基于商業智能的審計方法研究與實現

［摘要］ 隨著信息技術在財務管理領域的廣泛應用，審計機構急需采用新的審計方式和手段，以提高審計質量，降低審計風險。本文利用商業智能技術，對審計方法進行新的探討，并建立基于商業智能的審計模型，探討在海量數據條件下進行審計的新途徑。

［關鍵詞］ OLAP;數據挖掘;審計;商業智能

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2011 . 12. 015

［中圖分類號］F239.1 ［文獻標識碼］A ［文章編號］1673 - 0194（2011）12- 0021- 02

1 前言

隨著數據庫技術的迅速發展以及管理信息系統在財務、審計中的廣泛應用，許多企業和部門積累了海量的、以不同形式存儲的數據資源，在信息化環境下，審計線索會通過電子數據表現出一定的特征，捕捉到這些特征進而進行分析取證，是計算機審計發展到目前階段的一種有效做法［１］。如何在審計過程中迅速把握總體，從被審計單位浩如煙海的電子數據中根據需要找出有用的信息成擺在我們面前迫切需要解決的問題。商業智能系統（ＢＩ）建立在數據倉庫、多維分析和數據挖掘等技術的基礎之上，通過收集、整理和分析企業內外部的各種數據，加深企業對客戶及市場的了解，并使用一定的工具對企業經營狀況、客戶需求和市場動態等做出合理的評價及預測，為企業管理層提供科學的決策依據［２］。在財務審計應用中，基于數據倉庫的ＯＬＡＰ應用可以使審計人員站在一定高度把握總體，從觀察趨勢、選擇重點，到運用鉆取、掌握明細，直至發現線索、引導延伸，實施一系列審計辦法。數據挖掘（Ｄａｔａ Ｍｉｎｉｎｇ）可以從大量的財務審計數據中，提取隱含在其中的、人們事先不知道的、但又潛在有用的信息和知識，它把人們對數據的應用從低層次的簡單查詢，提升到從數據中挖掘知識，輔助人們進行決策判斷?；跀祿}庫、ＯＬＡＰ和數據挖掘的審計技術是一種嶄新的審計方式，它將帶來以下革命性的變化：一是從“盲人摸象”轉變為把握總體；二是從進點后摸線索轉變為帶著線索進點。因此，開展商業智能在審計中的應用研究，并在實踐中推廣應用，已經成為提升計算機審計水平的必然選擇，有重要研究的意義和應用價值。

2商業智能模型

本文利用ＳＱＬ Ｓｅｒｖｅｒ ２００５ 構建基于商業智能的審計模型ＴＡｕｄｉｔＭｉｎ，如圖１所示。審計過程分為：采集審計數據、建立數據倉庫、ＯＬＡＰ多維分析、數據挖掘、前端展示等。

2.１ 源系統

數據挖掘的基礎是大量的歷史數據。這里的源系統是指與審計業務相關的各種關系型數據庫，如金蝶數據庫、用友數據庫等。這些業務系統中的數據可以應用ＳＳＩＳ（Microsoft SQL Server 2005 Integration Services），通過數據清洗、轉換和加載（ＥＴＬ）等步驟載入數據倉庫，為多維分析和數據挖掘作準備。

2.２ 數據倉庫

該部分的功能就是為數據挖掘提供多維數據集（Ｃｕｂｅ）和數據集（Ｄａｔａｓｅｔ），用于數據挖掘的Ｃｕｂｅ也可以根據用戶的要求作相應的更改。商業智能提供了自動創建Ｃｕｂｅ的功能，用戶只需要設置好相應的維度表和量度組，通過一些簡單的命令就能實現Ｃｕｂｅ的自動生成和重新生成。因此，數據倉庫設計主要在于設計維度表和量度組，以及兩者之間的關系。

2.３ ＯＬＡＰ多維分析

ＯＬＡＰ為用戶提供強大的數據分析功能。在數據倉庫建好后，輸入測試數據，測試數據倉庫和模型。如果分析結果顯示創建的模型有問題，則可以通過ＯＬＡＰ提供的功能重新創建模型，并且按照用戶喜好的方式顯示數據分析的結果。模型沒有問題之后，就可以對ＥＴＬ處理過的真實數據做相應的數據分析。

2.４ 數據挖掘

數據挖掘模型的建立以ＭＤＸ語句為基礎，同時也支持手工操作。模型建好以后，需要對選擇數據挖掘的模型進行測試和訓練。用于訓練的數據可以來自于數據倉庫生成的Ｃｕｂｅ，也可以直接使用其他數據集，如文本文件。模型訓練的結果既可以直接瀏覽也可以生成報表在客戶端展示，數據挖掘功能主要通過微軟的ＳＳＡＳ和ＡＭＯ實現。

2.５ 客戶端

即數據挖掘模型、報表和ＯＬＡＰ分析結果的前端展現，是用戶與系統交互界面。目前比較流行的方式是基于Ｗｅｂ的Ｂ／Ｓ結構。

2.６ 發現審計線索

在數據分析的基礎上，定位重點審計對象，利用先進的計算機技術或其他方式追蹤線索，重點審計該類數據。

2.７ 形成審計報告

針對審計線索，加以重點審計，提交審計報告，以供分析和決策。

本文提出的解決方案將數據倉庫、ＯＬＡＰ和數據挖掘等技術相結合，可指導審計人員高效地開展審計工作，增強審計人員的審計數據分析能力，提高審計的效率和效果。

３商業智能在審計中的應用

商業智能在審計中的應用主要包括ＯＬＡＰ和數據挖掘兩部分，以下具體介紹這兩部分的應用。

3.１ ＯＬＡＰ在審計中的應用

通過數據倉庫，可以利用ＯＬＡＰ技術，采用包含結構、趨勢、同比、因素、ＴＯＰ Ｎ等多種分析方法，自動生成圖文并茂的分析報告，并可以在任意時間，生成任意內容（如財務、銷售、倉庫、采購、應收、應付），同時實現分析報告中的動態鉆取，滿足審計人員的需要。我們可以利用ＯＬＡＰ進行銷售分析、應收款項分析、倉庫庫存分析以及財務決策評價等。

ＯＬＡＰ支持復雜的分析操作，側重決策支持，并且提供直觀易懂的查詢結果。 如ＭＤＸ查詢語句：

ｗｉｔｈ ｓｅｔ ［ＴｅｎＢｅｓｔ］ ａｓ

’ＴｏｐＣｏｕｎｔ（ ［Ｐｒｏｄｕｃｔ］．［Ｂｒａｎｄ Ｎａｍｅ］．Ｍｅｍｂｅｒｓ， １０， ［Ｕｎｉｔ Ｓａｌｅｓ］ ）’

ｓｅｔ ［ＬａｓｔＭｏｎｔｈ］ ａｓ

’Ｔａｉｌ（Ｆｉｌｔｅｒ（［Ｔｉｍｅ］．［Ｍｏｎｔｈ］．Ｍｅｍｂｅｒｓ， Ｎｏｔ ＩｓＥｍｐｔｙ（［Ｔｉｍｅ］．ＣｕｒｒｅｎｔＭｅｍｂｅｒ）），１）’

ｓｅｔ ［Ｌａｓｔ６Ｍｏｎｔｈｓ］ ａｓ’

［ＬａｓｔＭｏｎｔｈ］．ｉｔｅｍ（０）．ｉｔｅｍ（０）．Ｌａｇ（６） ：

［ＬａｓｔＭｏｎｔｈ］．ｉｔｅｍ（０）．ｉｔｅｍ（０）’

ｓｅｌｅｃｔ ［Ｌａｓｔ６Ｍｏｎｔｈｓ］ ｏｎ ＣＯＬＵＭＮＳ，

［ＴｅｎＢｅｓｔ］ ｏｎ ＲＯＷＳ

ｆｒｏｍ Ｓａｌｅｓ

可以方便地查詢某商場最近６個月銷售趨勢最好的前１０種商品及銷售量。

又如，對應收賬款進行分析，可以通過圖表，直觀顯示賬齡、金額等情況（如圖２所示）。

3.２ 數據挖掘在審計中的應用

在審計中，運用數據挖掘算法，不僅能減輕審計人員的負擔，而且能提高審計風險管理的質量［３］。具體包括決策樹算法、聚類分析算法、貝葉斯算法、關聯規則算法、時序算法、神經網絡算法、回歸算法等。在審計中，運用商業智能平臺ＴＡｕｄｉｔＭｉｎ，不僅能減輕審計人員的負擔，而且能提高審計風險管理的質量。

４總結

應用以上方法，我們可以在海量財務審計數據中有效地運用商業智能技術，查找問題并發現一些超出審計經驗的規律性問題。將商業智能應用到具有多屬性特征的審計數據分析中，會減輕審計人員的負擔，提高審計管理的質量，為審計工作提供有用信息，提高審計效率。商業智能在審計工作中，必將會發揮越來越重要的作用。

主要參考文獻

［１］劉汝焯．審計線索的特征發現［Ｍ］．北京：清華大學出版社，２００９.

［3］劉汝焯．審計數據的多維分析技術［Ｍ］．北京：清華大學出版社，２００６.

［3］易仁萍，陳耿，楊明，等，數據挖掘技術及其在審計風險管理中的應用［Ｊ］.審計與經濟研究，２００３，１８（１）：５－６.

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文