摘 要：隨著信息技術的迅速發展，企業信息化程度在不斷加深，加之ERP系統的不斷成熟，帶來了電子商務等全新的商業模式，伴隨電子化和無紙化的普及，在線辦公成為常態，持續審計應時而生。同時，面對大數據時代的信息獲取需求，利用信息挖掘技術提取目標數據成為發展趨勢，如何將計算機、網絡、審計、大數據等元素進行有機結合成為信息系統審計領域的研究熱點。據此，本文基于數據挖掘技術的持續審計進行探討。

　　關鍵詞：數據挖掘;技術;審計

　　0 引言

　　1 持續審計的概念及特點

　　1.1 持續審計的概念

　　早在2006年之前，一些學者就提出：持續審計的過程是在收集電子審計證據的基礎上提出審計結果，并在無紙化的情況下客觀真實地評判數據是否合理。國際會計協會機構ACCA(國際特許會計師協會)、AICPA(美國注冊會計師協會)等權威組織也大力推行持續審計模式(continuous auditing，簡稱CA)，通過使用信息技術并結合審計方法，對被審計單位在線監督，并及時提供審計結果以供決策者使用一種新型審計模式。

　　1.2 持續審計的特點

　　隨著信息化技術的飛速發展，持續審計是審計發展的必然結果，在結合運用數據挖掘技術后，持續審計兼具傳統審計特點及信息技術優勢，對比傳統審計，主要優點表現在以下五個方面。

　　(1)持續性。傳統審計主要分為計劃、調研、實施、報告及整改五個階段，以項目為單個對象開展實施。而持續審計則貫穿整個審計周期，實時監控和審核信息化系統全流程，審計程序不因項目情況而受限制，不因單個項目完結而結束，更加具備持續性。

　　(2)及時性。傳統審計模式多屬于事后審計，從審計的調研、實施到報告發文一般需要數月，與企業管理層“管理實時監控、問題實時披露、風險及時化解”的要求相違背。如今，企業多面多業務形態及復雜多變的市場環境，傳統審計局限性不利于及時改進管理，而持續審計正是利用時效性的優勢為管理層實時提供真實、可靠的信息，便于企業高層及時作出管理決策。

　　(3)自動性。目前，傳統的審計對象基本還停留在利用紙質賬簿憑證進行手工核驗，大量因人為是失誤導致數據結果失真，審計結果難以為企業管理層提供有效信息。為適應標準化、流程化、信息化的業務需要，企業致力于開發和建立信息管理平臺，但單獨得信息系統無法在日常經營業務中尋找管理漏洞，而持續審計可利用信息和網絡技術，結合審計方法自動查找管理漏洞，具有自動化的特點。

　　(4)集成性。持續審計需要不僅要對企業的經濟行為進行持續審計和監控，還包括對企業管控、倡議規劃、公司治理、投資管理等各方面進行實時監控，將審計提升到一個可持續發展的宏觀層面，全面服務于企業各個方面，達成審計的最終目標。

　　(5)全面性。傳統審計普遍使用抽樣方法，在選取一定百分比的財務關聯交易數據樣本中進行驗證，審計結果較為片面，而持續審計通過企業自身信息系統，提取及分析大量梳理進行分析，審計結果精確全面。

　　2 數據挖掘技術的概念及基本流程

　　數據挖掘起源于統計學，它與傳統的統計理論一致，即“從數據中發現潛在價值的信息”，從大量雜亂數據中提取隱藏、可信和能被理解的信息，是一種復雜處理模式。隨著人工智能的深入推廣，數據挖掘技術已經擁有良好的孕育條件。

　　按照處理流程可以將其劃分為以下六個階段：

　　(1)原始數據集采程序。審計部門根據審計項目類別，制定審計目標及審計方案，審計人員根據審計方案，結合財務報表、企業經營指標等開展數據集采工作，著重檢索制度文件及經營數據。集采過程中，審計人員不僅要對涉及的制度文件及原始數據做到收集全覆蓋，還需對數據進行初加工，辨別數據真假、剔除無用信息，從而提升審計結果的準確性。

　　(2)集采資料加工程序。通過初步整理集采階段，審計人員進一步探究集采數據的特征，然后選擇與數據屬性對應的方法，如聚類分析、孤立點分析、關聯分析等。通過數據持續挖掘，使審計關鍵點以數據庫語言方式呈現，并利用統一的數據庫系統對所需的數據進行提煉。概而論之，通過數據庫系統提煉的信息相對錯綜復雜，因此需要對數據進行清理、過濾，篩除錯雜無用的數據，并將其轉化為統一的計算機語言，以便后續分析應用。

　　(3)加工數據分類程序。挖掘數據進行分類的目的是通過對問題進行區分和歸類，以精準確定審計方向。主要可分為三類：一是隱藏風險的數據，審計人員需完善審前調研分析，將該類資料作為未來的重點審查事項，列明應該關注的問題及可能存在的風險;二是嫌疑風險的資料，受數據表象反映的影響，審計人員需對審計數據進行二次加工分析，深入數據挖掘，對已知信息進行驗證，做深做實疑似風險點;三是準確無誤的信息。這類數據通常來自各種數據庫系統，它們可以真正反映相關問題及風險，這是數據庫系統中極為少見的現象，因此審計人員可以直接利用這些數據，而不必加工處理。

　　(4)分類數據挖掘程序。該程序是根據數據分類的特征，經過調研分析厘清問題及風險的相關邏輯關系，并確定深度挖掘的方向。根據挖掘方向分為點狀和線性兩大類別，針對某個事項的問題風險運用點狀挖掘，并形成點狀分析清單庫，針對某類事項的問題風險運用線性挖掘，并形成線性由來及發展的底稿集。如果挖掘方向無法對數據進行歸類分析，審計人員需要根據數據特點確定挖掘的主要方向，利用其它挖掘方向對數據進行輔助分析，從而使數據更加全面準確。

　　(5)挖掘資料評價程序。審計人員利用挖掘技術對數據進行處理和分析，以求數據的成果符合精確性、一致性和真實性。如果挖掘數據的成果符合審計要求，則審查人員還需對結果進行分析，以查找不正常數據;如果數據挖掘結果不能符合審計的要求，則審查人員需要修改數據挖掘模式，并對其參數設置、分類標準等相應改進，直到審查結果符合要求。

　　推薦閱讀：大數據挖掘的論文投刊指導