大数据审计基础 课件 03大数据应用于审计项目

项目三应用大数据开展审计工作2024年9月《大数据审计基础》【知识目标】1.理解应用大数据进行审计数据采集的方法。2.掌握应用大数据进行审计数据模型建立的方法。3.掌握应用大数据进行审计数据可视化及风险识别的方法。【技能目标】1.能够制定数据需求和采集方案，实施数据采集。2.能够使用SQL建模、图表建模等方法建立审计数据模型。3.能够利用数据可视化工具进行审计风险识别。项目三

应用大数据开展审计工作【案例导入】德勤“小勤人”——RPA审计机器人

德勤机器人流程自动化，小名“小勤人”，是通过使用用户界面的软件把基于规则的流程自动化，它可以在任何软件上运行，包括基于网络的应用程序、ERP系统，甚至远程虚拟机。RPA是一种计算机编程软件，可以替代人类执行基于既定规则的高重复性工作。同时RPA能不受系统间接口和IT基础架构的限制，通过非侵入的方式模仿人类行为对信息系统进行操作（如复制、粘贴、收发邮件等）。目前，“小勤人”已经在合并报表、纳税申报、银行业监管报送等方面发挥了巨大的优势。项目三

应用大数据开展审计工作【案例导入】在某银行的概念验证案例中，通过使用小勤人，得益于沟通成本的极大降低，单个审计证据的获取时间由以前的平均40分钟降低到30秒以下；文档工作的大量减少，单个流程的底稿编制由以前的1.5个小时降低到30分钟以下；“小勤人”甚至可以根据预设的内部审计规则，在每天的非业务时段从系统中持续获取审计证据，并开展持续性检查。得益内部审计方法的变革和内部审计效率的提升，使银行的“持续审计”成为现实。项目三

应用大数据开展审计工作【案例导入】银行的内审部门通过引入“小勤人”并与德勤的智能化一揽子方案相结合，极大降低了审计人员的沟通成本和文字工作，还降低了内部审计工作对业务条线日常工作的干扰。不仅使银行沉淀了一套持续的、一脉相承的内部审计方法论，更重要的是使银行内部审计人员能够充分发挥优势，将更多的精力和智慧集中到银行的新业务、新风险、新环境和新挑战上，更好地发挥银行内部审计部门加强风险管理，促进监管合规，完善内控体系，从而协助全行达成战略目标的重要作用。项目三

应用大数据开展审计工作任务一

应用大数据进行审计数据采集01【任务目标】1.理解并掌握应用大数据进行审计数据采集。【任务要求】1.理解制定数据需求和数据采集方案。2.掌握数据采集实施示例。任务一

应用大数据进行审计数据采集一、制定数据需求

审计数据的采集是指将被审计单位的财务、行业等数据，按数据规划采集到审计平台数据库的过程。主要工作是根据审计项目的需要，通过审前调查，了解被审计单位业务流程制定数据需求，利用先进的智能采集工具进行采集。数据需求是审计人员根据承接的审计项目，为了实现审计目标要求被审计单位提供相应数据的清单。数据需求一般分为总体需求和明细需求两部分内容；总体需求通常描述为财务数据、业务数据、管理数据、其他与被审计单位履职有关的电子数据；明细需求是在总体需求的基础上，针对数据的业务属性进行细分，同时增加特定时间范畴。任务一应用大数据进行审计数据采集一、制定数据需求

随着被审计单位的财务数据、业务数据量日益增大。被审计单位会根据行业管理的要求，业务信息系统中会记录一些与审计项目无关的数据，因审计项目的时效性，故需要根据审计目标、审计事项来制定合理的数据需求。数据需求的意义在于按照被审计单位的实际情况获取有用数据，从而提高审计数据分析的效率。任务一应用大数据进行审计数据采集二、制定数据采集方案

根据制定的数据需求，结合被审计单位业务信息系统的特点，利用物联网、区块链、大数据、人工智能及网络安全技术方法，使用审计综合平台强大高效的数据采集功能，制定出一套合理、完善的数据采集方案。一个完整的数据采集方案需包含采集对象、采集模式、采集方法和采集的风险防控。采集对象：明确定义需要采集数据的对象，包括被审计单位的财务软件、业务系统以及外部数据源。任务一应用大数据进行审计数据采集采集模式：确定采集数据的模式，例如是否需要实时采集、定期采集还是按需采集。这取决于审计项目的时效性和数据更新频率。采集方法：选择合适的数据采集方法和工具。在大数据审计中，可以利用物联网、区块链、大数据分析工具等先进技术来采集数据，确保高效和准确。风险防控：考虑数据采集过程中可能出现的风险，并制定相应的风险防控措施，包括数据安全、数据完整性和数据隐私等方面的风险。二、制定数据采集方案

任务一应用大数据进行审计数据采集以厦门立诚会计师事务所在财务报表审计项目中的应用为例：厦门立诚会计师事务所（以下简称立诚）接受初心办公设备有限公司（以下简称初心设备）委托，拟承接初心设备2022年报审计工作。项目合伙人李秋花与客户洽谈后，签订审计业务约定书。现应用审计综合平台“数据采集”模块，采集初心设备的财务数据以及行业数据。三、实施数据采集

任务一应用大数据进行审计数据采集（一）财务数据采集进入审计综合平台数据采集模块，找到财务数据采集，点击被审计单位使用的财务软件“金蝶EAS”，如图3-1所示。图3-1财务数据采集（一）三、实施数据采集

任务一应用大数据进行审计数据采集输入“数据源”“数据库实例名”“用户名”和“密码”，然后点击“扫描账套”，如图3-2所示。图3-2

财务数据采集（二）三、实施数据采集

任务一应用大数据进行审计数据采集点击“扫描账套”，系统自动从被审计单位“金蝶EAS”软件中获取2022年1月至2023年4月的记账凭证、账簿和报表。点击“前往查看”预览获取到数据。如图3-3、图3-4、图3-5所示。三、实施数据采集

任务一应用大数据进行审计数据采集图3-3

财务数据采集（三）三、实施数据采集

任务一应用大数据进行审计数据采集图3-4

财务数据采集（四）图3-5财务数据采集（五）即是数据预览，可以点击右上角的“高级筛选”对采集到的数据通过不同维度的筛选，达到快速预览和调用的目的。三、实施数据采集

任务一应用大数据进行审计数据采集图3-5

财务数据采集（五）（二）行业数据采集进入审计综合平台数据采集模块，找到行业数据采集，输入需要采集数据的网址，如图3-6所示。三、实施数据采集

任务一应用大数据进行审计数据采集图3-6

行业数据采集（一）点击“开始采集”，系统将自动采集相关数据，可以使用“数据查看”功能，预览获取到数据。如图3-7、图3-8、图3-9所示。三、实施数据采集

任务一应用大数据进行审计数据采集图3-7

行业数据采集（二）三、实施数据采集

任务一应用大数据进行审计数据采集图3-8

行业数据采集（三）图3-9

行业数据采集（四）三、实施数据采集

任务一应用大数据进行审计数据采集任务二

应用大数据进行审计数据模型建立02【任务目标】1.掌握建立企业财务指标与行业值对比模型。【任务要求】1.理解审计数据模型建立的意义和作用。2.理解审计数据模型建立的方法。3.掌握建立企业财务指标与行业值对比模型。任务二

应用大数据进行审计数据模型建立一、审计数据模型建立的意义

1.总结与运用审计数据模型的建立是审计人员在审计实践中不断总结审计方法的经验，是审计人员对审计数据规律的发现和认知，总结和运用，固化和深化审计理论研究的成果，是当代或几代审计人员智慧的结晶。2.固化与推广对于那些经过审计实践检验有效的审计方法，可以固化成为可复用和推广的模型。结合具体审计事项、不断完善模型功能、提高模型的智能水平在行业、区域、领域审计中逐步形成较大覆盖面，建立审计数据模型体系。任务二

应用大数据进行审计数据模型建立一、审计数据模型建立的意义

3.智慧与能力审计数据模型的建立和应用，是审计人员智慧的形态化、显性化，是审计人员能力的具体化。实践中的不断尝试、不断创新的成果，集众智和能力，聚沙成塔、积少成多，审计人员的聪明智慧与技术实现能力的融合而成的结晶，具有深远的意义。任务二

应用大数据进行审计数据模型建立二、审计数据模型建立的作用1.自动化审计程序审计数据模型自动执行一些常规审计程序，例如计算财务指标和检查交易记录。这样，审计人员可以将更多的精力用于复杂的审计任务，如风险评估和内部控制测试，提高了审计的效率和准确性。2.数据分析与监控审计数据模型可以帮助审计人员分析大规模的财务数据，识别异常情况和潜在风险。通过建立模型，审计人员可以设定警报和监控仪表板，以及时发现任何与财务不正常相关的情况，如欺诈、错误和不一致。这种及时性有助于减少潜在的风险和损失，确保公司的财务健康。任务二

应用大数据进行审计数据模型建立二、审计数据模型建立的作用3.精确的风险评估审计数据模型可以帮助审计人员更准确的评估风险。通过使用数据模型，审计人员可以定量评估潜在风险的影响和概率，而不是依赖主观判断。这种精确的风险评估有助于公司更好地分配资源，采取适当的控制措施，并改进其风险管理策略。4.提高审计效率审计数据模型可以提高审计工作的效率。自动化数据分析和报告生成可以大大减少审计人员的工作量，同时减少了人为错误的可能性。模型还可以帮助审计人员更好的集中精力在高风险领域，从而提高审计的质量和深度。通过提高效率，审计数据模型有助于降低审计成本，缩短审计周期，以便更快的提供审计结果。任务二

应用大数据进行审计数据模型建立

三、审计数据模型建立的方法SQL建模图表建模历程建模任务二

应用大数据进行审计数据模型建立SQL建模SQL建模是审计建模中广泛应用的工具。在SQL编译器中，选择相应的审计数据表，按照审计逻辑导图编写SQL语句来实现审计目标，实现审计模型的构建。三、审计数据模型建立的方法任务二

应用大数据进行审计数据模型建立图表建模图表建模相对于SQL建模而言，摆脱了SQL语句的繁琐编写，即不会写SQL语句的人员，也可以实现审计数据模型的建立。图表建模主要把握对数据对象的选择和处理，数据对象选择可以对多张表格进行上下拼接、左右拼接等操作；数据处理包括字段计算、条件筛选、数据排序、去重、删除空值等，最终完成审计模型的构建。三、审计数据模型建立的方法任务二

应用大数据进行审计数据模型建立历程建模历程建模是纵向分层，层层递进，逐步逼近模型最终目标的一种技术工具。每一层、每一部分的数据处理或数据分析均可形成过渡形式，称之为起过渡作用的中间表，中间表还可以多次与其他数据表或者其他模型的结果表再进行数据处理或分析。其中，数据处理的算法包括表关联、筛选、去重、删除空值等。数据挖掘分析算法包括比对、相关性计算、词频、SQL脚本等。建立模型过程的功能性操作简单易行，不论是数据表的关联，还是算法的比对，均是采用拖拉拽方式完成。三、审计数据模型建立的方法任务二

应用大数据进行审计数据模型建立四、建立审计数据模型

厦门立诚会计师事务所（以下简称立诚）应用从初心办公设备有限公司（以下简称初心设备）采集到的财务数据（2022年12月31日资产负债表和2022年利润表）以及行业数据（文化、办公用机械制造行业主要财务指标），制作“企业财务指标与行业值对比模型”，具体操作如下。任务二

应用大数据进行审计数据模型建立四、建立审计数据模型

（一）第一步选择数据建模。图3-10选择数据建模任务二

应用大数据进行审计数据模型建立（二）第二步选择数据源。点击选择数据源，表格名称输入“2022年12月31日资产负债表”，然后点击“确定”。四、建立审计数据模型

图3-11选择数据源（一）任务二

应用大数据进行审计数据模型建立（二）第二步选择数据源。四、建立审计数据模型

图3-12选择数据源（二）任务二

应用大数据进行审计数据模型建立（二）第二步选择数据源。点击提交数据，并将数据另存为“调整资产负债表格式”，所属分类填写为“指标分析”。四、建立审计数据模型

图3-13选择数据源（三）任务二

应用大数据进行审计数据模型建立（二）第二步选择数据源。四、建立审计数据模型

图3-14选择数据源（四）任务二

应用大数据进行审计数据模型建立（三）第三步数据清洗在数据集中找到调整资产负债表格式，点击“数据清洗”（如图3-15）；点击添加分组指标和分组统计指标，设置完成之后提交数据（如图3-16）；在数据展示中对“资产分组1”和“负债和所有者权益分组2”进行字段重命名（如图3-17、图3-18、图3-19）。图3-15数据清洗（一）四、建立审计数据模型

任务二

应用大数据进行审计数据模型建立（三）第三步数据清洗四、建立审计数据模型

图3-16数据清洗（二）任务二

应用大数据进行审计数据模型建立（三）第三步数据清洗四、建立审计数据模型

图3-17数据清洗（三）任务二

应用大数据进行审计数据模型建立（三）第三步数据清洗四、建立审计数据模型

图3-18数据清洗（四）任务二

应用大数据进行审计数据模型建立（三）第三步数据清洗四、建立审计数据模型

图3-19数据清洗（五）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接点击“数据建模”，选择数据源“调整资产负债表格式－资产分组1”（如图3-20），点击连接另一张表格（如图3-21），选择数据源“调整资产负债表格式-负债和所有者权益分组2”（如图3-22），再点击链接另一张表格（如图3-23），选择数据源“2022年12月利润表”（如图3-24）。四、建立审计数据模型

任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接四、建立审计数据模型

图3-20资产负债表和利润表拼接（一）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接四、建立审计数据模型

图3-21资产负债表和利润表拼接（二）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接四、建立审计数据模型

图3-22资产负债表和利润表拼接（三）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接四、建立审计数据模型

图3-23资产负债表和利润表拼接（四）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接四、建立审计数据模型

图3-24资产负债表和利润表拼接（五）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接删除三张表不需要的维度，进行上下拼接（如图3-25、图3-26），然后提交数据。四、建立审计数据模型

图3-25资产负债表和利润表拼接（六）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接四、建立审计数据模型

图3-26资产负债表和利润表拼接（七）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接分别设置三张表的过滤条件（如图3-27、图3-28、图3-29），并将数据另存为“资产负债表和利润表拼接”，所属类型选择“指标分析”。四、建立审计数据模型

图3-27资产负债表和利润表拼接（八）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接四、建立审计数据模型

图3-28资产负债表和利润表拼接（九）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接四、建立审计数据模型

图3-29资产负债表和利润表拼接（十）任务二

应用大数据进行审计数据模型建立（四）第四步资产负债表和利润表拼接图3-30资产负债表和利润表拼接（十一）四、建立审计数据模型

任务二

应用大数据进行审计数据模型建立（五）第五步数据清洗在数据集中找到资产负债表和利润表拼接，点击“数据清洗”（如图3-31）。图3-31数据清洗（一）四、建立审计数据模型

任务二

应用大数据进行审计数据模型建立（五）第五步数据清洗在数据衍生中找到“财务指标模型”，期末余额选择“2022年末”，期初余额选择“2022年初”，列名填写“项目”，然后生成数据并将数据另存为“企业财务指标”（如图3-32、图3-33）。四、建立审计数据模型

图3-32

数据清洗（二）任务二

应用大数据进行审计数据模型建立（五）第五步数据清洗四、建立审计数据模型

图3-33

数据清洗（三）任务二

应用大数据进行审计数据模型建立（五）第五步数据清洗将企业财务指标中计算结果为0的值（即缺失值）和计算结果为空的值（即利息保障倍数）分别删除，然后生成数据，点击保存并替换当前数据集（如图3-34、图3-35、图3-36、图3-37）。四、建立审计数据模型

图3-34数据清洗（四）任务二

应用大数据进行审计数据模型建立（五）第五步数据清洗四、建立审计数据模型

图3-35数据清洗（五）任务二

应用大数据进行审计数据模型建立（五）第五步数据清洗四、建立审计数据模型

图3-36数据清洗（六）任务二

应用大数据进行审计数据模型建立（五）第五步数据清洗四、建立审计数据模型

图3-37数据清洗（七）任务二

应用大数据进行审计数据模型建立（六）第六步企业财务指标与行业指标对比点击“数据建模”，选择数据集“资产负债表和利润表拼接－企业财务指标”（如图3-38）。四、建立审计数据模型

图3-38企业财务指标与行业指标对比（一）任务二

应用大数据进行审计数据模型建立（六）第六步企业财务指标与行业指标对比点击连接另一张表格（如图3-39），选择数据源“文化、办公用机械制造行业主要财务指标”（如图3-40）。四、建立审计数据模型

图3-39企业财务指标与行业指标对比（二）任务二

应用大数据进行审计数据模型建立（六）第六步企业财务指标与行业指标对比四、建立审计数据模型

图3-40企业财务指标与行业指标对比（三）任务二

应用大数据进行审计数据模型建立（六）第六步企业财务指标与行业指标对比删除表格不需要维度，然后将表格左拼接，最后将数据另存为“企业财务指标与行业指标对比”，所属类型选择“指标分析”（如图3-41、图3-42、图3-43）。图3-41企业财务指标与行业指标对比（四）四、建立审计数据模型

任务二

应用大数据进行审计数据模型建立（六）第六步企业财务指标与行业指标对比四、建立审计数据模型

图3-42企业财务指标与行业指标对比（五）任务二

应用大数据进行审计数据模型建立（六）第六步企业财务指标与行业指标对比四、建立审计数据模型

图3-43企业财务指标与行业指标对比（六）任务二

应用大数据进行审计数据模型建立（七）第七步数据清洗在数据集中找到企业财务指标与行业指标对比，点击“数据清洗”（如图3-44）。图3-44数据清洗（一）四、建立审计数据模型

任务二

应用大数据进行审计数据模型建立（七）第七步数据清洗修改指标名称：将指标值改为“企业财务指标”（如图3-45），修改后点击保存字段。四、建立审计数据模型

图3-45数据清洗（二）任务二

应用大数据进行审计数据模型建立（七）第七步数据清洗2022年12月31日改为“行业指标”（图3-46），修改后点击保存字段。四、建立审计数据模型

图3-46数据清洗（三）任务二

应用大数据进行审计数据模型建立（七）第七步数据清洗增加字段，命名为“指标差异”，指标差异=企业财务指标-行业指标（图3-47、图3-48），设置完成之后提交数据，就可以在数据展示中看到建模结果（图3-49）。四、建立审计数据模型

图3-47数据清洗（四）任务二

应用大数据进行审计数据模型建立（七）第七步数据清洗四、建立审计数据模型

图3-48数据清洗（五）任务二

应用大数据进行审计数据模型建立四、建立审计数据模型

（七）第七步数据清洗图3-49数据清洗（六）任务二

应用大数据进行审计数据模型建立“企业财务指标与行业值对比”模型就建立好了，我们可以将此数据模型设为模板，后期可以调用模板快速解决同类问题。四、建立审计数据模型

任务二

应用大数据进行审计数据模型建立任务三

应用大数据进行审计数据可视化及风险识别03【任务目标】1.掌握数据可视化在审计中的应用。【任务要求】1.理解数据可视化的概念。2.理解数据可视化的过程。3.掌握数据可视化在审计中的应用。任务三

应用大数据进行审计数据可视化及风险识别一、数据可视化的概念概念数据可视化是指人们利用图形、表格等方式，将大量的数据以更为直观、简明、易理解、科学的方式表达出来。通过数据可视化，将传统繁杂且不易直接理解的数字，转换为更为直观的柱状图、趋势图、饼图、气泡图、雷达图、甘特图等，从而使人们对数据有更深入的理解和分析。任务三

应用大数据进行审计数据可视化及风险识别二、数据可视化的过程

数据可视化是具有完整一套方法论的技术和学科，其应用框架的起点是人们的需求。为了解答这些需求，首先需要采集相关的数据；其次将采集到数据进行整理分析，建立相关模型；最后将数据进行可视化呈现。任务三

应用大数据进行审计数据可视化及风险识别二、数据可视化的过程

（一）数据采集原始数据的来源主要分为二手数据、调查和实验数据的获取两个方面。二手数据的获取，也称数据的间接来源，是指根据任务目标和要求，从现有数据源中采集相关数据。如审计数据的采集就是在调查阶段提出数据需求的基础上，按照审计目标，采用一定的方法和工具对被审计单位的原始数据进行采集的过程。这里原始数据包括被审计单位信息系统中的电子数据。调查和实验数据的获取也称数据的直接来源，调查是取得社会经济数据的重要手段，其中有统计部门进行的调查，也有其他部门或机构为特定的目的而进行的调查，如审计过程中审计人员采用座谈法获取的信息和数据审计延伸获得的数据等；实验是取得科学数据的主要手段。任务三

应用大数据进行审计数据可视化及风险识别（一）数据采集数据采集可分两步实现：第一步是在调查阶段通过掌握有效的信息来选择需要采集的电子数据；第二步是通过一定的技术和手段实现对目标数据的采集，及时获取审计单位全面、完整的电子数据。二、数据可视化的过程

任务三

应用大数据进行审计数据可视化及风险识别（二）数据清洗和预处理数据采集完成后，下一步骤是清洗和预处理数据。在分析数据前，需要确保数据源的准确性，提高数据质量，这样才能保证结果呈现的准确度。对于大数据来说，由于数据的来源多样、结构繁多，因此在原始的数据中不可避免存在大量无效数据，或者诸如异常值、数据缺失、重复记录、数据单位没有统一等各类数据问题。数据清洗的目的是提高数据质量。在数据清洗中，通常会通过删除、插值、修正、用概率模型估算缺失值等方式来实现数据清洗，提高数据的质量。任务三

应用大数据进行审计数据可视化及风险识别（三）数据建模数据建模是完成将数值数据转变成几何数据的功能，是可视化技术的核心。可视化处理的数据类型随着应用领域的不同而不同，因此对不同类型的应用数据应采用不同的建模技术。二、数据可视化的过程

任务三

应用大数据进行审计数据可视化及风险识别（四）数据可视化数据分析提炼出有价值的信息或规律后，便是将信息和数据进行数据化呈现。在这个步骤中，审计人员根据需要解决的问题、数据之间的逻辑关系、数据本身的特征和属性，在众多可视化呈现方式中，选取最为合适的视觉呈现方式，完成数据可视化。审计人员可以借助可视化所发现的信息，确定审计的重点。二、数据可视化的过程

任务三

应用大数据进行审计数据可视化及风险识别数据可视化的实现识别审计风险0102三、数据可视化在审计中的应用任务三

应用大数据进行审计数据