移動技術在審計中的應用

黃妙紅 何勝 王玨 肖嘉麗

(廣東電網有限責任公司 廣東省廣州市 510000)

1 引言

隨著移動應用、智能技術、大數據不斷發展，為我們提供了提升工作水平的良好條件，通過移動裝備（筆記本電腦、平板電腦、手機等）與信息技術融合，實現移動技術與審計作業相結合，對審計項目遠程可視化管理，能全面提升審計項目實施過程中的技術、溝通、協作、監管方面的效率和質量。

本文重點研究標準化的移動作業裝備在審計現場中的應用，解決非標準化移動裝備存在的不能靈活交互數據問題，發揮標準化裝備的聯動作戰的高效審計能力。完成實時傳遞工作信息和現場高效取證工作，對接審計信息系統，解決現場資源共享以及工作任務派發，提升移動技術在審計業務中的應用水平。

2 移動技術在審計中的應用分析

隨著審計作業模式與手段的變革，高效的數據采集、分析已成為審計現場工作急需解決的問題。如何在審計項目現場實現快速取證，并且將積累的成果有效使用，本文主要研究為審計項目現場的審計人員提供一套簡單、易用、實用的標準化移動現場作業工具。工具分為審計人員個人用的個人單兵作業裝備和配套APP，以及供審計項目組使用的項目組單兵作業裝備和配套系統。如圖1 所示。

2.1 個人單兵作業裝備

個人單兵作業裝備包括安裝有加密芯片的平板電腦、平板電腦支架、藍牙鼠標以及配套使用的APP，其中APP 實現即時電子采集及取證功能。快速完成對語音進行識別及文字處理，并實現語音檢索功能。通過OCR 技術，實現現場取證的紙質文檔結構化、并對文檔合規性進行審查，進行智能化的文檔分類及整理。并且實現與項目組單兵裝備的信息交互功能，通過平臺實時傳遞工作信息和現場取證資料，下載項目組單兵發布的工作資料及接收任務。

2.2 項目單兵作業裝備

項目組單兵作業裝備包括筆記本電腦、高拍儀以及配套使用的項目組單兵作業系統。該系統實現與審計監控中心協同作戰功能。通過可視化管理，實時反饋現場作業情況，并接收審計監控中心發布的信息和數據。對個人單兵裝備收集的數據進行分析，實現審計疑點的快速挖掘，風險點分享。另外通過審計單兵作業平臺及單兵功能服務器應用功能，實現審計項目現場事務管理與交互，包括：管理人員權限信息；組內局域網資源交互與組員交流功能；組內任務派遣與跟蹤功能。

圖2

3 關鍵技術

3.1 Android

Android 以Java 為編程語言，使接口到功能，都有層出不窮的變化，其中Activity 等同于J2ME 的MIDlet，一個 Activity 類（class）負責創建視窗（window），一個活動中的Activity 就是在 foreground（前景）模式，背景運行的程序叫做Service。兩者之間通過由ServiceConnection 和AIDL 連結，達到復數程序同時運行的效果。如果運行中的 Activity 全部畫面被其他 Activity 取代時，該 Activity 便被停止（stopped），甚至被系統清除（kill）。

View 等同于J2ME 的Displayable，程序人員可以通過 View 類與“XML layout”檔將UI 放置在視窗上，Android 1.5 的版本可以利用 View 打造出所謂的 Widgets，其實Widget 只是View 的一種，所以可以使用xml 來設計layout，HTC 的Android Hero 手機即含有大量的widget。至于ViewGroup 是各種layout 的基礎抽象類（abstract class），ViewGroup 之內還可以有ViewGroup。View 的構造函數不需要再Activity 中調用，但是Displayable 的是必須的，在Activity 中，要通過findViеwById()來從XML 中取得View，Android 的View 類的顯示很大程度上是從XML 中讀取的。View 與事件（event）息息相關，兩者之間通過Listener 結合在一起，每一個View 都可以注冊一個event listener，例如：當View 要處理用戶觸碰（touch）的事件時，就要向Android 框架注冊View.OnClickListener。另外還有Image 等同于J2ME 的BitMap。

3.2 語音識別技術

語音識別技術就是讓機器通過識別和理解過程把語音信號轉變為相應的文本或命令的高技術。

通過語音識別技術將會議中的錄音以及審計現場的訪談記錄自動生成會議報告和訪談記錄，語音識別轉換準確率達到90%以上。如圖2 所示。

3.3 圖片識別技術

OCR（Optical Character Recognition）通過光學掃描儀和計算機的配合，OCR 軟件將圖像數據進行運算分類后，將圖像數據轉化為計算機內碼，極大地減輕數據錄入工作的強度、提高數據錄入的速度，并為后續文本語音分析與挖掘提供素材。 應用場景：原始票據、圖片數據的內容識別，解決關鍵數據提取的問題，實現審計業務中原始票據的自動稽核、真偽識別等。如圖3 所示。

3.4 數據挖掘技術

數據挖掘技術是目前人工智能和數據庫領域研究的熱點問題，所謂數據挖掘是指從數據庫的大量數據中揭示出隱含的、先前未知的并有潛在價值的信息的非平凡過程。數據挖掘是一種決策支持過程，它主要基于人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等，高度自動化地分析企業的數據，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整策略，減少風險，做出正確的決策。

采用數據挖掘分析技術對營銷數據進行分析，發現數據規律、發現審計疑點問題。

數據挖掘技術流程：

（1）信息收集：根據確定的數據分析對象抽象出在數據分析中所需要的特征信息，然后選擇合適的信息收集方法，將收集到的信息存入數據庫。對于海量數據，選擇一個合適的數據存儲和管理的數據倉庫是至關重要的。

（2）數據集成：把不同來源、格式、特點性質的數據在邏輯上或物理上有機地集中，從而為企業提供全面的數據共享。

圖3

（3）數據規約：執行多數的數據挖掘算法即使在少量數據上也需要很長的時間，而做商業運營數據挖掘時往往數據量非常大。數據規約技術可以用來得到數據集的規約表示，它小得多，但仍然接近于保持原數據的完整性，并且規約后執行數據挖掘結果與規約前執行結果相同或幾乎相同。

（4）數據清理：在數據庫中的數據有一些是不完整的（有些感興趣的屬性缺少屬性值），含噪聲的（包含錯誤的屬性值），并且是不一致的（同樣的信息不同的表示方式），因此需要進行數據清理，將完整、正確、一致的數據信息存入數據倉庫中。不然，挖掘的結果會差強人意。

（5）數據變換：通過平滑聚集，數據概化，規范化等方式將數據轉換成適用于數據挖掘的形式。對于有些實數型數據,通過概念分層和數據的離散化來轉換數據也是重要的一步。

（6）數據挖掘過程：根據數據倉庫中的數據信息，選擇合適的分析工具，應用統計方法、事例推理、決策樹、規則推理、模糊集、甚至神經網絡、遺傳算法的方法處理信息，得出有用的分析信息。

（7）模式評估：從商業角度，由行業專家來驗證數據挖掘結果的正確性。

（8）知識表示：將數據挖掘所得到的分析信息以可視化的方式呈現給用戶，或作為新的知識存放在知識庫中，供其他應用程序使用。

數據挖掘過程是一個反復循環的過程，每一個步驟如果沒有達到預期目標，都需要回到前面的步驟，重新調整并執行。不是每件數據挖掘的工作都需要這里列出的每一步，例如在某個工作中不存在多個數據源的時候，步驟（2）數據集成的步驟便可以省略。

步驟（3）數據規約（4）數據清理（5）數據變換又合稱數據預處理。在數據挖掘中，至少60%的費用可能要花在步驟（1）信息收集階段，而至少60%以上的精力和時間是花在數據預處理

數據挖掘常用算法：

（1）屬性篩選：對于經驗豐富的業務專家來說，他們經常會發現某些因素對關注的目標有一定的影響，但是各因素對目標的影響程度（或稱重要性）又各不相同，可是又沒法客觀地量化這種“重要性”。在建立關于目標的預測模型時，我們需要篩選出一部分對目標影響最大的因素進行分析（屬性越多，引入的干擾因素就越多，會降低模型對新數據預測的準確率；同時，建模需要花費的時間也較多）。屬性篩選方法，幫助分析人員或決策人員將這種“重要性”關系快速量化，并為預測模型的建立提供屬性篩選標準。

（2）分類算法：從歷史數據中，自動推導出基于給定數據的對事物發展規律的推廣性描述，構造一個分類函數或分類模型（分類器），該模型能把滿足一定特征的數據歸為特定的類別。在構造模型時需要知道訓練集中每個樣本所屬的類，因此是有指導的學習方法。分類算法需要設定字符型目標字段，即我們所關注的字段，通過建立模型，根據分析字段的取值判定樣本的目標字段取值。

（3）回歸算法：和分類預測類似，回歸分析也是從歷史數據中自動推導出對事物發展規律基于給定數據的推廣性描述；不同的是回歸分析的目標是數值型指標，構造的模型是一個回歸函數；用于判定給定特征的數據的目標應該達到的數值，而非狀態。

（4）聚類算法：“物以類聚，人以群分”，聚類是人類一項最基本的認識活動。聚類就是將數據對象分組成為多個類或簇，劃分的原則是在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。與分類不同的是，聚類操作中要劃分的類是事先未知的，類的形成完全是數據驅動的，屬于一種無指導的學習方法。

（5）關聯分析：關聯規則，最初是為了解決購物籃分析問題而提出的，其目的是發現超市交易數據中不同產品同時被購買的規律。這些規律刻畫了客戶的購買行為模式，可以用來指導商家科學地安排進貨、庫存以及貨架擺放設計等。 業務專家可以發現諸如“買牛奶的客戶一般會同時買黃油”等顯而易見的規律，但是利用數據挖掘您可能會發現“啤酒和尿布經常被同時購買”這些鮮為人知，但非常有用的規律。

（6）時間序列：時間序列，就是將某一指標值在不同時間上的不同數值，按照時間先后順序排列而成的數列。這種數列由于受到各種偶然因素的影響，往往表現出某種隨機性，不可能完全準確地利用歷史值來預測將來，但是前后時刻的數值具有一定的相關性。時間序列挖掘，通過對歷史數據進行分析，揭示其內在規律（如波動的周期性、振幅，趨勢的種類等），以從動態的角度刻畫某一現象同其他現象之間的內在關系，從而掌握和控制未來行為，進而完成預測未來行為等決策性工作。根據系統觀測到的序列數據，通過曲線擬合和參數估計的方法，建立數學模型，從而進行預測，是一種被廣泛使用的預測方法。

4 移動技術在審計中的應用實例

在本課題中，我們開發了基于審計人員使用的個人單兵作業裝備，用于審計人員在審計項目現場進行快速的電子取證。具體操作流程如下：

（1）審計人員利用個人單兵作業裝備在審計項目現場對發現的疑點進行拍照。

（2）利用OCR 技術對拍攝的圖片進行識別（如：合同、發票等）

（3）獲取識別的信息，并生成取證表信息。

（4）編輯好取證表后，將取證表信息同步至審計管理系統。

5 結語

標準化的移動作業裝備幫助審計人員實現現場審計高效靈活實時工作的同時，也促進了企業審計信息化的發展，為企業帶來多方面的效益。審計工作是保證企業正常運行的重要手段，審計部門通過標準化的移動作業裝備建設，大大提高了審計人員的工作效率。