企业财务舞弊数据挖掘的审计模型研究
来源:用户上传
作者:钱楚云
[摘 要]在大数据的时代背景下，传统常规的审计手段逐渐失效，面临着空前的挑战。为了适应现代化发展，改革创新审计方法，并与其他学科领域相结合，成了一种必然的发展趋势。而数据挖掘技术作为信息时代的一个典型代表，顺势出现在審计人员的眼前。挖掘数据，提取其中的有效信息，建立数学模型，最后进行结果分析，使审计凭从感觉，从大规模审计开始到现在从数学模型的异常信息中发现问题，进行有目的审计，减少了审计人员的工作量，极大提高了审计效率和准确度。但同时也需要在现代的审计方法中，规避新方法带来的风险，从而从根本上保障判断的准确性，降低审计整体风险。基于此，本文通过一个案例对数据挖掘审计模型进行简单分析，阐述了数据挖掘审计模型的作用，并对数据挖掘技术对于现代审计的一些优势和其中可能存在的一些弊端进行了分析。
[关键词]数据挖掘;审计;模型;财务舞弊
doi：10.3969/j.issn.1673 - 0194.2019.20.028
[中图分类号]F275.5 [文献标识码]A [文章编号]1673-0194（2019）20-00-02
1 财务舞弊数据挖掘的相关概念和意义
1.1 相关概念
1.1.1 数据挖掘概念
数据挖掘这一概念出现于20世纪80年代末，最早发展于数据库领域，被称为数据库中的知识发现（KDD）。数据挖掘是KDD过程中的一个环节，虽然历史不长，但发展比较迅速。数据挖掘这一专有名词最早在1995年由美国计算机年会提出。数据挖掘是一门交叉性学科，涉及统计学、数据库理论技术、机器学习、网络科学、人工智能和数据可视化等多个学科领域的知识和技术。
综上所述，数据挖掘还没有形成一个完全统一的定义。而目前大部分学者较认同的定义是：数据挖掘就是从庞大的数据信息量中获取有用的信息，即从大量的、无规律的、不完整且模糊的数据中发现有规律的、事先未知的、隐蔽的且潜在有效的最终可以被理解的信息。
1.1.2 财务舞弊相关概念
美国注册会计师协会（AICPA）对于财务舞弊的定义为：“是一种蓄意通过修改财务报告，产生不真实财务数据的行为。此行为包含以下各种情况：报告上记载没有发生的交易;公司利益被管理者侵吞;从财务报告删除重要的信息;漏列或错误反映经济业务;伪造记录或文件。”我国《独立审计具体准则第8号——错误与舞弊》中对舞弊的定义是：舞弊指被审计单位的管理层、治理层、员工或第三方使用欺骗手段获取不当或非法利益的故意行为。
虽然各国对于财务舞弊的定义存在差异，但都体现了舞弊的特点，即以欺诈、隐瞒等不正当手段谋取非法利益或隐瞒错误。财务舞弊是目前是比较普遍的现象，也是经济社会中的一个“毒瘤”，对现代经济发展造成了重大影响。相对于财务欺诈强烈而明确的目的性而言，财务舞弊从某种程度上来说，隐蔽程度更高，发现难度更大。
1.2 意义
数据挖掘技术通过使用计算机来辅助人们从大量的信息数据中发现那些重要且十分隐秘的线索，以此手段辅助审计人员对相关领域的数据进行挖掘、审计、分析，降低审计风险，提高发现财务舞弊线索的概率。数据挖掘技术与普通的审计手段存在较大的不同，主要在数据发现方式上存在不同，数据挖掘主要通过运用模型和一些算法来发现数据间的关联程度等，扩展了审计人员可以运用的手段，减少了审计可能存在的盲点。运用数据挖掘技术，可以利用统计、聚类、关联、序列分析、群集分析等方法来对财务数据和类似性质的文件资料进行更深地分析和研究。
2 国内外研究现状
目前，对于数据挖掘的研究主要围绕理论、技术和实际运用3个方面展开。国外在数据挖掘领域的发展主要是拓宽知识发现的途径，进一步研究知识发现的方法。例如，近年来，对于Bayes、Boosting等算法的一些优化。相较于国外而言，国内对于数据挖掘的研究起步较晚，但发展速度较快，目前已经广泛应用于审计、金融、客户服务管理等领域。审计方面的研究主要是关于数据挖掘在审计数据分析中的应用、在审计过程的应用、在审计风险决策的研究等方面。
在数据挖掘审计方面，最早在2003年，《基于数据挖掘的审计模型框架》一文中就已经提出了需要在审计模型框架下，运用现代化的技术手段，即数据挖掘来辅助开展审计工作，以提高审计质量，降低审计中的风险，为现代化的审计提供了新思路。截至目前，数据挖掘在审计方面的应用已经有了许多细化研究，包括持续审计、财务舞弊、商业银行内部审计等多个方面。
3 数据挖掘在审计中的应用
数据挖掘在审计中的具体应用主要包括了确定审计对象、准备数据，对数据进行预处理、建立数据挖掘模型（以决策树为例）、聚类，结果分析4个步骤。数据挖掘技术的一个重要的功能是从大量的数据中挖掘出有用的信息，但审计时一定要按照需求对信息进行筛选，有选择性和目的性地挖掘数据。在该过程中，需求可能发生变动，不完全是固定不变的，是一个不断优化和改进的动态过程，有可能在过程中发现和暴露一些问题。
3.1 准备数据，对数据进行预处理
数据准备就是在确定审计对象后，开始进行数据采集、挖掘。数据挖掘技术主要是对数据进行统计与整理，主要运用了统计学和概率论的原理。在进行审计时，通过运用统计和分析等方法途径，建立一个数学模型，用真实数据来验证是否符合最初的数学模型。以一家商场为例，利用商场历年已有年份的销售和财务数据构建一个数学模型，对比各年销售数据和查无实据与数据模型的数据有无异常波动，若有不正常的波动，就对商场进行相应审计调查，调查该商场是否存在虚报营业额、偷税漏税以及谎报销售业绩的情况。 对数据进行预处理时，要对已有数据的质量进行判断，并处理其中无效的空值、异常值;对于缺值应该有针对性地对其进行再挖掘或者在分析过程中处理该缺值。分析各属性中存在的缺失值个数以及缺失率，最終将其作为数据质量好坏的一个数据指标，在必要时，还需要转变数据格式来满足数据挖掘算法需求。此外，需要注意的是，因为数据来源非常广泛，格式、形式都有所不同，因此，需要做好数据整合工作。
3.2 建立数据挖掘模型——以决策树为例
企业进行审计时，在拥有良性、有效数据的条件下，建立数据挖掘模型就成了决定数据挖掘技术在审计时能否发现财务舞弊的重要条件。决策树是一种用于选择决策的树状结构，每个决策结点都代表一个问题或者决策选项，不同分支分别指不同的决策输出，最后的叶结点用以表示最终的决策结果。由于决策树不需要通过前期学习来获取其他领域的知识，进行一些特殊参数设置，且能够从烦琐、杂乱无章的数据中发现以及推理分类的可能性。由于算法本身的原因，计算量相对较小且成功率高，被广泛应用于数据挖掘中。因此，在审计时，决策树可以通过算法分类数据，并建立关键节点，从而发现那些可能存在异常的数据。
3.3 结果分析——聚类分析
在结果分析中，企业通常使用聚类分析的方法，目的是找出数据中的关键节点，实际上就是建立一个模型对数据进行分析，通过该模型发现其中的异常数据，也就是与模型规律有差异甚至相反的数据。在审计中，通常而言，这类不符合模型的数据往往隐藏了许多重要信息，甚至可以反映出被审计单位可能存在的财务舞弊问题。但值得注意的是，通过数据挖掘技术构建的模型不一定是完全正确的，还需要审计人员根据被审计机构的实际情况进行分析，始终保持专业的角度以及怀疑的态度面对整个审计过程。
3.4 实证分析
数据挖掘是大数据技术的一个基础。以湖北省审计厅为例，该审计厅应用了大数据审计技术，构建了可以并行处理大规模数据的集群和在线数据集成工作站，在此基础上构成了“一大网络、四大中心、六大系统”大数据审计平台，为数据传输、管理、共享和数据分析提供了一个基础的平台。
大数据审计的出现改变了原有的审计观念，较为侧重审计前的数据分析，通过审计之前的数据统计与数据分析，以此确定了审计的疑点和侧重点，极大地促进了审计效率提高。在未使用大数据审计之前，审计15个左右一级预算单位的财务部门需要耗费15个审计组大概2个月的时间。而自从使用了大数据审计平台后，15个审计小组1个月可以审计40个一级预算单位的财务部门。现在，只需要对整体财务数据进行统计分析、建模分析，重点审计其中的存疑数据，核实其中是否真的存在财务舞弊的问题。目前，大数据审计平台的建立帮助湖北省审计局基本实现了审计全面覆盖，基本上扫清了旧时审计存在的审计盲点，且提高了审计方向的准确度，减少了审计人员的工作量。在大数据审计的优势下，企业、财政部门实施财务舞弊被发现的可能性增加，从根本上降低了财务舞弊发生的可能性，促进财务健康正向发展。
4 数据挖掘在审计中的利弊
数据挖掘在审计中存在的优势十分明显。首先是数据挖掘技术对数据挖掘、处理和分析的能力十分强大，在技术层面上能够给审计领域提供强力支持，类似于数据挖掘中的关联技术和聚类技术，可以通过关联技术由一个点牵连出一个面，帮助审计人员从看似毫无联系的数据之间找到其中的隐藏关系，也可以利用聚类分析从一个广泛分散的点中找出重要、关键的节点。由此，通过一系列数据挖掘技术，可以对数据进行充分整合，从而建立模型，以此进行审计预判，从而提高审计的效率和成功率，节省人力物力以及相关资源，提高了财务舞弊等财务问题的发现概率，帮助审计人员扫除了一些容易存在的思维盲点，提高了审计质量。
但数据挖掘运用于审计时也存在很多缺陷。其中最明显的一点在于数据挖掘是多学科交叉的一种技术，要求审计人员在统计学、数据库技术、机器学习、网络科学、人工智能和数据可视化等多个学科领域都要具有一定的知识储备，这对现在审计人员的专业素养提出了新的挑战。如果审计人员的相关知识储备不足，那么数据挖掘技术将会变得十分有局限性，所提供的帮助也非常有限。此外，数据挖掘技术始终是一种辅助手段，截至目前，还要依靠人来做最终判断。
但从总体来看，数据挖掘技术给审计带来了积极作用，为审计提供了一种新的思路和平台，但也不可忽视其中的缺陷。因此，相关审计人员应尽可能地学习各个领域的知识，弥补数据挖掘技术的不足，尽可能地挖掘数据挖掘技术的潜能，为审计带来更多便利。
主要参考文献
[1]陈国欣.财务报告舞弊识别的研究——基于中国上市公司经验数据[J].审计研究，2007（3）.
[2]文柯芳，辛佳颖.基于数据挖掘技术的金融审计风险防范研究[J].经济论坛，2013（7）.
转载注明来源:https://www.xzbu.com/3/view-15053514.htm
