- 相關(guān)推薦
對孤立點分析方法在現(xiàn)代審計中的運用技巧分析經(jīng)濟論文
一、引言
隨著計算機信息技術(shù)的迅猛發(fā)展,大型企業(yè)和信息型產(chǎn)業(yè)大多都正在使用供應(yīng)鏈管理(Supply Chain Management,SCM)系統(tǒng)或企業(yè)資源計劃(EnterpriseResource
Planiling,ERP)系統(tǒng)或客戶關(guān)系管理(Customer RelationshipManagement,CRM)系統(tǒng)或財務(wù)管理(Financial Management)系統(tǒng)等,使企業(yè)的管理制度更加完善,同時企業(yè)所有運營環(huán)節(jié)都充斥著信息資源(包含各個部門大量財務(wù)數(shù)據(jù)和經(jīng)營管理數(shù)據(jù)的數(shù)據(jù)倉庫)。審計人員從被審計單位的信息系統(tǒng)數(shù)據(jù)倉庫中獲取大量審計數(shù)據(jù),面對被審計單位海量數(shù)據(jù)中蘊含著極其豐富信息的挑戰(zhàn),僅僅依靠只是將傳統(tǒng)手工的審計流程計算機化的信息技術(shù),如結(jié)構(gòu)化查詢語言(SQL)等,很難滿足信息時代審計的需求。
計算機輔助審計技術(shù)的不斷發(fā)展,數(shù)據(jù)挖掘技術(shù)為被審計單位在面對海量數(shù)據(jù)時提供了新的思路,在審計工作中引入對海量數(shù)據(jù)進行“輕松處理”的數(shù)據(jù)挖掘技術(shù)(如決策樹算法、聚類算法、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法等),是對計算機審計方法的補充,“減弱”傳統(tǒng)審計方法的限制條件,為現(xiàn)代審計開拓了便捷的路徑�？梢哉f是現(xiàn)代計算機審計方法一個里程碑式的突破,也是計算機審計方法探索的悄然趨勢。審計人員在面對存在著復(fù)雜的審計環(huán)境和海量的財務(wù)數(shù)據(jù)時,若利用數(shù)據(jù)挖掘技術(shù),可以在短時間內(nèi)發(fā)現(xiàn)異常數(shù)據(jù)(因它在發(fā)現(xiàn)審計線索特征方面可以發(fā)揮其特有的功能),有助于對被審計單位進行系統(tǒng)全面的審計,把風(fēng)險盡可能降低,進而拓寬審計領(lǐng)域。
本文基于數(shù)據(jù)挖掘技術(shù)中的孤立點分析方法來發(fā)現(xiàn)一些異常的審計現(xiàn)象,孤立點分析方法先對這些大量的審計數(shù)據(jù)進行預(yù)處理(除噪),然后建立數(shù)據(jù)挖掘模型,運用此模型分析出具有一定特征且小比例的異常數(shù)據(jù),供審計人員決策分析時參考。
二、孤立點分析方法
孤立點分析是數(shù)據(jù)挖掘技術(shù)中用來檢測審計數(shù)據(jù)中異常數(shù)據(jù)的一項重要技術(shù)。由于審計分析中的疑點數(shù)據(jù)往往表現(xiàn)為孤立點,通常情況下,在對被審計數(shù)據(jù)進行分析時,常常選擇孤立點分析技術(shù)。
(一)孤立點
孤立點是數(shù)據(jù)集中與眾不同的數(shù)據(jù),使人懷疑這些數(shù)據(jù)并非隨機偏差,而是產(chǎn)生于完全不同的機制。在聚類分析中,有的數(shù)據(jù)對象不屬于任何的類或簇,這樣的數(shù)據(jù)對象在聚類中稱為噪聲,而在孤立點分析中,則稱為孤立點。孤立點是個相對的定義,特別地,在審計領(lǐng)域,審計數(shù)據(jù)初始分布模型假設(shè)的不同,或研究者在不同的檢測背景下,都會得出不同的結(jié)論。
鑒于很多人為或非人為的原因都會導(dǎo)致孤立點的產(chǎn)生,如人為執(zhí)行錯誤或人為故意操縱數(shù)據(jù)為達到某種目的而致使孤立點的產(chǎn)生,再如儀器測量錯誤、系統(tǒng)故障、數(shù)據(jù)總體中的自然偏差或固有的數(shù)據(jù)變異都會導(dǎo)致孤立點的產(chǎn)生,我們要對孤立點產(chǎn)生的原因進行全面分析。但最重要的是,審計人員要對這些孤立點保持敏感性,并分析出孤立點背后產(chǎn)生的深層次原因,來獲取有價值的審計信息。
(二)孤立點分析方法
1.孤立點分析方法的概念
孤立點分析方法可簡述為:給定一個有n個數(shù)據(jù)點或?qū)ο蟮募霞邦A(yù)期的孤立點數(shù)目k,發(fā)現(xiàn)與剩余的數(shù)據(jù)相比是顯著異常的、孤立的、或不一致的前k個對象的過程。因此,孤立點分析實際上可以被看作兩個子問題:
(1)在給定的數(shù)據(jù)集合中定義什么樣的數(shù)據(jù)是不一致的;
(2)找到一個有效的方法來檢測這樣的不一致數(shù)據(jù)。
2.孤立點分析方法介紹
(1)基于統(tǒng)計的方法
當(dāng)數(shù)據(jù)集的概率分布及參數(shù)(如正態(tài)分布、泊松分布等,均值、方差)已知或需經(jīng)多次驗證并試圖得出數(shù)據(jù)真實的概率分布或參數(shù)特征時,一般使用基于統(tǒng)計的方法。此方法尤其用于數(shù)值型數(shù)據(jù)。孤立點的確定主要是通過檢驗偏離統(tǒng)計模型的不一致數(shù)據(jù),并統(tǒng)計出其個數(shù),分析其性態(tài)。
(2)基于距離的方法
Knorr和Ng提出了一種體現(xiàn)孤立點本質(zhì)的定義,即若一個數(shù)據(jù)對象與數(shù)據(jù)域中大多數(shù)對象之間的距離(相異度)都大于某個閾值,將此數(shù)據(jù)對象確認為一個孤立點。閾值的設(shè)定是在對被審計數(shù)據(jù)清洗,并檢驗其有效性之后,據(jù)審計數(shù)據(jù)所屬行業(yè)的特點,將行業(yè)常規(guī)值預(yù)先設(shè)定為閾值,或經(jīng)公式計算得出閾值。此方法有效的避免了基于統(tǒng)計方法中數(shù)據(jù)分布特征確定的問題。
(3)基于偏離的方法
基于偏離的孤立點挖掘是通過檢查一組對象的主要特征來確定孤立點。與給出的描述“偏離”的對象被認為是孤立點。此孤立點挖掘有兩種常用的技術(shù):第一種序列異常技術(shù),是一種基于相異度函數(shù)(往往是審計數(shù)據(jù)集的總方差)的有效方法,預(yù)先定義樣本集的一般特征,其余“偏離”這些特征的樣本屬于異常樣本。第二種OLAP數(shù)據(jù)立方體技術(shù),在審計時,對那些標(biāo)為異常的單元下鉆,可能會發(fā)現(xiàn)更細節(jié)或較低層次的異常。
(4)基于密度的方法
Breuning等人基于密度聚類思想的啟發(fā),于2000年提出了一種基于局部密度來檢測孤立點的新方法,通過該數(shù)據(jù)對象周圍區(qū)域的局部密度,與它鄰近的局部密度之比來確定該對象的局部孤立點因子(Locai OutlierFactor,LOF),LOF的值越大說明該對象越可能是孤立點,需引起審計人員多加注意。該方法對發(fā)現(xiàn)局部孤立點有很好的效果。
(5)基于距離和密度的聚類和孤立點檢測方法
基于距離和密度的聚類和孤立點檢測算法(Distance & Density Based Clusteringand Outlier Detection algorithm,簡稱DDBCOB),是將基于距離和密度這兩種方法融合來確定聚類和孤立點。經(jīng)過反復(fù)驗證,證明融合了兩者優(yōu)點的DDBCOB算法可以對任意形狀的聚類進行識別,可以有效地識別出高維數(shù)據(jù)中的孤立點。
(6)基于人工神經(jīng)網(wǎng)絡(luò)模型的孤立點
Williams等提出的人工神經(jīng)網(wǎng)絡(luò)孤立點檢測算法(Repntor Neural Networks,RNN),數(shù)據(jù)源往往使用通用統(tǒng)計數(shù)據(jù)集(一般較小)和專用數(shù)據(jù)挖掘數(shù)據(jù)集(較大,并且是現(xiàn)實的數(shù)據(jù)集),RNN算法對大的或小的數(shù)據(jù)集的孤立點檢測結(jié)果都達到了預(yù)期效果,但它不適于檢測含有放射狀的孤立點數(shù)據(jù)集。
孤立點分析技術(shù)在審計中的具體應(yīng)用在兩方面:一是審計數(shù)據(jù)預(yù)處理過程中,審計人員對審計數(shù)據(jù)清理和檢測之后,通過規(guī)則集中預(yù)定義的孤立點識別規(guī)則,來識別此類數(shù)據(jù)是否為孤立點。二是異常檢測(即讓經(jīng)驗豐富的審計人員判別孤立點是否可疑)。
審計人員在進行審計時,對可用的原始數(shù)據(jù)進行采集、清洗以及驗證,使之達到建模的需求,然而最關(guān)鍵的一步是在明確了挖掘任務(wù)之后,據(jù)數(shù)據(jù)的類型和特征,尋找與之相適應(yīng)的孤立點算法,則審計人員選取以上介紹的孤立點分析方法的一種或幾種的組合,來滿足客戶對尋求異常數(shù)據(jù)的審計需求。
三、孤立點分析方法在審計運用中的一般流程
圖1是孤立點分析方法在審計中運用的一般流程,具體流程如下:
①審計人員提出需求,此需求往往是據(jù)審計人員的經(jīng)驗和敏銳的洞察力識別出被審計單位財務(wù)數(shù)據(jù)或經(jīng)營業(yè)務(wù)有些異常,需找出數(shù)據(jù)或業(yè)務(wù)中的噪點(孤立點),數(shù)據(jù)挖掘人員通過和審計人員的溝通來加深對審計需求的理解。在此進行的理解具體有業(yè)務(wù)理解和數(shù)據(jù)理解,其中業(yè)務(wù)理解包括據(jù)需求確定審計項目目標(biāo)、評估審計目標(biāo)的資源和審計人員的假設(shè)、確定數(shù)據(jù)挖掘目標(biāo)、生成項目計劃,數(shù)據(jù)理解包括對被審計單位的信息系統(tǒng)和業(yè)務(wù)流程進行理解、采集原始數(shù)據(jù)并分析、初步檢測數(shù)據(jù)質(zhì)量、探索數(shù)據(jù)變量。
�、跀�(shù)據(jù)挖掘人員在理解需求的前提下檢驗此需求能否用孤立點分析方法解決。一般情況下都是可以采用孤立點分析方法來分析疑點數(shù)據(jù)的,首先對孤立點檢測算法的參數(shù)和孤立點識別規(guī)則進行預(yù)定義,然后調(diào)用數(shù)據(jù)清理算法對被審計數(shù)據(jù)進行清理,來提高定位孤立點的精準(zhǔn)度。
③數(shù)據(jù)挖掘人員提出挖掘模型,并向?qū)徲嬋藛T詳細的介紹此模型的功能和作用,進而他們可以對模型的算法細節(jié)進行商討并加以確認,最后對數(shù)據(jù)挖掘模型進行試用;
�、軐徲嬋藛T在理解挖掘模型的基礎(chǔ)上,對模型所產(chǎn)生的挖掘結(jié)果進行評價。
�、輰徲嬋藛T對所試用的數(shù)據(jù)挖掘模型得出的結(jié)果進行評價時,若此數(shù)據(jù)挖掘模型不符合審計需求,此時,要對模型以及模型的輸入?yún)?shù)值等進行反復(fù)的修正和完善,即不斷調(diào)試模型的輸入?yún)?shù)值,不斷完善模型來迎合審計需求。
�、奕魯�(shù)據(jù)挖掘結(jié)果是異常并且是重要的,則符合審計需求。
�、呷魯�(shù)據(jù)挖掘結(jié)果是異常但是合理的(若由于固有數(shù)據(jù)變異性引起的結(jié)果等),或異常但影響較小,達不到重要性水平,此時審計人員對原來假設(shè)審計數(shù)據(jù)有異常的情況不予處理。此重要性水平,主要依據(jù)審計人員的職業(yè)判斷和對審計項目的了解情況等。
另外,在建立數(shù)據(jù)挖掘模型初期,審計人員對審計數(shù)據(jù)的理解與把握程度,審計人員提出的需求與孤立點算法的融合程度,這兩個方面的因素對數(shù)據(jù)挖掘模型的建立起著決定性的作用。因此,審計人員和數(shù)據(jù)挖掘人員對審計需求的理解、孤立點分析算法及數(shù)據(jù)挖掘模型的確定、算法與審計需求的融合,這些過程將是一個不斷反饋、不斷論證的過程,以確保最終形成針對性強、實時的、最優(yōu)的挖掘模型及方案。
綜上所述,建立數(shù)據(jù)挖掘模型是一個與或的過程,需要進行不斷的論證,通過分析提出的不同特征的數(shù)據(jù)或目標(biāo),來確定最佳孤立點分析的算法,從而達到審計的目的。當(dāng)然,最佳算法只是相對的,只是符合當(dāng)前挖掘出的數(shù)據(jù)、目標(biāo)及審計環(huán)境。對于實時的用戶需求及實際的審計目標(biāo),作為審計人員要深刻理解各類算法的相似點和相異[文秘站－您的專屬秘書，中國最強免費！]點,集各類算法之所長,合理的組合或改進,形成符合審計需求的孤立點分析算法。可以說,在數(shù)據(jù)挖掘過程,人的因素是最重要的,在算法選擇和模型建立時都需要人的參與,同時需要具備扎實的專業(yè)技能和經(jīng)驗豐富的審計人員和數(shù)據(jù)挖掘人員,需要他們時時溝通和配合。對于挖掘得出的結(jié)果,審計人員還需結(jié)合自己對審計項目的了解程度,并證實先前的孤立點假設(shè),尋找出疑點,并分析出現(xiàn)這些異�，F(xiàn)象的原因,給客戶一個滿意的、可以正常使用的數(shù)據(jù)挖掘模型。對于挖掘結(jié)果可能是審計問題線索證據(jù)的,需要審計人員進一步追蹤、查閱相關(guān)資料進行延伸調(diào)查,對新的疑點運用恰當(dāng)?shù)墓铝Ⅻc算法進行深入挖掘,探尋異常問題的本質(zhì)。
四、總結(jié)
數(shù)據(jù)挖掘技術(shù),已從研究階段逐步走向了實際應(yīng)用階段。數(shù)據(jù)挖掘技術(shù)中有可能用于審計的技術(shù)可以和孤立點分析方法結(jié)合起來使用,可能會達到較好的效果,可能用于審計中的技術(shù)如統(tǒng)計分析技術(shù),常運用在信息系統(tǒng)開發(fā)審計階段,它可發(fā)現(xiàn)偏差數(shù)據(jù),即對審計數(shù)據(jù)分析得出的預(yù)測值和預(yù)定義的審計值進行比較,易于發(fā)現(xiàn)異常審計數(shù)據(jù),獲得審計線索,又如聚類分析技術(shù)可確定審計重點,在審計過程中,通過聚類分析技術(shù)對被審計單位的同類型的財務(wù)數(shù)據(jù)或業(yè)務(wù)數(shù)據(jù)進行分類,使其成為有相似特性的聚類,進而發(fā)現(xiàn)審計中需要重點關(guān)注的異常區(qū)域特征。并且借助該技術(shù)對計算機日志的審查,可對系統(tǒng)安全運行起到重要保護作用;再如關(guān)聯(lián)分析技術(shù),用于發(fā)現(xiàn)大量數(shù)據(jù)集合間隱藏的有意義的關(guān)聯(lián),常運用在財務(wù)和業(yè)務(wù)數(shù)據(jù)審計中,挖掘出財務(wù)報表數(shù)據(jù)屬性間可能的相互影響,減小審計工作量,并為后續(xù)審計活動提供參考和支持。數(shù)據(jù)挖掘的主要目的是向管理者提供分析決策上的支持,能夠幫助管理人員在較短的時間從大量的數(shù)據(jù)中篩選出具有代表性、規(guī)律性的數(shù)據(jù)樣本,從而為精確分析、判斷、決策提供有力的數(shù)據(jù)支撐。但是,審計工作中不僅僅需要通過數(shù)據(jù)挖掘來尋找規(guī)律性、代表性的數(shù)據(jù),同時對異常的、典型的數(shù)據(jù)有為關(guān)注。數(shù)據(jù)挖掘中孤立點分析方法主要用于發(fā)現(xiàn)隱藏大量正常數(shù)據(jù)下的少量異常數(shù)據(jù)。對于大多數(shù)的被審計單位,是可以嘗試使用孤立點分析技術(shù),檢測出一些特殊的、反常的數(shù)據(jù),發(fā)現(xiàn)審計線索,驗證是否存在舞弊、違背規(guī)律和規(guī)定,可有效提高了審計效率,降低審計風(fēng)險,符合成本效益原則
【對孤立點分析方法在現(xiàn)代審計中的運用技巧分析經(jīng)濟論文】相關(guān)文章：
傳統(tǒng)紋樣在現(xiàn)代設(shè)計中的運用分析03-01
財務(wù)分析方法在經(jīng)濟責(zé)任審計中的運用03-22
編制審計報告的技巧分析03-24
無差別點分析在資法本結(jié)構(gòu)決策中的運用12-08
在審計分析中引進杜邦分析體系的探討03-22
論談判技巧在審計實務(wù)中的運用03-24