Page 188 - 新时期审计理论发展与研究

新时期审计理论发展与研究
Development and Research of Audit Theory in the New Era

第三节 数据挖掘技术在金融审计中的研究与应用

一、数据挖掘技术概述

数据挖掘又称数据库中的知识发现（Knowledge Discover in Database，
KDD），是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值

的信息的过程。数据挖掘技术首次出现在 1989 年 8 月底特律举行的第十一届国
际联合人工智能学术会议上。在后续的发展过程中，数据挖掘技术所包含的内涵
不断增多，现阶段对于数据挖掘的技术的定义为数据挖掘是 KDD 中通过特定的
算法在可接受的计算效率限制内生成特定模式的一个步骤。

数据挖掘技术作为信息技术的一种特有的技术手段应用在审计领域，是传统
审计方法无法取代的，可以根据其任务的类型将其分为两类：描述和预测。数据
挖掘技术会进行一系列的数据转化处理流程，其主要的转化流程为四个阶段：确

定业务对象、数据准备、数据挖掘分析和知识同化。在确定业务对象中，主要需
要明确原始数据在数据准备期间需要针对原始数据进行选择、预处理和转换。数
据准备这一项环节，主要是指在明确原始数据之后，运用更为合适的处理方法，
进一步地针对数据内容进行分析和处理的过程。在此过程中，主要会涉及数据收

集、数据清洗等步骤。数据挖掘技术主要是指在大量的数据中，深层的挖掘隐藏
在其中，事先不知道，但是潜在有用的信息数据的一项过程。知识同化主要是指
在获取新的经验过程中，将已有的认知结构与新知识进行互相作用的过程。同化

的结果就是，新的知识经验融入现有的认知结构中，但是并不会使得认知结构发
生变化。现阶段所应用的数据挖掘技术主要方法有统计数据、聚类、可视化、决
策树、关联规则、神经网络、分类。

二、金融审计对数据挖掘技术的需求

在很长一段时间内，为了保证准确性、有效性和全面性，金融审计工作基本
上都是由审计署及驻各地的 18 个特派员办事处承担。但是，由于我国地域辽阔，

各个地区所开展的业务内容、企业的运行情况，以及各地的经济状况有着一定的
差别。因此，在金融机构运行期间，所需要完成的金融审计工作量较多。并且，
金融审计工作在开展期间具有较强的复杂性和专业程度，由此导致金融审计在

176