浅谈数据挖掘技术在信息系统审计中的实际运用

《浅谈数据挖掘技术在信息系统审计中的实际运用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浅谈数据挖掘技术在信息系统审计中的实际运用　　摘要：本文简要介绍了审计中常用的四种数据挖掘技术，并探讨了各项技术在信息系统审计中的实际应用，侧重对产生数据的信息系统本身如何进行数据挖掘分析，发现审计疑点作了探索和研究，对今后数据挖掘技术在信息系统审计中如何得到有效运用进行了发展策略分析。　　关键词：审计；信息系统审计；数据挖掘　　伴随着信息技术的飞速发展与广泛应用，被审计单位的经营、管理和核算模式正在发生显著的变化，愈来愈依赖于高效、复杂而又庞大的信息系统，同时传统的会计核算、经营管理系统的构成要素也随之改变。审计人员面临的原始资料不再仅仅是手工的凭证、账簿和报表，而是信息系

2、统本身及其高度集中的大量电子数据。信息系统审计作为信息环境下一种全新的审计方式，日益彰显其重要地位。　　目前信息系统审计面临的一大难题就是如何应对数据日益海量化的挑战。这里的数据不光是指信息系统输出的被审单位财务、业务数据，还包括与信息系统本身密切相关的数据，如日志数据，系统开发的进度费用数据等。必须从海量数据中快速有效地发现其中蕴含的规律和特点，挖掘出审计线索，扩大审计成果，降低审计风险。要实现这一目标，数据挖掘技术就成为一把金钥匙，它为信息系统审计提供了新的思路和方法。　　一、数据挖掘概述　　数据挖掘是指从大量不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中，人们

3、事先不知道的，但又是潜在有用的信息和知识的过程。数据挖掘在信息系统审计过程中发挥着举足轻重的作用。因为它不仅可以对信息系统产生的被审计单位财务、业务数据进行深层次分析和研究，揭示其本来特征和内在联系，而且可以通过模型匹配和挖掘算法实现其在信息系统开发审计、安全审计等方面的应用。此外，通过数据挖掘技术与信息系统审计技术的有效结合可确定快照技术中快照点的选择问题，以及确定系统控制审计复核文件中嵌入审计程序应采集什么信息。　　二、数据挖掘技术在信息系统审计中的运用研究　　数据挖掘技术很多，笔者在此仅列举目前最有可能运用于审计工作中的几种常见技术。运用这些技术可以实现对被审数据进行综

4、合分析处理，从而提高信息系统审计的效率和质量，降低审计风险。　　（一）运用统计分析技术发现偏差数据　　统计分析技术是指利用统计学原理对数据库字段项之间存在的函数关系或相关关系进行科学分析的方法。具体方法包括常用统计（求大量数据中的最大、最小、汇总、平均值等）、回归分析（用回归方程来表示变量间的数量关系）、差异分析（从样本统计量的值得出差异来确定总体参数之间是否存在差异）等。　　该技术是目前数据挖掘在审计工作使用的较为成熟的技术。审计人员通过建立统计模型对搜集的被审计单位以及同类型单位的大量财务、业务历史数据进行分析，挖掘内部存在的函数关系或相关关系，然后对审计期间内的相关数据

5、进行合理预测。通过将分析的预测值和审计值进行比较，从而帮助审计人员发现疑点。例如对某些财务指标进行深层次挖掘，可以发现异常指标数据，获得审计线索。　　统计分析技术在信息系统开发审计阶段同样可得到很好的运用。作为开发阶段审计的重中之重就是对信息系统项目进度与成本费用的控制审查。审计人员通过借鉴同类型项目经验数据，对项目进度与成本费用建立统计分析模型，按照项目计划预测出实现预定进度所发生的成本费用，然后与项目实际发生的费用进行比较，判断成本费用是否得到有效控制。通过对偏离较大支出实施进一步审查，确定项目实施过程中资源是否合理配置，有无存在损失、浪费等不合理支出情况。　　（二）运用

6、聚类分析技术确定审计重点　　聚类分析就是把一个数据集分解或划分成不同的组，使同一组中的对象尽可能相似，不同组中的对象尽可能相异。通过聚类，容易识别出密集的和稀疏的区域，发现全局的分布模式和数据属性之间的相互关系。　　在审计过程中，通常是利用聚类分析技术对信息系统中被审计单位的同类型的财务数据或者业务数据进行分组，使其成为有相似特性的聚集。一般说来，财务数据及重要业务数据（如销售数据）的变动具有一定的规律性。所以如果某些数据处于稀疏区域，说明其变动表现异常，需要重点关注。同时通过观察该区域记录的特征，可以发现审计需要查证的问题特征。　　审计人员在对信息系统安全审计中，可以借助该

7、技术实现对计算机日志的审查。计算机日志记录了计算机系统发生的各种重要事件，通过它，可以了解系统运行状况，审核安全事件，发现差错异常，从而对系统安全给予全面评价。但是计算机日志种类繁多、格式差别巨大，大小呈级数增长，也给审计人员带了巨大工作压力。在这种情况下，聚类分析起到了事半功倍的作用。审计人员将收集到的同类日志数据导入到数据挖掘工具中，如SQL2005中的MicrosoftAnalysisServices工具，选择聚类挖掘模型，就可利用其强大的分析功能实现日志数据的分类，“魔法般”地将非正常的日志记录