大数据环境下数据关联审计模式

主要是指大规模地利用大数据的相关信息技术与审计思路相辅相成的审计模式，主要特点可归纳为如“剑”、如“链”、如“网”。其构建路径可分为三个步骤：第一步是利用基础支撑技术对结构化数据进行归集整理，然后分别作用于总体分析技术和疑点分析技术。第二步是通过基础支撑技术进行审计数据在线监测，可以利用SAS Base等工具对实时数据进行归集整理，数据将用于构建审计大数据管理系统，同时也作用于审计及时预警和趋势分析。第三步是全过程中有效的数据和信息的可持续作用，包括源数据、加工后数据及利用数据的分析结果，都将继续作用于审计大数据管理系统的构建与完善，而审计大数据管理系统又将持续助力于日后的审计项目，由此形成良性循环，以提高数据的利用效率。

课题组以抽离和整合两种研究方法为基础，探讨符合大数据环境的审计组织方式—低智型组织和高智型组织。并且在高智型组织下，更为细致地划分为数据驱动型和业务驱动型。数据驱动型是一个持续审计的概念，即收集大量的数据，利用技术自动执行控制和风险评估来分析数据，检测关键的交易系统以发现例外，控制缺陷以及那些凸现风险的数据指标，从审计计划的制定和维护到审计的执行和追踪都可以利用持续审计的分析结果。业务驱动型是根据被审计单位业务的特点选择合适的数据审计方法与组织方式。

课题组重点研究了以大数据分析为基础的审计方法，除了明确总体分析法下的回归分析、多维分析，疑点发现技术下的数据相似度检测以及基础支撑技术下的云计算外，在人工智能审计方法的应用上还提出了IA（Intelligence Augmentation，智能增强）、II（Intelligent Infrastructure，智能架构）以及AA（Automatic Algorithm，自动算法）等新思路，同时也明确判断人工智能审计效果的是大数据、算法和训练时间。2017年普华永道机器人已经在央企（中化国际）中试水完成了首秀，代替了许多税务和财务的工作，效率惊人。此外，通过对大数据的处理和应用，审计也开始伸长触角，触及传统审计所不覆盖的方面，扩大了审计范围，让审计变得“面面俱到”。

本文转载至 大数据网： http://www.bt187.com/567.html