随着信息化水平的不断提高,许多被审计单位的数据越来越呈现出海量化趋势。 运用数据挖掘技术,探索适应被审计单位数据海量化形势下的审计方法和应用技巧是当前审计领域面临的挑战之一。

　　为贯彻落实刘家义审计长“审计方式方法要实现新突破,广泛运用现代审计技术,推广总体分析、发现疑点、分散核实、系统研究'的数字化审计方式,探索大数据审计工作模式,实现多部门、多行业数据关联” 的讲话精神,我们积极探索了数据挖掘技术在审计实践中的应用。

　　运用传统的计算机审计方法从被审计单位数据中发现审计疑点时,需要审计人员具有丰富的专业知识和经验。 数据挖掘作为一种新的计算机审计方法,能够辅助审计人员从海量数据中发现疑点,为数据式审计提供了重要途径。从审计角度来看,教据挖掘就是从大量的被审计单位数据中,发现潜在规律,并自主发现审计疑点的过程。 在这个自动学习并发现有价值审计信息的过程中,既兼顾海量数据的总体分析,又可作为审计经验的补充,配合审计人员发现审计疑点,有助于做到精确定位。

　　聚类、分类、回归、关联分析、序列模式等是较为常用的数据挖掘方法,每种方法有多种算法实现。本书主要以国产的神通K-Miner,微软的SQLServer分析服务等审计人员常用的工具,以期望最大化,K均值、朴素贝叶斯、决策树、神经网络、多元线性回归、Apriori,马尔科夫链等算法为例,介绍计算机审计中数据挖掘技术的使用技巧。

　　本书由河北省审计厅负责编写,鉴于编写人员水平有限,书中难免疏漏和不完善之处,恳请广大读者批评指正。