大数据时代基于孤立点分析的审计抽样方法探讨［摘要］在计算机技术发展过程中，海量的存储及高效的计算机运算为实际工作提供了较强的技术支持。审计工作需要处理和分析海量的财务数据，利用计算机数据挖掘技术开展审计工作，能突破传统方法的限制，并且提升工作效率。通过应用计算机数据挖掘技术的孤立点分析，构建相应的模型，能有效发现审计中的问题，对审计工作的顺利开展具有重要意义。本文采集自网络，本站发布的论文均是优质论文，供学习和研宂使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息，如果需要分享，请保留本段说明。［关键词］孤立点分析；审计抽样；大数据doi：10.3969/j.issn.1673-0194.2017.12.022［中图分类号］F239.2;TP311.13［文献标识码］A［文章编号］1673-0194(2017)12-00-02在当前时代背景下，有效开展审计工作成为各行业发展的关键。通过实践，相关技术研究人员发现应用数据挖掘技术的孤立点分析，可以极大提升数据分析能力，辅助审计工作中的专业判断，并发现隐含问题，为审计工作提供必要的支持。1孤立点概述所谓孤立点，指的是在运用计算机处理数据的过程中，出现的处于离散状态的小规模数据对象，这一小部分数据对象与数据中的一般规律和趋势具有显著差异。在海量数据中，往往会出现一些与众不同的数据，这些数据并不是由随机偏差产生的，可能产生于完全不同的机制，所以在聚类分析中表现为不属于任何的簇或者类，这些数据对象一般被叫做噪声，在相应的孤立点分析中叫做孤立点。在审计领域，因为具体的模型和审查背景存在一定差异，所以对于孤立点的分析也会得出不同的结论。此外，蓄意操作、操作错误、整体数据偏差、系统和测量错误等都会导致孤立点的出现。因此，相关审计人员需要关注这些因素，并对深入分析相关情况产生的原因，从中筛选出价值较高的信息内容。2孤立点分析孤立点分析，指的是利用数据分析方法和挖掘理论模型，发现数据在集中态势下出现的异常值。在审计分析过程中，异常的频率、事件和数据往往具有特殊的含义，且包含着重要信息，可以从中发现违规、违法行为的线索。2.1孤立点分析的步骤孤立点分析方法大致包括两个步骤。第一步：确定数据集合中变量的属性，而后根据非财务数据和财务数据进行分类。接下来进行因子分析，从多个变量指标中选出具有一定代表性的综合变量指标，而后达到数据降维的目的，是重要的多元统计方法。在分析过程中，使用解释总方差可得到累计方差贡献率，该指标的高低直接影响原始数据代表程度的高低，若影响程度较高，则相应的公共因子可信度就较高。计算输出因子的荷载矩阵，能获得原始数据的系数矩阵，相应的元素数据如果较高，那实际原始数据的解释程度就比较理想，有利于对相应公共因子命名，并能获得预期的数据指标。第二步：挖掘和检测数据，如果数据中呈现出离散状态的小规模数据，那么能发现孤立点。传统方法主要应用密度、偏差、距离的特定方法来寻找相应的孤立点。此外，使用云计算技术，能应用比较复杂的运算方式来计算相应的计算资源。2.2孤立点分析的方法第一，基于人工神经网络模型的方法。在这种方法中，可以使用比较小的统计数据集，同时也可以采用比较大的专业数据集，所以检测大小数据孤立点都能获得良好的效果。但是，这种方式在检测具有放射状孤立点数据集时，实际效果不佳。第二，基于偏离的分析方法。这种方式是根据数据对象的突出特征来进行分析和检查，并找出其中的孤立点。在这种分析模式下，一般采用OLAP数据立方体技术及序列异常技术。前者需要把审计中的异常单元进行正确标注并且下钻，这样可以发现更深层次的问题。后者需耍预先定义样本集中的一般特征，并且把相应的偏离和具备这些特征的样本区别开来，可以通过相关审计数据集的总方差来发现相异度函数第三，基于距离的分析方法。这种方法主要对相关数据域的数据内容进行相异度分析，并且清洗相应的审计数据，检验数据的有效性后，再根据相关审计内容特征，通过公式计算出符合大部分对象之间距离的相应阈值，同时把相应数据定义为孤立点。通过这种方法，可以...