数据式审计常用分析方法及实例
卢浩(江苏省徐州市审计局)
【发布时间:2012年12月20日】
字号:【大】 【中】 【小】
    审计数据的分析可分为三个层次:以审计专家经验和常规审计分析技审术为基础的审计,以审计分析模型和多维数据分析技术为基础的审计,以数据挖掘技术为基础的审计。
    
    第一个层次表现为用户对数据库中的记录进行访问和查询,可通过SQL等语言来交互式地描述查询要求,或根据查询需求采用开发工具定制查询软件,实现的是查询型分析;第二个层次是用户先提出自己的假设,然后利用各种工具通过反复的、递归的检索查询,以验证或否定自己的假设,从用户的观点来看,他们是在从数据中发现事实,因而实现的是验证型分析;第三个层次是指用户从大量数据中发现数据模式,预测趋势和行为的数据分析模式,它能挖掘数据间潜在的模式,发现用户可能忽略的信息,并为审计人员做出前瞻性的、基于知识的决策提供帮助,因而实现的是发现型分析。
    
    一、基于现有审计知识的数据分析方法
    
    (一)合规分析方法。合规分析法就是用审计软件的会计核算部分,根据会计准则和被审计单位业务处理逻辑的数据处理要求,检查是否有账证不符、账账不符、账表不符、表表不符的情况;账户对应关系是否正常;是否存在非正常挂账、非正常调账现象;账户余额方向是否存在异常;是否有违背被审计单位业务处理逻辑的情况等。
    
    (二)趋势分析方法。趋势分析法是指审计人员将被审计单位若干期相关数据进行比较和分析,从中找出规律或发现异常变动的方法。它是审计人员利用少量时间点上或期间的经济数据来进行比较分析的特殊时间序列法,此法有助于审计人员从宏观上把握实务的发展规律。审计人员可根据审计需要来确定时间序列的粒度,如年、季、月、旬、日等。
    
    (三)比率分析方法。比率是两个相关联的经济数据的相对比较,主要用除法,它体现各要素之间的内在联系。比率分析法计算简单,结果简单,便于审计人员判断。由于采用了相对数,它可以适用不同国家、地区、行业、规模的客户。
    
    (四)结构分析方法。结构分析法也叫比重分析法,是通过计算各个组成部分占总体的比重来揭示总体的结构关系和各个构成项目的相对重要程度,从而确定重点构成项目,提示进一步分析的方向。结构分析法和趋势分析法还可结合应用,进行数据结构比例在若干期间的变动趋势分析。应用结构分析法和趋势分析法,对被审计单位的资产、负债、损益和现金流的结构分析、趋势分析以及结构比例的趋势分析,对被审计单位的总体财务状况、经营成果和现金流量形成总体的了解。
    
     (五)经验分析方法。审计人员在长期的对某类问题的反复审计中,往往能摸索、总结出此类问题的表征。在审计实践中抓住这种表征,从现象分析至实质,就可以较为方便地核查问题。将审计人员的这种经验运用到计算机审计中,将问题的表征转化为特定的数据特征,通过编写结构化查询语句(SQL)或利用审计软件来检索,查询出可疑的数据,并深人核实、排查来判断、发现问题,便能实现根据审计经验构建个体分析模型的目的。
    
    (六)多维数据分析。联机分析处理(OLAP)工具为多维数据分析提供了十分有效的功能,它能够从多种角度对从原始数据中转化出来的、可真正为用户所理解的、并真实反映企业的多维特性的信息进行快速、一致、交互地存取,获得对数据的深入了解。
    
    二、应用数据挖掘技术发掘未知审计知识
    
    常规数据分析方法利用的是审计人员已有的知识,这存在多处不足:一是审计人员的经验和知识是“有限的”,被审计对象行业跨度大,各单位情况千差万别,当审计经验无法运用时,面对海量数据真如“瞎子摸象”;二是数据是不断发展的,审计经验相对于数据往往是滞后的,这种不同步性给审计带来了巨大的潜在风险;三是对统一数据审计,不同的审计人员可能会得出完全不同的结论,知识的不对称性无法保障审计质量;四是传统的数据分析方法无法处理庞大的数据库系统,数据难以追踪,审计无从下手。
    
    数据挖掘是针对日益庞大的电子数据应运而生的一种新型信息处理技术。它一般排除人为因素而通过自动的方式,来发现数据中新的、隐藏的或不可预见的模式或活动。这些模式是指隐藏在大型数据库、数据仓库或其他大量信息存储的知识。利用数据仓库中包含的信息,数据挖掘可以发现审计人员原先根本没有想过的问题。它是在对数据集全面而深刻认识的基础上,对数据内在和本质的高度抽象和概括,也是对数据从理性认识到感性认识的升华。数据挖掘方法千差万别,不同的方法应用于不同的领域和对象。选取合适可行的挖掘算法对挖掘的效果起着重要的作用,它将直接影响到决策。在世纪运用过程中,很多挖掘方法不是单独使用的,它往往和其他方法结合起来,才能产生预期的效果。
    
    (一) 运用统计分析技术发现偏差数据
    统计分析技术是指利用统计学原理对数据库字段项之间存在的函数关系或相关关系进行科学分析的方法。具体方法包括常用统计(求大量数据中的最大、最小、汇总、平均值等)、回归分析(用回归方程来表示变量间的数量关系)、差异分析(从样本统计量的值得出差异来确定总体参数之间是否存在差异)等。
    审计人员通过建立统计模型对搜集的被审计单位以及同类型单位的大量财务、业务历史数据进行分析,挖掘内部存在的函数关系或相关关系,然后对审计期间内的相关数据进行合理预测。通过将分析的预测值和审计值进行比较,从而帮助审计人员发现疑点。例如,根据个人或家庭的购买模式,估计个人或家庭的收入水平,通过与个人或家庭的正常收入水平相比,或许能找出个人或家庭收入方面的一些问题。对某个企业或单位,也可以按此逻辑来分析其收入或支出等方面数据的正常性。一般情况下,估值可以作为分类的前期工作,输入一些特定的数据,通过估值分析,得到其他难以直接获取的变量的值,然后根据预定的分类规则进行分类。例如,银行的个人消费信贷业务,就可以运用估值分析,给各个客户打分,然后根据一定的分类标准,将客户级别分类。
    
    (二)运用关联分析技术揭示关键属性
    关联分析技术是从操作数据库的所有细节或事务中抽取频繁出现的模式,进而总结出一组事件或条目与其他事件或条目的相互联系。
    利用关联规则分析,审计人员可通过关联规则挖掘技术对审计对象数据库中的数据进行分析,找出数据库中各数据之间的相互联系,发现某些数据之间的异常联系,以此为基础,寻找审计线索,发现审计疑点。例如利用关联规则分析,可以发现一个企业的原材料消耗量、职工工资总额、生产量、销售费用、销售额和应纳增值税额或消费税额的关联性,通过查找相关企业这些数据的对应关系,据此或许能发现该企业在缴纳增值税或消费税方面存在的问题。
    
    (三)运用孤立点分析技术挖掘审计疑点
    孤立点是指明显偏离其他数据,即不满足一般模式或行为的数据。孤立点分析是数据挖掘中的一项重要技术,用来发现数据源中显著不同于其他数据或行为的异常数据和异常行为。
    而面对海量的电子数据,审计人员需要利用计算机强大的数据分析能力,采用孤立点检测算法,发现异常审计数据或异常发生频率等,从而发现有可能隐藏的违规行为。
    
    (四)运用聚类分析技术确定审计重点
    聚类分析就是把一个数据集分解或划分成不同的组,使同一组中的对象尽可能相似,不同组中的对象尽可能相异。通过聚类,容易识别出密集的和稀疏的区域,发现全局的分布模式和数据属性之间的相互关系。
    
    在审计实践中,通常利用聚类分析技术对信息系统中被审计单位的同类型的财务数据或者业务数据进行分组,使其成为有相似特性的聚集。一般说来,财务数据及重要业务数据(如销售数据)的变动具有一定的规律性。所以如果某些数据处于稀疏区域,说明其变动表现异常,需要重点关注。同时通过观察该区域记录的特征,可以发现审计需要查证的问题特征。例如对银行的信贷业务进行审计时可对各种业务分类为低、中、高风险三类,然后分配各笔业务到预先定义的业务分片。分类就是要达到“物以类聚”的目的,分类规则一旦确立,各种数据都可自动通过数据挖掘系统来归类聚集。(卢浩)
【关闭】    【打印】