過程和審計決策支持系統運行方式，力求為審計信息化的進一步發展提供新的思路。

主要參考文獻

［1］ 劉汝焯． 計算機審計技術和方法［M］. 北京：清華大學出版社，2004．

［2］ 劉勇軍， 聶規劃． 基于．NetWeb Service的知識管理系統的實現［J］. 武漢理工大學學報：信息與管理工程版，2006（2）．

［3］ 蔣益?。?計算機審計數據處理方法探討［J］. 商業會計：下半月，2006（9）．

［4］ 李祎，胡建華，周楓． 基于數據倉庫的決策支持系統的分析與研究［J］. 電腦知識與技術：學術交流，2006（2b）．