审计过程中的信息收集、整理和分析，本文主要内容关键词为：过程中论文,信息论文，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。
审计人员在审计过程中，涉及被审计单位生产、经营活动过程中产生、获取、处理、存储、传输和使用的相关信息资源。对被审计单位信息资源进行收集、整理和分析，贯穿于审计的全过程。
信息科学理论在审计信息收集中的应用
审计人员在审计中，应用信息科学理论，对被审计单位的数据要进行确认识别、掌握其计量和转换规则、提取方法、多重数据的筛选技术，掌握被审计单位的数据形成机理和调节原理等，对收集的数据加以转换，形成可用的审计信息，以完成对被审计单位相关信息的全面掌握。
信息论是运用概率论与数理统计的方法研究信息、信息熵、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科。信息熵也可以说是系统有序化程度的一个度量，一个系统越是有序，产生高信息度的信息熵则低；反之，低信息度的信息熵则高，系统越是无序。
审计人员对被审计单位的管理信息系统数据进行分析、提取、筛选后，形成可用的审计信息集合。由于被审计单位的信息的混沌程度不同，可能在相关数据整理后，同一类审计事项可形成多重信息，这就要求审计人员对信息集合进行归纳、整理、分析，得出被审计单位的不同类、款、项的管理信息。通常在审计过程中，审计人员首先关注被审计单位管理信息中会计信息系统的清晰程度。对会计信息真实性、会计信息失真程度的关注，要求审计人员运用“信息熵”的原理对会计信息产生的信息源进行判断。如果审计目标多元，一个被审计单位的业务领域宽泛且相互交叉，供应、生产环节、客户体系庞杂，被审计单位管理信息系统交叉，会计信息产生的信息源包含着多个符号消息，冗余度高，审计人员需要通过收集多渠道的信息，对信息熵进行估算，对数据初步裁减过滤，生成信息熵集合，计算输出函数，估计信息的失真度，决定抽查的规模和重点。
信息整理是审计中的重要一环
目前被审计单位生产经营和管理活动的系统信息以数据库方式存在，其特点是信息以一定的数据模型，通过描述数据本身的特点和描述数据之间的联系，审计人员可方便地开发和使用被审计单位的数据库，从中获取实现审计目标的信息并进行整理。信息整理分以下三个步骤：
第一步是取得数据。审计人员可从被审计单位不同的管理信息子系统中，针对某一审计关注的问题进行数据采集，形成关联的审计信息。如审计目标要求审计某单位的“原材料采购”的真实、合规、合法性。审计人员应从被审计单位财务会计数据库中抽取一定时间内的结算凭证，如：付款或交定金、入库单、发票、合同的复印件、退货业务等；从生产管理数据库中抽取产生需求、用量、标准、废品率、报废处理等数据。
第二步是对取得数据进行数据加工形成信息链。对同一事项在不同管理信息子系统中的数据进行加工，将初始的、零乱的和孤立的数据进行整理，形成信息集合。通过对信息的归类和链接，构成信息间的相互连续、映对的审计信息。同时，对相互连续、映对的审计信息进行分类和排序，便于存储、检索、传递和使用。
第三步是将满足审计目标需要的信息，构建其经济活动的完整信息图像，即形成该项经济活动的资金流、物流、相关方面活动的路线图。整理后的审计信息，形成相互联系、相互对应、相互切换的信息集合。
对信息进行分析和分析手段是审计风险评估的基础
信息分析不能解决审计项目中的所有问题，它只能给审计人员在规定的时间内，对被审计单位信息做出相对全面的掌握，因此对信息分析和分析手段是审计风险评估的基础。审计人员对检查风险实现最大限度的控制，是通过对审计信息的收集、整理和分析来实现的。
审计人员通过信息整理得到被审计单位经济活动的多项信息资源后，通过再整理，对重新整合后的信息进行分析。此时的分析，往往是集成多种方法来实现的，如统计学习方法、机器学习方法、不确定性理论、可视化技术和数据库技术。通过整理后的被审计单位信息集合，分类、分角度、分层次回答了审计关注的问题。在实际工作中，比较和分析可以是定性的，也可以是定量的，或者是两者间的结合。
审计人员在审计实践中总结和积累了审计风险评估模型，通过计算机辅助审计手段，对取得的信息数据进行计算，从而得出审计风险数值。审计人员收集、整理和分析后形成的审计信息，构成了数据库必要的信息，其信息不仅仅反馈出了审计关注的各类信息的计数和数据频数统计，而且也为实现计算机辅助审计提供了计算模型的各种因素间的定量或定性的相互关系，成为设计审计模型库的基础。通过收集、整理和分析后形成的审计信息，把模型的结构也作为搜索过程的一部分，通过信息分析和分析手段实现对检查风险的控制。