數據分析技術方法在企業審計中的創新應用

【摘要】在對22篇典型案例進行調查研究的基礎上， 歸納近年來國家審計視角下企業審計數據分析技術方法在應用重點、數據維度和技術手段等方面呈現出的一些新特點， 以案例分析的方式提出企業報表數據總體分析、多維數據關聯分析和大數據挖掘分析等三種企業審計典型數據分析思路和方法， 并對健全企業審計數據分析技術方法創新應用機制提出相應的政策建議。

【關鍵詞】企業審計;數據分析;技術方法;創新應用

【中圖分類號】 F239.1? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）07-0082-7

一、引言

企業審計數據分析技術方法的應用伴隨著國家審計信息化的整體發展進程不斷推進。 近年來， 在企業審計實踐應用層面， 各級審計機關堅持科技強審理念， 適應國有企業信息化建設逐步加快、信息系統日趨復雜、數據規模急劇增長等環境變化， 積極利用新技術、新方法開展企業重大經濟政策跟蹤審計、企業領導人員經濟責任審計、企業財務收支審計和企業專項審計調查， 充分運用大數據分析手段加大對違紀違法問題和風險隱患的揭示力度， 進一步提升了企業審計工作的質量和效率。

在企業審計理論研究層面， 逐步總結企業審計數據分析應用的理念與內容， 梳理企業審計數據采集渠道， 探索拓展企業審計數據分析方法， 為企業審計數據分析應用提供理論指導。 企業大數據審計的目標是運用大數據技術、方法和工具， 利用數量巨大、來源分散、格式多樣的各類財務、業務等數據， 深度開展數據關聯分析， 把握企業總體情況， 鎖定疑點重點， 引領支撐審計方案。 楚磊[1] 分析了大數據對傳統的企業審計組織模式、思維革新和成果應用產生的影響并提出對策。 李曉亮[2] 認為， 企業的大部分核心業務系統天然不適應審計數據分析需求， 實現企業審計數據分析常態化需要相應的基礎設施和數據分析集成環境。 劉東喜等[3] 提出了企業信息系統調查、財務數據共性分析、業務循環重點分析和企業信息系統審計等分析方法。 曹華[4] 認為， 在企業審計中應用關聯規則分析、聚類分析、孤立點分析等數據挖掘技術， 可以獲取有效的審計證據。 崔竹[5] 提出， 要全面整合與企業審計密切相關的數據資源， 構建全覆蓋的企業審計大數據資源體系和分析平臺。

綜上， 對企業審計數據分析應用的理論研究相對滯后于企業審計實踐， 對企業審計數據分析技術方法的研究尚缺乏系統性， 少見企業審計數據分析案例研究， 對于企業審計信息化平臺的研究還存在不足。 鑒于此， 本文根據審計署審計科研所組織的“數據分析技術方法在審計工作中的創新應用專題調研”征集的典型案例， 對2016年以來數據分析技術方法在企業審計中的創新應用情況進行系統研究。 此次調研， 共有17個審計機關推薦了22篇企業審計典型案例， 案例數量在各審計業務領域居中， 但整體技術應用水平較高。 這與企業審計涉及的業務領域眾多、利用的數據關聯關系復雜、挖掘的疑點線索隱蔽、揭示的問題風險多變等特征密切相關。 本文通過對22篇案例的梳理和提煉， 總結近年來企業審計數據分析技術方法的應用特點， 分析企業審計典型的數據分析思路和方法， 并建議在國有企業改革三年行動的關鍵階段， 建立以檢查資金為主線的企業審計常態化經濟體檢機制、大數據分析技術方法共享機制和大數據智能分析平臺。

二、企業審計數據分析技術方法應用特點

1. 應用重點從數據采集預處理為主向數據綜合分析利用轉變。 企業財務數據的高效快速采集和轉換是企業審計數據分析的首要工作。 由于財務軟件版本眾多且更新換代較快， 企業財務數據的采集轉換成為企業審計數據應用的難點。 各級審計機關為此開發了多種類型的財務數據抽取轉換加載工具。 “金審工程”二期現場審計實施系統（AO）被應用后， 審計人員一般通過財務軟件的數據導出備份功能， 將財務軟件備份數據導入AO， 并通過AO的采集轉換模板進行數據的轉換， 在一定程度上解決了上述問題， 但也面臨著采集轉換模板需及時更新等新問題。 從本文案例分析來看， 當前企業審計數據應用重點主要圍繞數據綜合分析利用展開。 在22篇案例中， 數據綜合分析技術案例有19篇， 綜合分析平臺技術案例僅1篇， 數據采集技術案例僅2篇。 數據采集技術案例主要是個別地方審計機關（北京市審計局、山東省濰坊市審計局）規劃財務賬標準表存儲內容和數據結構， 將財務賬后臺數據庫備份文件恢復到相應數據庫中， 并利用KETTLE等開源的ETL工具， 進行全庫數據的分析、清理并抽取， 生成相應標準表， 最終將不同軟件類型和版本、不同類型后臺數據庫、不同數據結構的財務賬源數據采集為統一數據庫類型、統一數據結構的財務賬標準表， 為集中高效分析打下基礎。

2. 數據維度從財務數據分析為主向企業內外部多維數據關聯分析轉變。 財務收支情況審計是企業審計的主要職責之一， 企業財務數據的分析歷來也是企業審計數據分析的重要內容。 由于財務分析的理論相對成熟， 企業審計圍繞財務數據分析積累的審計分析模型也相對穩定。 近年來， 受企業審計目標和內容多元化動態調整的影響， 企業審計分析的數據類型呈逐步拓展趨勢。 從案例分析來看， 除3篇涉及數據采集的案例外， 19篇數據綜合分析技術案例以企業內外部數據的多維分析為主， 其中僅有8篇使用了財務數據。 從數據維度來看， 主要包括企業內部的銷售、采購、合同、運營、人員信息等數據， 以及企業外部的稅務、工商、社保、用水用電、信貸等數據。 企業財務數據的分析主要圍繞資產、負債、損益等方面展開， 對財務報表內各個科目的真實性、完整性進行審查， 進而對企業財務狀況、償債風險、資產質量、盈利狀況等進行評價， 對合并財務報表合并范圍、關聯交易抵銷、相關科目的列報及重大事項的披露情況進行審計。 通過對關聯企業內部業務數據進行分析， 可發現在企業資金、采購、生產、銷售、薪酬等內部控制管理方面的重大問題和重大風險隱患;對關聯企業外部數據進行分析， 則更容易深入揭示企業利益輸送、虛增收支、違規投融資、違規擔保借款等重大決策問題。

3. 技術手段從數據查詢分析和驗證分析為主向挖掘分析轉變。 企業審計最常用的數據分析技術手段是SQL查詢分析。 19篇數據綜合分析技術案例中， 運用SQL分析技術的案例有12篇， 其中利用Python、SPSS、圖數據庫技術開展的數據挖掘分析案例有9篇。 隨著大數據挖掘技術在企業審計的深入應用， 企業審計數據分析思路經歷了從以“因果分析”為主向“關聯分析”和“因果分析”相結合的轉變。 例如： 鄭州特派辦利用決策樹算法發掘追蹤部分中央企業的參股企業存在“明股實債”方式融資行為;長沙特派辦使用計算機圖論技術挖掘企業關聯關系， 發現循環貿易虛增收入問題;天津市審計局使用圖數據庫技術查找國有企業違規擔保疑點等。

三、企業審計典型數據分析思路及方法

數據分析是數字化審計的核心。 企業審計常用的數據分析思路， 是從企業財務數據的分析性復核入手， 引入企業內部業務數據和管理數據， 以及與企業經營密切相關的外部數據， 通過多維數據關聯分析發現問題疑點。 由于企業審計數據分析體系相對龐大復雜， 本文僅結合案例反映的典型數據分析類型進行研究， 主要包括以下三種分析方法。

1. 企業報表數據總體分析。 企業報表數據總體分析， 是從企業的財務報表出發揭示問題疑點， 通過“表—賬—證—單”的勾稽關系， 層層穿透發現問題的根源， 逐項驗證審計判斷的合理性， 為總體評價企業改革發展情況， 確定企業審計重點， 以及評價企業財務狀況和經營情況提供財務數據支撐。 主要包括：一是集團總體經營狀況分析。 從財務狀況、運營結構、運營效率、科技創新、價值創造、會計信息可信度、集團與所屬行業主指標、行業特色指標等維度進行趨勢統計， 總覽集團各業務板塊結構及其績效指標對比， 并依據主指標警示連續虧損、低效、微利、造血嚴重不足的子公司。 二是企業報表結構差異性分析。 運用數理統計方法對企業集團所屬單位的資產負債表科目和損益表成本費用科目進行方差、標準差和系數調整計算。 以方差指標揭示各企業的資產負債結構、成本費用結構與所在行業類別的平均資產負債結構、成本費用結構的偏離程度， 據此對企業進行排序確定重點審計企業。 三是會計信息真實性診斷。 分析企業合并報表完整性， 從集團與子企業的決策關系、關聯關系和交易關系等方面分析發現異常情況， 并進行揭示; 選取企業重要財務指標作為考察經營管理者能力、企業經營狀況和財務狀況的評價和預警指標體系， 利用上述指標從企業盈利能力、資產質量、償債能力和發展潛力等四個方面進行評價和預警， 判斷企業會計信息的真實性。 四是重點事項分析。 主要對集團及子企業對外投資、資本運作、薪酬與費用、物資服務采購、收入合規性、往來款、非經常性損益、科技創新能力、專項儲備等重點審計事項進行疑點線索分析和梳理， 厘清數據關聯路徑， 進一步追溯問題指向的具體會計科目， 提高審計疑點線索的針對性。

以中央企業重點審計子企業分析[6] 為例。 主要分析思路是， 通過“中央企業預警和分析系統”對某集團有限公司的財務報表進行分析， 生成財務線索重點提示報告， 精確鎖定重點審計的二級子企業。

第一， 分析重點警示企業， 包括連續或巨額虧損企業、低效或微利企業等。 某集團有限公司連續或巨額虧損子企業為A有限公司， 如表1所示。

第二， 分析資產負債結構差異性。 如表2所示， A有限公司的資產負債結構差異偏離度高達0.25， 說明該企業資產負債結構與行業平均水平差異較大。

第三， 分析成本費用結構差異性。 如表3所示， A有限公司的成本費用結構差異偏離度高達0.32， 說明該企業成本費用結構與行業平均水平差異較大。

通過以上綜合分析， 發現某集團有限公司及其所屬骨干企業A有限公司存在多處交叉疑點， 說明該企業可能存在會計信息造假的情況。 經審計核實發現， 該公司通過開展無交易實質的“空轉”貿易、把委托加工業務全額計收入等方式虛增收入數億元;同時還存在通過違規計提工資總額來人為調節利潤近億元等粉飾財務報表存在的問題。

2. 企業多維數據關聯分析。 企業多維數據關聯分析， 是指在企業財務數據分析的基礎上， 進一步關聯企業內部業務數據和外部數據， 通過多維度數據的關聯關系和因果關系的分析， 快速篩選出審計疑點的過程。 該方法是驗證企業已知經營風險的重要方法， 也是目前企業審計中使用較多的方法。

以企業循環交易大數據分析為例。 近年來， 部分企業出于虛增收支規模、獲取資金借貸利息、偷逃稅款等目的， 在上下游企業的配合下， 存在循環貿易、融資性貿易、虛開增值稅發票等虛構貿易行為。 這類經營行為雖然具備形式上的法律要件， 但是并無實質上的貨物流轉， 是以正常貨物交易為外部形式從事無實物貨物流轉的違規貿易行為， 涉及金額往往巨大。 這類以企業法人間貿易關系等合作經營為基礎的違規行為， 由于涉及外部交易環節多、隱蔽性強， 且交易手續表面合規， 因此難以通過企業內部數據的常規關聯分析發現， 需要利用企業外部稅務、工商等數據進行大數據分析。 從數據分析的角度看， 這類業務中的增值稅發票、購銷合同、收付款等信息都呈現出閉環特征， 可以通過增值稅專用發票進銷項抵扣信息， 將交易鏈條上的各個交易主體串聯成交易閉環。 主要分析思路如表4所示。

表4中的融資性貿易形成國有資產損失風險的業務特點包括： 一是以融資為目的， 對大宗貨物交易收取資金利息（或稱購銷權益）， 利息以貨物銷售加價的方式收回， 因此業務流水金額大但利潤率低; 二是沒有實際貨權流轉; 三是在特定的供應商和客戶之間進行閉環交易， 交易對手對國有企業的業務依存度極高; 四是部分供應商與客戶之間存在關聯關系。 數據分析主要是利用企業財務系統數據， 企業的采購、銷售及庫存管理等業務數據， 全國增值稅發票抵扣認證數據、全國工商數據等。

融資性貿易造成國有資產損失風險分析[7] 的主要分析思路是依托增值稅發票數據， 鎖定上下游重點關注企業， 再通過全國工商數據追查上下游企業之間的關聯關系， 鎖定虛構貿易交易對象。 具體而言： 一是根據企業增值稅進銷項發票記錄， 篩查出業務依存度較高的供應商和客戶。 二是篩選出前五大供應商的增值稅進項開票記錄和前五大客戶的增值稅銷項開票記錄， 進一步將貿易業務鏈向上下游業務對手推進， 鎖定各自金額位居前三的上游和下游單位。 三是以全國工商數據為依托， 縱向構建股權網圖， 挖掘貿易交易對手關系。 四是縱橫交疊分析， 鎖定可疑虛構貿易交易。 通過以上關聯分析， 經審計延伸核查， 確定了某國有貿易公司虛構貿易且變相對外提供資金、造成數十億元國有資產存在敞口風險的違規事實。

3. 企業大數據挖掘分析。 企業大數據挖掘分析， 是對企業海量的非結構化數據和結構化數據進行挖掘分析， 揭示前述兩種分析方法難以驗證的、隱含的、先前未知的并具有潛在風險的線索的過程。 相比于數據審計對“既有知識”的“驗證”， 基于數據挖掘技術的大數據審計是對“新知識”的“發掘”。 數據挖掘又稱數據庫中的知識發現， 是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過程， 是目前人工智能和數據庫領域研究的熱點問題。 數據挖掘是一種決策支持過程， 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， 高度自動化地分析數據， 做出歸納性的推理， 從中挖掘出潛在的模式。 數據挖掘算法是數據挖掘的核心， 主要分為分類算法、聚類算法和關聯規則三大類。 主要分析思路如表5所示。

本文以“明股實債”分析為例。 近年來， 在企業審計中發現部分違規交易行為更為隱蔽。 如在社會融資環境趨緊背景下， 部分國有企業利用自身的融資優勢， 以“明股實債”方式向外部企業提供資金， 表面上看是以股權形式對外投資， 實質上是以獲得固定收益及遠期本金有效退出為實現要件的資金出借行為， 且資金最終的使用方多為房地產或地方政府融資平臺等國家政策限制性行業或領域。 但是， 這類問題很難從財務數據或業務數據等企業內部的結構化數據入手查找。 由于多層包裝隱蔽性高， 外部數據很難直接關聯分析， 需要更多經驗判斷和特征模型挖掘相結合的大數據分析方法。 決策樹算法是數據挖掘技術中較為基礎、經典的算法模型之一， 是對實例進行分類的樹形結構， 也是一種基本的分類與回歸方法。 決策樹的學習就是從訓練數據集中歸納出一組分類規則， 規則對應的模型不僅對訓練數據有很好的擬合， 且對未知數據也有很好的預測。

企業“明股實債”隱藏債務分析[8] 的主要分析思路是： 利用SPSS決策樹挖掘分類算法， 對部分已標記隱藏債務疑點的企業樣本進行模型訓練， 形成隱藏債務企業決策樹模型， 利用此模型對剩余未標記企業進行決策樹分類， 鎖定疑點。 具體而言： 一是數據準備。 把企業的相關信息轉化為一系列相應的屬性。 例如， 對“隱藏債務”企業相關情況進行分析， 選擇12種屬性作為篩選企業的特征。 二是數據標記、訓練。 對已分類的企業樣本標記是否為“隱藏債務”。 將已分類的企業樣本數據作為訓練數據導入SPSS軟件， 選擇分類->決策樹， 將相應的變量選入自變量， 并選擇因變量的類別。 三是結果分類。 對剩余未分類的企業， 遍歷①決策樹直至葉子節點， 即可得到該企業是否為“隱藏債務”。

綜上， 上述三種企業審計數據分析類型在分析數據上逐漸多源化， 在分析思路上逐漸深入， 在分析技術手段上逐漸復雜化和智能化， 在分析方法上逐漸抽象化， 在分析目標上逐漸發揮企業審計的預警預測功能， 具體如表6所示。

四、健全企業審計數據分析技術方法創新應用機制

近年來， 國家審計機關企業審計數據分析技術方法的創新應用取得明顯進展， 審計署修訂了企業審計數據規劃， 印發了企業審計指南， 建立了企業審計大數據信息綜合管理平臺， 實現了在數據分析基礎上突出重點開展的企業審計。 但是， 與新時期企業審計的要求相比， 企業審計數據分析技術方法創新應用還存在以下不足： 一是總體分析尚不到位， 對國有經濟布局結構的總體研判不足， 對中央企業分行業開展系統性、經常性分析研究還不到位; 二是分析方法共享機制不完善， 模型開發缺乏標準指導， 難以有效共享協作， 主要表現為對企業財務審計數據查詢分析模型重復開發， 而揭示企業改革發展的深層次矛盾和風險隱患的審計數據分析模型開發動力不足; 三是智能分析應用不足， 對機器學習、人工智能等前沿技術探索應用不夠， 缺少自動化模型開發輔助設施以及統一的智能化分析模型運行和監控平臺， 開發門檻較高。

2020年8月6日， 中央全面深化改革委員會第十四次會議審議通過了《國有企業改革三年行動方案（2020-2022年）》， 國有企業混合所有制改革、國有企業重組整合、國有資產監管體制改革進入快速推進和實質進展的新階段。 在國有企業改革的關鍵時期， 其審計更需要充分發揮“科技強審”優勢， 健全企業審計數據分析技術方法創新應用機制（見圖1）， 建立以檢查資金為主線的企業審計常態化經濟體檢機制、大數據分析技術方法共享機制和大數據智能分析平臺， 及時揭示制約國有企業改革政策措施落地的體制性障礙、機制性梗阻和制度性漏洞， 促進國有經濟優化和結構調整， 增強國有經濟的競爭力、創新力、控制力、影響力和抗風險能力。

1. 建立以檢查資金為主線的企業審計常態化經濟體檢機制。 根據新時代企業審計的目標定位和職責要求， 在審計署現有“中央企業審計分析和預警系統”等有關評價和預警指標體系的基礎上， 以檢查企業資金（國有資金、國有資產、財政補貼收入等）為主線， 進一步擴充數據來源、健全指標體系、延伸檢查層級、跟蹤整改成效， 建立企業審計常態化經濟體檢機制。 在數據資源方面， 可以圍繞資金流轉主線， 以企業財務收支審計數據分析為核心， 挖掘利用定期采集的企業財務核算數據、關鍵業務數據、重大決策管理數據， 輔以外部行業數據、部門監管數據、國民經濟運行數據等進行綜合分析。 在指標設計方面， 可突出資金流轉重點， 對企業的重大政策措施執行情況、財務收支情況、經營管理和效益情況、境外投資情況、內部控制及風險管理情況、經濟責任履行情況等涉及的財務收支重點指標進行定性與定量相結合的評價。 通過檢查資金流向， 一方面揭示國有資金、國有資產以及財政補貼在管理和使用中存在的違紀違法問題， 另一方面， 及時發現風險隱患和重大政策措施落實中存在的問題。 在檢查層級方面， 搭建包括“中央企業總體—重點行業領域—企業集團—重點子企業—重點業務”在內的企業資金穿透式“體檢”機制， 對重要的資金款項設定抽查比例， 對資金問題線索一跟到底， 沿著資金問題產生的路徑查深查透， 必要時從企業集團總部向企業二級單位、三級及以下單位做重點延伸。 在整改成效方面， 重點跟蹤資金類整改措施， 包括資金節約或挽回損失、資金收回或上交、盤活資金等情況， 落實整改責任， 確保審計發現的問題能夠得到及時有效的整改， 解決屢查屢犯的問題。

2. 建立企業審計數據分析技術方法共享機制。 企業審計數據分析技術方法的共享是提升企業審計能力、避免企業審計資源浪費的重要手段。 推動建立完善高效的流通和共享機制的技術難點是技術方法的確權問題， 即如何確認和保護技術方法分享人的權益， 通過相應的制度措施鼓勵人人創新、人人分享。 在技術支撐層面， 可利用區塊鏈技術， 搭建基于區塊鏈的企業審計機關之間、企業審計各項目組之間和企業審計人員之間的共享通道， 對技術方法的產生、收集、傳輸、使用與收益進行全生命周期的記錄與監控， 探索建立企業審計數據分析技術方法共享鏈。 在制度保障層面， 可建立企業審計數據分析技術方法創新標準體系， 對技術方法的開發、測試、應用、推廣和升級等進行全流程規范， 夯實技術方法交流共享的基礎。

3. 搭建企業審計大數據智能分析平臺。 人工智能（AI）技術的應用是降低企業審計大數據應用門檻的有效途徑。 當前， 國有企業改革進入攻堅期和深水區， 以往數據式審計模式發現的很多問題基本得以糾正， 一些違紀違法問題變得更為隱蔽復雜， 權錢交易線索也更為細小分散。 利用海量數據綜合比對的“驗證式”分析模式鎖定新型問題、新型線索的難度越來越大， 需要更智能化的數據挖掘分析技術支撐新型問題的深入核查。 本文建議， 可以在“金審工程”三期項目總體框架下， 完善現有的“企業審計業務管理與信息平臺”， 突破以功能為中心的平臺框架， 力求實現以數據為中心的體系架構， 建立企業審計大數據智能分析平臺。 在智能化數據治理層面， 可集成圖像、視頻、自然語言處理（NLP）、機器翻譯、對話系統、推薦系統等多領域的人工智能成果， 實現數據采集、數據標注、數據預處理和數據增強等相關工作的自動化和流程化。 在智能化模型算法開發方面， 提供可視化、交互式的模型設計開發環境， 利用關聯分析、聚類分析、分類分析、時序分析等算法， 通過特征工程、模型訓練、模型評估和模型部署等開發訓練環節， 形成智能化的模型算法。 當前比較前沿的挖掘分析技術包括遺傳算法（GA）、決策樹算法（DT）、粗糙集算法（RST）、神經網絡算法（BP）等， 都是智能分析的重要工具。 在智能化審計業務應用層面， 平臺可通過不斷地進行模型監控以判斷模型的實用性， 并進行模型的迭代訓練， 最終為企業審計人員提供企業審計業務細分、審計事項個性化推薦、審計知識圖譜繪制、審計智能問答、企業智能預測等智能化企業審計數據分析技術方法應用服務。

五、結論

數據分析技術在企業審計領域的創新應用是新時代推動國家審計機關企業審計高質量發展的必由之路。 當前， 企業審計大數據應用實踐正經歷著從以數據采集預處理為主向數據綜合分析利用轉變， 從以財務數據分析為主向企業內外部多維數據關聯分析轉變， 從以數據查詢分析和驗證分析為主向數據挖掘分析轉變的過程。 本文以案例分析的方式， 深入分析了企業審計領域三類典型的數據分析思路， 系統研究了大數據技術在企業審計領域的應用途徑， 為進一步創新完善企業審計數據分析應用機制提供了有益的方向性參考。

【 注 釋 】

① 所謂遍歷（Traversal），是指沿著某條搜索路線，依次對樹（或圖）中每個節點均做一次訪問。訪問結點所做的操作依賴于具體的應用問題， 具體的訪問操作可能是檢查節點的值、更新節點的值等。不同的遍歷方式，其訪問節點的順序是不一樣的。遍歷是二叉樹上最重要的運算之一，是二叉樹上進行其他運算的基礎。

【 主 要 參 考 文 獻 】

[1] 楚磊.淺析大數據對企業審計的影響及對策[N].中國審計報，2016-11-02.

[2] 李曉亮.對企業審計數據分析常態化的幾點思考[ J].審計月刊，2013（8）：12 ～ 13.

[3] 劉東喜，陳斌.從服務國家治理角度談企業審計信息化[ J].審計月刊，2012（2）：17 ～ 19.

[4] 曹華.數據挖掘技術在企業審計中的應用[ J].理財，2013（4）：89 ～ 90.

[5] 崔竹.全覆蓋視角下企業審計大數據應用研究[ J].經濟研究參考，2019（9）：90 ～ 114.

[6] 李晗博.中央企業審計分析和預警系統主要功能和應用：數據分析技術方法在審計工作中的創新應用典型案例[R].北京：審計署審計科研所，2020.

[7] 石磊.企業審計中虛構貿易疑點的發現：數據分析技術方法在審計工作中的創新應用典型案例[R].北京：審計署審計科研所，2020.

[8] 燕澤權，閆九枝.隱藏債務有“新招”大數據“法眼”讓它無處可逃案例：數據分析技術方法在審計工作中的創新應用典型案例[R].北京：審計署審計科研所，2020.