论大数据时代审计数据分析的发展方向
一、审计数据分析目标的转变
随着现代审计理论的不断发展,审计数据分析的目标也在逐步发生变化。在计算机审计发展的初级阶段,审计数据分析是通过对数据的观察和分析发现疑点,寻求突破点,为业务审计提供线索;而随着审计目标的转变,目前审计数据分析也逐步转向发现线索、评估风险、关注效益,将揭示制度问题、评估控制风险与发现重大违法违规问题并重。下阶段,随着国家治理理论的发展,审计数据分析将在宏观决策支持、政策风险与实施效益评价方向上继续发展,通过对相关大数据的获取和分析,洞察行业整体走向和制度实施效果,认识演变规律,进而对国家、行业、部门的制度出台及发展策略做出前瞻性的思考和战略性的分析。
二、转变数据分析组织方式,宏观分析智囊团出现
目前,数据分析的实施大多基于培养的计算机骨干和业务骨干,在审计项目中加强二者的联合,共同完成数据分析工作。在此基础上,部分审计机关已经构建自己的数据分析团队,形成了制度、人员、管理相对固定的数据分析模式。随着数据分析理论、实践的不断探索和推进,数据分析团队解决了数据分析与业务分析的大部分问题。但在宏观分析、制度执行情况分析方面,数据分析团队受数据分析软硬件环境、人员知识结构等因素的影响,难以完成系统性、宏观性的分析工作。需要在原有组织架构基础上,搭建由宏观分析专家、行业审计专家、数据分析专家构成的宏观分析智囊团。宏观分析智囊团在获取到尽可能全面、详尽的数据基础上,运用审计数据分析的前沿理念和技术,构建数据模型,开展数据分析和数据挖掘,并根据具体的行业政策和实际情况,不断地对数据模型进行优化和修正,结合数据可视化等展示技术,达到宏观分析和制度执行效果探索等目的,对宏观经济、制度执行等内容提出有针对性的意见和建议。
三、审计数据分析方法和手段的发展
(一)挖掘型分析方法的发展
目前审计机关中应用较多的是查询型分析和验证型分析。在运用数据发现经济活动内在规律的时候,查询型分析和验证型分析往往力不从心,需要引入挖掘型分析。挖掘型分析是利用数据仓库和数据挖掘工具进行的审计分析,主要有分类、聚类、异常、演化等方法。审计利用聚类分析,将相似性高、离散度小的数据分组;利用异常分析,发现“噪声”数据,进行疑点分析;利用演化分析,基于数据的类似性和规律性,对数据记录随时间变化的发展趋势进行推断,分析制度执行情况。挖掘型分析能高效地聚合、检索、观察和分析海量数据,从中发掘隐藏的疑点和规律,其使用的多维概念和表现模式也更符合人的思维习惯。同时,结合图形化界面、可视化技术,使数据规律和数据的特征能更加直观地显现出来。审计将查询型分析、验证型分析和挖掘型分析有机结合,提高工作效率和效果。
(二)将统计学的思想和方法应用于审计数据分析。
统计学是一门实质性的社会科学,既研究社会生活的客观规律,也研究统计方法,是数据的科学,是收集数据、整理数据、分析数据以及由数据分析得出结论的方法。审计可以运用统计学的思想和方法,使用统计分析软件,解决审计数据分析问题。一是针对审计数据,运用回归分析等统计方法,分析数据关系,发现规律;二是运用关联分析,找出数据间的相互联系,分析关联规则,发现异常联系和异常数据,寻找审计疑点;三是分析数据中的离散点,发现偏差数据,作为审计重点进行分析。
(三)利用云计算和虚拟化技术,整合审计数据中心数据和计算能力。
审计数据中心和分中心正在如火如荼的建设中,在某些跨行业和跟踪审计项目中已经发挥了积极的作用。下阶段,为了充分利用数据和数据中心的计算能力,还需要利用新的计算机技术方法进行资源整合,如在审计数据分析中,采用云计算和虚拟化技术,将基础设施及软硬件集中起来,通过审计数据中心网络进行资源的整合,统一提供服务,包括数据的查询服务和计算服务,将会大大提高计算机系统的存储能力和计算能力,提升审计数据分析的效率。
(四)收集审计分析模型,构建分析模型知识库。
目前,审计人员开展计算机审计形成了不少具有借鉴意义的计算机审计方法。下阶段,随着审计数据分析方法的发展,越来越多的审计数据分析模型在审计工作中得到运用,这些模型利用数据挖掘和统计技术方法形成,具有直观、可视化、便于理解等特点。为了审计模型的不断优化和延续发展与借鉴,审计机关应致力于整理收集各领域审计分析模型,构建分析模型知识库,并在推广应用中不断优化、增加和更新,以促进审计数据分析方法的深入发展。
数据分析咨询请扫描二维码
在现代信息技术的广阔世界中,大数据架构师扮演着至关重要的角色。他们不仅引领着企业的数据战略,还通过技术创新推动业务的不断 ...
2024-11-04在当今数字化时代,数据分析师已成为企业关键角色,帮助决策者通过数据驱动的洞察实现业务目标。成为一名成功的数据分析师,需要 ...
2024-11-03在当今数字化的世界中,数据分析已经成为推动商业决策的关键因素。随着公司和组织越来越依赖数据来驱动业务战略,对数据分析专 ...
2024-11-03《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28