“大数据分析”技术在推进审计监督全覆盖中的运用，本文主要内容关键词为：大数论文,审计监督论文,据分析论文,技术论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、常用的大数据分析方法 （一）孤立点检测 在审计数据源中，经常含有一定数量的异常值，它们明显偏离其他数据，不满足一般模式或行为，这些数据被称为孤立点，孤立点的分析往往能发现比一般数据所包含的信息更有价值的数据，更容易发现审计疑点，找出审计突破口。 例如在税收审计中，想要找出纳税异常的企业，可通过孤立点分析技术，获取地税部门企业纳税明细数据，利用SQL语言建立模型，对比两年的纳税情况，得出相应的增长率（减少率），审计人员往往不能确定准确的增减区间，在审计中可先找出其中增长率（减少率）相对过大的企业作为审计疑点，进行重点关注，并根据审计核实结果，确立一个增长（减少）正常区间，修改模型语句，固化为新的审计方法，在以后的审计中把超过正常增减区间的企业默认为异常企业，进行重点关注。 （二）聚类分析 聚类分析是从数据集中找出相似的数据并组成不同的簇，同一簇中的数据尽可能相似，而不同簇的数据尽可能相异。聚类分析能作为一个独立的工作，获得数据分布的情况，观察每个簇的特点，集中对特定的某些簇作出进一步的分析。 例如在拆迁补偿款的审计分析中，拆迁明细数据具有很多特征：地理位置、拆迁款领取人、拆迁金额、拆迁面积、拆迁日期、拆迁公司、拆迁套数等。通过聚类分析算法，将数据分成若干簇，可在发现一个违规拆迁明细后，寻找到与之在同一个簇有相似特征的全部数据记录，减少逐笔查询的工作量，提高审计效率；或者选择与大多数数据没有相似特征的簇作为异常记录加入审计疑点，进行分析核查，若确认为违规拆迁，可把此类违规拆迁的数据特征记录下来，作为以后查询的标准，提高查询效率。 （三）关联规则分析 关联规划挖掘是通过分析资料，找出某一事件或资料中会同时出现的东西。大数据分析中的关联规则具有独特作用，它用于发现大量数据集合间有意义的关联或相关联系，并侧重于数据中不同领域之间的联系。 商业领域中最为有名的就是分析顾客购物数据表，发现啤酒与尿片常常被一起购买，超市调整商品摆放位置，实现销售量的提高。在审计中，也可以运用该大数据分析技术进行数据分析，找出一些隐藏的联系，如在针对单位日常经费支出审计时，可采取关联规则分析，把所有支出明细的收款人和付款人记录筛选出来，分析收款人与其相关的付款人一起出现的频率，对一起出现频率过高的消费记录进行重点关注，检查支出的真实性和合法性，重点关注两者之间的关系，检查是否有收款人协助套现或虚列支出的行为。 （四）Web页挖掘分析 随着Internet的迅速发展及Web的全球普及，使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web的海量外部数据结合被审计单位进行比对分析。如在税收审计时，利用web页挖掘分析，关注房地产企业销售收入与房管局网上备案的销售房屋套数和相应报价是否有较大差距，以发现企业是否有少列收入、逃税的现象，在领导干部经济责任审计时，通过全国企业信用公开系统查询异常付款人或者收款人的身份信息，及时查处可能存在的贪腐问题。 二、大数据分析技术在审计工作中的应用流程 当前在审计机关中常用的大数据分析工具有Excel，Access，SQLSever，AO和“金审工程”二期联网审计分析平台等，通过这些分析工具都可以完成大数据技术在审计中的运用，具体步骤如图1所示： 首先，在审计立项阶段，通过多途径获取与审计相关的会计，业务数据以及其他数据，大数据分析技术运用的切入点就是获取尽可能多的数据，这是大数据分析技术在审计中运用的起点，也是最重要的一个环节。其次，对获取的审计数据进行预处理，第一步获取的数据比较杂乱，与审计数据分析平台要求的标准数据格式不能完全匹配，为了保证大数据分析技术发现规律和问题的准确性，审计人员应对原始数据进行数据预处理，可利用Excel，SQL数据库，AO，Access等处理工具，将原数据转化为审计人员可利用的标准格式数据备用。第三，根据审计需求选择合适算法建立大数据分析方案，在这个过程中，对审计人员大数据分析的能力要求很高，对大数据分析技术不是很熟悉的审计人员在这个过程中可与计算机审计人员合作，构建基于大数据分析技术的相关审计模型，并进行数据分析，具体如图2所示：
