基于數(shù)據(jù)挖掘的審計(jì)數(shù)據(jù)淺析

基于數(shù)據(jù)挖掘的審計(jì)數(shù)據(jù)淺析0論文類別：

會(huì)計(jì)審計(jì)論文

>

審計(jì)論文

論文作者：

荊霞

上傳時(shí)間：2012-1-710:00:00［摘要］本文針對(duì)計(jì)算機(jī)審計(jì)的現(xiàn)狀，提出了基于數(shù)據(jù)挖掘的審計(jì)數(shù)據(jù)分析流程，以及應(yīng)用DBSCAN聚類算法查找審計(jì)證據(jù)的方法。

［關(guān)鍵詞］計(jì)算機(jī)審計(jì)；數(shù)據(jù)挖掘；聚類算法；噪聲數(shù)據(jù)

隨著經(jīng)濟(jì)和信息技術(shù)的不斷發(fā)展，許多企業(yè)開始引入了ＥＲＰ等系統(tǒng)，這些系統(tǒng)使得企業(yè)的眾多活動(dòng)數(shù)據(jù)可以實(shí)時(shí)記錄，形成了大量有關(guān)企業(yè)經(jīng)營(yíng)管理的數(shù)據(jù)倉(cāng)庫(kù)。從這些海量數(shù)據(jù)中獲取有用的審計(jì)數(shù)據(jù)是目前計(jì)算機(jī)審計(jì)的一個(gè)應(yīng)用。對(duì)于審計(jì)人員來(lái)說(shuō)，如何從被審計(jì)單位的海量數(shù)據(jù)中找出全面、高質(zhì)量的審計(jì)數(shù)據(jù)從而找出審計(jì)證據(jù)是一個(gè)難題。本文利用數(shù)據(jù)挖掘技術(shù)對(duì)此問(wèn)題進(jìn)行了探討并提出了解決的方法。

數(shù)據(jù)挖掘（ＤａｔａＭｉｎｉｎｇ）指的是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取出隱藏的、不為人知的卻潛在有用的信息和知識(shí)的過(guò)程［１］。事實(shí)上，實(shí)際應(yīng)用數(shù)據(jù)的質(zhì)量和存儲(chǔ)模式對(duì)于實(shí)施計(jì)算機(jī)審計(jì)并成功獲取審計(jì)證據(jù)非常重要。由于被審單位信息系統(tǒng)軟硬件平臺(tái)的異構(gòu)性和可能存在的人為故意隱瞞、造假等，為保證計(jì)算機(jī)審計(jì)工作順利進(jìn)行和審計(jì)結(jié)論的正確，對(duì)審計(jì)數(shù)據(jù)進(jìn)行采集時(shí)必須對(duì)數(shù)據(jù)進(jìn)行檢查、控制和分析。

１審計(jì)數(shù)據(jù)采集

審計(jì)數(shù)據(jù)采集指在開展計(jì)算機(jī)審計(jì)時(shí)從被審計(jì)單位的財(cái)務(wù)及業(yè)務(wù)信息系統(tǒng)及其他數(shù)據(jù)源獲得審計(jì)所需的電子數(shù)據(jù)并進(jìn)行適當(dāng)?shù)母袷睫D(zhuǎn)換［３］。一般來(lái)說(shuō)，計(jì)算機(jī)審計(jì)中數(shù)據(jù)采集的方法主要包括以下幾種：

（１）利用被審單位信息系統(tǒng)的數(shù)據(jù)導(dǎo)出功能。大多數(shù)的信息管理系統(tǒng)都提供了數(shù)據(jù)導(dǎo)出的功能，審計(jì)人員直接可以利用該功能導(dǎo)出企業(yè)財(cái)務(wù)數(shù)據(jù)完成數(shù)據(jù)的采集。

（２）利用通用的數(shù)據(jù)處理軟件完成數(shù)據(jù)采集。如Ａccess、ＳＱＬＳerver等都具有較強(qiáng)大的數(shù)據(jù)導(dǎo)入導(dǎo)出功能和數(shù)據(jù)轉(zhuǎn)換功能。審計(jì)人員可以利用這些軟件完成數(shù)據(jù)的采集。如被審企業(yè)原始數(shù)據(jù)為文本格式可以轉(zhuǎn)換為數(shù)據(jù)庫(kù)表格格式。

（３）利用審計(jì)軟件完成數(shù)據(jù)采集。如國(guó)家從２００２年開始建設(shè)的“金審工程”就以現(xiàn)場(chǎng)審計(jì)實(shí)施系統(tǒng)（ＡＯ）及審計(jì)辦公系統(tǒng)（ＯＡ）作為計(jì)算機(jī)輔助審計(jì)的工具。別外應(yīng)用國(guó)內(nèi)的企業(yè)財(cái)務(wù)審計(jì)軟件、審計(jì)數(shù)據(jù)采集分析軟件等都可以完成審計(jì)數(shù)據(jù)的采集。

（４）利用專用程序接口完成數(shù)據(jù)采集。當(dāng)被審計(jì)單位提供的審計(jì)數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)與已有的審計(jì)數(shù)據(jù)處理軟件系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)差異較大時(shí)，可以在審計(jì)人員的協(xié)助下由專門的程序員開發(fā)接口程序，完成數(shù)據(jù)的采集，但成本相對(duì)較高。

２數(shù)據(jù)清洗

利用數(shù)據(jù)挖掘?qū)徲?jì)數(shù)據(jù)進(jìn)行處理分類時(shí)，為了提高分類的準(zhǔn)確性、高效性和可伸縮性，必須對(duì)數(shù)據(jù)庫(kù)進(jìn)行預(yù)處理，包括：數(shù)據(jù)的清洗、相關(guān)性分析、數(shù)據(jù)轉(zhuǎn)換等。

文獻(xiàn)［４］中給出數(shù)據(jù)清洗的定義為：發(fā)現(xiàn)和消除數(shù)據(jù)中的錯(cuò)誤和不一致來(lái)提高數(shù)據(jù)的質(zhì)量。一般而言，審計(jì)數(shù)據(jù)庫(kù)中數(shù)據(jù)采集于異質(zhì)操作數(shù)據(jù)庫(kù)，不可避免存在著數(shù)據(jù)的錯(cuò)誤或不一致等問(wèn)題，如數(shù)據(jù)造假、數(shù)據(jù)重復(fù)、數(shù)據(jù)缺失等錯(cuò)誤。根據(jù)文獻(xiàn)［５］提出的審計(jì)數(shù)據(jù)質(zhì)量特征，必須要對(duì)采集的原始數(shù)據(jù)進(jìn)行清洗，即由“臟”變“干凈”，提高審計(jì)數(shù)據(jù)質(zhì)量，這是保證審計(jì)結(jié)論正確的關(guān)鍵。

數(shù)據(jù)清洗的一般過(guò)程如圖２所示。

（１）數(shù)據(jù)分析：為了清洗出干凈的數(shù)據(jù)，必須對(duì)數(shù)據(jù)進(jìn)行詳盡的分析，包括數(shù)據(jù)的格式類別等。比如采集來(lái)的財(cái)務(wù)數(shù)據(jù)的字段類型、寬度、含義等。

（２）模式轉(zhuǎn)換：模式轉(zhuǎn)換主要是指將源數(shù)據(jù)映射成目標(biāo)數(shù)據(jù)模型，如屬性的轉(zhuǎn)換，字段的約束條件和數(shù)據(jù)庫(kù)中各個(gè)數(shù)據(jù)集之間的映射和轉(zhuǎn)換等。有時(shí)需要將多個(gè)數(shù)據(jù)表合并成一個(gè)二維表格，有時(shí)卻要將一個(gè)數(shù)據(jù)表拆分成多個(gè)二維表格以便于問(wèn)題的解決。

（３）數(shù)據(jù)校驗(yàn)：上一步的模式轉(zhuǎn)換可行否，需要進(jìn)行評(píng)估測(cè)試，經(jīng)過(guò)反復(fù)分析、設(shè)計(jì)、計(jì)算、分析才能更好地清洗數(shù)據(jù)。否則不經(jīng)過(guò)數(shù)據(jù)校驗(yàn)可能有些錯(cuò)誤數(shù)據(jù)不是很明顯，不能被很好地篩選出來(lái)。比如模式轉(zhuǎn)換時(shí)將一個(gè)數(shù)據(jù)集分解成多個(gè)３．３算法描述及流程圖

給定一個(gè)計(jì)算機(jī)審計(jì)數(shù)據(jù)集，假設(shè)具有Ｎ個(gè)元組或者記錄，利用ＤＢＳＣＡＮ算法思想構(gòu)造出Ｌ個(gè)分組（Ｌ＜Ｎ），每個(gè)分組代表一個(gè)聚類。且Ｌ個(gè)分組必須滿足如下條件：

（１）每個(gè)分組至少包含ＭｉｎＰｔｓ個(gè)元組。

（２）每個(gè)分組中的任意兩個(gè)元組直接的距離小于等于給定的距離ｄ。

（3）每個(gè)元組僅屬于一個(gè)分組。

圖４為實(shí)現(xiàn)審計(jì)數(shù)據(jù)挖掘的算法（稱為ＡＵＤＢＳＣＡＮ）的流程圖。

３．４聚類算法的實(shí)現(xiàn)

算法：審計(jì)數(shù)據(jù)挖掘聚類算法（ＡＵＤＢＳＣＡＮ）

輸入：根據(jù)數(shù)據(jù)集ＤＢ產(chǎn)生的二維表格數(shù)據(jù)

//至少含有4個(gè)字段：ｒｅｃ記錄號(hào)，ｒｘｘ坐標(biāo)數(shù)據(jù)，ｒｙｙ坐標(biāo)數(shù)據(jù)，ｒｎｏ標(biāo)記

半徑ｄ//度量密度的距離

密度ＭｉｎＰｔｓ//簇中的數(shù)目

輸出：噪聲數(shù)據(jù)記錄

ＡｌｇｏｒｉｔｈｍＡＵＤＢＳＣＡＮ（ｄａｔａ，ｄ，ＭｉｎＰｔｓ）

Ｆｏｒｅａｃｈｒｅｃｏｒｄｉｎｄａｔａｄｏ

Ｉｆｅａｃｈｒｅｃｃｏｒｄｉｎｄａｔａｉｓｍａｒｋｅｄ

Ｏｕｔｐｕｔｎｏｉｓｅｒｅｃｃｏｒｄ//輸出標(biāo)識(shí)為噪聲的數(shù)據(jù)

Ｅｌｓｅ

Ｆｏｒｅａｃｈｒｅｃｃｏｒｄｉｎｄａｔａｉｓｎｏｔｍａｒｋｅｄｎｏｉｓｅｏｒｃｌａｓｓｅｒｄｏ

Ｐ←Ｒａｎｄ（ａｒｅｃｃｏｒｄｉｓｎｏｔｍａｒｋｅｄｎｏｉｓｅｏｒｃｌａｓｓｅｒ）//隨機(jī)選取沒(méi)有被標(biāo)記的記錄ｐ

Ｌ←Ｆｏｕｎｄ（ｐ，ｄ，ＭｉｎＰｔｓ）//找到ｐ關(guān)于ｄ的ＭｉｎＰｔｓ密度可達(dá)記錄

Ｉｆｓ＝ｒｅｃｏｕｎｔ（Ｌ）＜ＭｉｎＰｔｓ

Ｐｉｓｍａｒｋｅｄｎｏｉｓｅ

Ｅｌｓｅ

Ｎ←Ｆｏｕｎｄ（ｐ，ｄ，ＭｉｎＰｔｓ）

ＥａｃｈｒｅｃｃｏｒｄｉｎＮｉｓｍａｒｋｅｄｃｌａｓｓｅｒ

ＦｏｒｅａｃｈｒｅｃｃｏｒｄｉｎＮｄｏ

ｑ←ｏｎｅｒｅｃｃｏｒｄ

Ｉｆｑｉｓａｃｅｎｔｅｒｒｅｃｏｒｄ//ｑ為核心記錄

Ｎ←ｆｏｕｎｄ（ｑ，ｄ）

Ｅｎｄｉｆ

Ｅｎｄｆｏｒ

Ｅｎｄｉｆ

Ｅｎｄｆｏｒ

Ｅｎｄｉｆ

Ｅｎｄｆｏｒ

在ＡＵＤＢＳＣＡＮ算法中，利用Ｒａｎｄ（）函數(shù)產(chǎn)生第一個(gè)隨機(jī)記錄ｐ，利用Ｆｏｕｎｄ（）函數(shù)產(chǎn)生ｐ關(guān)于ｄ的ＭｉｎＰｔｓ密度可達(dá)記錄。該算法最后的結(jié)果和隨機(jī)產(chǎn)生的第一條記錄相關(guān)，形成的聚類可能有不同，但得到的噪聲數(shù)據(jù)一致，因此對(duì)于審計(jì)證據(jù)的查找是有效的。

４結(jié)論

數(shù)據(jù)挖掘技術(shù)與海量數(shù)據(jù)下審計(jì)業(yè)務(wù)的有效結(jié)合是未來(lái)計(jì)算機(jī)審計(jì)的一個(gè)發(fā)展方向。本文主要介紹了審計(jì)數(shù)據(jù)的采集、數(shù)據(jù)的處理轉(zhuǎn)換和數(shù)據(jù)的挖掘3個(gè)方面，并且在數(shù)據(jù)的挖掘方面采用了基于聚類的ＤＢＳＣＡＮ算法來(lái)快速、準(zhǔn)確、高效地輸出噪聲數(shù)據(jù)。該算法中涉及的二維平面ｘ，ｙ軸坐標(biāo)可以根據(jù)實(shí)際審計(jì)需要由審計(jì)人員加以定義，因此可以應(yīng)用到各類審計(jì)實(shí)踐中去。另外，可以將ＤＢＳＣＡＮ算法擴(kuò)展到三維空間上，只要再加上一個(gè)ｚ軸數(shù)據(jù)，當(dāng)然ｚ軸數(shù)據(jù)也應(yīng)該是和ｘ，ｙ軸數(shù)據(jù)相關(guān)的一個(gè)比例數(shù)據(jù)，此時(shí)聚類的結(jié)果將會(huì)變成一個(gè)不規(guī)則球體，從而能夠更加容易挖掘出未曾發(fā)現(xiàn)的知識(shí)，也更加容易發(fā)現(xiàn)數(shù)據(jù)間的潛在聯(lián)系。

主要參考文獻(xiàn)

［１］［加］ＪｉａｗｅｉＨ，ＭｉｃｈｅｌｌｉｎｅＫ．?dāng)?shù)據(jù)挖掘概念與技術(shù)［Ｍ］.范明，譯．北京：機(jī)械工業(yè)出版社，２００４.

［２］陳偉，張金城，ＲｏｂｉｎＱｉｕ．審計(jì)數(shù)據(jù)處理實(shí)驗(yàn)中的模擬數(shù)據(jù)生成系統(tǒng)［Ｊ］.計(jì)算機(jī)工程，２００７（19）.

［３］王琦峰，胡玲玲．基于ＡＯ的審計(jì)數(shù)據(jù)采集方法［Ｊ］.計(jì)算機(jī)系統(tǒng)應(yīng)用，２００９（3）.

［４］米天勝，張金城．面向數(shù)據(jù)的計(jì)算機(jī)審計(jì)中數(shù)據(jù)質(zhì)量問(wèn)題的探討［Ｊ］.審計(jì)與經(jīng)濟(jì)研究，２００６（1）.

［５］王昊，朱文明．審計(jì)數(shù)據(jù)質(zhì)量研究：從審計(jì)取證的視角［Ｊ］.南京大學(xué)學(xué)報(bào)：自然科學(xué)版，２００７（1）.

［６］楊磊，李建軍，張志軍，孫翠娟．談數(shù)據(jù)挖掘中常用的聚類算法［Ｊ］.中國(guó)成人教育，２００８（4）.

［７］胡彩平，秦小麟．一種改進(jìn)的空間聚類算法［Ｊ］.模式識(shí)別與人工智能，２００７（3）．

［８］［美］ＭａｒｇａｒｅｔＨＤｕｎｈａｍ．?dāng)?shù)據(jù)挖掘教程［Ｍ］.郭崇慧，譯．北京：清華大學(xué)出版社