基于數據挖掘技術的持續審計探討

謝路陽 武曉璐 陳緒武 雷苯珈 李穎

摘 要：隨著信息技術的迅速發展，企業信息化程度在不斷加深，加之ERP系統的不斷成熟，帶來了電子商務等全新的商業模式，伴隨電子化和無紙化的普及，在線辦公成為常態，持續審計應時而生。同時，面對大數據時代的信息獲取需求，利用信息挖掘技術提取目標數據成為發展趨勢，如何將計算機、網絡、審計、大數據等元素進行有機結合成為信息系統審計領域的研究熱點。據此，本文基于數據挖掘技術的持續審計進行探討。

關鍵詞：數據挖掘;技術;審計

中圖分類號：F23???? 文獻標識碼：A????? doi：10.19311/j.cnki.1672-3198.2021.17.045

0 引言

1 持續審計的概念及特點

1.1 持續審計的概念

早在2006年之前，一些學者就提出：持續審計的過程是在收集電子審計證據的基礎上提出審計結果，并在無紙化的情況下客觀真實地評判數據是否合理。國際會計協會機構ACCA（國際特許會計師協會）、AICPA（美國注冊會計師協會）等權威組織也大力推行持續審計模式（continuous auditing，簡稱CA），通過使用信息技術并結合審計方法，對被審計單位在線監督，并及時提供審計結果以供決策者使用一種新型審計模式。

1.2 持續審計的特點

隨著信息化技術的飛速發展，持續審計是審計發展的必然結果，在結合運用數據挖掘技術后，持續審計兼具傳統審計特點及信息技術優勢，對比傳統審計，主要優點表現在以下五個方面。

（1）持續性。傳統審計主要分為計劃、調研、實施、報告及整改五個階段，以項目為單個對象開展實施。而持續審計則貫穿整個審計周期，實時監控和審核信息化系統全流程，審計程序不因項目情況而受限制，不因單個項目完結而結束，更加具備持續性。

（2）及時性。傳統審計模式多屬于事后審計，從審計的調研、實施到報告發文一般需要數月，與企業管理層“管理實時監控、問題實時披露、風險及時化解”的要求相違背。如今，企業多面多業務形態及復雜多變的市場環境，傳統審計局限性不利于及時改進管理，而持續審計正是利用時效性的優勢為管理層實時提供真實、可靠的信息，便于企業高層及時作出管理決策。

（3）自動性。目前，傳統的審計對象基本還停留在利用紙質賬簿憑證進行手工核驗，大量因人為是失誤導致數據結果失真，審計結果難以為企業管理層提供有效信息。為適應標準化、流程化、信息化的業務需要，企業致力于開發和建立信息管理平臺，但單獨得信息系統無法在日常經營業務中尋找管理漏洞，而持續審計可利用信息和網絡技術，結合審計方法自動查找管理漏洞，具有自動化的特點。

（4）集成性。持續審計需要不僅要對企業的經濟行為進行持續審計和監控，還包括對企業管控、戰略規劃、公司治理、投資管理等各方面進行實時監控，將審計提升到一個可持續發展的宏觀層面，全面服務于企業各個方面，達成審計的最終目標。

（5）全面性。傳統審計普遍使用抽樣方法，在選取一定百分比的財務關聯交易數據樣本中進行驗證，審計結果較為片面，而持續審計通過企業自身信息系統，提取及分析大量梳理進行分析，審計結果精確全面。

2 數據挖掘技術的概念及基本流程

數據挖掘起源于統計學，它與傳統的統計理論一致，即“從數據中發現潛在價值的信息”，從大量雜亂數據中提取隱藏、可信和能被理解的信息，是一種復雜處理模式。隨著人工智能的深入推廣，數據挖掘技術已經擁有良好的孕育條件。

按照處理流程可以將其劃分為以下六個階段：

（1）原始數據集采程序。審計部門根據審計項目類別，制定審計目標及審計方案，審計人員根據審計方案，結合財務報表、企業經營指標等開展數據集采工作，著重檢索制度文件及經營數據。集采過程中，審計人員不僅要對涉及的制度文件及原始數據做到收集全覆蓋，還需對數據進行初加工，辨別數據真假、剔除無用信息，從而提升審計結果的準確性。

（2）集采資料加工程序。通過初步整理集采階段，審計人員進一步探究集采數據的特征，然后選擇與數據屬性對應的方法，如聚類分析、孤立點分析、關聯分析等。通過數據持續挖掘，使審計關鍵點以數據庫語言方式呈現，并利用統一的數據庫系統對所需的數據進行提煉。概而論之，通過數據庫系統提煉的信息相對錯綜復雜，因此需要對數據進行清理、過濾，篩除錯雜無用的數據，并將其轉化為統一的計算機語言，以便后續分析應用。

（3）加工數據分類程序。挖掘數據進行分類的目的是通過對問題進行區分和歸類，以精準確定審計方向。主要可分為三類：一是隱藏風險的數據，審計人員需完善審前調研分析，將該類資料作為未來的重點審查事項，列明應該關注的問題及可能存在的風險;二是嫌疑風險的資料，受數據表象反映的影響，審計人員需對審計數據進行二次加工分析，深入數據挖掘，對已知信息進行驗證，做深做實疑似風險點;三是準確無誤的信息。這類數據通常來自各種數據庫系統，它們可以真正反映相關問題及風險，這是數據庫系統中極為少見的現象，因此審計人員可以直接利用這些數據，而不必加工處理。

（4）分類數據挖掘程序。該程序是根據數據分類的特征，經過調研分析厘清問題及風險的相關邏輯關系，并確定深度挖掘的方向。根據挖掘方向分為點狀和線性兩大類別，針對某個事項的問題風險運用點狀挖掘，并形成點狀分析清單庫，針對某類事項的問題風險運用線性挖掘，并形成線性由來及發展的底稿集。如果挖掘方向無法對數據進行歸類分析，審計人員需要根據數據特點確定挖掘的主要方向，利用其它挖掘方向對數據進行輔助分析，從而使數據更加全面準確。

（5）挖掘資料評價程序。審計人員利用挖掘技術對數據進行處理和分析，以求數據的成果符合精確性、一致性和真實性。如果挖掘數據的成果符合審計要求，則審查人員還需對結果進行分析，以查找不正常數據;如果數據挖掘結果不能符合審計的要求，則審查人員需要修改數據挖掘模式，并對其參數設置、分類標準等相應改進，直到審查結果符合要求。

（6）評價信息發布程序。完成上述操作步驟，審計人員對本次數據分析挖掘的有效審計結果數據進行了分析整理，并將其進行歸納作為本次數據挖掘的有效審計結果，執行對評價信息相關數據的發布程序。審計人員在此基礎上收集了相關數據，并開展了現場審計。審計結果經現場復核后，將最終檢查結果上交相關部門。與此同時，審計操作人員對整套挖掘數據體系流程進行總結評價，優化完善過程中發現該體系流程存在的相關缺陷，總結現場審計實施中相關的經驗教訓，優化審計流程。

3 基于數據挖掘技術的持續審計實現路徑

根據現有研究成果和實踐驗證，持續審計實施的技術途徑一般分為三種：嵌入式、分離式與混合式。嵌入式是將多個審計模塊嵌入被審計系統中，作為子系統在被審計客戶端運行;分離式是將審計系統從被審計單位信息系統中獨立出來，由審計人員發送指令及操作取樣;混合式則是嵌入式與分離式的結合使用。

3.1 嵌入式

嵌入式審計模塊的技術是指將相應的程序模塊置于被測信息系統之內，不斷地采集被審計信息系統中的數據并傳輸至審計中心，審計人員通過進行對比分析，實現持續監控。

嵌入式審計模塊技術能夠自動收集和歸納審計證據，當系統在執行指令過程中與審計人員事先制定的規則存在較大差異時，系統將識別為例外事件并向審計人員發送報告，因此具有較好的技術同步性。但嵌入式審計模塊的缺點也顯而易見，審計工作平臺依附于被審計單位的信息系統，可能會對被審計單位自身的信息系統產生干擾，且占用較多的系統資源和存儲空間，降低且也自身信息系統的運行速度，并且需要投入較高的成本用于測試，費用成本較高。

3.2 分離式

分離式審計模塊技術是在被審計信息系統之外建立獨立的程序模塊，在被審計信息系統外完成對其實時監控。審計人員通過模塊對被審計擔心信息系統的數據持續進行收集，并將這些數據實時傳送反饋到審計中心，供審計人員對其進行數理分析。

分離式技術是相對獨立于被審計單位信息系統的一種技術途徑，通過網絡傳輸各類數據，在相對獨立的審計服務器上完成數據分析，并將數據與事先預設值進行比較，一旦有異常情況，系統將會立即向審計人員發出預警信息。它需要將被審計單位信息系統的交錯集成，因此對被審計系統本身運行影響較小，而且通過網絡進行的審計不需要太多地占用被審計單位的系統資源，企業可接受程度較高。

3.3 混合式

混合式審計模塊技術是結合嵌入式及分離式審計模塊技術的一種綜合技術手段，可根據審計人員需求通過嵌入式或分離式采集被審計信息系統中的數據，將嵌入式技術與分離式技術混合使用，長短互補，深入分析。

4 基于數據挖掘技術的持續審計模型構建

基于數據挖掘技術的持續審計模型基本依照審計全流程進行設定，將審計的全鏈條流程嵌入持續審計模型，通過基礎設施層-數據層-服務層-應用層-用戶層的遞進模式，以安全性、聯動性、及時性、效用性為基本原則，主要可以分為數據采集、數據挖掘、審計分析和審計報告四個階段。

（1）數據采集。根據既定的審計目標，定義審計數據需求模板及路徑，通過橋接財務系統、招采系統、辦公系統等企業原有數據庫系統，根據審計定義信息語句，采集并規整企業數據庫存儲的內部經濟數據，收集并對比行業數據、標桿企業數據、政府披露經濟數據等外部數據。現有的數據采集技術可以充分利用成熟的數據庫工具，如數據庫訪問技術、同步復制技術、聯邦技術、數據加載技術等，利用SQL語句連接企業數據庫，統一外部數據與內部數據的鏈接格式、源格式及錯差控制格式，實現電子數據的標準化采集。

（2）數據挖掘。建立企業數據倉庫，以采集存儲數據為基礎，綜合利用數據處理工具完成重要信息的提取，根據審計目標的實際需要，對采集到的數據進行深層挖掘及可視化呈現，在此階段，由于海量數據的復雜性，采集的業務系統數據必然存在與審計目標相關度低、數據本身錯誤、數據明顯異常等問題，即存在“數字噪聲”現象，為降低“數字噪聲”對于審計偏差的影響，降低審計風險，可采用半監督學習方法降低數掂維度，提升數據的精準度與顆粒度，為審計數據分析創造良好的數據環境。

（3）審計分析。在整個持續審計的過程中，對采集、挖掘后的原始數據進行審計分析是核心環節。綜合運用財務分析、數理統計、聯機復核等分析技術，在避免“數據孤島”的前提下，從海量數據中發現數據的關聯規則，以便于審計人員進行疑點定位并得出審計結論。具體的分析方式可以主要劃分為三類：一是對數據進行有效分類。按照審計定義數據規則，將數據集分解為若干子項，每一子項中包含多種定義屬性，根據審計目標需求，通過對屬性的直接檢索，實現數據的精準分析。二是發現審計疑點。在“大數據”時代，伴隨數據倉庫、數據檔案的有效建立，一旦某一數據與數據存儲中的一般數據存在重大偏差，也即發現數據孤立點，審計人員從孤立點出發，順藤摸瓜，即可精準定位審計疑點，發現潛在風險或舞弊行為。三是描述數據趨勢。通過對長時間、全產業的數據進行有效分析，可以對企業各業務系統的發展趨勢進行有效預測，從而對企業運行規律進行有效預警，防范運營風險。

（4）審計報告。審計報告是審計的最終成果，在新常態下，以數據挖掘技術為抓手，以持續審計模塊為依托，以數據可視化呈現為手段，以防范企業風險為宗旨，是審計高質量發展的新趨勢和新選擇。

參考文獻

[1]但雨昕.基于數據挖掘技術的W大型連鎖企業持續審計研究[D].重慶：重慶理工大學，2019.

[2]秦剛.數據挖掘技術在公司內部審計中的應用[J].財會通訊，2019，（25），114-118.

[3]梁秀根，黃鄧秋.持續審計結合數據挖掘技術在內部審計中的應用[J].內部審計信息化，2015，（12），66-72.

作者簡介：謝路陽（1977-），男，漢族，湖北公安人，碩士研究生，高級經濟師，中建三局集團有限公司，研究方向：法學、經濟學。