一種新型的計算機審計模型

摘要：在分析計算機審計的特點及需求的基礎上，借鑒數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等技術的優(yōu)勢，提出了一種新型的計算機審計模型。該模型克服了傳統(tǒng)審計軟件的不足，有效地解決了面對海量數(shù)據(jù)的審計等問題，提高了審計的效率及質量。最后還對智能審計的發(fā)展作了一定的探討。

關鍵詞：數(shù)據(jù)倉庫；聯(lián)機分析處理；數(shù)據(jù)挖掘；計算機審計

中圖分類號：TP391文獻標志碼：A

文章編號：1001－3695(2008)03－0782－04

0引言

在信息技術飛速發(fā)展的大形勢下，企業(yè)ERP系統(tǒng)、電子商務、電子政務及會計電算化等逐漸普及，審計工作面臨巨大的挑戰(zhàn)，計算機審計取代過去傳統(tǒng)的手工審計，成為現(xiàn)代審計領域的一個重要課題，對海量數(shù)據(jù)的計算機審計及智能審計更是迫切需要解決的問題。

近年來，數(shù)據(jù)管理技術和市場上一個方興未艾的領域——數(shù)據(jù)倉庫及其相關的OLAP、數(shù)據(jù)挖掘等技術，已經(jīng)服務于金融、保險、電信、郵電等多個行業(yè)領域，為各級經(jīng)營管理者提供了寶貴的決策性支持，如用于信用分析、風險分析、欺詐檢測、客戶關系管理等。但其在審計行業(yè)的應用，還只在試驗探索階段，或只關注其中某個技術與審計結合，或局限在某個特定的審計領域。

本文提出了一種新型的計算機審計模型，將數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等技術的優(yōu)勢充分地應用于審計行業(yè)，以輔助計算機審計，降低審計風險，提高審計效率，保證審計質量。

1審計現(xiàn)狀與發(fā)展需求

1．1審計現(xiàn)狀

審計是由專職機構和人員，對被審計單位的財政、財務收支及其他經(jīng)濟活動的真實性、合法性和效益性進行審查和評價的獨立性經(jīng)濟監(jiān)督活動。

隨著計算機、數(shù)據(jù)庫、網(wǎng)絡等信息技術的飛速發(fā)展，會計電算化形勢的形成，電子商務、電子政務系統(tǒng)的普及，審計方式也相應地由手工審計轉變?yōu)橛嬎銠C審計。當前的計算機審計（主要指針對數(shù)據(jù)的審計）面臨很大的壓力與挑戰(zhàn)：

a）審計數(shù)據(jù)量大。在信息技術高速發(fā)展的時代，被審計單位積累了大量的業(yè)務數(shù)據(jù)，并且仍在急劇增長。

b）數(shù)據(jù)的不一致性。被審計單位的數(shù)據(jù)，可能來自不同的業(yè)務信息系統(tǒng)，或以不同的存儲方式存在，因此，這些數(shù)據(jù)難免具有不一致性，諸如異構、冗余、缺值、數(shù)據(jù)類型不一致、數(shù)據(jù)單位不一致、表示方式不一致、數(shù)據(jù)錯誤等。

c）審計時限限制。審計工作是一項復雜的任務，在實際操作中，每項審計任務均受到審計時限的限制，力求提高審計效率是刻不容緩的。

d）審計知識經(jīng)驗有限。審計行業(yè)跨度較大，不同的行業(yè)，審計知識也不盡相同，而且每個審計人員僅有自己積累的那一部分經(jīng)驗，無法共享。

e）信息不對稱。對同一個問題，不同的審計人員關注的重點不同，得到的審計結果也不盡相同，信息的不對稱性必將影響審計的質量[1]。

f）現(xiàn)代計算機技術利用不充分，審計效率及質量不高。使用傳統(tǒng)的審計軟件，在進行數(shù)據(jù)分析時，仍只能靠簡單的表或記錄查詢，仍局限于依靠審計人員積累的審計經(jīng)驗來發(fā)現(xiàn)異常數(shù)據(jù)，隱藏信息不易暴露，常有漏審、誤審等現(xiàn)象發(fā)生。

為克服上述困難，有效地針對海量數(shù)據(jù)開展審計已成為計算機審計領域迫切需要解決的問題。雖然目前計算機審計已能夠利用DB2、Oracle等大型數(shù)據(jù)庫進行數(shù)據(jù)處理，并進行簡單的分析，但對于如何有效地處理、分析數(shù)據(jù)，有效地作出決策還有待進一步探索，這就需要引入數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等技術。

1．2技術發(fā)展

數(shù)據(jù)倉庫技術是將各種有效的操作型數(shù)據(jù)集成到統(tǒng)一的環(huán)境中，以提供決策型數(shù)據(jù)訪問的技術和模塊的總稱。它所做的一切都是為了讓用戶更快、更方便地查詢所需要的信息，提供決策性支持。數(shù)據(jù)倉庫的體系結構[2]如圖1所示。

1．2．1數(shù)據(jù)預處理

數(shù)據(jù)源是業(yè)務系統(tǒng)中存在的操作型數(shù)據(jù)，通常數(shù)據(jù)量很大，產(chǎn)生規(guī)則不盡相同，難免有噪聲、空缺、不一致、冗余等數(shù)據(jù)的存在。為提高數(shù)據(jù)質量，從而提高數(shù)據(jù)分析的效率及分析結果的質量，需要進行必要的數(shù)據(jù)預處理，如數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約。

1．2．2數(shù)據(jù)倉庫

數(shù)據(jù)經(jīng)過預處理之后，被加載到數(shù)據(jù)倉庫。W.H.Inmon[3]描述數(shù)據(jù)倉庫 (data warehouse，DW) 為：一個面向主題的、集成的、非易失的、且隨時間變化的數(shù)據(jù)集合，用來支持管理人員的決策。數(shù)據(jù)倉庫的目標是支持全面的、大量的數(shù)據(jù)存儲，并依靠客戶端工具來實現(xiàn)高層次的決策支持。

1．2．3數(shù)據(jù)組織

數(shù)據(jù)倉庫可采用索引機制、查詢優(yōu)化器、連接策略、數(shù)據(jù)排序、采樣、并行處理等技術，管理大量數(shù)據(jù)，以方便快速地訪問。

數(shù)據(jù)倉庫還支持多維分析的查詢模式，E.F.Codd 在1993年提出了聯(lián)機分析處理（OLAP）的概念，簡單地說，它是針對特定問題的聯(lián)機數(shù)據(jù)訪問和分析，通過對信息的多個角度（維）進行快速、一致、穩(wěn)定地交互訪問，決策分析人員可以深入地觀察[4]。多維性是OLAP的靈魂，選擇合理的多維數(shù)據(jù)模型，適當?shù)腛LAP服務器，有效地組織數(shù)據(jù)倉庫中的數(shù)據(jù)，為數(shù)據(jù)分析提供便利。

1．2．4數(shù)據(jù)分析

1）普通分析

2）多維分析

OLAP技術使多維數(shù)據(jù)分析成為現(xiàn)實，分析人員在數(shù)據(jù)立方體結構的基礎上，借助OLAP工具提供的切片、切塊、上卷、下鉆、轉軸等操作，多維、快速、一致地分析數(shù)據(jù)。

3）數(shù)據(jù)挖掘

數(shù)據(jù)挖掘（data mining）是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的，人們事先不知道的，但又是潛在有用的信息和知識的過程[5]。利用各種分析工具，可以從海量數(shù)據(jù)中發(fā)現(xiàn)未知的模型或數(shù)據(jù)間隱含的關系，并以此作出預測。常見的數(shù)據(jù)挖掘功能有數(shù)據(jù)描述、關聯(lián)分析、分類和預測、聚類分析、孤立點分析、演變分析等。

筆者認為將數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等技術應用到審計行業(yè)，輔助計算機審計是可行的，且很有必要。現(xiàn)代審計領域，計算機審計的發(fā)展需要利用此類相關技術建設審計數(shù)據(jù)倉庫，與聯(lián)機分析處理、數(shù)據(jù)挖掘有機集成，并實現(xiàn)各種數(shù)據(jù)挖掘算法，對海量數(shù)據(jù)進行智能化和多元化的分析、關聯(lián)，從而發(fā)現(xiàn)審計線索，幫助審計人員正確作出決策。

2審計數(shù)據(jù)倉庫模型的設計

圖2為傳統(tǒng)計算機審計軟件的工作方式。

傳統(tǒng)的計算機審計，對不同來源的審計數(shù)據(jù)也執(zhí)行了抽取、凈化、轉換等操作，但相對于數(shù)據(jù)倉庫而言，數(shù)據(jù)庫在對海量數(shù)據(jù)的組織管理方面有很多缺陷，并且在傳統(tǒng)計算機審計方式下，審計數(shù)據(jù)的分析以及審計線索的發(fā)現(xiàn)，仍局限于依靠審計人員的經(jīng)驗，審計效率很低。

本文提出一種新型的計算機審計模型，如圖3所示。該模型克服了傳統(tǒng)審計軟件的不足，實現(xiàn)了新環(huán)境下高效計算機審計的目標。

新型的計算機審計模型實現(xiàn)了數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等技術的有機集成，并且在適當?shù)沫h(huán)節(jié)引進其他先進技術，指導計算機審計高效實施。相對于傳統(tǒng)審計軟件，該模型具有如下優(yōu)勢：

a）審計數(shù)據(jù)交由數(shù)據(jù)倉庫管理，數(shù)據(jù)倉庫的優(yōu)勢無疑為面向海量數(shù)據(jù)的審計帶來諸多好處。

b）審計數(shù)據(jù)的組織可以使用索引機制、OLAP、并行處理等先進的數(shù)據(jù)倉庫技術，實現(xiàn)快速、高效地訪問數(shù)據(jù)的目標。

c）支持多維分析。使用OLAP工具，多角度、多方位地分析數(shù)據(jù)，可以快速地發(fā)現(xiàn)審計線索，暴露某些不易發(fā)現(xiàn)的隱藏信息也成為可能。

d）有指導分析，并且實現(xiàn)了審計經(jīng)驗的積累與共享。分析審計數(shù)據(jù)，不再局限于依靠審計人員僅有的經(jīng)驗，規(guī)則庫中積累的所有經(jīng)驗知識及數(shù)據(jù)挖掘發(fā)現(xiàn)的審計規(guī)則均可以作為指導規(guī)則。

在審計數(shù)據(jù)倉庫模型的指導下，審計人員利用先進的信息技術，按照如下步驟，順利完成計算機審計任務。

2．1審計數(shù)據(jù)倉庫

2．1．1確定審計目標及審計重點

前期準備階段，由審計單位相關負責人制訂審計計劃。審計人員準備實施審計任務時，根據(jù)審計計劃，進一步了解被審計單位的業(yè)務系統(tǒng)、財務系統(tǒng)、業(yè)務數(shù)據(jù)的特點等，確定審計的目標、內容及審計重點。

信息技術的發(fā)展，使得業(yè)務的運作模式各有特點，數(shù)據(jù)的產(chǎn)生規(guī)則也不盡相同，呈現(xiàn)出不同的表現(xiàn)形式。審計人員只有與被審計單位相關人員及時溝通，才能較深刻地了解被審計單位的內部控制制度以及數(shù)據(jù)的特點，降低審計風險。

2．1．2建立審計數(shù)據(jù)模型，完成數(shù)據(jù)倉庫的邏輯/物理設計

熟悉被審計單位的數(shù)據(jù)特點并明確審計目標之后，審計人員根據(jù)相關的法律、法規(guī)、審計知識以及確定的審計重點，建立審計數(shù)據(jù)模型。確定關鍵的審計主題域，每個主題必要的數(shù)據(jù)支持，待分析的指標、度量等，設計數(shù)據(jù)倉庫的邏輯/物理結構，提取的審計數(shù)據(jù)需要根據(jù)模型進行轉換、集成。

例如，在對某商業(yè)銀行金融審計時，審計主題域可設為存款業(yè)務審計、貸款業(yè)務審計、銀行卡業(yè)務審計等。對于貸款業(yè)務審計主題，貸款方式、貸款用途、貸款期限、貸款機構、貸款對象、貸款時間等都是必要的數(shù)據(jù)支持，同時貸款金額、貸款利率、貸款利息等作為數(shù)據(jù)分析的度量指標。

審計數(shù)據(jù)模型設計是一項相當復雜的任務，也是審計工作中較為關鍵的步驟。

2．1．3確定數(shù)據(jù)源

根據(jù)確定的數(shù)據(jù)模型，進一步分析被審計單位的業(yè)務數(shù)據(jù)，確定數(shù)據(jù)源。

數(shù)據(jù)源的定位，可以根據(jù)審計主題逐步完成。比如金融審計時，先選擇那些與存款業(yè)務相關的數(shù)據(jù)，如會計報表、存/取款交易記錄、賬戶信息等，接著分析與貸款業(yè)務相關的數(shù)據(jù)等。

業(yè)務信息系統(tǒng)的多樣性導致了審計數(shù)據(jù)源的多樣性，它們以不同的數(shù)據(jù)庫存儲形式存在，如Oracle、DB2、SQL Server、Access等；可以是文本數(shù)據(jù)，如Text、Word文檔；可以是Excel表格；甚至可以是XML文檔等。因此，異構性數(shù)據(jù)是審計工作重點關注的問題，需要對其進行后文將要提到的數(shù)據(jù)預處理。

2．1．4選擇適當?shù)臄?shù)據(jù)倉庫技術和平臺

根據(jù)審計的實際需求，結合數(shù)據(jù)的特點，通過比較當前不同數(shù)據(jù)倉庫產(chǎn)品的優(yōu)劣，選擇合適的產(chǎn)品作為審計數(shù)據(jù)倉庫。主要考慮的因素有：與業(yè)務系統(tǒng)集成的方便性、數(shù)據(jù)量、數(shù)據(jù)類型支持、數(shù)據(jù)組織策略等。

2．1．5從先前確定的數(shù)據(jù)源中抽取、凈化、轉換和集成數(shù)據(jù)，并且加載到審計數(shù)據(jù)倉庫

針對前面提到的數(shù)據(jù)源的多樣性，確定數(shù)據(jù)抽取策略、數(shù)據(jù)轉換機制，對于噪聲數(shù)據(jù)如缺值、數(shù)據(jù)單位不一致等，則要明確數(shù)據(jù)凈化方法，注意去掉重復記錄等，保證加載到數(shù)據(jù)倉庫中的數(shù)據(jù)是集成的、一致的。此類規(guī)則屬于元數(shù)據(jù)范疇，需要集中管理。

例如，選擇某大型數(shù)據(jù)庫廠商提供的數(shù)據(jù)倉庫產(chǎn)品做平臺，對于文本文件，可以使用特殊的分隔符（如Tab鍵）區(qū)分不同的屬性（值），換行符區(qū)分不用的記錄行，記錄屬性名稱的映射關系；針對數(shù)據(jù)存儲格式不一致等問題，則以數(shù)據(jù)倉庫的格式為目標進行轉換，實現(xiàn)數(shù)據(jù)的一致性；對于缺值問題，則可以取記錄的平均值或某個預定的默認值，或者作為特殊數(shù)據(jù)單獨管理；進行必要的數(shù)據(jù)集成，以滿足分析的需求等。

數(shù)據(jù)抽取轉換是審計實施的關鍵步驟，計算機審計軟件也不例外，但是現(xiàn)有的抽取轉換機制具有一定的局限性，需要不斷完善，不斷強大其功能。另外，只有被審計單位提供了真實的數(shù)據(jù)，才能保證凈化、轉換、加載到數(shù)據(jù)倉庫中的數(shù)據(jù)的有效性。對于有加密機制的數(shù)據(jù)，則需要被審計單位提供解密機制或者解密之后的數(shù)據(jù)。

2．1．6管理元數(shù)據(jù)

元數(shù)據(jù)有兩類：a)數(shù)據(jù)倉庫的設計和管理人員用于開發(fā)和日常管理數(shù)據(jù)倉庫時用的數(shù)據(jù)。包括數(shù)據(jù)源信息、數(shù)據(jù)轉換的描述、數(shù)據(jù)倉庫內對象和數(shù)據(jù)結構的定義、數(shù)據(jù)清理和數(shù)據(jù)更新時用的規(guī)則、源數(shù)據(jù)到目的數(shù)據(jù)的映射、數(shù)據(jù)導入歷史記錄等； b）從業(yè)務角度描述的數(shù)據(jù)倉庫中的數(shù)據(jù)。包括主題描述及其包含的數(shù)據(jù)、查詢、報表等。

2．1．7組織管理加載到數(shù)據(jù)倉庫中的數(shù)據(jù)

審計數(shù)據(jù)模型及審計目標是數(shù)據(jù)組織與管理的依據(jù)，采用先進的技術，如索引優(yōu)化、OLAP等技術對數(shù)據(jù)倉庫中的數(shù)據(jù)進行有效的組織管理，以提供快速高效的數(shù)據(jù)訪問接口。

在數(shù)據(jù)倉庫的基礎上，使用OLAP工具，采用合理的多維數(shù)據(jù)模型，完成事實表、維表等的設計，方便多維分析。例如在銀行存款業(yè)務審計時，對存款金額、利息等作為事實表屬性，而維度可以選擇存款機構、存款賬戶、存款時間等。

2．1．8錄入其他相關資料

與審計相關的法律、法規(guī)、審計業(yè)務知識可以錄入數(shù)據(jù)倉庫，以供查閱。

比較成熟的審計理論、審計經(jīng)驗也可以規(guī)則的形式錄入數(shù)據(jù)倉庫，與后面將要提到的數(shù)據(jù)挖掘發(fā)現(xiàn)的審計規(guī)則相結合，指導審計人員快速發(fā)現(xiàn)審計線索，提高審計效率。

2．2審計數(shù)據(jù)分析

在審計數(shù)據(jù)倉庫的基礎上，通過數(shù)據(jù)分析發(fā)現(xiàn)審計線索，挖掘隱藏的審計知識。

2．2．1簡單分析

選擇適當?shù)膱蟊怼⒎治龉ぞ撸梃b先進的查詢、統(tǒng)計技術（也可以自己編程實現(xiàn)），對數(shù)據(jù)進行一般性分析。

感觀的認識往往更能給人留下深刻的印象，因此可以借鑒數(shù)據(jù)可視化技術及統(tǒng)計分析圖如柱狀圖、餅狀圖、直方圖等來直觀地表現(xiàn)數(shù)據(jù)分析結果。另外，在涉及到有地域信息的數(shù)據(jù)時，可以借鑒GIS相關技術，將數(shù)據(jù)信息在地域中體現(xiàn)，進行空間數(shù)據(jù)挖掘，有助于數(shù)據(jù)分析。同時，在確定審計目標數(shù)據(jù)后，可以跟蹤位置信息，如跟蹤某個客戶活動的地域范圍信息等。

通常的審計軟件只提供普通的報表分析工具，且此類分析是在審計經(jīng)驗的指導下完成的，具有一定的盲目性，猶如盲人摸象，效率很低。

本文提到的審計數(shù)據(jù)倉庫模型還引入其他一些先進的分析、挖掘技術，可以大大提高審計效率，這些技術在傳統(tǒng)審計軟件中是沒有的。

2．2．2多維分析

使用OLAP工具，多維多角度分析數(shù)據(jù)。可以借助切片、切塊、上卷、下鉆等操作多維分析數(shù)據(jù)倉庫中的數(shù)據(jù)，異常數(shù)據(jù)容易被發(fā)現(xiàn)，而通常此類信息憑經(jīng)驗是很難發(fā)現(xiàn)的。比如在銀行存款業(yè)務審計時，分析該行某一年的存款數(shù)額及利息關系，以時間作為分析的維度，發(fā)現(xiàn)某一季度存款額提高，但是利息收入?yún)s在下降，因而懷疑該季度有異常存款發(fā)生，審計人員繼續(xù)深入調查該季度的存款數(shù)據(jù)，通過下鉆操作，分析該季度下每個月份的數(shù)據(jù)，確定是否有異常存款存在。

2．2．3有指導分析

使用數(shù)據(jù)挖掘工具發(fā)現(xiàn)審計規(guī)則，積累審計經(jīng)驗，并且利用審計規(guī)則指導審計操作。

數(shù)據(jù)挖掘可以在任何類型的數(shù)據(jù)存儲上進行，本模型指數(shù)據(jù)倉庫基礎上的數(shù)據(jù)挖掘，通常數(shù)據(jù)挖掘過程需要的數(shù)據(jù)提取、數(shù)據(jù)清洗、數(shù)據(jù)轉換等操作已經(jīng)在數(shù)據(jù)倉庫建設階段完成，數(shù)據(jù)倉庫中的數(shù)據(jù)是沒有噪聲的、一致的、高質量的數(shù)據(jù)，為后續(xù)的數(shù)據(jù)挖掘提供了諸多的便利。盡管如此，進行特定的數(shù)據(jù)挖掘之前，仍需深入地分析。例如在選擇某種數(shù)據(jù)挖掘算法后，要根據(jù)需求，篩選出感興趣的屬性，或者對不同的屬性賦予不同的權值等。

挖掘審計規(guī)則：如圖3所示，從數(shù)據(jù)倉庫中抽樣提取部分數(shù)據(jù)，作為樣本集數(shù)據(jù)，采用一定的數(shù)據(jù)挖掘算法，發(fā)現(xiàn)某些隱含的規(guī)則，將那些有價值的規(guī)則更新到審計規(guī)則庫中。此外，發(fā)現(xiàn)規(guī)則的過程可以采用多種數(shù)據(jù)挖掘算法相結合的方式，追求規(guī)則盡量準確、完善。

規(guī)則指導審計：審計規(guī)則庫中的規(guī)則是審計人員積累的審計經(jīng)驗以及通過數(shù)據(jù)挖掘發(fā)現(xiàn)的具有一定可信度的審計規(guī)則的集合，它們可以用來指導審計，以快速發(fā)現(xiàn)審計線索，進而重點審計。這樣，一方面提高了審計的效率；另一方面，審計規(guī)則庫不斷擴大，審計經(jīng)驗得到積累，并且實現(xiàn)了共享，提高了審計的質量。

現(xiàn)行的貸款五級分類制度將貸款分為正常貸款、關注貸款、次級貸款、可疑貸款和損失貸款。對商業(yè)銀行貸款業(yè)務進行審計時，可以利用數(shù)據(jù)挖掘技術，發(fā)現(xiàn)合理的貸款分類規(guī)則，快速定位可疑的不良貸款，進而追蹤審計。例如利用決策樹方法發(fā)現(xiàn)信用貸款占不良貸款的多數(shù)，這樣審計人員可以明確審計重點，提高審計效率。

2．3審計深入開展

在前面數(shù)據(jù)分析的基礎上，定位重點審計對象，利用先進的計算機技術或其他方式追蹤線索，重點審計該類數(shù)據(jù)，分析審計結果，提出審計報告。

3結束語

本文提出的新型的審計模型——審計數(shù)據(jù)倉庫模型，可以指導審計人員高效地開展審計工作。該模型利用數(shù)據(jù)倉庫技術，有效地解決了面向海量數(shù)據(jù)的審計；利用OLAP、數(shù)據(jù)可視化等技術，多維、方便、快捷、直觀地分析數(shù)據(jù)，快速發(fā)現(xiàn)異常數(shù)據(jù)，提供審計線索，提高了審計效率；并且利用數(shù)據(jù)挖掘等技術發(fā)現(xiàn)有價值的審計模式，結合審計人員的經(jīng)驗，實現(xiàn)了審計經(jīng)驗知識的積累與共享，并指導審計人員快速定位審計重點，提高了審計的效率及質量。

該模型的提出，為審計軟件今后的發(fā)展提供了思路，同時對智能審計作了初步探索，智能審計未來的發(fā)展需要借鑒數(shù)據(jù)挖掘、人工智能等先進技術的發(fā)展，有待進一步的研究。

參考文獻：

［1］胡榮，陳月昆.數(shù)據(jù)挖掘——現(xiàn)代審計處理數(shù)據(jù)的新方法[J].中國審計， 2004（7）:38－40.

[2]陳明秀.淺議數(shù)據(jù)倉庫[J].科技資訊， 2006（12）:247－248.

[3]INMON W H.Building the data warehouse[M].2nd ed.王志海，等譯.北京:機械工業(yè)出版社， 2000：1－214.

[4]梅偉恒，康曉東，江玉彬.基于數(shù)據(jù)倉庫的OLAP技術的研究綜述[J].中國科技信息，2006(14):134135，138.

[5]張麗.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[J]. 貴州民族學院學報:哲學社會科學版，2006(2):204－206.

[6]SIRIKULVADHANA S.Data mining as a financial auditing tool [D].[S.l.]:The Swedish School of Economics and Business Administration， 2002.

[7]KOTSIANTIS S，KOUMANAKOS E，TZELEPIS D，et al.Forecasting fraudulent financial statements using data mining [J].International Journal of Computational Intelligence，2006，

3(2):104109.

[8]HAN Jiawei，MICHELINE K.Data mining concepts and techniques[M].范明，夢小峰，等譯.北京: 機械工業(yè)出版社， 2001:1－332.

[9]WRITTEN I H，F(xiàn)RANK E.Data mining practical machine learning tools and techniques [M].2nd ed.北京: 機械工業(yè)出版社， 2005:1－483.

[10]王春梅.基于數(shù)據(jù)倉庫的數(shù)據(jù)挖掘技術[J].西安郵電學院學報， 2006，11(5):99100.

[11]景波，劉瑩，文巨峰.關聯(lián)規(guī)則在計算機輔助審計中的應用[J].計算機工程與應用，2006，42(25):210－212.

[12][EB/OL].[2007－0119].http://blog.csdn.net/truexf/archive/2006/09/05/1180313.aspx.

[13]黃松英，何紹木.金融審計OLAP模型技術分析與設計[J].現(xiàn)代計算機:專業(yè)版，2004（5）:46－49.

[14]王忠，武哲.數(shù)據(jù)挖掘在審計信息分析中的應用[J].計算機應用研究，2005，22(2):167169，193.

[15]易仁萍，陳耿，楊明，等.數(shù)據(jù)挖掘技術及其在審計風險管理中的應用[J].審計與經(jīng)濟研究，2003，18（1）:3－6.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”