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(chuàng)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。

［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(yè)智能技術，對審計方法進行新的探討，并建立基于商業(yè)智能的審計模型，探討在海量數(shù)據(jù)條件下進行審計的新途徑。

［關鍵詞］OLAP;數(shù)據(jù)挖掘;審計;商業(yè)智能

1商業(yè)智能模型

本文利用SQLServer2005構建基于商業(yè)智能的審計模型TAuditMin，如圖1所示。審計過程分為：采集審計數(shù)據(jù)、建立數(shù)據(jù)倉庫、OLAP多維分析、數(shù)據(jù)挖掘、前端展示等。

1.1源系統(tǒng)

數(shù)據(jù)挖掘的基礎是大量的歷史數(shù)據(jù)。這里的源系統(tǒng)是指與審計業(yè)務相關的各種關系型數(shù)據(jù)庫，如金蝶數(shù)據(jù)庫、用友數(shù)據(jù)庫等。這些業(yè)務系統(tǒng)中的數(shù)據(jù)可以應用SSIS（MicrosoftSQLServer2005IntegrationServices），通過數(shù)據(jù)清洗、轉換和加載（ETL）等步驟載入數(shù)據(jù)倉庫，為多維分析和數(shù)據(jù)挖掘作準備。

1.2數(shù)據(jù)倉庫

該部分的功能就是為數(shù)據(jù)挖掘提供多維數(shù)據(jù)集（Cube）和數(shù)據(jù)集（Dataset），用于數(shù)據(jù)挖掘的Cube也可以根據(jù)用戶的要求作相應的更改。商業(yè)智能提供了自動創(chuàng)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(xiàn)Cube的自動生成和重新生成。因此，數(shù)據(jù)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(shù)據(jù)分析功能。在數(shù)據(jù)倉庫建好后，輸入測試數(shù)據(jù)，測試數(shù)據(jù)倉庫和模型。如果分析結果顯示創(chuàng)建的模型有問題，則可以通過OLAP提供的功能重新創(chuàng)建模型，并且按照用戶喜好的方式顯示數(shù)據(jù)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(shù)據(jù)做相應的數(shù)據(jù)分析。

1.4數(shù)據(jù)挖掘

數(shù)據(jù)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(shù)據(jù)挖掘的模型進行測試和訓練。用于訓練的數(shù)據(jù)可以來自于數(shù)據(jù)倉庫生成的Cube，也可以直接使用其他數(shù)據(jù)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(shù)據(jù)挖掘功能主要通過微軟的SSAS和AMO實現(xiàn)。

1.5客戶端

即數(shù)據(jù)挖掘模型、報表和OLAP分析結果的前端展現(xiàn)，是用戶與系統(tǒng)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(fā)現(xiàn)審計線索

在數(shù)據(jù)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(shù)據(jù)。

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(shù)據(jù)倉庫、OLAP和數(shù)據(jù)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(shù)據(jù)分析能力，提高審計的效率和效果。

2商業(yè)智能在審計中的應用

商業(yè)智能在審計中的應用主要包括OLAP和數(shù)據(jù)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(shù)據(jù)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(nèi)容（如財務、銷售、倉庫、采購、應收、應付），同時實現(xiàn)分析報告中的動態(tài)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(shù)據(jù)挖掘在審計中的應用

在審計中，運用數(shù)據(jù)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(lián)規(guī)則算法、時序算法、神經(jīng)網(wǎng)絡算法、回歸算法等。在審計中，運用商業(yè)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(shù)據(jù)中有效地運用商業(yè)智能技術，查找問題并發(fā)現(xiàn)一些超出審計經(jīng)驗的規(guī)律性問題。將商業(yè)智能應用到具有多屬性特征的審計數(shù)據(jù)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(yè)智能在審計工作中，必將會發(fā)揮越來越重要的作用。