数据挖掘技术在公司内部审计中的应用
发布时间：2021-08-25 18:04
大数据时代,企业拥有的数据呈现出量大、种类多、时效高和价值密度低等特点。面对海量的数据,传统的审计方法无法发现深层次的数据价值,大量有价值的信息没有得到充分利用。如何在有限的时间内挖掘数据价值、提高发现问题的能力,逐渐成为内部审计部门能否充分发挥其监督核查职能的关键。针对上述问题,本文从结构化和非结构化数据挖掘方法出发,将数据挖掘技术引入到公司的内部审计中,建立、应用以及优化基于数据挖掘方法内部审计流程,这对提高问题发现的效率和防范审计风险都具有重要的意义。
【文章来源】：财会通讯. 2019,(25)北大核心
【文章页数】：5 页
【部分图文】：
紫金保险组织架构图
包括非结构化数据，如客户行为、服务评价等；其二，交易数据。该类数据主要产生于交易过程中，是公司最核心的数据形式，如赔付数据、批单数据以及保单数据等。由于此类数据大多以数值型数据为主，因此交易数据为结构化数据，并拥有固定的数据结构；其三，社交网络数据。该类数据主要来源于外部网络，是客户对公司的体验和评价等方面的信息。社交网络数据以文本数据为主，也没有固定结构，属于非结构化数据。基于上述分析，内部审计数据挖掘方法的选择需深入分析公司的实际情况，同时结合数据结构类型综合考虑。结合图2可以分析出，结构化数据挖掘分析方法主要有数据偏差、聚类、孤立点以及关联分析等类型；非结构化数据挖掘分析方法则主要包括特征抽娶文本聚类以及文本规则提取等类型。一是结构化数据挖掘分析方法。针对结构化数据的特点，内部审计实务中对该类数据的挖掘方法主要有四种类型。其中，数据偏差分析法旨在论证数据间存在的数值关系，是内部审计实务操作中使用次数较多的方法之一。审计人员运用该方法将清洗后的数据进行整合与分析，通过对比往期数值发现偏差异常点，进而明确企业面临的主要风险；聚类分析法旨在明确数据属性与数据分布的关系，主要通过数据的稠密分布发现数据的异常点。审计人员借助信息系统聚类分析同一类型的数据，如业务数据、财务数据等，通过聚类分析能发现数据的变化规律，如果某段数据变化规律出现较大幅度的变动，应重点关注相关数据发生异常变化的原因；孤立点分析法主要针对一些独立数据，旨在排查与其他数据明显不同的数据，进而确定审计的疑点；关联分析法主要的核查对象为可能存在对应关系的数据组，其目的是明确不同业务属性之间的关系。结合案例分析，数据偏差分析法应该重点关?
信息，进而总结投诉环节的关键词，提高特征分析的准确性。另外，保险公司往往会面临客户流失的问题，在对续保情况进行审计时，可以利用规则提取分析法对比往年相关数据，然后将数据划分为不同规则，并重点关注能够续保的相关规则，提高数据挖掘的精确程度。（2）基于数据挖掘方法内部审计流程。结合不同类型数据的挖掘分析方法，从保险行业的实际情况出发，建立基于数据挖掘方法内部审计流程。该流程主要分为6个主要环节，分别为数据采集、数据加工、数据分类、数据挖掘、数据评估和数据发布，具体的流程如图3所示。一是数据采集。审计部门在综合考虑各种因素的基础上制定审计方案，并交由各稽核监察中心具体执行。审计人员根据审计方案开展数据采集工作，重点搜集制度政策和经营数据。审计过程涉及的数据量较大，审计人员不仅需要收集各种结构化与非结构化数据，还需要甄别数据的真假，剔除一些无用和虚假的数据，进而提高审计结果的准确性。通过行业情况和企业近几年情况的对比，对搜集的数据进行初步的归纳和整理，为数据挖掘技术的数据调取提供方便。二是数据加工。通过采集阶段对数据的初步整理，审计人员进一步明确了采集数据的特点，然后根据数据特点选择合适的数据挖掘技术，如聚类分析法、孤立点分析法以及关联分析法等。借助数据挖掘技术将关键点转化为数据库语言，运用数据库系统对所需的数据进行统一提龋一般而言，从数据库提取的数据往往较为杂乱，因此需要对数据进行清洗和整理，过滤杂乱和无用的数据，并将数据转化为统一的计算机语言以方便后期的直接调用。三是数据分类。数据分类环节旨在通过数据的特点进行问题分类，进而明确审计挖掘的方向。其一，未来存在隐患的数据。审计人员应该将此类数据?
【参考文献】：
期刊论文
[1]数据挖掘技术在商业银行内部审计中的应用研究[J]. 林加升. 经贸实践. 2018(08)
[2]应用数据挖掘技术与内部审计信息化在通信行业中的应用与思考[J]. 罗勇强. 中国国际财经(中英文). 2018(07)
[3]大数据技术在现代企业审计中的应用[J]. 王景乐. 现代经济信息. 2018(07)
[4]浅析数据挖掘在审计中的应用[J]. 梁园. 现代经济信息. 2017(22)
[5]基于数据挖掘的异常检测模型研究初探[J]. 马俊宏. 菏泽学院学报. 2017(02)
[6]基于数据挖掘技术在审计信息系统中的研究[J]. 杨智敏. 经贸实践. 2017(08)
本文编号：3362598
【文章来源】：财会通讯. 2019,(25)北大核心
【文章页数】：5 页
【部分图文】：
紫金保险组织架构图
包括非结构化数据，如客户行为、服务评价等；其二，交易数据。该类数据主要产生于交易过程中，是公司最核心的数据形式，如赔付数据、批单数据以及保单数据等。由于此类数据大多以数值型数据为主，因此交易数据为结构化数据，并拥有固定的数据结构；其三，社交网络数据。该类数据主要来源于外部网络，是客户对公司的体验和评价等方面的信息。社交网络数据以文本数据为主，也没有固定结构，属于非结构化数据。基于上述分析，内部审计数据挖掘方法的选择需深入分析公司的实际情况，同时结合数据结构类型综合考虑。结合图2可以分析出，结构化数据挖掘分析方法主要有数据偏差、聚类、孤立点以及关联分析等类型；非结构化数据挖掘分析方法则主要包括特征抽娶文本聚类以及文本规则提取等类型。一是结构化数据挖掘分析方法。针对结构化数据的特点，内部审计实务中对该类数据的挖掘方法主要有四种类型。其中，数据偏差分析法旨在论证数据间存在的数值关系，是内部审计实务操作中使用次数较多的方法之一。审计人员运用该方法将清洗后的数据进行整合与分析，通过对比往期数值发现偏差异常点，进而明确企业面临的主要风险；聚类分析法旨在明确数据属性与数据分布的关系，主要通过数据的稠密分布发现数据的异常点。审计人员借助信息系统聚类分析同一类型的数据，如业务数据、财务数据等，通过聚类分析能发现数据的变化规律，如果某段数据变化规律出现较大幅度的变动，应重点关注相关数据发生异常变化的原因；孤立点分析法主要针对一些独立数据，旨在排查与其他数据明显不同的数据，进而确定审计的疑点；关联分析法主要的核查对象为可能存在对应关系的数据组，其目的是明确不同业务属性之间的关系。结合案例分析，数据偏差分析法应该重点关?
信息，进而总结投诉环节的关键词，提高特征分析的准确性。另外，保险公司往往会面临客户流失的问题，在对续保情况进行审计时，可以利用规则提取分析法对比往年相关数据，然后将数据划分为不同规则，并重点关注能够续保的相关规则，提高数据挖掘的精确程度。（2）基于数据挖掘方法内部审计流程。结合不同类型数据的挖掘分析方法，从保险行业的实际情况出发，建立基于数据挖掘方法内部审计流程。该流程主要分为6个主要环节，分别为数据采集、数据加工、数据分类、数据挖掘、数据评估和数据发布，具体的流程如图3所示。一是数据采集。审计部门在综合考虑各种因素的基础上制定审计方案，并交由各稽核监察中心具体执行。审计人员根据审计方案开展数据采集工作，重点搜集制度政策和经营数据。审计过程涉及的数据量较大，审计人员不仅需要收集各种结构化与非结构化数据，还需要甄别数据的真假，剔除一些无用和虚假的数据，进而提高审计结果的准确性。通过行业情况和企业近几年情况的对比，对搜集的数据进行初步的归纳和整理，为数据挖掘技术的数据调取提供方便。二是数据加工。通过采集阶段对数据的初步整理，审计人员进一步明确了采集数据的特点，然后根据数据特点选择合适的数据挖掘技术，如聚类分析法、孤立点分析法以及关联分析法等。借助数据挖掘技术将关键点转化为数据库语言，运用数据库系统对所需的数据进行统一提龋一般而言，从数据库提取的数据往往较为杂乱，因此需要对数据进行清洗和整理，过滤杂乱和无用的数据，并将数据转化为统一的计算机语言以方便后期的直接调用。三是数据分类。数据分类环节旨在通过数据的特点进行问题分类，进而明确审计挖掘的方向。其一，未来存在隐患的数据。审计人员应该将此类数据?
【参考文献】：
期刊论文
[1]数据挖掘技术在商业银行内部审计中的应用研究[J]. 林加升. 经贸实践. 2018(08)
[2]应用数据挖掘技术与内部审计信息化在通信行业中的应用与思考[J]. 罗勇强. 中国国际财经(中英文). 2018(07)
[3]大数据技术在现代企业审计中的应用[J]. 王景乐. 现代经济信息. 2018(07)
[4]浅析数据挖掘在审计中的应用[J]. 梁园. 现代经济信息. 2017(22)
[5]基于数据挖掘的异常检测模型研究初探[J]. 马俊宏. 菏泽学院学报. 2017(02)
[6]基于数据挖掘技术在审计信息系统中的研究[J]. 杨智敏. 经贸实践. 2017(08)
本文编号：3362598
本文链接：https://www.wllwen.com/guanlilunwen/shenjigli/3362598.html
