大數據審計技術項目五

審計數據分析目

錄/CONTENT任務一

基于多源分析技術的運費審計

任務二

基于可視化分析技術的存貨管理審計任務三

基于數據挖掘技術的舞弊審計任務四

基于數據預測技術的應收賬款審計學習目標素養目標1.養成分析問題、解決問題職業素養；2.提升職業道德水平及綜合職業素質；3.培養數據分析思維和辯證邏輯思維；4.提升數據安全意識和網絡安全意識。知識目標1.理解多源審計數據分析技術的基本原理和常用方法；2.熟悉審計數據可視化分析的基本原理和常用可視化分析圖表；3.熟悉審計數據挖掘分析技術的基本原理和常用的審計數據挖掘分析方法；4.熟悉審計數據預測分析的基本方法。技能目標1.能夠結合案例選擇恰當的多源數據查詢分析方法，掌握并熟練運用PowerBI排序、篩選、合并查詢等基本技能；2.掌握PowerBI常用的數據可視化分析圖表，能根據可視化分析需求選擇恰當的可視化圖表；3.掌握審計數據挖掘分析的基本模型，能運用對應模型進行數據挖掘分析；4.熟練使用基礎的數據預測分析模型，能根據數據預測要求選擇恰當的分析模型進行數據預測分析。思維導圖項目背景HSXY有限公司地處重慶市，是一家中型休閑食品批發企業，為改善企業的經營管理水平，提升公司經營效率，HSXY每年年末都會結合公司的經營管理情況，制定下一年度的審計計劃。公司2023年1月按計劃應開展的審計項目如表所示。審計項目名稱審計區間審計起止日期運費審計2022年1月至12月2023年1月1日至2023年1月7日存貨審計2020年1月至2022年12月2023年1月8日2023年1月18日舞弊審計2022年1月至2022年12月2023年1月19至1月23日應收賬款審計2022年1月至2022年12月2023年1月24至1月31日為了保證審計質量和審計項目進度，公司委托ABC會計師事務所按上述時間節點對公司各項業務開展審計。01基于多源數據分析技術的運費審計任務描述知識準備任務實施任務小結任務描述2023年1月審計項目組入駐被審計單位按審計計劃對公司2022年全年運費進行審計（數據源：“運費審計”），要求重點從運費的真實性和合理性兩個角度開展審計，通過前期的調研，審計項目組決定采用多源數據分析技術對運費進行審計。本次審計任務需完成以下三項子任務。子任務一運費結算單價審查。關注運費實際結算單價與合同定價是否一致，是否存在實際結算價格與合同價不一致的情況。子任務二運費結算數量核實。重點核實運費結算的承運數量是否與實際承運數量一致，是否存在結算數量與發運數量不一致的情況。子任務三承運產品抽樣分析。依據重要性原則對產品進行抽樣核查各產品的承運情況。知識準備一、多源數據分析技術的基本原理

多源數據分析技術主要是通過對采集的不同來源數據（包括不同行業、不同單位、同一單位內不同部門的數據）運用篩選、排序、表聯接等大數據查詢型分析技術進行關聯和對比分析，以發現更多隱藏的審計線索的一種大數據審計方法。運用多源數據分析技術進行審計的一般步驟如下知識準備二、單表查詢分析方法

（一）篩選篩選是指按照一定的條件對數據進行檢索，從中篩選出我們所需要的數據和信息，篩選是數據方法中最簡單、高效、便捷的一種利用篩選功能發現審計線索的基本思路為：審計人員結合審計目標要求，在分析審計業務和相關審計數據的基礎上，對審計的關鍵業務流程和關鍵數據表中的重要字段的取值范圍進行設置，據此設置檢索條件，并發現異常數據，以實現審計線索的快速發現。知識準備二、單表查詢分析方法

（一）篩選篩選是指按照一定的條件對數據進行檢索，從中篩選出我們所需要的數據和信息，篩選是數據方法中最簡單、高效、便捷的一種利用篩選功能發現審計線索的基本思路為：審計人員結合審計目標要求，在分析審計業務和相關審計數據的基礎上，對審計的關鍵業務流程和關鍵數據表中的重要字段的取值范圍進行設置，據此設置檢索條件，并發現異常數據，以實現審計線索的快速發現。知識準備二、單表查詢分析方法（二）排序排序是指將雜亂無章的數據元素，通過一定的方法按關鍵字順序將數據元素進行有序排列的過程，其目的是將一組“無序”的記錄序列調整為“有序”的記錄序列。審計的重要性原則本質上是要求審計人員更多的關注金額更大的業務，利用排序分析法則可以快速的識別出需要審計人員重點關注的審計對象；另一方面審計人員還可以利用不同字段間的取值取值特征和規律，通過排序的使用還可以發現一些特殊的錯誤或者舞弊的信號。思考：在審計實踐中，審計人員如何利用排序功能查找異常值？請舉例說明知識準備二、單表查詢分析方法（三）PowerBI篩選和查詢的實現在PowerBI數據視圖模式下，點擊數據列上方的下拉三角便可實現對數據的查詢和排序。1.PowerBI數據篩選PowerBI可以對文本、日期、數字等不同類型的數據實現篩選，以便我們快速對數據進行查找，發現審計線索。調出“排序-篩選”對菜單后，便可以按需求對數據進行篩選。PowerBI數據視圖模式下實現數據篩選的方法有兩種，一是根據需要勾選數據復選框進行數據篩選；二是通過篩選器設置數據關鍵字進行數據篩選。【實例5-1】知識準備二、單表查詢分析方法（三）PowerBI篩選和查詢的實現在PowerBI數據視圖模式下，點擊數據列上方的下拉三角便可實現對數據的查詢和排序。1.PowerBI數據篩選（1）可以利用篩選器設置篩選條件實現多條件的數據篩選。【實例5-1】知識準備二、單表查詢分析方法（三）PowerBI篩選和查詢的實現在PowerBI數據視圖模式下，點擊數據列上方的下拉三角便可實現對數據的查詢和排序。1.PowerBI數據篩選（2）如果篩選的數據列對應的數據類型是日期則出現“日期篩選器”，可以通過“日期篩選器”功能實現對數據的靈活篩選。【實例5-2】知識準備二、單表查詢分析方法（三）PowerBI篩選和查詢的實現在PowerBI數據視圖模式下，點擊數據列上方的下拉三角便可實現對數據的查詢和排序。2.PowerBI數據排序PowerBI中可以對一列數據按照字母、數字或日期的順序對數據表進行排序，在PowerBI中有升序和降序兩種排序方式。知識準備二、單表查詢分析方法（三）PowerBI篩選和查詢的實現在PowerBI數據視圖模式下，點擊數據列上方的下拉三角便可實現對數據的查詢和排序。2.PowerBI數據排序【實例5-3】根據審計的重要性原則選取銷售訂單審計樣本，需對“銷售詳情表”中的數據按銷售金額降序排序，即對銷售金額從高到低排序，并找出銷售金額排名前10的訂單。知識準備三、多表查詢及對比分析（一）表聯接方式PowerQuery中的“合并查詢”功能中提供了六種表聯接方式，分別是左外部、右外部、完全外部、內部、左反、右反。知識準備三、多表查詢及對比分析（一）表聯接方式1.左外部左外部聯接查詢是指從兩個集中進行數據查詢時，以左側的數據集為基準，只顯示右側數據集中符合匹配條件的數據，如果右側數據集沒有符合匹配條件的數據，則查詢結果中顯示為空（PowerQurey中顯示為null）。2.右外部

右外部聯接查詢是指從兩個集中進行數據查詢時，以右側的數據集為基準，只顯示左側數據集中符合匹配條件的數據，如果左側數據集沒有符合匹配條件的數據，則查詢結果中顯示為空（PowerQurey中顯示為null）。3.完全外部完全外部聯接是指從兩個集中進行數據查詢時，返回兩個集中的全部數據，如果右側數據集在左側數據集中沒有匹配數據，或者左側數據集在右側數據集中沒有匹配的數據，查詢結果中對應的值顯示為空（PowerQurey中顯示為null）知識準備三、多表查詢及對比分析（一）表聯接方式4.內部內部聯接是指從兩個集中進行數據查詢時，只返回兩個表能夠匹配部分的數據。5.左反左反聯接是指從兩個集中進行數據查詢時，以左側數據集為基準返回左側數據集中存在，同時在右側數據集中不存在的數據，并將右側數據集中的數據列顯示為空（PowerQurey顯示為null）。6.右返右反聯接是指從兩個集中進行數據查詢時，以右側數據集為基準返回右側數據集中存在，同時在左側數據集中不存在的數據，并將左側數據集中的數據列顯示為空（PowerQurey顯示為null）。知識準備【實例5-4】有A，B兩個數據集（數據表），分別是“學生基本信息表”和“學生成績表”，具體如下表所示，在以上六種聯接方式下將呈現出何種結果？學生基本信息表姓名性別班級電話李明女2020級01慧女2020級01班16692591016陳德華女2020級01小明女2020級01美女2020級01云女2020級01飛女2020級01麗女2020級01娜女2020級01班19112392703學生成績表姓名審計基礎審計實務審計綜合模擬實訓王曉紅787367李明639595陳慧869583陳德華818386韓美648581周一一926189楊杰689590陳明668963知識準備三、多表查詢及對比分析（二）PowerBI的表聯接的實現在PowerBI中調用PowerQuery模塊便可實現多表的聯接。在PowerBIDesktop界面導入需要進行查詢分析的數據表之后，依次點擊“主頁”│“轉換數據”按鈕便可啟用PowerQuery編輯器，進入PowerQuery編輯界面，在頁面左側查詢表區域可以看到已經導入的數據表。知識準備四、費用審計要點（一）費用審計的主要內容費用審計指對企業從事生產經營活動過程中所發生的各種損耗的審查，包括直接費用審計、間接費用審計、期間費用審計。費用審計的內容主要包括：1.評價費用內部控制制度的健全性和有效性。2.審查費用變動內容的真實性及合法性。3.審查費用賬面余額的準確性。4.審查費用計價的正確性。知識準備四、費用審計要點（二）費用審計的主要程序1.調查與測試費用相關的內部控制2.檢查費用的核準手續3.分析主要費用項目的變動趨勢和可能存在的問題4.審查費用分類的適當性5.確定費用記錄的截止日期是否適當6.分析所得稅申報的費用項目任務實施子任務一運費結算單價審查運費結算單價是影響運費結算金額的基本因素之一，在對運費結算單價審查的過程中應著重審查運費實際結算單價是否與運費合同定價一致，本案例主要通過核查發運部門提供的“運單明細數據”表中單價與采購部門提供的各物流公司運費合同單價明細表中的單價是否一致來對運費單價進行審查。具體操作步驟參照教材，跟著操作練習。任務實施子任務二運費結算數量核實運費結算金額除受運費結算單價的影響外，還受另一重要因素結算數量的影響。本案例將結合財務端的“運費結算數據”、業務端的“運費明細數據”和倉庫端的“倉庫日出庫統計報表”三個表對運費結算數量進行審查，值得注意的是公司要求當天出庫的商品必須當天發運出去，避免影響發貨的及時性。具體操作步驟參照教材，跟著操作練習。任務實施子任務三承運產品抽樣分析結合物流運輸行業特點和被審計單位運輸貨物價值考量，決定將抽年度運費金額排名前十的產品作為重點核查承運情況的對象。具體操作步驟參照教材，跟著操作練習。任務小結1.在進行篩選查詢的過程中一定要仔細思考篩選要求，將其轉化為PowerBI能表示的條件，同時應注意區分條件連接詞，“且”和“或”的區別，真正學會運用篩選功能進行審計數據分析，發現審計線索，識別審計風險。2.運用合并查詢技術進行審計數據分析時，盡量使用“將查詢合并為新查詢”，在新的數據表中對數據進行處理和分析，避免損壞原數據；在使用合并查詢技術時應區分清楚PowerBI不同聯接類型之間的異同，為正確使用合并查詢功能打下良好的基礎。3.熟練使用PowerBIDAX函數能夠幫助審計人員在實際工作中減少數據分析工作量、提升數據分析效率。常見的PowerBIDAX函數包括聚合函數、邏輯函數、信息函數、數學函數、文本函數、篩選函數、時間函數等十多個大類，在使用過程中難免存在不熟悉、不熟練的情況，應加強對DAX函數的學習和練習。02基于可視化分析技術的存貨管理審計任務描述知識準備任務實施任務小結任務描述為提高公司存貨管理質量，促進經營效率提升，審計項目組對公司的存貨管理情況開展審計，本次實施存貨管理審計的主要目的為提升存貨管理效率，保障存貨安全，本審計項目需要完成以下三項任務。子任務一存貨規模可視化分析。利用存貨歷史數據分析存貨規模變動情況、存貨規模與銷售收入匹配度、存貨周轉情況，關注存貨是否存在規模變動異常、存貨規模與銷售收入不匹配，存貨周轉速度過慢等情況。子任務二存貨結構可視化分析。分析存貨結構變動是否維持在合理范圍內，重點分析各類存貨結構占比是否與各類商品銷售收入結構占比保持一致。子任務三存貨可變現性可視化分析。分析存貨的庫齡情況，結合已計提的存貨跌價準備分析存貨的可變現性。知識準備一、可視化審計數據分析的基本原理（一）可視化分析技術可視化分析技術就是利用人眼的視覺處理能力，結合計算機、人機交互等技術實現對數據或文字的高效理解分析，其包括文本可視化技術、多維數據可視化技術、網絡可視化技術、時空可視化技術等。（二）可視化審計數據分析技術可視化審計數據分析技術的運用，即可視化分析工具應用于審計數據分析可以減小審計人員的工作強度，提高審計效率，具有重要的理論和應用價值。知識準備一、可視化審計數據分析的基本原理（三）可視化審計數據分析的基本流程一般來說，采用可視化分析手段進行大數據分析的流程包括數據采集及預處理、圖像分析、抓住關鍵線索、確定審計證據等四大步驟知識準備二、存貨審計要點（一）存貨審計的主要內容存貨審計指審計機構對被審計單位存貨增減變動及結存情況的真實性、合法性以及正確性所開展的審查監督活動，該項審計工作開展的目的在于確保企業存貨資料的安全完整和對企業的產品成本費用進行調控，以提高企業的生產經營經濟效益。存貨審計的內容主要包括：1.評價存貨內部控制制度的健全性和有效性。2.審查存貨變動內容的真實性及合法性。3.審查存貨賬面余額的準確性。4.評價存貨保管工作的安全性。5.審查存貨跌價準備計提工作的正確性。知識準備二、存貨審計要點（二）存貨審計的主要程序存貨審計的實質性程序一般包括：1.獲取或編制存貨明細表，復核加計正確并與總賬數、報表數及明細賬合計數核對是否相符。如果發現合計數與總賬不符，應查明原因，必要時向項目負責人進行咨詢，做出相應的處理。2.對存貨的相關會計政策進行了解，評價其是否符合企業適用會計準則或制度，是否與以前年度保持一貫性。知識準備二、存貨審計要點（二）存貨審計的主要程序存貨審計的實質性程序一般包括：3.分析程序。存貨傳統的分析程序包括:計算存貨周轉率，與上期進行比較或與其他同行業的企業進行比較；比較前后各期及各個月份存貨余額及其構成，以判斷期末余額及其構成的總體合理性等。隨著大數據分析技術的不斷發展，我們也可以采用項目五任務二基于可視化分析技術的存貨管理審計中所提到的存貨規模分析、結構分析、可變現性分析等分析方法對存貨進行實質性分析，以便對存貨進行更加全面深入的了解。4.對分類存貨的數量、計價及賬務處理的查驗。例如：對原材料、庫存商品、發出商品、委托加工物資、生產成本、勞務成本、周轉材料以及其他類存貨的數量、計價以及賬務處理的查驗。知識準備二、存貨審計要點（二）存貨審計的主要程序存貨審計的實質性程序一般包括：5.存貨監盤。6.檢查與關聯方的購銷業務是否正常，關注交易價格、交易金額的真實性和合理性，檢查對合并范圍內購貨記錄應予合并抵消的數據是否正確，對關聯方交易進行統計和審計。7.檢查存貨是否已按照企業會計準則的規定在財務報表中做出恰當列報。知識準備三、存貨可視化審計分析方法（一）存貨規模可視化分析存貨普遍存在于企業生產經營全過程，其規模可視化分析，是指通過可視化圖形或圖像展示并分析存貨的規模是否合理，是否與企業戰略以及市場需求變化相適應。存貨規模可視化分析主要從三方面開展：一是存貨規模的變動情況分析；二是存貨規模與銷售收入或銷售數量的對比分析；三是存貨規模變化的比率分析知識準備三、存貨可視化審計分析方法（二）存貨結構可視化分析對商品流通型企業來說存貨結構的分析主要集中在對不同類型商品存貨構成的分析，應重點關注包括以下兩方面：一是隨著時間推移各類型商品庫存結構占比是否發生重大變化，審計可視化分析時一般采用堆積柱形圖對存貨庫存結構進行可視化分析；二是不同類型商品的存貨結構是否與商品銷售收入結構保持一致，可以采用矩陣對二者構成情況進行對比分析。知識準備三、存貨可視化審計分析方法對存貨可變現性進行審計分析時可著重關注以下兩點：一是關注存貨的庫齡情況，審計人員應對公司存貨庫齡進行整體分析，確認存貨庫齡的分布情況，二是結合財務數據中已計提的存貨跌價準備分析是否利用存貨項目進行潛虧掛賬的情況。任務實施子任務一存貨規模可視化分析針對本案例我們將從存貨規模變動情況、存貨規模與銷售規模匹配度和存貨財務分析指標三個角度入手進行分析和審查。具體操作步驟參照教材操作實施。（一）存貨規模變動情況分析（二）存貨規模變動情況（三）存貨周轉情況分析任務實施子任務二存貨結構可視化分析存貨結構是指各類存貨的占比情況，本案例針對存貨結構的分析主要從存貨結構的變化情況和存貨結構是否與銷售收入結構保持一致開展，以判斷存貨是否滯銷或短缺風險。具體操作步驟參照教材操作實施。（一）存貨結構變動可視化分析（二）存貨結構與銷售收入結構對比分析任務實施子任務三存貨可變現性可視化分析存貨可變現性是指對存貨可變現金額開展的分析和計算，意在對存貨價值進行評估。本案例主要從存貨庫齡、存貨跌價準備計提是否合理兩方面進行分析。審計項目組成員在審計過程中了解到該公司于每月1日根據采購計劃完成各類產品采購，采購商品的生產日期一般在采購日前10日以內。具體操作步驟參照教材操作實施。（一）存貨庫齡分析（二）存貨跌價準備計提分析經了解被審計單位于每年年末采用可變現凈值與成本孰低來計提存貨跌價準備，該企業在計提存貨跌價準備時主要依據存貨庫齡進行計提。由于被審計單位是食品批發企業，在進行存貨可變現凈值計算過程中不應僅僅只考慮存貨庫齡，更應結合對應商品的質保期和食品行業銷售特點進行可變現凈值的計算，本案例對庫存商品可變現凈值的計算主要考慮存貨庫齡是否超過商品質保期的二分之一，以商品原單價的五折作為庫齡超過質保期二分之一商品的預估售價。任務實施子任務四存貨可視化分析報表美化一個好的可視化報表能夠準確、清晰、快捷、高效的反饋信息，為了使可視化分析報表能夠更清晰、更高效向報表閱讀者傳遞信息，在完成可視化分析報表后應對報表進行美化，增強報表的可讀性。本任務以“存貨規模可視化分析”報表為例進行美化，包括報表整體美化和單個圖表美化兩方面。具體操作步驟參照教材操作實施。任務小結1.在導入“庫齡信息表”、“存貨跌價準備計算表”之后，PowerBI會自動建立這兩個數據表與其他已經存在數據表之間的關聯關系，容易出現關聯關系不可用的情況（在“模型視圖”中以虛線呈現），造成“存貨跌價準備計算表”與“商品信息表”不可用的原因是該關系將造成“存貨跌價準備計算表”和“銷售訂單明細表”之間的多義性。接下來以“存貨跌價準備計算表”為例講解解決方案：首先將“存貨跌價準備計算”與其他表的關聯關系全部刪除，然后再以“商品編碼”為關鍵字創建“存貨跌價準備計算”與“商品信息表”之間的關聯關系。2.需要創建較多度量值時，可通過創建一個單獨的表來存放創建的度量值。任務小結3.在利用IF函數計算“庫齡大于質保期二分之一庫存數量”和“庫齡大于質保期二分之一庫存金額”時，應充分理解其DAX表達式所代表的含義，以及為什么只對庫存天數是否等于90天這一項條件進行判斷。4.PowerBI自帶“開花”、“城市公園”、“經典”等多個報表主題，在PowerBI官網主題庫中也有許多可免費使用的主題，在進行可視化報表美化的過程中應充分利用已有的報表主題模板來提升可視化報表美化的效率。5.切片器的合理使用能夠增加報表的互動性，在進行報表設計和美化的過程中應恰當的使用切片器。03基于數據挖掘技術的舞弊審計任務描述知識準備任務實施任務小結任務描述被審計單位管理層發現公司差旅費報銷存在異常，但無法確定差旅費報銷異常人員范圍，在開展深入審計調查之前，需確定差旅費報銷的高風險人群。審計項目組了解具體情況后決定利用數據挖掘技術對報銷人員進行分析，以確定高風險人群。本次審計任務需完成以下兩項子任務。子任務一PowerBI與R的協同。在R官網下載并安裝R軟件，安裝完成后在PowerBI中配置運行R腳本。子任務二舞弊信號審計追蹤。利用R腳本調用聚類算法模型，根據不同人員的費用金額、報銷次數特點將人員分為高風險、中風險和低風險3類，以發現費用報銷的風險人群。知識準備一、審計數據挖掘技術基礎（一）數據挖掘技術概述數據挖掘技術就是一種通過特定的算法在可接受的計算效率限制內生成特定模式從大量的數據中通過算法搜索隱藏于其中信息步驟型技術，其運用就是一個從數據準備到結果分析的完整過程，在該過程中從大量數據中挖掘先前未知的、有效的、可使用的信息，并使用這些信息做出決策或豐富知識。知識準備一、審計數據挖掘技術基礎（二）數據挖掘技術在審計中的重要意義通過數據挖掘技術可以從被審計單位錯綜復雜的業務環境和海量的數據中，在極短的時間里進行數據分析，協助審計人員更加高效發現異常信息，在一定程度上降低了審計風險，提高了審計效率，更加有效地節省人力資源成本。數據挖掘技術通過對數據的全面的、深層次的、系統的分析，能夠有效消除抽樣審計風險，達到審計的全覆蓋。知識準備二、審計數據挖掘分析算法（一）聚類算法聚類分析又稱群分析，它是研究（樣品或指標）分類問題的一種統計分析方法，同時也是數據挖掘的一個重要算法。在審計數據分析的實踐中，通常采用聚類算法對被審計單位的財務數據以及業務數據進行分組。采用聚類算法，我們把分好的類別與被審計單位往年數據進行比較，從而分析出被審計單位數據的真實性與準確性。例如對于銀行的信貸業務進行審計時，可以對各種信貸業務進行聚類，劃分為低風險、中風險、高風險三類，并且可以細分為不同的風險等級。知識準備二、審計數據挖掘分析算法（二）關聯規則算法關聯規則算法是數據挖掘中的一類重要算法。關聯規則就是支持度和信任度分別滿足用戶給定閾值的規則。所謂的關聯，反映的是事件間依賴關聯關系，這種關系基于數據統計描述認定，與關系數據庫中表間大于、等于等邏輯關系不同，他用統計結果描述事件關系。知識準備二、審計數據挖掘分析算法（二）關聯規則算法工程招投標審計中，審查投標單位是否利用內部關聯對工程項目圍標操作，通過分析項目投標記錄事件，發現投標單位間關聯程度，當多個單位在多次投標中都同時出現時，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注重點；醫保審計結伴刷卡住院，通過分析醫保刷卡記錄，尋找多個患者多次同時住院刷醫保卡，將這種非偶然事件作為審計重點關注，審計是否存在醫院辦理假住院，集中刷醫保卡騙取醫保現象；財政惠農補貼審計中，可分析惠農補貼卡結伴刷卡取款現象，通過尋找多張不同用戶卡多次同時取款的非偶然行為，推斷惠農銀行卡可能集中在某一個人手中，進而發現涉嫌侵占惠農補貼的問題；商業銀行可以利用Apriori算法在信貸審計中識別挖掘潛在的關鍵變量和關聯規則，進而快速鎖定疑點客戶、提前預判客戶違約情況、發現信貸流程漏洞等，從而達到提高審計效率、加強信用風險預警、完善信貸工作規范的目的。知識準備三、舞弊審計的要點（一）舞弊審計的主要內容一般來講，舞弊審計的內容應該包括以下四個方面：1.審查評估被審計單位的內部控制的建立及執行情況；2.通過審計會計資料中“假、亂、錯”等現象，發現異常和漏洞，揭露財務舞弊行為；3.促進會計核算工作的規范化建設，提高會計核算的準確性、規范性、嚴密性和公允性，提高財會組織管理工作水平；4.充分發揮審計監督的查案職能。根據已有線索和資料，有針對性地對被審計單位或有關人員進行詳細審查，對有關疑點和問題展開內查外調，有利于對大案、要案的發現和查處。知識準備三、舞弊審計的要點（二）舞弊審計的常用方法1.分析性復核法2.實質分析法3.期后事項分析法4.稅項分析法5.資產質量分析法任務實施子任務一PowerBI與R的協同（一）R的下載與安裝PowerBI提供了豐富的外部可視化視覺對象，能夠滿足對聚類、分類、預測等多種需求的分析。但在PowerBI中許多可視化視覺對象都是基于R開發的，尤其是許多自定義的視覺對象基本都需要R，在未安裝R的情況下許多視覺對象都無法運行，因此在使用基于R開發的可視化視覺對象之前需要先安裝R。R可以通過其官網（/）進行下載，也可以通過微軟官網提供的兩個下載網址Mic'rosoftR應用程序（/download）和CRAN存儲庫（/bin/windows/base/）進行下載。（二）配置運行R腳本在下載并安裝好R之后PowerBI并不能直接運行R，需要對PowerBI進行R腳本的配置具體參照步驟參照教材實施。任務實施子任務一PowerBI與R的協同提示：1.一般情況下PowerBI會自動檢測R軟件的主目錄，而R軟件的主目錄會因R軟件安裝位置的不同而不同。2.如果安裝了多個RIDE，在“檢測到的RIDE”下拉框中會有多個選項，可根據需求選擇需要的項，一般保持默認即可。3.瀏覽到所需的RIDE支持安裝的其他R綜合開發環境如RStudio，用以創建和編輯R腳本，并且可以在PowerBI中使用這些腳本。通過上述操作已經基本完成PowerBI中R語言的發環境的配置，接下來就可以在PowerBI中使用基于R語言開發的視覺對象了。任務實施子任務二舞弊信號審計追蹤由于舞弊具備隱蔽性等特點，在進行舞弊審計的過程中，可以通過聚類分析算法將人員或事件劃分為不同類別，包括高風險、中風險、低風險等，發現舞弊信號，為進一步審計分析提供審計線索。本任務使用PowerBI按人員對差旅費進行聚類分析，以報銷金額和報銷次數作為分析維度，通過DBSCAN聚類分析算法將人員分進行分類，并據此發現審計線索。在開始分析前應通過GitHub官網（/microsoft/PowerBI-visuals-DBSCAN)獲取DBSCAN聚類分析視覺對象及源代碼。使用聚類分析圖對差旅報銷明細進行分析的具體步驟參照教材對應內容實施。任務小結1.下載R軟件時應注意電腦系統位數，選擇與電腦位數相同的R軟件版本，避免出現無法安裝或安裝后無法使用的情況。2.在使用DBSCAN聚類分析圖對報銷人員進行聚類分析時，只能將數據列拖拽至Value處，所以在進行聚類分析之前需要在銷售人員信息表中創建“報銷金額”和“報銷次數”數據列，同時要注意保證人員信息表中人員不能重復。3.聚類分析圖不能識別中文標簽，所以在設置標簽類別時設置的是“核算人員編碼”，在確認具體人員的風險類別時注意將人員編碼與人員姓名核對，避免出現錯誤。04基于數據預測技術的應收賬款審計任務描述知識準備任務實施任務小結任務描述隨著銷售業務規模的擴大，HSXY有限公司形成的應收賬款也呈現出逐步上升的趨勢，隨之而來的應收賬款逾期也持續增多，管理層意識到長此以往，應收賬款極有可能成為一顆影響公司未來發展的定時炸彈，故此特別重視公司應收賬款的審計工作，要求審計過程中特別關注應收賬款和逾期賬款的管理及增長變動情況。審計項目組根據公司管理層要求對公司應收賬款管理開展審計，此次應收賬款審計要求完成以下兩項子任務。子任務一應收賬款管理狀況分析。在2022年12月31日的時間點分析公司應收賬款管理狀況，對應收賬款余額、賬齡、逾期、回收、客戶管理等具體情況進行分析與可視化展示。子任務二應收賬款規模預測分析。結合公司應收賬款歷史數據，采用移動平均法、指數平滑法等時間序列分析模型對公司應收賬款及應收賬款逾期金額進行預測分析，結合應收賬款與逾期金額的增長趨勢分析應收賬款是否存在管理風險。知識準備一、審計數據預測分析技術基礎（一）審計數據預測分析概述除了財務分析中經常用到的經典方法外，針對被審計單位持續經營情況、未來現金流情況及現有運營模式中存在的趨勢性、苗頭性疑點問題等也常需要運用一些預測型的算法。數據倉庫與數據挖掘技術和方法常被用于審計數據預測型分析中，以揭示數據間的相關關系，發現一些傾向性問題。數據倉庫是一種數據集合，是由面向主題的、集成的、穩定的、涉及不同時間的數據組成的集合，用來支持經營管理中的決策制定過程。數據倉庫系統中的數據集成工具通常都具備面向各種外部數據源的接口，可以實現數據抽取、轉換、裝載、刷新等功能，也可以完成對異構、多源數據的轉換、加載，審計人員可根據數據一致性原則將所需審計數據轉移到審計數據庫中，為審計數據采集提供強有力的技術支持。知識準備一、審計數據預測分析技術基礎（一）審計數據預測分析概述除了財務分析中經常用到的經典方法外，針對被審計單位持續經營情況、未來現金流情況及現有運營模式中存在的趨勢性、苗頭性疑點問題等也常需要運用一些預測型的算法。數據倉庫與數據挖掘技術和方法常被用于審計數據預測型分析中，以揭示數據間的相關關系，發現一些傾向性問題。數據倉庫是一種數據集合，是由面向主題的、集成的、穩定的、涉及不同時間的數據組成的集合，用來支持經營管理中的決策制定過程。數據倉庫系統中的數據集成工具通常都具備面向各種外部數據源的接口，可以實現數據抽取、轉換、裝載、刷新等功能，也可以完成對異構、多源數據的轉換、加載，審計人員可根據數據一致性原則將所需審計數據轉移到審計數據庫中，為審計數據采集提供強有力的技術支持。知識準備一、審計數據預測分析技術基礎（二）審計數據預測分析的應用審計數據預測分析在審計過程中具有重要作用，比如在企業并購、項目投資等專項審計中經常需要對被審計對象的業務發展趨勢、未來收入、現金流量變化等進行相應的預測分析；在獲取數據的過程中，經常需要對大量類別的審計數據，如PDF版的會議紀要、Word版的方案、網上的各種通知等進行分析。在審計中可以運用到的預測分析方法包括定量變量的多元回歸、人工神經網絡等算法，也包括對定性變量分類，如決策樹、貝葉斯網絡、logistic回歸算法等數據挖掘算法，還包括常用于無監督學習的聚類分析、用于數據分布規律分析的班福法則等。知識準備二、審計數據預測分析算法

（一）線性回歸模型線性回歸是利用數理統計中回歸分析，來確定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法，線性回歸分析模型根據自變量和因變量的數量不同分為一元線性回歸分析模型和多元線性回歸分析模型。一元線性回歸是分析只有一個自變量x和一個因變量y的線性相關關系的方法。其模型一般表示：知識準備二、審計數據預測分析算法

（一）線性回歸模型但在許多實際問題中，對因變量的影響因素往往不止一個，多元回歸是研究一個因變量與多個自變量之間的回歸問題。例如，審計報告的意見類型除了受企業財務類指標等因素的影響外，還受諸如內部控制水平、企業持續經營能力、財稅政策、行業經濟趨勢等多種因素的影響。多元線性回歸是研究因變量與各自變量之間線性關系的方法。知識準備二、審計數據預測分析算法

（二）時間序列預測分析1.時間序列預測的含義時間序列預測就是將銷售額、利潤、工業增加值等統計指標數值，按時間順序排列形成時間序列，運用一定的統計分析方法對時間序列進行分析，找出其發展變化的趨勢和規律，以預測未來的發展變化趨勢，確定預測值。2.時間序列預測方法的選擇對已有時間序列進行預測的關鍵是確定時間序列的變化規律，并假定時間序列會按照此規律延續下去。在進行時間序列預測時，首先應確定時間序列的成分，再選擇合適的預測方法，最后對預測方法進行評估，選擇最佳的預測方案。知識準備二、審計數據預測分析算法

（二）時間序列預測分析3.時間序列預測方法預測分析方法平滑法預測季節性預測趨勢性預測平滑法預測包括簡單平均預測、移動平均預測、指數平滑預測季節性預測方法包括指數模型預測、時間序列分解預測趨勢性預測包括線性趨勢預測、非線性趨勢預測、自回歸模型預測等。知識準備二、審計數據預測分析算法

（二）時間序列預測分析3.時間序列預測方法（1）移動平均預測

移動平均預測是選擇一定長度的移動間隔，對原時間序列逐期計算移動平均數作為下一期的預測值。該預測方法可以削弱原序列中短期的偶然因素的影響，一般可以用來預測銷售情況和股價等趨勢，可分為簡單移動平均預測和加權移動平均預測兩種。①簡單移動平均預測知識準備二、審計數據預測分析算法

（二）時間序列預測分析3.時間序列預測方法（1）移動平均預測

②加權移動平均預測加權移動平均預測法是在簡單移動平均預測法的基礎上，給近期的數據賦予較大的權數，給遠期的數據賦予較小的權數，計算加權移動平均數作為下一期的預測值。同樣的，設移動間隔為k（1<k≤t），則t+1期的移動平均預測值如式：知識準備二、審計數據預測分析算法

（二）時間序列預測分析3.時間序列預測方法（2）指數平滑預測指數平滑預測是對過去的觀察值進行加權平均的一種預測方法，是加權平均的一種特殊情形，觀察值時間越遠，其權數也跟著呈現指數下滑，因此稱為指數平滑。可分為一次指數平滑、二次指數平滑、三次指數平滑等，就一次指數平滑來說，t+1期的預測值是t期的觀察值與預測值的線性組合，其基本模型如：知識準備二、審計數據預測分析算法

（二）時間序列預測分析3.時間序列預測方法（2）指數平滑預測指數平滑預測法的關鍵是確定一個合適的平滑系數，通常要從以下兩方面考慮：①當時間序列比較平穩時，值應取小一些，如0.1-0.3；當時間序列波動較大時，值應選擇居中的值，如0.3-0.5；當時間序列波動很大時，值應取大一些，如0.5-0.8。②選擇時還應考慮預測誤差，在實際預測時，選擇幾個值進行試算，分別計算均方誤差，取均方誤差最小的那個值。知識準備二、審計數據預測分析算法

（二）時間序列預測分析3.時間序列預測方法（3）季節模型預測將時間序列的四種組成成分按照一定的假設，用一定的數學關系式表達出來，就形成了時間序列預測的分析模型。根據不同的假設，分析模型通常分為兩種：加法模型和乘法模型。設時間序列為Y，長期趨勢為T，循環變動為C，季節變動為S，不規則變動為I，則兩種模型分別表示如下：知識準備二、審計數據預測分析算法

（二）時間序列預測分析3.時間序列預測方法（3）季節模型預測①加法模型假設四種組成成分是相互獨立的，時間序列便是各成分相加的和，其分解模型：

Y=T+C+S+I當時間序列圖顯示的時間序列的級別變動大致相等，在時間序列圖隨時間推移等寬推進時,采用加法模型。知識準備二、審計數據預測分析算法

（二）時間序列預測分析3.時間序列預測方法（3）季節模型預測②乘法模型假設四種組成成分是相互交錯影響的，時間序列便是各成分的乘積，其分解模型：Y=T×C×S×I