關(guān)聯(lián)規(guī)則算法在審計數(shù)據(jù)分析中的運用

太自紅

在審計數(shù)據(jù)分析中，當(dāng)處理一些關(guān)系復(fù)雜模糊問題時，使用關(guān)系性數(shù)據(jù)庫比對難于到達(dá)目標(biāo)，借助數(shù)據(jù)挖掘工具能很好解決此類問題，尤其是關(guān)聯(lián)規(guī)則算法，很多審計場景都很適用。本文將結(jié)合審計實例，探討下關(guān)聯(lián)規(guī)則算法在審計數(shù)據(jù)分析中的運用。

一、關(guān)聯(lián)規(guī)則算法概述及模型抽象

關(guān)聯(lián)關(guān)系反映事件間依賴關(guān)聯(lián)關(guān)系，這種關(guān)系基于數(shù)據(jù)統(tǒng)計描述認(rèn)定，與關(guān)系數(shù)據(jù)庫中表間大于等于等邏輯關(guān)系不同，他用統(tǒng)計結(jié)果描述事件關(guān)系，形如：X->Y，表示X事件發(fā)生后，Y事件會有一定概率發(fā)生，其中X事件，Y事件可定義為集合，如X表示{x1，x2，x3}的集合，Y表示{y1，y2}的集合，則X->Y表示x1，x2，x3同時發(fā)生后，y1，y2同時發(fā)生有一定概率，{x1，x2，x3}、{y1，y2}都稱為項集，概率是由發(fā)生事件明細(xì)數(shù)據(jù)統(tǒng)計而來，關(guān)聯(lián)規(guī)則目的在于在一個數(shù)據(jù)集中找出各項集之間的關(guān)聯(lián)關(guān)系。

二、關(guān)聯(lián)規(guī)則算法在審計分析中的場景

在審計工作中尋找事件關(guān)聯(lián)關(guān)系的場景很多，如在工程招投標(biāo)審計中，審查投標(biāo)單位是否內(nèi)部關(guān)聯(lián)對工程項目圍標(biāo)操作，通過分析項目投標(biāo)記錄事件，發(fā)現(xiàn)投標(biāo)單位間關(guān)聯(lián)程度，當(dāng)多個單位在多次投標(biāo)中都同時出現(xiàn)時，我們視為非偶然事件，通過計算這些事件在總樣本中的概率，把高概率事件作為審計關(guān)注重點。

上述問題的復(fù)雜性在于多個單位的中“多”和多次中的“多”，多個單位是指單位不同形式組合，如在所有投標(biāo)事件中，出現(xiàn)了N家單位，如果設(shè)定是兩家以上單位組合才有意義，則首先要形成C種組合可能，繼而在這種組合上做出次數(shù)統(tǒng)計。使用sql表間聯(lián)接完成此種組合十分復(fù)雜，集合{A，B，C}和集合{A，C，B}代表的同一集合，在sql中難于實現(xiàn)和區(qū)分，無法繼續(xù)頻數(shù)統(tǒng)計。而使用關(guān)聯(lián)規(guī)則算法工具，只需給出閾值，算法能自動迭代檢索所有投標(biāo)事件，根據(jù)設(shè)定的閾值（至少多少家投標(biāo)單位，至少多少次重合等），形成投標(biāo)事件的頻繁項集（單位組合），找出滿足戶最小信任度的規(guī)則（次數(shù)統(tǒng)計）的關(guān)聯(lián)關(guān)系。

類似審計思路有醫(yī)保審計結(jié)伴刷卡住院，通過分析醫(yī)保刷卡記錄，尋找多個患者多次同時住院刷醫(yī)保卡，將這種非偶然事件作為審計重點關(guān)注，審計是否存在醫(yī)院辦理假住院，集中刷醫(yī)保卡騙取醫(yī)保現(xiàn)象;還有在財政惠農(nóng)補貼審計中，可分析惠農(nóng)補貼卡結(jié)伴刷卡取款現(xiàn)象，通過尋找多張不同用戶卡多次同時取款的非偶然行為，推斷惠農(nóng)銀行卡可能集中在某一個人手中，進而發(fā)現(xiàn)涉嫌侵占惠農(nóng)補貼的問題。

三、使用sqlserver數(shù)據(jù)挖掘工具做關(guān)聯(lián)規(guī)則分析

1.挖掘數(shù)據(jù)的準(zhǔn)備。關(guān)聯(lián)規(guī)則算法主要用到事例表和事例嵌套表，事例表反應(yīng)發(fā)生的每次事件，事例嵌套表反應(yīng)每次事件中參與者，事例表中的事件ID是事例嵌套表的外鍵。如工程招投標(biāo)圍標(biāo)關(guān)聯(lián)管理規(guī)則分析，事例表就是每個投標(biāo)事件，可用標(biāo)段名稱作為事例表主鍵，嵌套表為參與每個事例的投標(biāo)公司，在惠農(nóng)補貼卡結(jié)伴刷卡的關(guān)聯(lián)規(guī)則分析中，定義某個時間段在某個ATM機上取款作為事例，事例嵌套表則為發(fā)生這種行為的卡用戶。下圖為工程投標(biāo)關(guān)聯(lián)規(guī)則事例表和事例嵌套表的結(jié)構(gòu)。

2.模型參數(shù)設(shè)定。關(guān)聯(lián)規(guī)則算法由于運算量大，因此需要根據(jù)業(yè)務(wù)實際需求配置不同參數(shù)，提供的參數(shù)有最大項集允許生成數(shù)（maximum_itemset_count），用于限制項集的最大迭代、單個項集允許最大項數(shù)（maximum_itemset_size）、項集最大事例數(shù)（maximum_support），關(guān)聯(lián)規(guī)則重要性閾值（minimum_importance）、單個項集最小項數(shù)（minimu_itemset

_size），關(guān)聯(lián)規(guī)則最小概率（minimum_probablility），項集最小事例數(shù)（minimu_support），項集出現(xiàn)重合的最小次數(shù)，當(dāng)滿足時產(chǎn)生規(guī)則。以項目招投標(biāo)的關(guān)聯(lián)規(guī)則分析為例，要把至少3家單位超過5次以上同時投標(biāo)情況作為審計重點關(guān)注，考慮運算量和實際需要，實際中只需要挖掘出一定區(qū)間就能說明問題，可對8家以上同時或超過10次以上同時投標(biāo)的情況不繼續(xù)運算，因此把參數(shù)設(shè)置成minimu_itemset_size=3;minimu_support=5;maximum_itemset_size=8;maximum_support=10。

3.模型分析結(jié)果使用，挖掘模型查看器中清晰表達(dá)出各家公司間的關(guān)聯(lián)關(guān)系，如圖2的依賴關(guān)系網(wǎng)中，可以看到不同公司關(guān)聯(lián)關(guān)系集合，把每組集合作為審計重點，進一步調(diào)查是否有關(guān)聯(lián)關(guān)系參與圍標(biāo)串標(biāo)。

本篇介紹了關(guān)聯(lián)規(guī)則算法的一些基本概念和思想，并以工程招投標(biāo)圍標(biāo)審計為例，使用sqlserver數(shù)據(jù)挖掘工具中做了實例，探討了關(guān)聯(lián)規(guī)則算法在審計數(shù)據(jù)分析中的運用。在審計實踐中，通過對隨機事例的非偶然假設(shè)，使用關(guān)聯(lián)規(guī)則算法分析事例主體或客體間的關(guān)聯(lián)關(guān)系，有利于從大量事例中發(fā)現(xiàn)人為違規(guī)操作的問題，審計數(shù)據(jù)分析工作者借助數(shù)據(jù)挖掘工具，只需做出模型抽象和數(shù)據(jù)準(zhǔn)備就能高效實現(xiàn)這一目標(biāo)。

（作者單位：江西省審計廳）