『壹』 如何利用大數據開展審計工作
利用方法：1、大數據環境下，開展審計工作，需要將各行業各部門的形形色色的各類數據整合起來，轉換成為審計工作需要的大數據，即建立審計大數據體系。
2、通過構建審計大數據體系，把一個個具體審計項目的信息孤島關聯為有機的、整體的、全面的大數據資源，將一次性使用的「死數據」變成具有長時間生命期的能夠不斷使用的「活數據」。
3、審計所需數據必須是及時的、可追溯的，至少包含審計所涵蓋的時間區間，同時進行必要的追溯和延展，才能保障審計事項具備期間完整的信息資料。
4、充分利用數
『貳』 如何運用大數據助推審計「全覆蓋」
一、創新大數據審計思路。在大數據環境的審計工作要牢固樹立起三種思想：一是數據先行思想。隨著信息技術的日益發展與廣泛應用，被審計單位的經營、管理和核算模式正在由傳統的會計核算、經營管理系統的構成要素轉向高效、復雜的信息系統。審計人員所面臨的原始資料，不再只是手工憑證、賬簿和報表，而是具有高度概括性、模糊性、關聯性的海量電子數據。這就需要審計人員牢固樹立以數據為核心，數據分析先行、數據分行與現場核查相結合相融合的思想方法，才能在新形勢下有效推動實現審計監督全覆蓋。二是緊跟信息流向思想。在大數據背景下，要充分利用信息化的手段，關注資金的走向、物資的走向、業務的走向，從中發現疑點，深挖嚴查。三是多維度數據關聯分析思想。強化政府財政預算數據和預算執行單位數據的關聯分析、財政數據與宏觀經濟數據的關聯分析、財務數據與部門業務數據的關聯分析、不同領域和專業間的橫向關聯分析、財政金融企業社保等相互間的關聯分析。只有通過多方數據的關聯分析、整合各種信息資源，才能真正實現審計模式的創新；只有通過數據的關聯分析, 才能實現數據的立體化、多維度挖掘，提升數據分析的質量、實現數據的有效利用。
二、開拓大數據審計視野。目前的政府審計，主要是對政府各部門及其他公共機構財務報告的真實性、公允性，運用公共資源的經濟性、效益性、效果性，以及提供公共服務的質量進行審計；對公共性、財政性資金的收支結果及其直接支配者的監督。隨著全覆蓋審計要求「全面審計，突出重點」向縱深推進，以及建構審計「免疫系統」已成客觀需要。因此，對於海量數據不僅需要審計的「平面掃瞄」，更要「立體透視」，不僅對所有的財政財務收支情況執行進行檢查，還要對形成其行為的各個環節、或所涉及的過程進行檢查，對制定、執行的相關公共政策的運行機制進行評估，對制定、執行公共政策的主要負責人的履職績效進行監督等。通過多維度數據分析，從體制、機制、制度性的層面揭示問題，預警經濟社會發展中的突出矛盾和風險，推動深化改革和制度創新，維護國家經濟安全和服務可持續發展。
三、改進大數據審計模式。利用大數據審計信息平台系統，開展多維度數據分析，通過大數據提升審計效益效率。一是完善數字化審計制度機制。從數據的報送、歸集、分類、分析、應用、保密、存儲與讀取等全鏈條各方面進行建章立制，既確保大數據的開發利用有序有效，也保證大數據運用的健康安全，確保大數據環境下的數字化審計順利推進。二是組建專業數據攻關組。在大數據環境下，審計組織管理方式要注重整合審計力量，在全局、甚至審計系統范圍內抽調業務骨幹成立審前調研組、數據攻關組、審計核查組，探索「集中分析、發現疑點、分散核查、系統研究」的審計模式，提高審計的質量和效率。三是充分挖掘利用大數據。從關聯數據中發現所蘊含的規律和特點，挖掘出審計線索，使審計資源效能最大化；通過對海量數據進行多維度、多層次分析，嘗試建立各類數據分析模型和方法體系，為全覆蓋、常態化的延續審計打下堅實基礎；通過建立被審計單位違規行為庫，為構建審計數據分析模型和審計方法體系提供審計實務的支撐。四是推動大數據分析的更廣泛應用。一方面，鼓勵、督促審計人員直接利用平台數據分析功能開展分析，改變以往直接使用資料庫工具分析數據的慣性思維，逐步建立起規范的數據許可權控制、數據安全管理、審計行為控制等「大數據」環境下的審計工作機制和行為習慣；另一方面，培養審計人員平台應用的興趣和信心，將審計人員平台應用中發現的問題進行分類，評估其緊急程度，按輕重緩急及時解決，避免對審計時間產生不良影響，使審計人員產生不滿情緒和畏難情緒。
『叄』 大數據背景下的審計分析方法有哪些
一、「大數據」時代的數據挖掘的應用與方法
數據挖掘是在沒有明確假設的前提下去挖掘信息、發現知識。所以它所得到的信息應具有未知,有效和實用三個特徵。因此數據挖掘技術從一開始就是面向應用的，目前數據挖掘技術在企業市場營銷中得到了比較普遍的應用。它包括：資料庫營銷、客戶群體劃分、背景分析、交叉銷售等市場分析行為，以及客戶流失性分析、客戶信用記分、欺詐發現等。審計部門的數據挖掘以往偏重於對大金額數據的分析，來確實是否存在問題，以及問題在數據中的表現，而隨著績效審計的興起，審計部門也需要通過數據來對被審計單位的各類行為做出審計評價，這些也都需要數據的支撐。
數據挖掘的方法有很多，它們分別從不同的角度對數據進行挖掘。其中絕大部分都可以用於審計工作中。1. 數據概化。資料庫中通常存放著大量的細節數據,
通過數據概化可將大量與任務相關的數據集從較低的概念層抽象到較高的概念層。數據概化可應用於審計數據分析中的描述式挖掘,
審計人員可從不同的粒度和不同的角度描述數據集, 從而了解某類數據的概貌。大量研究證實, 與正常的財務報告相比,
虛假財務報告常具有某種結構上的特徵。審計人員可以採用概念描述技術對存儲在被審計資料庫中的數據實施數據挖掘,
通過使用屬性概化、屬性相關分析等數據概化技術將詳細的財務數據在較高層次上表達出來, 以得到財務報告的一般屬性特徵描述,
從而為審計人員判斷虛假財務報告提供依據。2.統計分析。它是基於模型的方法, 包括回歸分析、因子分析和判別分析等,
用此方法可對數據進行分類和預測。通過分類挖掘對被審計資料庫中的各類數據挖掘出其數據的描述或模型,
或者審計人員通過建立的統計模型對被審計單位的大量財務或業務歷史數據進行預測分析, 根據分析的預測值和審計值進行比較, 都能幫助審計人員從中發現審計疑點,
從而將其列為審計重點。3. 聚類分析。聚類分析是把一組個體按照相似性歸成若干類別, 目的是使得同一類別的個體之間的距離盡可能地小,
而不同類別的個體間的距離盡可能地大, 該方法可為不同的信息用戶提供不同類別的信息集。如審計人員可運用該方法識別密集和稀疏的區域, 從而發現被審計數據的分布模式,
以及數據屬性間的關系, 以進一步確定重點審計領域。企業的財務報表數據會隨著企業經營業務的變化而變化, 一般來說,
真實的財務報表中主要項目的數據變動具有一定的規律性, 如果其變動表現異常, 表明數據中的異常點可能隱藏了重要的信息,
反映了被審計報表項目數據可能存在虛假成分。4. 關聯分析。它通過利用關聯規則可以從操作資料庫的所有細節或事務中抽取頻繁出現的模式,
其目的是挖掘隱藏在數據間的相互關系。利用關聯分析, 審計人員可通過對被審計資料庫中的數據利用關聯規則進行挖掘分析, 找出被審計資料庫中不同數據項之間的聯系,
從而發現存在異常聯系的數據項, 在此基礎上通過進一步分析, 發現審計疑點。
二、應對「大數據」時代，審計分析應做出的調整
從以上分析過程中，我們不難看出「大數據」時代的數據存貯、處理、分析以及挖掘的各個方面雖然與傳統方式相比，在技術層面上有了較大的改變，但是在基本的原理方面並沒有顯著的改變，原有的審計分析模式沒有必要因為「大數據」時代的來臨而急於做出相應的改變。然而「大數據」時代在給審計分析帶來機遇的同時，還是給我們帶給了相當大的沖擊，對此我們有必要引起相當的重視，並在日後的信息化建設過程做出相應的調整。
1、數據的存貯與處理。大數據分析應用需求正在影響著數據存儲基礎設施的發展。隨著結構化數據和非結構化數據量的持續增長，以及分析數據來源的多樣化，此前存儲系統的設計已經無法滿足大數據應用的需要。基於塊和文件的存儲系統的架構設計需要進行調整以適應這些新的要求。審計部門在選擇相應的存貯系統的時候，要對非結構化數據有足夠的重視，做好採集的相關准備。同時隨著採集數據的單位和年份越來越多，數據量必然是會有大規模的增長。即使是海量數據存儲系統也一定要有相應等級的擴展能力。存儲系統的擴展一定要簡便，可以通過增加模塊或磁碟櫃來增加容量，甚至不需要停機。同時，為了提高數據的處理能力，解決I/O的瓶頸問題，可以考慮各種模式的固態存儲設備，小到簡單的在伺服器內部做高速緩存，大到全固態介質可擴展存儲系統通過高性能快閃記憶體存儲都是可以考慮使用的設備。
2、非結構化的數據處理。非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。
3、可視化的分析。數據分析的使用者有數據分析專家，同時還有普通用戶，但是他們二者對於數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。
「一個平台、兩個中心」建設，是審計署目前信息化建設的重要內容。通過數據中心的建設，可以在相當程度上解決數據存儲與處理的問題；而數據式審計分析平台，同樣可以在一定程度上實行可視化分析的相當一部分功能，但是對於越來越龐大的非結構化數據的存儲和處理，將會是審計部門接下來所面臨的最大的挑戰。