审计师大数据审计题库及答案

审计师大数据审计题库及答案一、单项选择题（共20题，每题1分，共20分。每题只有一个正确答案）1.大数据审计区别于传统审计模式的核心本质特征是（）A.风险导向B.数据驱动C.抽样推断D.制度基础【答案】B【解析】选项A、D属于传统审计的核心理念，风险导向审计、制度基础审计均为传统审计模式的分类；选项C是传统审计的核心方法，受成本和技术限制，传统审计多采用抽样推断的方式验证总体特征；选项B正确，大数据审计以数据为核心驱动要素，通过对全量或海量多源数据的采集、处理、分析，发现审计疑点、核实审计问题，是区别于传统审计的本质特征。2.按照审计署《大数据审计工作指南（试行）》界定的大数据核心特征，下列不属于大数据“4V”特征的是（）A.大量化（Volume）B.多样化（Variety）C.快速化（Velocity）D.高价值密度（Value）【答案】D【解析】大数据的核心“4V”特征包括大量化（数据规模庞大）、多样化（数据类型涵盖结构化、半结构化、非结构化多类）、快速化（数据产生和处理速度快）、低价值密度（价值密度与数据规模成反比，需从海量数据中挖掘有效信息）。选项D错误，大数据的价值密度较低，而非高价值密度。3.下列关于大数据审计基本流程的排序，正确的是（）A.数据采集→数据规划→数据预处理→数据分析→结果验证B.数据规划→数据采集→数据预处理→数据分析→结果验证C.数据规划→数据采集→数据分析→数据预处理→结果验证D.数据采集→数据预处理→数据规划→数据分析→结果验证【答案】B【解析】根据审计署《大数据审计工作指南（试行）》，大数据审计的基本流程为：①数据规划阶段：明确审计数据需求，制定数据工作整体方案；②数据采集阶段：按照规划采集多源审计数据；③数据预处理阶段：对原始数据进行清洗、集成、转换、归约，提升数据质量；④数据分析阶段：运用大数据技术构建模型开展分析，发现疑点；⑤结果验证阶段：对审计疑点进行核实，形成审计结论。因此正确排序为B选项。4.下列各类审计数据中，属于半结构化数据的是（）A.被审计单位财务系统导出的Excel科目余额表B.被审计单位业务系统返回的JSON格式接口数据C.被审计单位的PDF格式年度财务报告扫描件D.被审计单位的会议录音文件【答案】B【解析】半结构化数据是指具有一定数据结构，但不符合关系型数据库二维表结构的数据，常见类型包括JSON、XML、日志文件、HTML网页等。选项A属于结构化数据，选项C、D属于非结构化数据，选项B正确。5.大数据审计中，用于挖掘数据项之间频繁出现的隐含关联关系的分析技术是（）A.聚类分析B.回归分析C.关联规则分析D.时间序列分析【答案】C【解析】选项A聚类分析是将具有相似特征的对象归为一类的无监督学习技术；选项B回归分析是研究变量之间因果关系、用于预测的技术；选项C正确，关联规则分析的核心是挖掘数据中“如果A则B”的隐含关联关系，典型算法为Apriori算法，可用于识别业务流程中的异常关联；选项D时间序列分析是针对随时间变化的数据开展趋势预测、波动分析的技术。6.下列关于审计数据采集合法性原则的说法，正确的是（）A.所有类型的审计都必须取得被审计单位书面授权才能采集电子数据B.国家审计机关可依据《审计法》赋予的职权直接采集被审计单位电子数据C.内部审计部门采集数据无需经过审批，可直接调取企业所有系统数据D.社会审计机构采集数据时可突破被审计单位的系统权限限制获取数据【答案】B【解析】合法性原则是指数据采集过程必须符合法律法规及审计准则的规定。选项A错误，国家审计属于法定监督，依据《审计法》职权即可采集数据，无需被审计单位额外授权；选项B正确，《中华人民共和国审计法》第三十一条、第三十二条明确规定审计机关有权要求被审计单位提供财务收支相关的电子数据，有权检查被审计单位的信息系统，属于法定职权；选项C错误，内部审计采集数据需符合企业内部管理制度，履行审批程序，不得超越权限调取数据；选项D错误，社会审计机构应当在审计业务约定书授权范围内采集数据，不得突破被审计单位的系统权限。7.审计数据预处理环节中，用于处理缺失值、异常值、重复数据，提升数据准确性的环节是（）A.数据清洗B.数据集成C.数据转换D.数据归约【答案】A【解析】选项A正确，数据清洗是数据预处理的首要环节，核心目标是修正数据质量问题，包括处理缺失值、识别并修正错误值、检测并处理异常值、删除重复数据等；选项B数据集成是将多来源数据整合为统一数据集的环节；选项C数据转换是将数据转换为符合分析要求的标准化格式的环节；选项D数据归约是压缩数据规模、提高分析效率的环节。8.下列审计方法中，不属于大数据审计专属分析技术的是（）A.离群点检测B.关联规则挖掘C.变量抽样法D.自然语言处理【答案】C【解析】选项A离群点检测是识别数据中异常值的大数据分析技术；选项B关联规则挖掘是挖掘数据隐含关联的大数据技术；选项C变量抽样法是传统统计抽样方法，属于风险导向审计的常用方法，不属于大数据审计专属技术；选项D自然语言处理是处理非结构化文本数据的大数据技术。9.与传统审计证据相比，大数据审计证据最突出的特征是（）A.以纸质载体为主，电子载体为辅B.数据规模小、类型单一C.以电子形态存在，数据规模大、类型多元D.证据获取成本高、获取周期长【答案】C【解析】传统审计证据以纸质凭证、书面文件为主要载体，类型相对单一，获取成本高、周期长；大数据审计证据以电子形态为核心，涵盖结构化、半结构化、非结构化三类数据，数据规模庞大、类型多元，获取效率更高。因此选项C正确。10.大数据审计中，为保护被审计单位的个人隐私和商业秘密，对身份证号、手机号、核心经营数据等敏感信息进行替换、屏蔽、变形处理的操作属于（）A.数据清洗B.数据脱敏C.数据集成D.数据归约【答案】B【解析】选项B正确，数据脱敏是指在保留数据逻辑一致性和分析可用性的前提下，对敏感数据进行变形、替换、屏蔽等处理，防止敏感信息泄露，是审计数据安全管理的重要措施；其他选项均不符合题意。11.下列关于大数据审计与抽样审计关系的说法，正确的是（）A.大数据审计完全取代了抽样审计，所有审计项目都必须使用全量数据B.大数据审计以全量数据分析为核心，但特定场景下仍可结合抽样方法使用C.大数据审计只适用于数据量超过1TB的审计项目D.抽样审计的误差大于大数据审计，因此审计结论可靠性更低【答案】B【解析】选项A错误，大数据审计优先采用全量数据分析，但受数据可得性、审计成本、项目要求等限制，并非所有项目都必须使用全量数据；选项B正确，全量分析是大数据审计的核心优势，但在验证疑点、补充证据等场景下仍可结合抽样方法，二者是互补关系；选项C错误，大数据审计的适用场景取决于数据的复杂度和审计需求，并非以数据量绝对值为判断标准；选项D错误，抽样审计的风险是可控制的，只要符合审计准则要求，审计结论的可靠性同样有保障，不能简单认为大数据审计结论更可靠。12.大数据审计中，用于识别数据中偏离正常分布的离群点，从而发现异常审计疑点的分析技术是（）A.聚类分析B.异常检测C.关联规则分析D.分类分析【答案】B【解析】选项B正确，异常检测又称离群点分析，核心是识别数据集中显著偏离正常分布的异常数据点，可用于发现舞弊、违规等审计疑点；选项A聚类分析是将相似对象分组；选项C关联规则分析是挖掘数据关联；选项D分类分析是基于已有标签对数据进行分类预测。13.审计数据采集过程中，通过预设的程序接口直接从被审计单位业务系统实时获取数据的采集方式属于（）A.文件导出采集B.数据库直连采集C.API接口采集D.人工录入采集【答案】C【解析】选项C正确，API接口采集是通过被审计单位开放的应用程序接口（API）实现数据的自动、实时获取，适用于持续审计、动态监控场景；选项A文件导出采集是由被审计单位从系统中导出固定格式的文件后提供给审计组；选项B数据库直连采集是审计组通过数据库权限直接连接被审计单位数据库获取数据；选项D人工录入是人工将纸质或零散数据录入审计系统。14.下列工作内容中，不属于大数据审计数据规划阶段工作的是（）A.明确审计目标和数据需求B.制定数据采集方案C.开展数据清洗和转换D.明确数据质量标准【答案】C【解析】数据规划阶段是大数据审计的起始环节，核心是明确数据工作的整体安排，主要工作包括：梳理审计目标、明确数据需求、制定数据采集方案、明确数据质量标准、落实数据责任等。选项C属于数据预处理阶段的工作，不属于数据规划阶段，因此当选。15.大数据审计中，聚类分析的主要应用场景是（）A.预测业务数据的未来发展趋势B.将相似特征的审计对象归为一类，识别同类中的异常个体C.挖掘两个变量之间的因果关系D.提取非结构化文本中的关键信息【答案】B【解析】选项A是时间序列分析、回归分析的应用场景；选项B正确，聚类分析是无监督学习技术，可将具有相似特征的审计对象（如供应商、客户、医疗机构等）归为同一类别，通过对比同类对象的指标差异识别异常个体；选项C是回归分析的应用场景；选项D是自然语言处理的应用场景。16.根据《审计机关大数据审计工作指南（试行）》，大数据审计的首要环节是（）A.审计数据采集B.审计数据规划C.审计数据分析D.审计数据预处理【答案】B【解析】审计数据规划是大数据审计的首要环节，是指审计组在开展数据工作前，围绕审计目标，对数据需求、采集方式、处理规则、分析思路等进行整体规划的过程，是保障大数据审计有序开展的前提。因此选项B正确。17.下列审计数据中，属于非结构化数据的是（）A.被审计单位ERP系统中的采购订单表B.被审计单位的XML格式配置文件C.被审计单位的董事会议录音文件D.被审计单位的银行流水Excel表【答案】C【解析】非结构化数据是指没有固定结构、无法直接用二维表存储的数据，包括音频、视频、图片、文本文件等。选项A、D属于结构化数据，选项B属于半结构化数据，选项C属于非结构化数据，因此当选。18.审计数据预处理中，数据归约的主要目的是（）A.修正数据中的错误和缺失值B.将多来源数据整合为统一数据集C.在不影响分析结果的前提下压缩数据规模，提高分析效率D.将非结构化数据转换为结构化数据【答案】C【解析】选项A是数据清洗的目的；选项B是数据集成的目的；选项C正确，数据归约是在保证数据完整性和分析准确性的前提下，通过特征选择、样本归约等方式压缩数据规模，降低计算成本，提高分析效率；选项D是数据转换的内容。19.大数据审计中，用于分析业务数据的变化规律、预测未来发展趋势的分析技术是（）A.时间序列分析B.关联规则分析C.聚类分析D.异常检测【答案】A【解析】选项A正确，时间序列分析是针对按时间顺序排列的观测数据，分析其变化趋势、季节性、周期性规律，进而预测未来值的技术，可用于审计中的风险预判、绩效评价等场景；其他选项均不符合题意。20.下列关于大数据审计质量控制的说法，错误的是（）A.应当对数据采集、处理、分析的全过程进行操作留痕B.大数据审计分析模型无需经过审核即可直接用于疑点筛查C.重要审计疑点必须进行溯源验证，确保审计证据可靠D.大数据审计工作底稿应当完整记录数据工作的全过程【答案】B【解析】选项B错误，大数据审计分析模型的构建直接影响审计结论的可靠性，必须经过审核，验证模型逻辑的合理性、参数设置的准确性、计算结果的可复现性，才能用于疑点筛查；选项A、C、D均符合大数据审计质量控制的要求。二、多项选择题（共10题，每题2分，共20分。每题有2-4个正确答案，多选、少选、错选均不得分）1.下列各项中，属于大数据核心“4V”特征的有（）A.大量化（Volume）B.多样化（Variety）C.快速化（Velocity）D.低价值密度（Value）E.高准确性（Veracity）【答案】ABCD【解析】审计署《大数据审计工作指南（试行）》明确的大数据核心特征为“4V”，即大量化（Volume）、多样化（Variety）、快速化（Velocity）、低价值密度（Value）。选项E高准确性（Veracity）属于部分研究提出的5V特征，不属于官方界定的核心4V特征，因此不选。2.大数据审计的基本流程包括（）A.审计数据规划B.审计数据采集C.审计数据预处理D.审计数据分析E.审计报告签发【答案】ABCD【解析】大数据审计的核心流程是围绕数据工作开展的，包括数据规划、数据采集、数据预处理、数据分析、结果验证五个核心环节。选项E审计报告签发属于整个审计项目的收尾环节，不属于大数据审计的专属流程，因此不选。3.下列属于审计数据采集基本原则的有（）A.合法性B.完整性C.准确性D.时效性E.效益性【答案】ABCD【解析】审计数据采集的基本原则包括合法性、完整性、准确性、时效性、安全性五项。选项E效益性是审计评价的维度，不属于数据采集的基本原则，因此不选。4.下列各项中，属于审计数据预处理主要环节的有（）A.数据清洗B.数据集成C.数据转换D.数据归约E.数据挖掘【答案】ABCD【解析】数据预处理是连接数据采集和数据分析的中间环节，主要包括数据清洗、数据集成、数据转换、数据归约四个核心环节。选项E数据挖掘属于数据分析阶段的技术方法，因此不选。5.下列技术中，属于大数据审计常用分析技术的有（）A.关联规则分析B.聚类分析C.异常检测D.属性抽样法E.可视化分析【答案】ABCE【解析】大数据审计常用分析技术包括数据挖掘类（关联规则、聚类、分类、异常检测等）、统计分析类（回归、时间序列等）、可视化分析类（Tableau、PowerBI等工具）、非结构化数据处理类（自然语言处理、图像识别等）。选项D属性抽样法是传统统计抽样方法，属于风险导向审计的常用方法，因此不选。6.审计数据安全管理的主要措施包括（）A.数据分级分类管理B.敏感数据脱敏脱密C.访问权限控制D.数据备份与恢复E.全流程操作留痕【答案】ABCDE【解析】审计数据安全管理覆盖数据全生命周期，主要措施包括：数据分级分类管理、敏感数据脱敏脱密、访问权限控制、数据存储安全、数据备份与恢复、数据传输安全、全流程操作留痕、数据销毁管理等。因此五个选项均正确。7.下列数据类型中，属于半结构化数据的有（）A.JSON格式的业务接口数据B.XML格式的配置文件C.服务器运行日志文件D.关系型数据库中的用户表E.HTML格式的网页数据【答案】ABCE【解析】半结构化数据具有一定结构但不符合关系型数据库二维表结构，常见类型包括JSON、XML、日志文件、HTML网页等。选项D关系型数据库中的用户表属于结构化数据，因此不选。8.与传统风险导向审计相比，大数据审计的优势包括（）A.扩大审计覆盖面，实现审计全覆盖B.提高审计效率，降低审计人工成本C.提升风险识别精准度，减少抽样风险D.实现动态持续审计，前移审计关口E.降低审计证据的质量要求【答案】ABCD【解析】选项E错误，大数据审计不仅没有降低审计证据的质量要求，反而对数据的真实性、完整性、可追溯性提出了更高要求；选项A、B、C、D均为大数据审计相对于传统审计的优势。9.审计数据验证的主要内容包括（）A.数据来源的真实性B.数据范围的完整性C.数据口径的一致性D.数据处理的可追溯性E.数据价值的最大化【答案】ABCD【解析】审计数据验证是确保数据质量、保障审计结论可靠的重要环节，主要验证内容包括：数据来源的真实性、数据范围的完整性、数据口径的一致性、数据逻辑的合理性、数据处理的可追溯性等。选项E不属于数据验证的内容，因此不选。10.下列审计项目中，适合运用大数据审计方法的有（）A.社保基金全覆盖审计B.财政专项资金审计C.电商企业销售舞弊审计D.银行信贷风险审计E.小规模个体工商户税务审计【答案】ABCD【解析】大数据审计适用于数据量大、数据来源多、业务流程复杂的审计场景。选项E小规模个体工商户数据量小、业务简单，运用传统审计方法即可，无需采用大数据审计方法，因此不选。三、判断题（共10题，每题1分，共10分。正确的打“√”，错误的打“×”）1.大数据审计的核心是用全量数据分析完全替代抽样分析，所有审计项目都必须采用全量数据开展审计。（）【答案】×【解析】大数据审计以全量数据分析为核心优势，但受数据可得性、审计成本、项目需求等因素限制，并非所有项目都必须采用全量数据，特定场景下仍可结合抽样方法开展审计，二者是互补而非替代关系。2.半结构化数据是指没有固定结构的电子数据，如音频、视频、图片等。（）【答案】×【解析】半结构化数据是具有一定结构但不完全符合关系型数据库二维表结构的数据，如JSON、XML、日志文件等；音频、视频、图片属于非结构化数据。3.国家审计机关开展大数据审计时，可依据《中华人民共和国审计法》赋予的职权，直接采集被审计单位的相关电子数据，无需被审计单位另行授权。（）【答案】√【解析】根据《中华人民共和国审计法》第三十一条、第三十二条规定，审计机关有权要求被审计单位提供与财政收支、财务收支有关的电子数据，有权检查被审计单位的信息系统和电子数据，属于法定监督职权，无需被审计单位另行授权。4.数据清洗的主要目的是修正错误数据、处理缺失值和异常值，提升数据的准确性和可用性。（）【答案】√【解析】数据清洗是数据预处理的首要环节，核心是解决原始数据中的质量问题，包括处理缺失值、修正错误值、检测异常值、删除重复数据等，为后续分析提供高质量的数据基础。5.大数据审计中，分析模型的构建不需要结合审计业务逻辑，仅靠数据挖掘算法就能自动发现审计问题。（）【答案】×【解析】大数据审计分析必须以审计业务逻辑为核心，数据挖掘算法只是实现分析的工具，需要审计人员结合职业判断，围绕审计目标和风险点构建分析模型，否则容易产生大量无效疑点，甚至得出错误结论。6.数据脱敏是指在保留数据逻辑一致性和分析可用性的前提下，对敏感数据进行替换、屏蔽、变形等处理，防止敏感信息泄露。（）【答案】√【解析】数据脱敏是审计数据安全管理的重要措施，通过对身份证号、手机号、商业秘密等敏感信息进行处理，既避免了敏感信息泄露，又不影响正常的数据分析工作。7.聚类分析是一种无监督学习技术，可用于将具有相似特征的审计对象归为同一类别，进而识别同类对象中的异常个体。（）【答案】√【解析】聚类分析无需预先定义类别标签，可根据数据的特征相似度自动分组，在审计中可用于对供应商、客户、医疗机构等对象进行分类，通过对比同类对象的指标差异发现异常疑点。8.大数据审计下，审计证据的充分性与数据规模成正比，数据量越大，审计证据的充分性越高。（）【答案】×【解析】审计证据的充分性是对证据数量的衡量，但并非与数据规模成正比，而是要求数据足以支撑审计结论，且与审计目标相关。如果数据与审计事项无关，即使数据量再大，也不满足充分性要求。9.非结构化数据无法直接用于大数据审计分析，必须先转换为结构化数据才能开展分析。（）【答案】×【解析】非结构化数据可通过自然语言处理、图像识别、语音转文字等技术提取结构化信息后开展分析，部分场景下也可直接对非结构化数据进行比对、检索等操作，并非必须转换为结构化数据才能使用。10.大数据审计实现了从事后审计向事中预警、事前预判的转变，可开展持续动态审计。（）【答案】√【解析】通过实时数据接口和自动化分析模型，大数据审计可对被审计单位的业务活动进行动态监控，及时发现异常风险，实现审计关口前移，从传统的事后审计转向事前、事中、事后相结合的持续审计。四、简答题（共3题，每题10分，共30分）1.请简述大数据审计与传统风险导向审计的主要区别。【答案】大数据审计是数字经济时代审计模式的创新升级，与传统风险导向审计相比，在理念、范围、方法、时效等方面存在显著区别，主要体现在以下六个方面：（1）审计理念不同。传统风险导向审计以风险评估为核心，基于“风险评估-应对”的逻辑开展审计，依赖抽样技术推断总体特征，存在固有抽样风险；大数据审计以数据驱动为核心理念，优先采用全量数据分析，最大限度降低抽样风险，实现从“经验驱动”向“数据驱动”的转变。（2分）（2）审计覆盖范围不同。传统风险导向审计受成本、时间、技术限制，通常聚焦高风险领域的抽样样本，审计覆盖面较窄，难以实现全覆盖；大数据审计可整合被审计单位的财务数据、业务数据、外部关联数据等多源数据，覆盖全部业务环节和审计对象，大幅拓宽了审计的广度和深度。（2分）（3）技术方法不同。传统风险导向审计主要采用检查、观察、询问、函证、统计抽样等人工为主的方法；大数据审计综合运用数据挖掘、机器学习、可视化分析、自然语言处理、图像识别等数字化技术，分析效率和风险识别精准度显著提升。（2分）（4）审计时效不同。传统风险导向审计以事后审计为主，通常在业务发生后定期开展，存在滞后性；大数据审计可通过实时数据接口实现动态数据采集和自动化分析，开展事中风险预警、事前趋势预判，实现持续动态审计。（1.5分）（5）审计证据形态不同。传统风险导向审计的证据以纸质凭证、书面文件等有形载体为主，电子证据为辅；大数据审计的证据以结构化、半结构化、非结构化的电子数据为核心，数据量级大、类型多元，更依赖数据的真实性和全流程可追溯性。（1.5分）（6）审计思维逻辑不同。传统风险导向审计遵循“假设-验证”的因果思维，先预设风险点再收集证据验证；大数据审计遵循“数据-发现”的关联思维，通过全量数据扫描发现异常疑点，再追溯因果关系，两种思维可结合使用。（1分）2.请简述审计数据预处理的主要环节及各环节的核心目标。【答案】审计数据预处理是大数据审计的关键中间环节，是指对采集到的原始数据进行加工整理，解决数据质量问题，为后续分析提供高质量、可用数据的过程，主要包括四个核心环节：（1）数据清洗环节。核心目标是修正原始数据中的质量缺陷，提升数据的准确性和可用性。主要工作包括：处理缺失值（如均值填充、删除缺失记录、插值法填充等）、识别并修正错误数据（如逻辑矛盾数据、格式错误数据、编码不统一数据）、检测并处理异常值（如离群点验证、错误值修正）、删除重复数据等，确保数据符合基本质量要求。（2.5分）（2）数据集成环节。核心目标是将多来源、多格式、分散存储的数据整合为统一的数据集，解决数据分散、口径不一致、冗余度高的问题。主要工作包括：匹配不同数据源的字段含义、统一数据编码和统计口径、通过关键字段关联不同来源的数据、消除数据冗余、解决数据冲突等，确保数据的一致性和完整性。（2.5分）（3）数据转换环节。核心目标是将不同结构、不同格式、不同粒度的数据转换为符合审计分析要求的标准化格式。主要工作包括：结构化转换（如通过自然语言处理从非结构化文本中提取结构化字段、将JSON/XML等半结构化数据解析为二维表）、数据类型转换、数据粒度转换（如明细数据汇总为月度数据）、数据标准化（如数值归一化、离散化处理）等，确保数据适配分析工具和模型的要求。（2.5分）（4）数据归约环节。核心目标是在不影响数据完整性和分析结果准确性的前提下，压缩数据规模，降低计算成本，提高分析效率。主要工作包括：特征选择（筛选与审计目标相关的关键字段，删除无关或冗余属性）、样本归约（在保证数据代表性的前提下减少样本量）、属性归约（合并冗余属性、降低数据维度）等，实现数据规模的合理压缩。（2.5分）3.请简述大数据审计环境下审计证据质量要求的变化及核心控制要点。【答案】大数据审计环境下，审计证据的载体、来源、规模、形成过程均发生显著变化，传统审计证据的“充分性、适当性（相关性、可靠性）”质量要求被赋予新的内涵，同时新增了可追溯性要求，具体变化及控制要点如下：（1）充分性要求的变化及控制要点。传统审计证据的充分性主要与样本量相关，通常通过扩大抽样规模提升充分性；大数据审计下的充分性不再单纯追求证据数量，而是要求覆盖审计事项的全维度数据，包括内部数据、外部关联数据、业务数据、非结构化数据等，确保数据足以支撑审计结论。（2分）控制要点：审计前需全面梳理审计目标对应的数据需求，验证数据范围与审计事项的匹配度，避免因数据维度缺失、范围不全导致审计结论偏差。（0.5分）（2）相关性要求的变化及控制要点。传统审计证据的相关性以直接因果关系为主，证据与审计事项的关联清晰直观；大数据审计下的相关性拓展至间接关联、隐含关联的证据，通过多源数据的交叉关联佐证审计事项，关联关系更为复杂。（2分）控制要点：构建分析模型时需结合审计业务逻辑验证关联关系的合理性，区分偶然关联与实质性关联，避免将无业务逻辑支撑的偶然关联作为审计证据。（0.5分）（3）可靠性要求的变化及控制要点。传统审计证据的可靠性主要取决于证据来源和载体形式，通常外部证据、原件的可靠性更高；大数据审计下的可靠性更依赖数据全生命周期的质量，包括数据采集的合法性、系统控制的有效性、数据处理的准确性等，可靠性判断难度更大。（2分）控制要点：①验证被审计单位信息系统的一般控制和应用控制有效性，确保数据来源真实可靠；②对重要审计疑点的数据进行溯源验证，核对原始业务记录；③采用多源数据交叉验证的方式核实数据的真实性。（1分）（4）新增可追溯性要求及控制要点。传统审计证据的链条清晰，可通过纸质底稿追溯证据形成过程；大数据审计证据的形成涉及多环节的数据处理，过程难以直观追溯，因此新增了全流程可追溯的质量要求。（1分）控制要点：建立审计数据全生命周期的操作日志制度，完整记录数据采集、预处理、分析、验证的每一步操作内容、操作人员、操作时间、参数设置，确保审计过程可复现、可复核。（1分）五、案例分析题（共2题，每题10分，共20分）1.案例背景：某市审计局在开展2023年度城乡居民基本医疗保险基金大数据审计项目中，涉及参保人员287万人，医保结算记录1260余万条，定点医疗机构312家、定点零售药店489家。审计组拟通过大数据分析识别医保基金违规使用的疑点，提升审计效率和覆盖面。要求：（1）请列举审计组应当采集的4类核心数据来源。（4分）（2）请列举3种可用于医保基金审计的大数据分析技术，并说明具体应用场景。（6分）【答案】（1）应当采集的4类核心数据来源：①医保经办机构数据：包括参保人员基本信息、医保缴费数据、医保待遇结算数据、基金财务数据、定点医药机构准入及考核数据等，是医保审计的核心基础数据。（1分）②定点医疗机构数据：包括门诊诊疗记录、住院病案首页、医疗收费明细、药品及耗材进销存数据、医师执业信息等，用于核实诊疗行为的真实性。（1分）③定点零售药店数据：包括药品销售明细、医保刷卡结算记录、药品进货台账、执业药师在岗信息等，用于核实药品销售的合规性。（1分）④外部关联数据：包括公安部门户籍及死亡人员信息、民政部门低保特困人员信息、卫健部门医疗机构执业许可信息、市场监管部门药店注册信息等，用于交叉验证参保及就医行为的真实性。（1分）（2）3种大数据分析技术及应用场景：①关联规则分析：通过挖掘医保结算数据中参保人员、医疗机构、诊疗项目、药品之间的关联关系，识别异常行为，如同一参保人员短期内多次在不同医院开具同类高值麻醉药品、医疗机构违规串换诊疗项目收费等疑点。（2分）②异常检测（离群点分析）：