审计数据分析模型构建思路，本文主要内容关键词为：模型论文,思路论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
数据分析工作包括数据采集、数据验证、数据装载、数据处理、数据分析等多个环节。其中，数据分析模型的构建是决定数据分析应用效果的重要环节。本文以财政审计为例，对审计数据分析模型构建工作中的一些经验进行了梳理和总结。 构建审计数据分析模型的前提条件 一是审计人员需要熟悉被审计对象的业务内容和业务流程。对业务的熟悉程度决定了数据分析模型的切入方向是否准确。审计人员应掌握所审计领域的基本情况，了解常见问题及查处方法，能够判断哪些问题适合通过数据分析来发现线索或疑点。 二是审计人员需要熟悉被审计单位的信息系统，并能够理解被审计单位业务流程如何在信息系统中体现。信息系统通常是根据具体业务流程设计的、用于处理具体事务的系统，为保证事务的原则性、一致性、隔离性和持续性，系统会对操作状态、操作权限等进行准确的控制和标示，审计人员如果想得出正确的分析结论，必须关注并理解这些控制的体现方式。 三是审计人员需要具备常用数据库语句编写能力，能够灵活运用SQL Server、Excel等常用软件进行数据分析。不同的数据分析工具各有特点，如SQL Server适合做多表连接和复杂查询，Excel适合做分析结果的图形化展示，应根据工作需要选择最便捷的分析工具和分析方法。 构建审计数据分析模型的常用思路 （一）根据总体分析的需要构建分析模型。开展审计时，对被审计对象总体情况的把握，是审前调查阶段的重要任务之一。通过建立总体分析模型，可以快速获得被审计对象相关信息，准确把握被审计对象特点，节省审计现场时间，提高审计效率。以财政决算审计为例，可以采集被审计地区财政部门总预算会计、总决算报表等数据，对连续三年地区收入、支出规模进行趋势分析，判断被审计地区收支总体水平及变化情况；对税收收入、非税收入及其明细项目的规模和占比进行趋势分析，判断该地区主要的收入来源及变化情况，并结合审计经验判断是否存在违规疑点；按照支出功能科目、预算单位等进行支出结构分析，判断该地区主要支出投向，结合当地实际判断是否符合地方经济发展政策和国家宏观调控要求。 （二）根据法律法规的规定构建分析模型。合法性是审计监督的主要目标之一，根据法律法规的规定设置筛选条件，构建分析模型，可以直接得出问题疑点。如，目前财政总预算会计和行政事业单位会计实行的是收付实现制，支出一般应当在支付款项时予以确认，并按照实际支付金额进行计量。无实际支付的支出通常属于“虚列支出”问题。根据这一规定，可以设置条件，在凭证库中筛选借方为支出科目，但贷方没有银行存款或现金科目的凭证，形成“虚列支出”问题疑点，由审计人员进一步核实。 （三）根据业务运行的规则构建分析模型。被审计单位的业务运行通常具有一定的规则，其中一些规则的运行结果会在数据中体现，因此可以将其转化为分析模型，按照规则设置具体的筛选条件，将不符合规则的记录筛选出来。如，政府采购制度规定，纳入采购目录的事项，其采购金额大于20万元的，应实行政府采购。构建模型时，一是筛选财务账上单次支出金额大于20万元的采购目录事项，形成“应采购未采购”问题疑点；二是可对某一单位某一采购事项的年度内支出金额进行汇总，总额大于20万元的记录形成“化整为零规避采购”问题疑点。 （四）根据业务前后环节的控制关系构建分析模型。被审计单位的业务流程前后环节之间，通常具有一定的控制关系。因此，可以根据前后控制关系设置筛选条件，将前后不对应的记录筛选出来。如，政府采购应按照申报政府采购预算、申报政府采购计划、实施政府采购、支付采购资金、进行财务核算这一流程实行。将各流程数据进行对比，即可发现采购前未报预算和计划、政府采购支付方式不合规、已支出事项未及时准确核算等问题，同时也为发现其他问题提供线索。 （五）利用不同来源数据的对比构建分析模型。在审计实践中，不同来源的数据对同一事项的反映往往存在不一致的情况，数据对比可以帮助审计人员发现问题。但由于目前普遍存在的信息孤岛问题，系统间的数据表现形式不尽一致，要建立正确的对比关系，其关键在于找准并调整好连接点。以因公出国（境）经费的审计为例，首先以预算单位为单位，在预算编制系统中汇总统计各单位因公出国（境）经费年初预算金额，在财务集中监管系统中汇总统计各单位因公出国（境）经费实际支出金额，以预算单位代码作为两个系统的关联条件，将两表金额进行对比，可以发现因公出国（境）经费实际支出规模超过预算规模的单位，并对其进行具体关注和延伸。其次，可以以指标为单位分析因公出国（境）经费是否存在超预算的情况。第三，可以根据一些条件来筛选在其他科目中列支出国经费的信息，如在财务集中监管系统中筛选非因公出国（境）经费科目中支出摘要含有出国字样的分录，抽查相关凭证。 构建审计数据分析模型的注意事项 （一）数据整理是前提。审计人员所分析的数据来自多行业多领域，大多为事务型数据备份，数据量大，且为满足事务处理需要，必须符合三范式要求，数据细节多，结构复杂。要求所有审计人员了解其整体结构和具体细节，既不现实也不必要。因此，在分析数据前，应该先根据业务特点、审计需求和数据库的实际情况来设计审计中间表，由专门人员将原本用于具体事务处理的事务型数据整理成适合审计分析使用的分析型数据。以核心业务环节对应的表格作为事实表，以事实表中具有分析意义的代码表作为维度表，在事实表和维度表之间建立关联，将事实表中无实际意义的编码替换为有意义的编码和表示具体业务含义的文字。信息高度浓缩整理后的事实表和维度表作为审计中间表，更加适合分析人员理解和使用，分析人员可以在中间表的基础上构建审计数据分析模型。 （二）数据熟悉是基础。负责构建数据分析模型的人员，首先应掌握现有数据的内容、结构和特点。不了解数据内容，就无法确定哪些审计思路可以通过数据分析来实现；不熟悉数据结构，就无法确定审计思路应该怎样通过数据分析来实现；不掌握数据特点，构建出的审计模型就很可能得出与实际情况不一致的错误结论，误导审计人员，影响审计质量。因此，对数据的熟悉程度，决定了所构建分析模型的深度和准确程度。在熟悉数据的基础上，数据分析人员可以通过与审计经验丰富的同志沟通交流、学习以前年度审计报告、查阅相关经验交流文章等方式，获取数据分析思路，以弥补自身审计经验的不足。 （三）信息积累是保障。国家审计的监督对象范围广泛，在实际经济运行中产生了大量的财务和业务数据，结构化和非结构化数据，历史数据和实时数据。如何采集和应用各种数据，使其在提高审计工作的质量和效率方面发挥最大的作用，是各级审计人员都在探索研究的方向。数据分析人员应注重沟通交流，多方积累资料，认真总结经验，不断提升对审计业务和数据应用的理解和认识，提高自身的数据分析能力，切实推动审计数据分析工作不断进步。标签：数据分析论文; 大数据论文; 审计软件论文; 审计计划论文; 审计质量论文; 会计与审计论文; 审计方法论文; 审计流程论文; 审计目标论文; 政府采购论文;