首頁 >
				文章中心 >
				
				正文
			
          
		
          
		
		
          
			
          
				
				
				
          
					
          
						
          小議智能的審計方法研討與部署
          
						
						
						
						
						
          
						
						
					
          					
					 
           
          前言：本站為你精心整理了小議智能的審計方法研討與部署范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。
           
          小議智能的審計方法研討與部署
           
          ［摘要］隨著信息技術在財務管理領域的廣泛應用，審計機構急需采用新的審計方式和手段，以提高審計質量，降低審計風險。本文利用商業智能技術，對審計方法進行新的探討，并建立基于商業智能的審計模型，探討在海量數據條件下進行審計的新途徑。
           
          ［關鍵詞］OLAP;數據挖掘;審計;商業智能
           
          1商業智能模型
           
          本文利用SQLServer2005構建基于商業智能的審計模型TAuditMin，如圖1所示。審計過程分為：采集審計數據、建立數據倉庫、OLAP多維分析、數據挖掘、前端展示等。
           
          1.1源系統
           
          數據挖掘的基礎是大量的歷史數據。這里的源系統是指與審計業務相關的各種關系型數據庫，如金蝶數據庫、用友數據庫等。這些業務系統中的數據可以應用SSIS（MicrosoftSQLServer2005IntegrationServices），通過數據清洗、轉換和加載（ETL）等步驟載入數據倉庫，為多維分析和數據挖掘作準備。
           
          1.2數據倉庫
           
          該部分的功能就是為數據挖掘提供多維數據集（Cube）和數據集（Dataset），用于數據挖掘的Cube也可以根據用戶的要求作相應的更改。商業智能提供了自動創建Cube的功能，用戶只需要設置好相應的維度表和量度組，通過一些簡單的命令就能實現Cube的自動生成和重新生成。因此，數據倉庫設計主要在于設計維度表和量度組，以及兩者之間的關系。
           
          1.3OLAP多維分析
           
          OLAP為用戶提供強大的數據分析功能。在數據倉庫建好后，輸入測試數據，測試數據倉庫和模型。如果分析結果顯示創建的模型有問題，則可以通過OLAP提供的功能重新創建模型，并且按照用戶喜好的方式顯示數據分析的結果。模型沒有問題之后，就可以對ETL處理過的真實數據做相應的數據分析。
           
          1.4數據挖掘
           
          數據挖掘模型的建立以MDX語句為基礎，同時也支持手工操作。模型建好以后，需要對選擇數據挖掘的模型進行測試和訓練。用于訓練的數據可以來自于數據倉庫生成的Cube，也可以直接使用其他數據集，如文本文件。模型訓練的結果既可以直接瀏覽也可以生成報表在客戶端展示，數據挖掘功能主要通過微軟的SSAS和AMO實現。
           
          1.5客戶端
           
          即數據挖掘模型、報表和OLAP分析結果的前端展現，是用戶與系統交互界面。目前比較流行的方式是基于Web的B／S結構。
           
          1.6發現審計線索
           
          在數據分析的基礎上，定位重點審計對象，利用先進的計算機技術或其他方式追蹤線索，重點審計該類數據。
           
          1.7形成審計報告
           
          針對審計線索，加以重點審計，提交審計報告，以供分析和決策。
           
          本文提出的解決方案將數據倉庫、OLAP和數據挖掘等技術相結合，可指導審計人員高效地開展審計工作，增強審計人員的審計數據分析能力，提高審計的效率和效果。
           
          2商業智能在審計中的應用
           
          商業智能在審計中的應用主要包括OLAP和數據挖掘兩部分，以下具體介紹這兩部分的應用。
           
          2.1OLAP在審計中的應用
           
          通過數據倉庫，可以利用OLAP技術，采用包含結構、趨勢、同比、因素、TOPN等多種分析方法，自動生成圖文并茂的分析報告，并可以在任意時間，生成任意內容（如財務、銷售、倉庫、采購、應收、應付），同時實現分析報告中的動態鉆取，滿足審計人員的需要。我們可以利用OLAP進行銷售分析、應收款項分析、倉庫庫存分析以及財務決策評價等。
           
          OLAP支持復雜的分析操作，側重決策支持，并且提供直觀易懂的查詢結果。如MDX查詢語句：
           
          withset［TenBest］as
           
          ’TopCount（［Product］．［BrandName］．Members，10，［UnitSales］）’
           
          set［LastMonth］as
           
          ’Tail（Filter（［Time］．［Month］．Members，NotIsEmpty（［Time］．CurrentMember）），1）’
           
          set［Last6Months］as’
           
          ［LastMonth］．item（0）．item（0）．Lag（6）：
           
          ［LastMonth］．item（0）．item（0）’
           
          select［Last6Months］onCOLUMNS，
           
          ［TenBest］onROWS
           
          fromSales
           
          可以方便地查詢某商場最近6個月銷售趨勢最好的前10種商品及銷售量。
           
          又如，對應收賬款進行分析，可以通過圖表，直觀顯示賬齡、金額等情況（如圖2所示）。
           
          2.2數據挖掘在審計中的應用
           
          在審計中，運用數據挖掘算法，不僅能減輕審計人員的負擔，而且能提高審計風險管理的質量［3］。具體包括決策樹算法、聚類分析算法、貝葉斯算法、關聯規則算法、時序算法、神經網絡算法、回歸算法等。在審計中，運用商業智能平臺TAuditMin，不僅能減輕審計人員的負擔，而且能提高審計風險管理的質量。
           
          3總結
           
          應用以上方法，我們可以在海量財務審計數據中有效地運用商業智能技術，查找問題并發現一些超出審計經驗的規律性問題。將商業智能應用到具有多屬性特征的審計數據分析中，會減輕審計人員的負擔，提高審計管理的質量，為審計工作提供有用信息，提高審計效率。商業智能在審計工作中，必將會發揮越來越重要的作用。