大數(shù)據(jù)環(huán)境下基于模糊匹配的審計方法

陳　偉

大數(shù)據(jù)環(huán)境下基于模糊匹配的審計方法

陳偉

隨著大數(shù)據(jù)時代的到來，電子數(shù)據(jù)審計的研究與應(yīng)用成為審計領(lǐng)域的熱點問題。本文首先分析了大數(shù)據(jù)環(huán)境下開展電子數(shù)據(jù)審計的重要性以及電子數(shù)據(jù)審計的原理。在此基礎(chǔ)上，針對大數(shù)據(jù)環(huán)境下電子數(shù)據(jù)審計的需要，提出了一種基于模糊匹配的審計方法，并分析了該方法的原理。最后，借助于自主研發(fā)的電子數(shù)據(jù)審計模擬實驗室軟件，以某稅收數(shù)據(jù)審計為例，分析了該方法的應(yīng)用。

大數(shù)據(jù)電子數(shù)據(jù)審計模糊匹配審計風(fēng)險審計軟件

一、引言

隨著信息技術(shù)的發(fā)展，大數(shù)據(jù)（Big data）時代的到來為電子數(shù)據(jù)審計提供了機遇和挑戰(zhàn)。2015年8月31日，國務(wù)院印發(fā)《促進大數(shù)據(jù)發(fā)展行動綱要》。2015年12月8日，中共中央辦公廳、國務(wù)院辦公廳印發(fā)了《關(guān)于實行審計全覆蓋的實施意見》等文件，該文件指出，對公共資金、國有資產(chǎn)、國有資源和領(lǐng)導(dǎo)干部履行經(jīng)濟責(zé)任情況實行審計全覆蓋，是黨中央、國務(wù)院對審計工作提出的明確要求。其中，創(chuàng)新審計技術(shù)方法是實現(xiàn)審計全覆蓋的一個重要手段，要求構(gòu)建大數(shù)據(jù)審計工作模式，提高審計能力、質(zhì)量和效率，擴大審計監(jiān)督的廣度和深度。國際審計機關(guān)也高度關(guān)注大數(shù)據(jù)環(huán)境下的審計方法創(chuàng)新，2016年6月24日，金磚國家最高審計機關(guān)領(lǐng)導(dǎo)人會議在北京召開，會上指出：金磚國家最高審計機關(guān)應(yīng)適應(yīng)國家治理發(fā)展變化需要，加強頂層設(shè)計和戰(zhàn)略規(guī)劃，以審計方式方法創(chuàng)新，提升審計效能，更好發(fā)揮審計作用。在審計技術(shù)方法上，加強大數(shù)據(jù)技術(shù)運用，積極應(yīng)用“云計算”、數(shù)據(jù)挖掘、智能分析等新興技術(shù)，提高審計效率和質(zhì)量。

國內(nèi)外學(xué)術(shù)界也高度關(guān)注大數(shù)據(jù)在審計中的應(yīng)用，AICPA（2014）初步分析了大數(shù)據(jù)環(huán)境對審計工作的影響；Earley（2015）分析了大數(shù)據(jù)技術(shù)給審計工作帶來的機遇和挑戰(zhàn)。筆者分析了大數(shù)據(jù)環(huán)境下電子數(shù)據(jù)審計的機遇、挑戰(zhàn)與方法（陳偉，2016）。

綜上所述，研究大數(shù)據(jù)環(huán)境下的電子數(shù)據(jù)審計問題具有重要的理論意義和應(yīng)用價值。本文結(jié)合目前大數(shù)據(jù)的研究與應(yīng)用現(xiàn)狀，研究了大數(shù)據(jù)環(huán)境下基于模糊匹配的電子數(shù)據(jù)審計方法。

二、大數(shù)據(jù)環(huán)境下基于模糊匹配的審計方法的原理分析

（一）大數(shù)據(jù)概述

目前，大數(shù)據(jù)的研究與應(yīng)用已經(jīng)成為國內(nèi)外的熱點（Science，2011）。Gartner把大數(shù)據(jù)定義為：大數(shù)據(jù)是具有大容量、快速、和（或）多樣性等特點的信息資產(chǎn)，為了能提高決策、洞察發(fā)現(xiàn)和流程優(yōu)化，這種信息資產(chǎn)需要新形式的處理方法（Gartner，2012）。2015年國務(wù)院印發(fā)的《促進大數(shù)據(jù)發(fā)展行動綱要》文件中指出：大數(shù)據(jù)是以容量大、類型多、存取速度快、應(yīng)用價值高為主要特征的數(shù)據(jù)集合，正快速發(fā)展為對數(shù)量巨大、來源分散、格式多樣的數(shù)據(jù)進行采集、存儲和關(guān)聯(lián)分析，從中發(fā)現(xiàn)新知識、創(chuàng)造新價值、提升新能力的新一代信息技術(shù)和服務(wù)業(yè)態(tài)。因此，為了充分從大數(shù)據(jù)中挖掘有用的信息，需要研究不同種類的大數(shù)據(jù)技術(shù)。目前，一些大數(shù)據(jù)技術(shù)以及用于分析大數(shù)據(jù)的工具正在被研究（Chen，2014；Melnik，2010；Gulisano，2012）。

（二）現(xiàn)有的電子數(shù)據(jù)審計方法

電子數(shù)據(jù)審計一般可以理解為“對被審計單位的電子數(shù)據(jù)進行采集、預(yù)處理以及分析，從而發(fā)現(xiàn)審計線索，獲得審計證據(jù)的過程”，其原理如圖1所示（陳偉，2012；陳偉，2016）。在實際的審計工作中，為了避免影響被審計單位信息系統(tǒng)的正常運行，并保持審計的獨立性，規(guī)避審計風(fēng)險，審計人員在開展電子數(shù)據(jù)審計時，一般不直接使用被審計單位的信息系統(tǒng)進行查詢分析和檢查，而是將所需的被審計單位的電子數(shù)據(jù)采集到審計人員的計算機中，利用相關(guān)軟件進行分析。

由圖1可知： 審計數(shù)據(jù)采集和審計數(shù)據(jù)預(yù)處理的目的是為審計數(shù)據(jù)分析做準備，通過審計數(shù)據(jù)分析，發(fā)現(xiàn)審計線索，獲得審計證據(jù)，形成審計結(jié)論才是審計的最終目的。因此，審計數(shù)據(jù)分析是電子數(shù)據(jù)審計的關(guān)鍵。一般來說，常用的審計數(shù)據(jù)分析方法主要包括：賬表分析、數(shù)據(jù)查詢、審計抽樣、統(tǒng)計分析、數(shù)值分析等，其中，數(shù)據(jù)查詢的應(yīng)用最為普遍。通過采用這些方法對被審計數(shù)據(jù)進行分析，可以發(fā)現(xiàn)審計線索，獲得審計證據(jù)。

（三）基于模糊匹配的審計方法原理

大數(shù)據(jù)環(huán)境下從不同地方采集來的被審計數(shù)據(jù)中可能含有相似重復(fù)的數(shù)據(jù)，這些相似重復(fù)數(shù)據(jù)可能就是審計過程中要查找的可疑數(shù)據(jù)，如何對這些相似數(shù)據(jù)進行關(guān)聯(lián)分析是大數(shù)據(jù)分析過程中的一個重要問題。目前常用的電子數(shù)據(jù)審計方法，如SQL數(shù)據(jù)查詢、數(shù)值分析（重號分析）等，只能查找完全符合查詢條件的數(shù)據(jù)（陳偉，2016）。為了查找被審計數(shù)據(jù)中的相似重復(fù)數(shù)據(jù)，解決SQL數(shù)據(jù)查詢計的不足，本文提出了一種基于模糊匹配的審計方法，該方法的原理描述如下：

1.選取模糊匹配字段

根據(jù)對被審計數(shù)據(jù)的分析，選取要比較的字段。

2.進行模糊匹配

選用合適的字段相似檢測算法，根據(jù)所選取的比較字段，執(zhí)行數(shù)據(jù)表中各字段之間的比較，在此基礎(chǔ)上，綜合所有比較字段的相似檢測結(jié)果，計算整條數(shù)據(jù)記錄的相似度，并根據(jù)預(yù)定義的字段和記錄的閾值，檢測出相似重復(fù)數(shù)據(jù)，即為可疑數(shù)據(jù)。其中，字段相似檢測算法如下：

（1）字符型字段相似度計算方法。對于字符型字段，一個字段可以看成是一個字符串，字符串的相似檢測也稱字符串匹配，一般通過采用編輯距離算法，可以計算出兩個字段間的編輯距離。由于編輯距離值為整數(shù)，為了把字段間的編輯距離轉(zhuǎn)換成字段間的相似度，提出轉(zhuǎn)換方法如表1所示。表1中的對應(yīng)關(guān)系也可以由審計人員根據(jù)對被審計數(shù)據(jù)的分析進行調(diào)整，從而更準確地檢測相似重復(fù)數(shù)據(jù)。

（2）布爾型字段相似度計算方法。對于布爾型字段，如果兩字段相等，則相似度取0，如果不同，則相似度取1。

（3）數(shù)值型字段相似度計算方法。對于數(shù)值型字段，可以采用計算數(shù)字的相對差異算法：

圖1　電子數(shù)據(jù)審計的原理

3.確認模糊匹配結(jié)果

對檢測出的每一組相似重復(fù)數(shù)據(jù)（可疑數(shù)據(jù)），由審計人員通過對可疑數(shù)據(jù)的調(diào)查和分析，最終獲得審計證據(jù)。

由以上分析可以看出：當該方法分析字符型字段時，無論該字段中字符的位置怎樣，只要出現(xiàn)該字符即可。同樣，當該方法分析數(shù)值型字段時，也不要求待比較的數(shù)值型字段的值完全一樣，只要相近即可。所以，本文所提出的方法稱之為模糊匹配。相對于模糊匹配，精確匹配指只有所比較的字符型字段中整個字段相同，或者所比較的數(shù)值型字段的值完全一樣時才匹配。

表1　編輯距離和相似度的對應(yīng)關(guān)系定義

三、大數(shù)據(jù)環(huán)境下基于模糊匹配的審計方法的實現(xiàn)

根據(jù)前文對基于模糊匹配的審計方法的分析，筆者在電子數(shù)據(jù)審計模擬實驗室軟件中設(shè)計并實現(xiàn)了這種審計數(shù)據(jù)分析方法，其界面如圖2所示。主要功能介紹如下：

1.功能菜單區(qū)

功能菜單區(qū)主要提供電子數(shù)據(jù)審計模擬實驗室軟件的功能菜單，包括分析結(jié)果導(dǎo)出、審計日志導(dǎo)出、數(shù)據(jù)采集、審計數(shù)據(jù)分析（數(shù)據(jù)查詢、數(shù)值分析、統(tǒng)計分析、審計抽樣、數(shù)據(jù)匹配、相似數(shù)據(jù)查詢）、關(guān)于本系統(tǒng)等。其中，相似數(shù)據(jù)查詢和數(shù)據(jù)匹配功能菜單即為基于模糊匹配的審計方法。

2.狀態(tài)區(qū)

狀態(tài)區(qū)用來顯示當前數(shù)據(jù)預(yù)覽及結(jié)果顯示區(qū)中數(shù)據(jù)記錄的數(shù)量，以及用來選擇和顯示采集來的待分析數(shù)據(jù)表，用戶可以在狀態(tài)區(qū)選擇要分析的數(shù)據(jù)。

3.相似查詢參數(shù)設(shè)置區(qū)

相似查詢參數(shù)設(shè)置區(qū)主要用來選擇待分析的字段、設(shè)置相應(yīng)字段的權(quán)重，以及選擇每個相似查詢字段的相似檢測算法。

4.閾值參數(shù)設(shè)置區(qū)

閾值參數(shù)設(shè)置區(qū)主要用來設(shè)置字段間閾值和記錄閾值。字段間閾值表示每個字段之間的相似度，記錄閾值表示整個數(shù)據(jù)記錄之間的相似度。

5.相似度與編輯距離對應(yīng)關(guān)系設(shè)置區(qū)

相似度與編輯距離對應(yīng)關(guān)系設(shè)置區(qū)用來設(shè)置相似度與編輯距離之間的對應(yīng)關(guān)系。相似度與編輯距離對應(yīng)關(guān)系可以由審計人員根據(jù)對被審計數(shù)據(jù)源的分析進行調(diào)整，從而更準確地檢測相似重復(fù)數(shù)據(jù)。

6.數(shù)據(jù)預(yù)覽及結(jié)果顯示區(qū)

數(shù)據(jù)預(yù)覽及結(jié)果顯示區(qū)用來顯示當前待分析數(shù)據(jù)表中的數(shù)據(jù)，用戶可以通過該區(qū)預(yù)覽當前待分析數(shù)據(jù)表中的數(shù)據(jù)。同時，一般相似查詢功能的數(shù)據(jù)分析結(jié)果也在該區(qū)中顯示，用戶可以通過單擊菜單“文件”→“分析結(jié)果導(dǎo)出”完成分析結(jié)果的導(dǎo)出和保存。

四、大數(shù)據(jù)環(huán)境下基于模糊匹配的審計方法的審計風(fēng)險評價

由于模糊匹配方法的不精準性，如何評價該方法的審計風(fēng)險非常重要。國際審計與鑒證準則委員會（International Audit and Assurance Standards Board，IAASB）把審計風(fēng)險的模型定義為：

審計風(fēng)險 ＝ 重大錯報風(fēng)險 × 檢查風(fēng)險

在審計風(fēng)險模型中，審計人員所能控制的只有檢查風(fēng)險，重大錯報風(fēng)險與被審計單位有關(guān)，審計人員對其無能為力，只能對其水平進行評估，以便確定可接受的檢查風(fēng)險水平。根據(jù)以上審計風(fēng)險模型，不難發(fā)現(xiàn)：可以通過采用合適的審計方法來降低檢查風(fēng)險。

目前，國內(nèi)對信息化環(huán)境下計算機輔助審計風(fēng)險的研究多是從理論層面分析計算機輔助審計風(fēng)險的成因與規(guī)避，在審計風(fēng)險控制這方面的研究也多是從定性的角度進行分析，沒有從定量的角度對其進行深入的研究。為了從定量的角度分析審計數(shù)據(jù)分析方法的審計風(fēng)險，筆者定義相應(yīng)的查全率R（Recall）和查準率P（Precision），分別為：

1.查全率R

查全率是指可疑數(shù)據(jù)被正確識別的百分率，即：

圖2　電子數(shù)據(jù)審計模擬實驗室軟件中的相似查詢功能界面

圖3　字段閾值為0.8和記錄閾值為0.7時的模糊匹配分析結(jié)果示例

2.查準率P

查準率是指審計方法識別可疑數(shù)據(jù)的正確率，即：

通過以上兩個指標，可以定量地評價基于模糊匹配的審計方法的審計檢查風(fēng)險。比如，通過靈活地設(shè)置字段和數(shù)據(jù)的閾值，以及字段的權(quán)重，可以改變系統(tǒng)的查全率和查準率，從而控制基于模糊匹配的審計方法的檢查風(fēng)險。

五、大數(shù)據(jù)環(huán)境下基于模糊匹配的審計方法的應(yīng)用及分析

（一）案例介紹

以給定的某稅收征收電子數(shù)據(jù)（文件名為“稅收征收.mdb”，數(shù)據(jù)表名為“征收表”）為例，查找該數(shù)據(jù)中“納稅人名稱”和“稅務(wù)登記號”兩字段相似的數(shù)據(jù)，要求從查全率和查準率的角度考慮審計檢查風(fēng)險。

（二）案例操作

要檢查某稅收征收電子數(shù)據(jù)中“納稅人名稱”和“稅務(wù)登記號”兩字段相似的數(shù)據(jù)，可采用電子數(shù)據(jù)審計模擬實驗室軟件中的“相似數(shù)據(jù)查詢”功能，根據(jù)“納稅人名稱”和“稅務(wù)登記號”這兩個字段對該數(shù)據(jù)中相似的數(shù)據(jù)進行分析。對于審計檢查風(fēng)險，可以通過設(shè)置字段閾值和記錄閾值來控制。

假設(shè)該稅收征收電子數(shù)據(jù)已被采集到電子數(shù)據(jù)審計模擬實驗室軟件中，打開電子數(shù)據(jù)審計模擬實驗室軟件的相似查詢功能，如圖2所示。然后，在圖2中相似查詢的字段分別為“納稅人名稱”和“稅務(wù)登記號”，考慮到“納稅人名稱”字段較為重要，“納稅人名稱”的權(quán)重設(shè)為0.7，“稅務(wù)登記號”的權(quán)重設(shè)為0.3；“納稅人名稱”和“稅務(wù)登記號”的相似查詢算法都選擇字符型；相似度與編輯距離的對應(yīng)關(guān)系保持系統(tǒng)默認值不變。主要分析結(jié)果如下：

1.當選擇字段閾值為0.8，記錄閾值為0.7時。單擊“執(zhí)行相似查詢”按鈕，其相似查詢結(jié)果如圖3所示。

2.當選擇字段閾值為0.9，記錄閾值為0.8時。單擊“執(zhí)行相似查詢”按鈕，其相似查詢結(jié)果如圖4所示。

3.當選擇字段閾值為0.8，記錄閾值為0.8時。單擊“執(zhí)行相似查詢”按鈕，其相似查詢結(jié)果如圖5所示。

4.當選擇字段閾值為0.9，記錄閾值為0.9時。單擊“執(zhí)行相似查詢”按鈕，其相似查詢結(jié)果如圖6所示。

以上分析的結(jié)果可以另存為數(shù)據(jù)文件，然后做進一步的分析。

圖4　字段閾值為0.9和記錄閾值為0.8時的模糊匹配分析結(jié)果示例

圖5　字段閾值為0.8和記錄閾值為0.8時的模糊匹配分析結(jié)果示例

（三）案例分析

由以上案例可以看出：

圖6　字段閾值為0.9和記錄閾值為0.9時的模糊匹配分析結(jié)果示例

1.通過設(shè)置不同的字段閾值和記錄閾值，相似數(shù)據(jù)查詢結(jié)果會有所不同。當設(shè)置的字段閾值和記錄閾值較低時，查出的相似數(shù)據(jù)較全，但準確率較低；當設(shè)置的字段閾值和記錄閾值較高時，查出的相似數(shù)據(jù)會有遺漏，但準確率較高。

2.當查全率高時，分析出的結(jié)果較多，查出的相似數(shù)據(jù)較全，審計檢查風(fēng)險減少，但審計人員需要更多的時間去確認這些相似重復(fù)數(shù)據(jù)，從而降低審計效率；當查準率高時，分析出的結(jié)果較少，分析結(jié)果較準確，審計人員不需要更多的時間去確認這些相似重復(fù)數(shù)據(jù)，從而提高審計效率，但查出的相似數(shù)據(jù)會有遺漏，審計檢查風(fēng)險增加。

3.審計人員可以根據(jù)所需要控制的審計風(fēng)險水平，來確定合適的查全率和查準率，然后確定合適的字段閾值和記錄閾值，從而可以控制審計檢查風(fēng)險。

4.基于模糊匹配的審計方法可以有效地對被審計數(shù)據(jù)進行分析，查找出被審計數(shù)據(jù)中的相似重復(fù)數(shù)據(jù)，滿足大數(shù)據(jù)環(huán)境下審計數(shù)據(jù)分析的需要。

六、總　結(jié)

本文根據(jù)目前大數(shù)據(jù)環(huán)境下開展電子數(shù)據(jù)審計的需要，提出了一種基于模糊匹配的審計方法，并在自主研發(fā)的電子數(shù)據(jù)審計模擬實驗室軟件中實現(xiàn)了這種方法。在此基礎(chǔ)上，以某稅收數(shù)據(jù)審計為例，分析了該方法的應(yīng)用。本文研究認為，審計人員借助電子數(shù)據(jù)審計模擬實驗室軟件，可以方便地使用基于模糊匹配的審計方法，并能通過在系統(tǒng)中設(shè)置合適的字段閾值和記錄閾值，以及相似度與編輯距離的對應(yīng)關(guān)系，有效地控制該方法的審計風(fēng)險?？傊?，基于模糊匹配的審計方法能有效地滿足大數(shù)據(jù)環(huán)境下電子數(shù)據(jù)審計的需要。

作者單位：南京審計大學(xué)審計科學(xué)研究院

主要參考文獻

1.陳偉.電子數(shù)據(jù)審計模擬實驗. 清華大學(xué)出版社.2016

2.陳偉.計算機輔助審計原理及應(yīng)用（第三版）.清華大學(xué)出版社.2016

3.陳偉, Wally Smieliauskas. 大數(shù)據(jù)環(huán)境下的電子數(shù)據(jù)審計：機遇、挑戰(zhàn)與方法.計算機科學(xué).2016 (1)

4.陳偉.電子數(shù)據(jù)審計模擬實驗室研究.中國注冊會計師.2015(7)

5.陳偉, Smieliauskas W.云計算環(huán)境下的聯(lián)網(wǎng)審計實現(xiàn)方法探析.審計研究.2012(3)

6.AICPA. 2014. Reimagining Auditing in a Wired World[EB/OL]. http://www. aicpa.org

7.Chen C L P, Zhang C Y. 2014. Data-intensive applications, challenges, techniques and technologies A survey on Big Data[J]. Information Sciences, 275:314-347

8.Chen W, Liu S F, Smieliauskas W, etc. 2012. Influence factors analysis of online auditing performance assessment: a combined use between AHP and GIA[J]. Kybernetes, 41(5/6): 587-598

9.Earley C E. 2015. Data analytics in auditing: Opportunities and challenges [J]. Business Horizons, 58(5): 493-500

10.Gartner E S. 2012. 10 Critical Tech Trends for the Next Five Years [EB/OL]. http://www. forbes.com/ sites/ericsavitz/ 2012/10/22/gartner-10-critical-tech-trends-for-the-nextfive-years/

11.Gulisano V, Ricardo J P, Marta P M, etc. 2012. Streamcloud: an elastic and scalable data streaming system[J]. IEEE Transactions on Parallel and Distributed Systems, 23 (12) :2351-2365

12.Lambrechts A J, Lourens J E, Millar P B,etc. 2011. Global technology audit guide (GTAG):Data analysis technologies[M]. The Institute of Internal Auditors

13.Melnik S, Gubarev A, Long J J, etc. 2010. Dremel: interactive analysis of webscale datasets[C].Proceeding of the 36th International Conference on Very Large Data Bases. 3(1):330-339

14.Science.2011. Dealing with data [J]. Science, 331(6018): 639-806

國家自然科學(xué)基金（71572080）；教育部人文社會科學(xué)研究規(guī)劃基金（14YJAZH006）；江蘇省社會科學(xué)基金（13GLC016）；江蘇省“六大人才高峰”高層次人才項目（2014-XXRJ-015）