《数据分析在财务审计中的应用研究.docx》由会员分享，可在线阅读，更多相关《数据分析在财务审计中的应用研究.docx（25页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、本科论文摘 要随着信息化的持续推进，在大数据的迅速发展中，财务审计工作迎来了新的机会和困难。审计工作正逐渐由报表科目向信息化与业务流程化架构中延伸，也正从孤立走向关联。数据分析在财务审计中的应用会越来越普遍。传统数据分析方法与多维度大数据分析方法的紧密融合提高了财务审计工作的质量和效率。基于此发展趋势下，本文从以下几个方面展开研究：首先，描绘数据分析应用于财务审计的现状，并定义好研究对象；其次，展示数据分析的方法和步骤，并从案例出发研究数据分析的切入角度；最后，探讨数据分析应用过程中可能出现的问题及应对策略。通过此次研究，从宏观和微观两个角度出发，旨在达到熟悉数据分析方法并推动财务审计工作更好
2、进行的目的。关键字：大数据，数据分析，财务审计AbstractWith the continuous advancement of information technology and the rapid development of big data, financial audit has acquired new opportunities and difficulties.Auditing is transitioning from reporting to business processes and information frameworks, and from isolatio
3、n to relevance.The application of data analysis in financial auditing is becoming more and more common. The close integration of traditional data and multidimensional big data analysis methods improves the quality and efficiency of financial audit.Based on this development trend, this article studie
4、s from the following angles:At first, the status of the application of data analysis in financial audit is explained and the research objects are defined; secondly , shows the methods and steps of data analysis and studies the starting point of data analysis from the case;finally,discusses the probl
5、ems and countermeasures which may occupy in the application of data analysis.Through this study, from the macro and micro perspectives, the purpose is to get familiar with data analysis methods and promote the better development of financial audit. Key words:Big data,Data analysis, Financial audit 目
6、 录前 言11基本概念21.1数据分析21.2财务审计22财务审计中数据分析的方法及步骤32.1数据分析方法32.1.1传统分析方法32.1.2多维度大数据分析方法62.2数据分析步骤83 A公司财务审计案例分析103.1背景介绍103.2确定审计过程中数据分析的步骤103.3多种数据分析方法的综合运用103.3.1综合运用统计数据分析法、数据可视化分析法、关联与预测数据分析法和趋势分析法103.1.2综合运用结构分析法、比率分析法、数据可视化分析法、合规分析法133.4小结154应用过程中存在的问题及应对策略164.1存在的问题164.1.1审计数据真实有效性的问题164.1.2数据分析错误
7、及安全性的问题164.1.3数据分析不全面的问题164.1.4审计人员数据分析能力不高的问题164.2应对策略174.2.1高度重视前期数据采集工作，设计合适的数据分析模型174.2.2完善信息系统的管理和维护工作174.2.3建设统一的财务审计信息共享平台174.2.4加强跨学科教育，培养综合创新型审计人才17结 论19致 谢20参考文献21前 言财务审计工作的核心是审计人员通过审核及检查来获取审计证据，查明被审计事项的真实性。信息化趋势下，面对大量的数据，如何精准分析是取得充分、适当的审计证据的关键。数据分析在财务审计工作中的应用已经得到学者和审计工作者的关注，但是在实践中的应用还不够普遍
8、和深入。以前的研究大多集中于单一的大数据分析方法，然而在复杂的现实问题前，单一的数据分析方法往往不能解决问题。所以，本文在研究数据分析的现状后，提出要建立一种以传统方法为辅，整合大数据分析的新型数据分析模式。对待传统方法取其精华，对于新型大数据分析方法大胆引进，由此希望能为财务审计工作的更好进行起到推动作用。国内外均十分重视数据分析在财务审计中的应用研究，国外的研究相比国内更加全面和系统，但是实际综合应用效果均未达到最优，特别是整合传统数据和多维度大数据分析方法应用于审计的技术仍处于发展阶段。一方面，AICPA在2014年8月发布一份名为在数字世界里重构审计的文件，曾指出可以把存在关联关系的大
9、数据转化为被审计数据的一部分，利用多种数据分析技术，发现并判断数据之间的潜在联系，进而获取审计证据。另外，Ea-ley(2015)研究了大数据分析技术在CPA审计中的应用，这使数据分析与审计工作之间的联系更加紧密。另一方面，郑伟（2016）清晰介绍了大数据环境下数据式的审计模式。从逻辑模块和网络应用框架的思路出发，研发并构造了数据式的审计模式。陈伟（2019）在已有的大数据可视化技术的研究上，构建了审计线索特征挖掘的数据分析方法。结合案例利用数据分析方法展开介绍了整体情况宏观分析和规律深度分析。杨建（2019）综合运用数据挖掘技术、财务审计等理论，设计出了一个可以自主寻找审计线索、处理多样数据
10、库的智能化审计流程模块。这使数据分析在财务审计中的应用更加深入。本文综合采用文献研究法和案例分析方法。结合近些年国内外研究，在总结概括的基础上，提出新的观点、新的问题、新的解决方法。受个人专业能力所限，在实践方面还不够熟练和客观，在对所选被审计单位审计时所采用的几种数据分析方法和切入角度，仅凭自己学习和实践经验切入，可能并非最优选择，存在一定偏差。总体来说，虽然现在涌现出大量关于大数据、数据分析、财务审计的研究，但是灵活应用于实践的并不多。本文研究了在审计中综合运用传统分析和多维度大数据分析的方法；提出了一般情况下数据分析的步骤；结合审计过程总结了可能出现的问题及应对策略。本文的研究成果，会加
11、强审计的针对性，提升工作效率。另外，本文所提出的综合的数据分析模式，将已有的数据分析方法更加灵活的组合运用到审计工作中，为有效得到审计证据提供保障。1基本概念1.1数据分析中国数据分析行业网对数据分析的定义是：运用分析技术或者统计方法，来对多样的数据进行比对，探索它们之间隐藏的规律，给财务决策者提供更加严谨、科学的理性证据。在本文中对数据分析的定义在此基础上有了更为具体的界定。首先，本文所研究的数据包含财务数据和非财务数据两个方面。其中，非财务数据是指经验信息、业务数据等。数据既可以存在于纸质材料中，也可以存储于信息系统中。另外，本文中的数据分析是在财务审计范围下开展的，审计人员利用收集到的各
12、类数据来分析企业财务数据之间的联系，以及分析财务数据与非财务数据之间的联系，进而寻找审计线索。此外，通过企业业务活动变化、产品市场占有率、发展趋势、行业热点、客户贡献率等等数据的变化，对企业业务发展开展相关分析。同时，对日益变化的反映企业业务活动的数据进行合法和合规分析，及时、精准发现风险，确定重点审计方向。1.2财务审计 我国对财务审计的定义是指存在独立的专业机构与人员接受委托和授权后，对被审计单位的会计资料和其他相关联的经济资料的正确客观性以及经济活动的合规性、合法性进行检查、监督、评价和鉴证的活动，其目的在于通过发表审计意见，进而确定或解除被审计单位的受托经济责任。此外，在美国会计学中有
13、如下定义：审计是为了查明经济现象和经济活动的表现与所定标准之间的一致程度而客观地收集和评价相关证据，并将其结果传达给有利害关系的使用者的有组织过程。综上可以看出，国内外对财务审计的定义没有什么本质差别。本文所研究的主体之一财务审计是指财务报表审计。具体来说，在本文中财务审计的限定范围即对企业进行外部审计的CPA审计。财务审计的关键在于利用审计程序，采用恰当的数据分析方法，获取充分适当的审计证据，并与所定标准之间的一致程度进行比对。数据分析贯穿于整个财务审计的过程中，为挖掘审计线索、获取审计证据提供客观保障。2财务审计中数据分析的方法及步骤2.1数据分析方法2.1.1传统分析方法传统分析方法总体
14、来说主要有四种，分别是结构分析法、合规分析法、比率分析法、趋势分析法。在接下来的具体描述中，除了简要概括已有的常用的传统分析方法外，重点在于采用审计实例来验证综合的分析方法在应用时的可行性以及研究多种方法之间的综合运用。（1）结构分析法结构分析法确定重点审计方向。结构分析是根据相关数据，计算个体所占总体的比重，并对比重大小进行对比分析，根据所占比重的排序，以此确定重点审计方向。结构分析法要求计算个体包含部分占总体的比重，以此来展示总体的内部结构关系与各个构成项目的相对重要水平，提供审计线索，以便把握重点审计方向。同时，结合企业经营特征与结构分析结果可以在审计时做到有的放矢。例如，在2019年3
15、月新三板挂牌公司“门对门网络科技股份有限公司”（以下简称门对门公司）获得了2018财年首例“无法表示意见”的审计报告。在2018年报中“门对门网络科技股份有限公司”流动资产所含类别及金额如下：表2.1门对门公司资产负债表局部数据类别金额（元）货币资金12，129,851.94应收账款1，498,386.71预付款项1，421，420.24其他应收款21,364,025.32其他流动资产335,484.27流动资产合计36,749,168.48流动负债所含类别及金额如下：表2.2门对门公司资产负债表局部数据类别金额（元）短期借款85,000,000.00应付账款41,780,873.31预收款项
16、94,334.96应付职工薪酬1,621,049.34应交税费540,693.95其他应付款24,293,761.96其他流动负债96,800.00流动负债153,427,513.52门对门公司主要经营的业务是给电子购物平台提供第三方物流配送以及货款代收代付等服务。门对门公司独特的业务性质即在配送货物的过程中产生的时间差，会使代收代付货款入账时出现不及时、不明晰的问题。门对门公司为应对货款入账时的时间差问题，通过设置其他应收款、其他应付款两个科目作为过渡性科目来进行会计处理。对财务报表中金额较大的类别进行比重计算，进行结构分析之后发现，在门对门公司流动资产中占比最高的一项是其他应收款，占比58
17、.1%，所占比重较大；在流动负债中占比排在前三位的有短期借款、应付账款、其他应付款分别占比如下：55.4%、27.2%、15.8%。结构分析后的结果表明，门对门公司其他应收款、短期借款占比相对高，结合公司业务性质确定被审计单位其他应收款、其他应付款为重点审计方向。随后对相关单位、企业实施函证。在这次审计过程中回函率0%，也再一次说明了占比较大的其他应收款、其他应付款存在重大错报风险，需要实施重新发函或替代审计程序进行进一步的审计。（2）合规分析法合规分析法检测与即定标准的一致程度。合规分析是指根据法律法规、会计法规与会计准则的要求，检查会计科目之间的勾稽关系是否正常；账户之间的对应关系是否合规
18、；账户余额方向有无异常；账证、账账、账表、表表是否相符；非正常挂账、调账的现象是否存在；违规违法的行为是否存在等情况。结合上面的数据分析情况，继续进行分析，比如，在对这个公司进行数据分析时可以发现：比对门对门公司2018年度全部资产科目余额之后发现，只有“投资性房地产”余额过亿，金额巨大。由于所占资产比重大，再结合经验确定“投资性房地产”为重点审计方向。在将投资性房地产中的金额溯之源头之后发现其中2018年度的一笔记入“投资性房地产”科目的199万元，应该记入对外支付的“服务费”。在与管理层沟通之后，明确该费用性质应该为“销售佣金”。通过合规分析，识别出被审计单位门对门公司将费用科目调整记入资
19、产类科目的财务舞弊现象。这种费用资本化的会计处理与会计准则和会计法规相违背，会带来少计费用，虚增利润的舞弊风险。以此作为经验，余额相对巨大的科目可能隐藏合规问题，有较大审计风险。投资性房地产（50%）结构分析199万元合规分析服务费（ 销售佣金 ）图2.1数据分析流程图总结来说，单纯仅用结构分析法对于分析不同科目间的勾稽关系存在不足，挖掘的审计线索有限。然而前两种方法的综合运用，挖掘到了门对门公司将费用科目调整记入资产类科目，以此实现费用资本化的审计证据。由此来看结构分析可以作为数据分析工作最开始的环节，然而针对复杂的不同科目间的舞弊现象，综合使用结构分析和合规分析会获得更多的审计线索。（3）
20、比率分析法比率分析法可应用于整个审计过程，提供审计线索。比率分析法是通过比对被审计单位同一财务指标在不同年度的变化情况或者与同行业不同单位对比同一财务指标后，寻找审计线索。财务指标，即财务报表内两个有关联类别的经济数据相比后得到的比值。与此同时，常用的财务指标有偿债能力财务指标，如流动比率、资产负债率；营运能力财务指标，如应收账款周转率、存货周转率；盈利能力财务指标，如资产报酬率、销售净利率。比率分析从纵向和横向两个方向考量被审计单位财务状况、经营成果、现金流量。财务指标变化长期来看应该趋于稳定，如果在审计过程中发现在此年度内某些财务指标变化异常，应该以次作为审计线索，追根溯源，识别隐藏的重大
21、错报风险。此外，要结合被审计单位最新的经营决策，识别被审计单位在经营业务方面存在的重大变化，在比对过去与现在的相同财务指标时，适当参考多方面的数据，不能仅仅停留在二者的差异上。（4）趋势分析法趋势分析法直观表现异常差异波动，调整审计侧重点。趋势分析法是审计人员对被审计单位相关数据进行比照分析之后，依据探寻的规律发现异常波动的数据分析方法。趋势分析法往往与比率分析法结合使用。在对被审计单位的财务报表计算完相关的重要财务指标之后，运用可视化表达工具转化为带数据标记的折线图，进行增减或者是幅度变化的规律分析。例如，在审计门对门公司时，根据会计资料计算得到2013年至2018年销售毛利率如下：26.4
22、2%、26.87%、27.22%、27.84%、24.22%、23.45%。同时，查找资料可得行业销售毛利率如下：35.42%、36.00%、34.00%、35.00%、19.10%、18.40%。图2.2销售毛利率趋势图在运用比率分析以及趋势分析之后发现，在2017年到2018年门对门公司销售毛利率均高于行业4%左右。在审计前通过查找资料可知被审计单位在行业中处于中游偏下的位置，经营业务一直比较稳且定没有什么巨大变革，而且行业因电商影响一直处于比较低迷的状态，正处于转型中。所以门对门公司在2017、2018年销售毛利率高于行业4%属于异常情况，相对较高的销售毛利率可能隐含虚增营业收入、虚减营
23、业成本的重大错报风险。需要重点审计粉饰营业收入以及营业成本导致销售毛利率偏高的情况。综上所述，四种传统方法结构分析法、合规分析法、比率分析法、趋势分析法各有优势和不足之处，需要综合运用，贯穿整个审计过程。审计人员采用结构分析法计算有关数据比重，可以明确审计过程中的重点，方向清晰；采用合规分析法可以将获取的审计证据与即定的标准进行比对，寻找差异；采用比率分析法可以加深对企业经营能力的理解，取得审计线索；采用趋势分析可以通过更加直观、可视化的方式了解企业的动态变化，识别异常，开阔新的审计思路。四种方法，动静结合，互为补充。所以，即使是传统数据分析方法，综合使用也会发现多样的审计线索。2.1.2多维
24、度大数据分析方法多维度大数据分析方法概况来说主要有两种，分别是数据挖掘算法分析、数据可视化分析。由于信息化的不断推进，如何借助计算机进行数据分析成为许多学者和审计人员的研究热点。传统数据分析方法对于多角度、深层次挖掘审计线索并获得审计证据存在不足，辅助采用多维度大数据分析方法可以提高审计质量和审计效率。具体分析方法如下展示：（1）数据挖掘算法分析数据挖掘算法分析是应对每日更新变化、数量庞大的电子数据而产生的,依托计算机科学技术所采用的,常用大数据分析方法。这种数据分析方法客观、深入探寻被审计单位数据间的隐含联系和规律，促进审计效果达到更优化水平。数据挖掘算法分析又包括统计数据分析法、关联与预测
25、数据分析法、聚类数据分析法、孤立点数据分析法。四种方法从计算机算法角度出发来应对被审计单位数据库中的海量数据。其中，运用统计数据分析法判别异常数据。统计数据分析法是指应用统计学相关的知识将数据库之间的相关联函数关系进行对比分析。常被审计人员采用的具体方法有借助电子表格软件中统计函数进行分析、借助统计软件进行回归分析或差异分析。审计人员依照建立好的统计模型对被审计单位已经预处理的以前年度的财务数据和非财务数据进行回归分析，探寻深层的关联关系，建立函数模型。随后，审计人员在审计过程中对相关联数据进行预测、比对，针对实际值与预测值出现的差异点作为重点审计方向。比如，在审计被审计单位资本化支出和费用化
26、支出时，可以建立符合资本化支出的统计分析模型，再借助合规分析来判断借款费用是否按照会计准则的规定准确记入相关会计科目。在对模型不断检验、优化后，可以根据行业类型做同类归纳，以后再审计同行业同类型企业时，可以在此基础之上结合被审计单位特点做局部调整，这会节省审计成本和时间。运用关联与预测数据分析法识别偏差数据波动。关联与预测数据分析法是指审计人员依据数据库中曾频繁出现的关联性的逻辑规则，结合被审计单位的具体情况做出相关预测。如果在实际审计过程中被审计单位某些数据之间存在异常变化，有违背预测规则的偏差，以此溯源，作为审计线索。比如，依据数据库中曾频繁出现的关联性的逻辑规则，如收入和成本具有同向变化
27、的趋势，在审计被审计单位利润是否虚增时，如果查询到收入和成本具有明显差异的变化趋势，审计人员需要对相应的包含收入和成本的业务信息的源头进行追查。在这次审计过程中就综合利用了关联与预测数据分析法和趋势分析法，也是一次以传统方法为辅，整合大数据分析的新型数据分析模式的体现。在审计过程中的巧妙应用，也用实践证明了此方法的可行性。运用聚类数据分析法把握重点审计方向。聚类数据分析法是指依照数据间潜在的关联，将单个数据集合划分成不同组的数据集，同一组的数据集具有很多的相同点，不同组的数据集具有明显的差异。聚类之后，对于数据集稀疏的区域作为重点审计区。比如，在计算有关被审计单位财务状况、经营成果、现金流量等
28、关键财务指标后，不仅要采集同性质、同类型单位的同一关键财务指标，还要和被审计单位相同的财务指标分别聚类分析，针对数据集稀疏的区域做重点审计。运用孤立点数据分析法探寻审计线索。孤立点数据分析法是一种重要的数据挖掘算法分析。孤立点数据分析法借助计算机超强的数据分析能力，应用数据挖掘算法如决策树分析算法，检测不满足一般模式的孤立点数据，发现异常数据，探寻审计线索，获取审计证据。例如：在判断被审计单位主营业务成本是否存在少记现象时，对其中所耗材料费用入账价格是否真实合理进行验证。利用孤立点数据分析法，采集同行业同类型企业相关数据进行对比，如果存在明显偏离其他数据的孤立点，以此作为审计线索。运用孤立点数
29、据分析法实现了在海量数据中快速筛别异常数据的可能。（2）数据可视化分析数据可视化分析是指借助开源工具亦或常用的数据软件工具通过呈现图形的方式，来直观简洁的表达数据间的关联和变化。审计人员运用已有经验通过对可视化结果的图像进行分析与观察，从总体上全面系统的分析被审计单位相关的审计数据的特征，以此寻找审计线索，收集审计证据。数据可视化分析有如下几种分析方式：散点图分析、折线图分析、柱状图分析、雷达图分析等等。在这些可视化图形中有些适合做静态时点的数据分析，有些适合做动态时点的数据分析。比如，在审计被审计单位时，依据关联规则分析得到了含有数据的几组折线图，对折线图进行可视化分析时，需要分析数据变化的
30、趋势和幅度，以及数据间存在的变化关系，此时的分析更偏重于动态变化。在对散点图进行分析时，可能会在结果图中出现偏离总体数据分布的异常数据，此时需要对异常数据重点分析偏离的程度和偏离的原因，以此确定审计线索，进行溯源追查。在此时所进行的分析既含有变化幅度动态的分析，也有异常数据静态的分析。综上所述，在分别阐述完毕传统分析方法与多维度大数据分析方法之后发现，每种方法都不是孤立使用的。综合运用多种方法，不仅会有利于获取充分、适当的审计证据，而且有利于提高审计的质量与效率。传统分析方法并非已经完全不能使用，大数据分析方法也不能一枝独秀，将二者灵活组合可以带来更优的效果，比如在审计线索、审计方向、审计证据
31、等方面。2.2数据分析步骤数据分析包含四个基本步骤：第一数据采集和检查；第二数据清洗和整合；第三数据分析和可视化表达；第四归纳并核实出现的问题。数据采集和检查数据清洗和整合数据分析和可视化表达归纳并核实出现的问题图2.3数据分析步骤流程图首先，做好数据分析准备工作，进行数据采集和检查。审计人员根据审计目标，先对数据采集的渠道、内容、方法做好调查和规划，有目的的对被审计单位会计资料及其他相关的经济资料进行数据采集。在数据采集时，不局限于被审计单位的财务数据库，审计人员需保证采集的数据尽可能全面。对采集后的数据要进行质量检测，检测数据的客观、真实性。因此，采集的数据真实和相关是关键，数据分析的对象
32、就是数据，如果数据不具有真实性和相关性，那么数据分析的方向就是错的，再怎么努力也不会得到准确的结果。其次，做好数据预处理工作，进行数据清洗和整合。数据源中一般含有许多噪声多、格式不一致、占空间大的数据，需要对数据做除噪、空值数据剔除等一系列数据清洗工作。数据清洗完毕之后，需要审计人员依据审计目标对初步清洗后的数据做进一步清洗，并随之将数据转换格式、压缩整合，为后续审计过程做好铺垫。再者，做好精准分析和结果输出工作，进行数据分析和可视化表达。在准备工作已经充分完成的基础上，需要根据审计计划对数据进行加工分析。在分析过程中采用传统数据分析方法和多维度大数据分析方法相结合的策略，挖掘数据间的深层规律
33、。将数据分析预测结果与被审计期间数据比对，寻找异常，探寻审计线索。分析完毕后，要对取得的信息进行可视化表达，保存审计证据。最后，做好总结、反思工作，进行归纳并核实出现的问题。在数据分析的过程中，会暴露一些错误和新的经验，需要审计人员及时积累这些财富，为以后数据分析工作做好准备，在下一次数据分析工作中操作起来也会更加熟练和精准。3 A公司财务审计案例分析3.1背景介绍 A公司于1991年成立于中国广东，主要经营日用家电生产、销售、配送业务。A公司在全国拥有多家子公司，在国外也开拓了海外市场。2018年在日用家电行业综合实力排名前五，其中厨房家用电器电压力锅、微波炉在线上、线下销售中所占市场份额均
34、位居前三名。A公司坚持自主研发，已经在国内外建立了专属的品牌，深得消费者的信赖。A公司管理层多次强调，在当下这个信息化、人工智能高速发展的时代，公司要积极研发智能化新产品，优化产品性能，在发扬已有优势的同时，继续抢占更多的市场份额。A公司在财务方面，采用总部统一定价、管理的模式，并且已经开发和应用了适合公司经营模式的财务管理系统，已经基本实现无纸化办公。A公司多年来有固定的事务所进行年度审计工作，最近5年审计报告所出示的意见均为标准无保留意见。在详细掌握A公司会计资料和其他相关经济资料之后，运用以传统方法为辅，整合大数据分析的新型数据分析方法发现了新的审计思路和线索。此次审计目标是要通过对数据
35、检测，发现异常点，并做重点分析。这在已有工作的基础上做了补充，进一步降低了重大错报风险。3.2确定审计过程中数据分析的步骤A公司有相对完善的信息化管理系统、必要的纸质材料也按照公司规定完好的保留成册。在对A公司开展数据分析工作、制定总体规划时，根据公司的会计资料和经济资料存储方式以及审计目标，确定了公司在审计过程中采用“四步走”的工作方式，具体步骤如下展示：第一步、准备工作，进行数据采集和检查；第二步、数据预处理工作，进行数据清洗和整合；第三步、精准分析和结果输出工作，进行数据分析和可视化表达；第四步、总结、反思工作，进行归纳并核实出现的问题。3.3多种数据分析方法的综合运用3.3.1综合运用
36、统计数据分析法、数据可视化分析法、关联与预测数据分析法和趋势分析法运用统计数据分析法、数据可视化分析法、关联与预测数据分析法和趋势分析法挖掘主营业务收入和主营业务成本关联规则。首先由日用家电行业整体出发，探寻主营业务收入和主营业务成本关联规则。从国家统计局官方网站查询获得2009年至2018年10年间日用家电行业主营业务收入和主营业务成本数据。并利用统计软件进行关联规则分析。在分析时，将文本数据符号化处理。令主营业务成本为X，主营业务收入为Y，在输入数据时X、Y所代表的的金额数的单位是亿元。相关操作如下展示：图3.1主营业务收入和主营业务成本数据在统计软件中输入数据后，软件输出了如下的散点图。
37、通过观察可以发现数据在一条直线附近波动，成线性变动，而且主营业务收入和主营业务成本同向变化，具有正相关性。以此做出在预测日用家电行业主营业务收入和主营业务成本具有线性正相关性。图3.2主营业务收入和主营业务成本散点图在大致确定X、Y具有线性关系时，对数据进行进一步的回归分析得出下图结果。 从结果看出，可决系数=0.996307，可决系数很高，模型拟合度较好。回归分析结果显示了预测结果的合理性。图3.3主营业务收入和主营业务成本回归分析图在对上述行业整体分析中，发现主营业务收入和主营业务成本具有正相关线性关联。此外，从数据库中采集A公司相关数据按照同样方法进行回归分析，发现主营业务收入和主营业务
38、成本的变化情况与行业相符。但从分布间距来看，变化幅度有较大变动的异常情况，需要对主营业务收入和主营业务成本变动幅度进行进一步分析。图3.4 A公司主营业务收入和主营业务成本散点图采集2013年到2018年同行业、A公司主营业务收入和主营业务成本数据，并构造二者相对变动幅度模型。令主营业务收入今年相对去年变动幅度为，主营业务成本今年相对去年变动幅度为，二者相对变动幅度表示为|，计算完毕后数值汇成下图所示：图3.5相对幅度趋势图通过观察上图可知，A公司、二者相对变动幅度区间为（2,20），同行业、二者相对变动幅度区间为0,1。所以A公司主营业务收入和主营业务成本相对变化幅度过大。虽然主营业务收入和
39、主营业务成本符合同行业正相关线性关联，但由于相对变化幅度大，还需要查询A公司是否存在收入高估或者成本少计的情况。对于数据分析结果需要审计人员进行深层次的追溯检查，比如每笔销售交易是否有相应的销售合同等原始凭证，看一下A公司有没有伪造虚假交易流，高估收入；还需要检查原材料记录价格是否明显低于市场价格的情况，看一下A公司有没有以此少计成本。通过综合运用数据分析方法发现了，虽然主营业务收入和主营业务成本总体变化符合日用家电行业变化趋势，但是在变化幅度方面存在异常，结合A公司近些年来一直稳定，无重大变化的经营特点，由此得出A公司可能存在收入高估或者成本少计的情况，需要做进一步的审计程序。在这个审计过程
40、中利用综合的数据分析方法挖掘到了许多审计线索，由预测到验证，逻辑清晰，所获得的审计证据更具客观性。3.1.2综合运用结构分析法、比率分析法、数据可视化分析法、合规分析法运用结构分析法、比率分析法、数据可视化分析法、合规分析法挖掘应收账款所占比重以及坏账准备计提可能带来的重大错报风险。首先，结合对上述A公司数据分析的结果以及财务报表反映的相关信息，转换对A公司数据分析的切入角度，进行进一步分析，分别采集2016到2018年同行业和A公司应收账款、流动资产的数据，计算应收账款占流动资产的比重如下展示：表3.1应收账款占流动资产比重201620172018同行业2.07%3.3%3.8%A公司15%
41、23.83%17.5%相比同行业数据，A公司应收账款占流动资产的比重相对更大，存在明显差异，需要进一步分析A公司应收账款周转率相对变化情况。采集2013年至2018年同行业、A公司应收账款、赊销收入净额相关数据 ，依次计算出应收账款周转率，计算完毕之后，如下图展示：图3.6应收账款周转率柱状图由柱状图进行数据可视化分析发现，A公司应收账款周转率远远低于同行业，而且呈下降趋势。之前分析，A公司应收账款占流动资产的比重较大，加之对同行业以及A公司应收账款周转率的分析，需要对A公司与应收账款有关的科目即“坏账准备”进行进一步的合规分析。因为少计坏账准备，会影响资产减值损失科目，进而会虚增利润。检查A
42、公司的会计资料后发现，A公司采用账龄分析法计提坏账准备，但是A公司没有对单项金额重大并单独计提的坏账准备所依据的资料。沿着这个审计线索，需要审计人员继续进行合规性分析，比如，通过复核、访谈及函证等手段确定应收账款预计可收回金额，了解相关客户的信用情况。3.4小结在上述案例中，审计人员采用了“四步走”的数据分析步骤，同时运用了传统数据分析方法如比率分析法、结构分析法、合规分析法和趋势分析法；也采用了多维度大数据分析方法如统计数据分析法、数据可视化分析法和关联与预测数据分析法。灵活的组合模式、多样化的数据分析方法促进了审计线索的挖掘，这为取得充分、适当的审计证据提供保障。在此次审计工作中，通过运用
43、综合的数据分析方法，挖掘出主营业务收入和主营业务成本关联规则，并为进一步探寻高估收入、少计成本的重大错报风险提供审计线索；也挖掘出应收账款所占比重以及坏账准备计提可能带来的重大错报风险。总体来说综合的数据分析工作有利于提升审计效果。传统数据分析方法虽然在大数据采集与加工处理方面不如多维度大数据分析方法，但是作为辅助方法，有助于确定审计方向。在案例分析中看到应用数据分析取得优异审计成果的同时，也需要总结在审计过程中存在的问题。由于受专业水平和工作经验所限，对于数据的分析工作还没有更加深入，一些复杂的数据处理、加工工作还不够完善。比如，在进行数据可视化分析时，由于对于数据的敏感度不是很高，所分析的
44、结果还不够精准。采集、处理数据的辅助平台也存在安全隐患，仍要需要不断优化。另外，选取数据分析的方法时，在组合搭配方面还不够灵活，挖掘的审计线索不够充分。因此，从案例中得到的更长远的思考在于，在应对未来大数据的考验时，需要审计人员、计算机人员研究、开发出更多方便操作、精准分析、安全性能高的数据分析软件。因为工欲善其事必先利其器，没有优化的数据分析软件，即便审计人员专业能力再强、职业敏感度再高，面对海量的大数据也会有心有余而力不足之感。4应用过程中存在的问题及应对策略4.1存在的问题4.1.1审计数据真实有效性的问题数据分析工作的第一步是数据采集和检查。然而，被审计单位的数据库所含的数据未必全面和
45、真实，如果盲目的仅从数据库中照搬数据，不仅会遗漏关键细节，审计效率也会非常低下，采集的数据未必对审计工作提供帮助。此外，由于审计软件或开源软件功能和质量的参差不齐，从被审计单位采集的数据处理之后可能会因为格式问题造成数据失真不能代表被审计单位的经营状况，这会最终影响审计结果。所以审计数据的真实有效性是影响数据分析工作开局的难题。4.1.2数据分析错误及安全性的问题借助信息系统进行数据分析可能存在错误及安全隐患。因为当下信息化越来越普遍，人工智能、财务共享的理念不断升温，许多企业也都已经基本实现无纸化办公。面对海量的数据，审计人员也需要借助信息系统来完成审计工作，然而信息系统的漏洞，会直接带来错
46、误的数据分析工作，导致审计重点的偏离。大数据时代，信息泄露问题已经非常严峻，信息系统在存储数据时也会存在数据泄露的安全隐患问题。同样，落后的信息系统也存在数据分析结果不能持续存储的安全隐患。4.1.3数据分析不全面的问题各业务流程之间关联性差可能会导致数据分析不全面。许多企业已经开发和应用了适合自身经营的财务以及信息管理系统，各个子系统为模块化管理。审计人员在采集数据时通常也会以模块化处理，而这会带来业务流程之间的断层。如果审计软件或开源软件对于业务流程关联性方面存在漏洞或无法处理，那么会使审计人员的数据分析工作具有片面性，无法从整体上把握，也很难做到有的放矢。此外，由于被审计单位在本年度内经
47、营业务侧重点会发生变化，但是信息系统没有及时更新，从数据库中提取的以前年度的部分数据变化规律可能不会很好的反映现在数据的变化。同样的业务自身的流程也存在变化，各业务流程之间的关联也会出现不同的可能。所以在对这部分数据分析时存在一定的偏差和不稳定性。4.1.4审计人员数据分析能力不高的问题由于审计人员没有得到全面的数据分析方面的培训，所以在对大数据进行分析时往往不是很到位。由传统审计方法向计算机审计方法过渡的阶段，需要审计人员时刻更新知识储备和操作方法，然而这个过程不仅需要自身的努力，也需要所属单位的持续支持。数据分析方法灵活多变，需要许多跨学科知识，目前培训机构和大学教育在跨学科培养方面还很欠缺，复合型审计人员仍是凤毛麟角。此外，虽然现在信息很普遍，知识的获取渠道特别多，但是很少有人树立终生学习的观念，对于大数据时代的来临没有一定的危机意识，一些基本的数据分析软件并不能很好使用，出现问题往往不能很好解决。4.2应对策略4.2.1高度重视前期数据采集工作，设计合适的数据分析模型数据采集工作是数据分析工作的重中之重，为了应对采集的数据不够真实、有效，需要审计人员做好数据分析的规划工作并增加前期数据采集工作的重视程度。比如，审计人员在采集数据时要做到全面但也要有的放矢，既提高数据采集工作的质量，也要提高数据采集工作的效率