王晨陽(yáng)

【摘 要】 大數(shù)據(jù)時(shí)代的海量信息對(duì)審計(jì)工作的強(qiáng)度和技術(shù)性提出了更高的要求，如何對(duì)審計(jì)數(shù)據(jù)進(jìn)行分析，是審計(jì)人員面臨的挑戰(zhàn)。文章以Weka分析軟件作為實(shí)驗(yàn)平臺(tái)，分別應(yīng)用決策樹(shù)分類(lèi)算法中典型的ID3算法和C4.5算法，以UCI數(shù)據(jù)庫(kù)中的Balloons數(shù)據(jù)集為例進(jìn)行分類(lèi)算法預(yù)測(cè)功能的闡述，并結(jié)合實(shí)例，提出決策樹(shù)算法在審計(jì)中的有效應(yīng)用。隨后探討了審計(jì)數(shù)據(jù)分析的發(fā)展趨勢(shì)：云計(jì)算審計(jì)應(yīng)用;開(kāi)源機(jī)器學(xué)習(xí)算法融入審計(jì);云安全審計(jì);非結(jié)構(gòu)化數(shù)據(jù)文本挖掘?qū)徲?jì);特高壓、新能源汽車(chē)充電樁、5G網(wǎng)絡(luò)、大數(shù)據(jù)中心、人工智能等為代表的新基建數(shù)據(jù)挖掘應(yīng)用等。

【關(guān)鍵詞】 數(shù)據(jù)挖掘; 決策樹(shù); 審計(jì)數(shù)據(jù)分析; Weka軟件

【中圖分類(lèi)號(hào)】 F239.1 ?【文獻(xiàn)標(biāo)識(shí)碼】 A ?【文章編號(hào)】 1004-5937（2020）13-0139-05

一、引言

如今，我們正處于大數(shù)據(jù)的時(shí)代，面對(duì)數(shù)量龐大、內(nèi)容和存儲(chǔ)方式多種多樣的信息資產(chǎn)，審計(jì)工作者需要使用全新的處理模式才能夠更加迅速地進(jìn)行數(shù)據(jù)分析，高效地發(fā)現(xiàn)更多有價(jià)值的審計(jì)線索。大數(shù)據(jù)時(shí)代海量數(shù)據(jù)的不斷增加，一方面給審計(jì)工作提供了更加堅(jiān)實(shí)的基礎(chǔ)，另一方面，對(duì)審計(jì)工作的強(qiáng)度和技術(shù)都提出了更高的要求。如何運(yùn)用日益增長(zhǎng)的數(shù)據(jù)？如何運(yùn)用更多的模型和算法為審計(jì)服務(wù)？這些問(wèn)題都將成為審計(jì)部門(mén)以及審計(jì)人員面臨的挑戰(zhàn)。

處理大數(shù)據(jù)最為實(shí)用的審計(jì)方法之一就是發(fā)掘型分析審計(jì)。發(fā)掘型分析是指用戶(hù)通過(guò)對(duì)大量數(shù)據(jù)的分析研究，從中找出隱藏的規(guī)律，從而對(duì)數(shù)據(jù)或行為未來(lái)的趨勢(shì)進(jìn)行預(yù)測(cè)的一種數(shù)據(jù)分析模式[1]。而要想實(shí)現(xiàn)發(fā)掘型分析，目前最為有效的手段就是數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘一共有四類(lèi)比較常用的分析方法，分別是聚簇分析、分類(lèi)分析、序列分析和關(guān)聯(lián)分析，而決策樹(shù)則是最常見(jiàn)的分類(lèi)方法。我們將數(shù)據(jù)進(jìn)行分類(lèi)主要是為了根據(jù)每組數(shù)據(jù)不同的屬性將它們歸類(lèi)到不同的分組中，分析每個(gè)分組中各類(lèi)數(shù)據(jù)的不同屬性，找出符合該數(shù)據(jù)屬性的模型，再建立相對(duì)應(yīng)的模型對(duì)已有的數(shù)據(jù)進(jìn)行分析以及對(duì)新數(shù)據(jù)未來(lái)的趨勢(shì)進(jìn)行預(yù)測(cè)。

本研究簡(jiǎn)要介紹了決策樹(shù)算法及決策樹(shù)算法分類(lèi)模型實(shí)例，討論了該算法在審計(jì)中的應(yīng)用，探討了數(shù)據(jù)挖掘技術(shù)在對(duì)審計(jì)數(shù)據(jù)進(jìn)行分析的過(guò)程中應(yīng)用程度的發(fā)展趨勢(shì)。

二、決策樹(shù)算法簡(jiǎn)介

決策樹(shù)，是一種跟多叉樹(shù)很相似的樹(shù)型結(jié)構(gòu)，又稱(chēng)判定樹(shù)，主要對(duì)數(shù)據(jù)的離散或連續(xù)屬性進(jìn)行分析并進(jìn)行建模及預(yù)測(cè)[2]。決策樹(shù)是按照從上到下依次進(jìn)行分類(lèi)的方法構(gòu)造的模型，從最基礎(chǔ)的訓(xùn)練元組集以及與之相關(guān)的類(lèi)標(biāo)號(hào)進(jìn)行分類(lèi)，訓(xùn)練數(shù)據(jù)集隨著決策樹(shù)模型的構(gòu)建，以遞歸的方式被分成了幾個(gè)小的子集。決策樹(shù)內(nèi)部的每一個(gè)結(jié)點(diǎn)都代表了利用其某個(gè)屬性進(jìn)行相關(guān)的試驗(yàn)，而從結(jié)點(diǎn)衍生出的每一個(gè)分支則意為在該試驗(yàn)基礎(chǔ)上的屬性結(jié)果的輸出，每一個(gè)葉結(jié)點(diǎn)代表的是所存儲(chǔ)的一個(gè)類(lèi)標(biāo)號(hào)的信息。其基本思想是：如果訓(xùn)練樣本集中的所有樣本都屬于同一種類(lèi)型，那么便將這個(gè)樣本集作為一個(gè)葉結(jié)點(diǎn)，且標(biāo)識(shí)為該類(lèi);如果不是，那么就先根據(jù)某種方法確定一個(gè)屬性進(jìn)行測(cè)試，按照測(cè)試出的不同的值把整個(gè)樣本集劃分為多個(gè)子集，形成內(nèi)部結(jié)點(diǎn)，這樣就能夠保證在同一個(gè)子集上，不同的樣本能具有相同的屬性值。接著反復(fù)處理各個(gè)子集，直到得到滿(mǎn)意或滿(mǎn)足條件的分類(lèi)屬性即停止。最后，在所有的樣本中間，信息量最大的屬性成為根結(jié)點(diǎn)，而中間結(jié)點(diǎn)則是以此結(jié)點(diǎn)作為樹(shù)根的分支中所包括的樣本中信息量最大的那一個(gè)屬性[2]。

決策樹(shù)算法可以針對(duì)不同類(lèi)別的因變量，從多個(gè)不同的預(yù)測(cè)變量中，預(yù)測(cè)出其中單個(gè)變量的未來(lái)趨勢(shì)的變化。目前決策樹(shù)的算法有很多種，本文采用的是其中最經(jīng)典的兩種算法——ID3算法和C4.5算法。

三、設(shè)計(jì)思路與方案概述

（一）實(shí)驗(yàn)基本方案

1.建立模型，描述預(yù)定數(shù)據(jù)分類(lèi)集和概念集。假設(shè)每一個(gè)元組都?xì)w于一個(gè)預(yù)先定義好的類(lèi)，通過(guò)類(lèi)標(biāo)號(hào)屬性進(jìn)行判定。在典型情況下，學(xué)習(xí)模型可以通過(guò)判定樹(shù)、分類(lèi)規(guī)則或者數(shù)學(xué)公式的方法建立[3]。

2.使用模型，對(duì)將來(lái)的或未知的對(duì)象進(jìn)行分類(lèi)。將每一個(gè)測(cè)試實(shí)例的學(xué)習(xí)模型類(lèi)和已知的類(lèi)標(biāo)號(hào)進(jìn)行比較，在分析對(duì)比的基礎(chǔ)上合理預(yù)測(cè)相關(guān)信息。學(xué)習(xí)模型在預(yù)先已給測(cè)試數(shù)據(jù)集上的正確率等于準(zhǔn)確被模型進(jìn)行分類(lèi)的實(shí)例數(shù)占測(cè)試實(shí)例總數(shù)的百分比。測(cè)試數(shù)據(jù)集必須具有獨(dú)立性，一定要避免產(chǎn)生“過(guò)分適應(yīng)數(shù)據(jù)”的不良情況。

實(shí)驗(yàn)以Weka軟件作為實(shí)踐平臺(tái)對(duì)數(shù)據(jù)進(jìn)行挖掘處理，分別對(duì)ID3算法、C4.5算法的分析預(yù)測(cè)性能進(jìn)行總結(jié)評(píng)價(jià)。

（二）實(shí)驗(yàn)步驟

1.數(shù)據(jù)準(zhǔn)備。使用對(duì)不同的試驗(yàn)條件做出T/F判斷的數(shù)據(jù)集Balloons.arff，數(shù)據(jù)集包含4個(gè)屬性，分別是Color、Size、Act、Age共76個(gè)實(shí)例，如表1所示。

取“Balloons.arff”文件的76條數(shù)據(jù)中前50條數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，另存為文件“Balloons-train”，取后26條數(shù)據(jù)作為測(cè)試數(shù)據(jù)集，另存為文件“Balloons-test”。

2.訓(xùn)練過(guò)程。打開(kāi)Weka軟件，用“Explorer”打開(kāi)訓(xùn)練集，觀察訓(xùn)練集是否已按照要求進(jìn)行處理。切換到“Classify”選項(xiàng)卡的“ID3”或“J48”選項(xiàng)，看左中的“Test Option”。為確保生成模型的準(zhǔn)確性而不至于出現(xiàn)過(guò)擬合（overfitting）的現(xiàn)象，有必要采用10折交叉驗(yàn)證（10-fold cross validation）來(lái)選擇和評(píng)估模型[4]，點(diǎn)擊“Start”按鈕生成Bayes模型。該模型關(guān)于誤差或分析等結(jié)果將在“Classifier output”中生成展示。

3.測(cè)試過(guò)程。必須保證訓(xùn)練數(shù)據(jù)集及待測(cè)數(shù)據(jù)集中各屬性的設(shè)置相同，在“Test Opion”中選擇“Supplied test set”作為測(cè)試文件，觀察預(yù)測(cè)的結(jié)果以及混淆矩陣。

四、分類(lèi)模型的建立

（一）ID3算法

1.ID3算法的描述與實(shí)驗(yàn)過(guò)程

ID3算法是數(shù)據(jù)挖掘決策樹(shù)分類(lèi)算法中最為基礎(chǔ)及影響深刻的，它主要用于解決屬性選擇方面的相關(guān)問(wèn)題。ID3算法的主要思想是在每一次分裂之前用給定算法計(jì)算得出一個(gè)分裂屬性，并按照該屬性劃分訓(xùn)練數(shù)據(jù)集，得到一些子集，從而形成若干個(gè)“樹(shù)枝”。ID3算法的最終目的是能夠得到一個(gè)規(guī)模最小的決策樹(shù)。信息增益是ID3算法中極其重要的數(shù)據(jù)量，選擇具有最高信息增益的屬性作為分裂屬性，可以促使結(jié)果分區(qū)對(duì)元組分類(lèi)所需要的信息量達(dá)到可選范圍內(nèi)最小，得出的結(jié)果最為準(zhǔn)確。

（5）重復(fù)步驟4，依次對(duì)outlook的overcast分支、rain分支建立子樹(shù)，最后得到能夠?qū)ξ粗?lèi)標(biāo)號(hào)的樣本進(jìn)行合理預(yù)測(cè)的決策樹(shù)。

（6）利用已得到的決策樹(shù)對(duì)類(lèi)標(biāo)號(hào)未知的樣本進(jìn)行合理預(yù)測(cè)。

基于ID3算法得到的Balloons數(shù)據(jù)集的分析結(jié)果如圖1所示。

由分析結(jié)果可知，該模型正確率為76%。原本應(yīng)該是T的實(shí)例，有15個(gè)判斷正確，9個(gè)判斷錯(cuò)誤;原本應(yīng)該是F的實(shí)例，有23個(gè)判斷正確，3個(gè)判斷錯(cuò)誤。實(shí)例總數(shù)=15+9+23+3=50。

得到的決策樹(shù)如圖2所示。

該模型的精度可通過(guò)改進(jìn)算法進(jìn)一步提高，之后可利用得到的決策樹(shù)對(duì)測(cè)試數(shù)據(jù)集進(jìn)行驗(yàn)證。

2.ID3算法的總結(jié)

ID3算法是一種自上而下、貪婪的遍歷方法，其核心是在每一次分裂之前用給定算法計(jì)算得出一個(gè)分裂屬性，并按照該屬性劃分訓(xùn)練數(shù)據(jù)集，最終構(gòu)建與訓(xùn)練數(shù)據(jù)集一致的決策樹(shù)。ID3算法的優(yōu)點(diǎn)在于算法簡(jiǎn)單易懂，便于實(shí)踐操作。缺點(diǎn)在于算法對(duì)于待處理的數(shù)據(jù)有局限性，只能處理分類(lèi)數(shù)據(jù)而不能處理連續(xù)性數(shù)據(jù);算法會(huì)由于對(duì)測(cè)試子集的劃分規(guī)模過(guò)小導(dǎo)致統(tǒng)計(jì)特征缺乏，分類(lèi)過(guò)程中止;算法中使用信息增益作為決策樹(shù)結(jié)點(diǎn)屬性選擇的標(biāo)準(zhǔn)，因此決策樹(shù)算法的選擇可能具有多分支的屬性，可能出現(xiàn)“過(guò)分適應(yīng)數(shù)據(jù)”的不良情況，弱化分類(lèi)意義，對(duì)決策不提供有效支持。

（二）C4.5算法

1.C4.5算法簡(jiǎn)介

C4.5是基于ID3算法的改進(jìn)版本，選擇信息增益率作為確定決策樹(shù)結(jié)點(diǎn)屬性的標(biāo)準(zhǔn)。C4.5算法克服了ID3算法中可能出現(xiàn)“過(guò)分適應(yīng)數(shù)據(jù)”的情況，并能夠?qū)B續(xù)屬性數(shù)據(jù)進(jìn)行處理。C4.5中采用后剪枝的方法對(duì)樹(shù)的結(jié)點(diǎn)進(jìn)行修剪，有效應(yīng)對(duì)決策樹(shù)分類(lèi)學(xué)習(xí)過(guò)程的過(guò)度擬合問(wèn)題。應(yīng)用C4.5算法時(shí)，首先選擇具有最高信息增益率的屬性作為分裂屬性，可以有效地降低偏袒概率。

2.C4.5算法的總結(jié)

C4.5算法的優(yōu)點(diǎn)：（1）決策樹(shù)方法結(jié)構(gòu)簡(jiǎn)單，便于理解;（2）決策樹(shù)模型使用效率高，非常適用于訓(xùn)練數(shù)據(jù)集數(shù)據(jù)量大的情況;（3）決策樹(shù)一般不必接受外部知識(shí);（4）決策樹(shù)方法的分類(lèi)精確度較高;（5）對(duì)ID3算法進(jìn)行改進(jìn)，能夠?qū)B續(xù)值、不完整值進(jìn)行處理，對(duì)樹(shù)進(jìn)行剪枝，避免過(guò)擬合問(wèn)題的出現(xiàn)。

C4.5算法的缺點(diǎn)：（1）處理連續(xù)屬性比較耗時(shí);（2）對(duì)訓(xùn)練實(shí)例數(shù)據(jù)質(zhì)量要求較高，算法不夠穩(wěn)定，精度不夠高。

五、決策樹(shù)算法應(yīng)用于審計(jì)數(shù)據(jù)分析

在計(jì)算機(jī)數(shù)據(jù)審計(jì)中，分類(lèi)是對(duì)各類(lèi)數(shù)據(jù)按照一定規(guī)則和特質(zhì)分為不同類(lèi)別，并根據(jù)不同類(lèi)別采用適合的審計(jì)策略[5]。決策樹(shù)算法對(duì)于審計(jì)而言最重要的意義之一在于提取海量數(shù)據(jù)中的規(guī)則，并預(yù)測(cè)數(shù)據(jù)記錄的真實(shí)性，應(yīng)用時(shí)一般遵循以下步驟：第一，將待分析數(shù)據(jù)隨機(jī)分為兩組，一組為測(cè)試數(shù)據(jù)集（如上文中實(shí)例的26條測(cè)試數(shù)據(jù)集），另一組為訓(xùn)練數(shù)據(jù)集（如上文中實(shí)例的50條訓(xùn)練數(shù)據(jù)集）;第二，選擇適當(dāng)?shù)臎Q策樹(shù)分類(lèi)算法（如上文中實(shí)例的Weka軟件中的ID3算法），利用訓(xùn)練數(shù)據(jù)集來(lái)創(chuàng)建數(shù)據(jù)挖掘模型;第三，利用創(chuàng)建的模型對(duì)測(cè)試數(shù)據(jù)集的分類(lèi)真實(shí)性進(jìn)行預(yù)測(cè)，得出預(yù)測(cè)結(jié)果與實(shí)際情況不一樣的記錄;第四，通過(guò)對(duì)決策樹(shù)算法改進(jìn)的研究（如上文中實(shí)例的Weka軟件中的C4.5等優(yōu)化算法），優(yōu)化算法思想，最終得出改進(jìn)后的結(jié)果，和原有結(jié)果進(jìn)行對(duì)比并評(píng)估其準(zhǔn)確率;第五，若存在預(yù)測(cè)結(jié)果與實(shí)際情況不一樣的記錄，則可認(rèn)為可疑數(shù)據(jù)，作為異常情況處理，進(jìn)行深入審計(jì)分析調(diào)查[6]。

基于分類(lèi)算法的特點(diǎn)，待分析數(shù)據(jù)集各屬性之間應(yīng)當(dāng)存在與區(qū)分類(lèi)別有關(guān)的邏輯關(guān)聯(lián)關(guān)系，例如工程項(xiàng)目物料供應(yīng)商分類(lèi)中區(qū)分合格供應(yīng)商和不合格供應(yīng)商，數(shù)據(jù)表中供應(yīng)商的推薦單位、營(yíng)業(yè)執(zhí)照規(guī)定的經(jīng)營(yíng)范圍、企業(yè)資質(zhì)類(lèi)別及等級(jí)、財(cái)務(wù)狀況等屬性間應(yīng)當(dāng)存在判定合格與否的規(guī)則關(guān)系，審計(jì)人員在對(duì)數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換等預(yù)處理操作后，應(yīng)用分類(lèi)算法，建立分類(lèi)模型，對(duì)原始數(shù)據(jù)進(jìn)行分析，篩選出與分類(lèi)模型不相適應(yīng)的數(shù)據(jù)記錄，確定審計(jì)疑點(diǎn)做進(jìn)一步查證，對(duì)疑似不合格供應(yīng)商的交易往來(lái)記錄重點(diǎn)審計(jì)。

在審計(jì)實(shí)踐中，面對(duì)業(yè)務(wù)數(shù)據(jù)較多、不同業(yè)務(wù)系統(tǒng)使用率高的客戶(hù)單位，審計(jì)人員必須考慮審計(jì)的時(shí)間限制和審計(jì)結(jié)果的風(fēng)險(xiǎn)程度。對(duì)數(shù)據(jù)進(jìn)行預(yù)處理時(shí)，我們需要考慮如何提高數(shù)據(jù)的準(zhǔn)確度以及怎樣提高挖掘分析的速度，采用合適的統(tǒng)計(jì)數(shù)據(jù)和處理方法。我們通常使用的分類(lèi)方法有統(tǒng)計(jì)方法和決策樹(shù)分類(lèi)法等等。運(yùn)用這些不同的分類(lèi)方法可以很大程度上減小審計(jì)所帶來(lái)的工作量，降低其帶來(lái)的審計(jì)風(fēng)險(xiǎn)[5]。

隨著大數(shù)據(jù)的出現(xiàn)以及數(shù)據(jù)挖掘技術(shù)的不斷進(jìn)步，審計(jì)信息化的進(jìn)程得到了大幅的提升，對(duì)審計(jì)工作來(lái)說(shuō)，大數(shù)據(jù)技術(shù)并不僅僅是一種技術(shù)手段，更是為審計(jì)全覆蓋的實(shí)現(xiàn)提供了最基本的技術(shù)支持[7]。

六、結(jié)論與展望

利用決策樹(shù)分類(lèi)算法可以有效地對(duì)數(shù)據(jù)信息進(jìn)行分類(lèi)預(yù)測(cè)。ID3算法使用自上而下的貪婪搜索對(duì)所有可能的決策樹(shù)控空間進(jìn)行遍歷，算法簡(jiǎn)單易懂，便于學(xué)習(xí)實(shí)踐，是其他決策樹(shù)分類(lèi)算法的基礎(chǔ)，該算法可達(dá)到局部最優(yōu)的效果，然而不一定全局最優(yōu)。當(dāng)屬性取值很多時(shí)最好優(yōu)先考慮C4.5算法，C4.5算法將信息增益改為信息增益比，以解決偏向取值較多的屬性問(wèn)題，從而反饋以較為合理準(zhǔn)確的分析預(yù)測(cè)結(jié)果，另外它可以處理連續(xù)型屬性。

數(shù)據(jù)挖掘技術(shù)在審計(jì)中的應(yīng)用在快速發(fā)展，它的應(yīng)用還存在一些局限性，例如被審單位數(shù)據(jù)質(zhì)量存在嚴(yán)重問(wèn)題、利用數(shù)據(jù)挖掘技術(shù)進(jìn)行審計(jì)取證的成本問(wèn)題、專(zhuān)業(yè)技術(shù)人員素質(zhì)要求等。盡管如此，在全面信息化的外部環(huán)境要求下，為有效發(fā)揮審計(jì)風(fēng)險(xiǎn)預(yù)警和防范功能，審計(jì)人員必須充分利用被審計(jì)單位的電子數(shù)據(jù)，借助數(shù)據(jù)挖掘技術(shù)對(duì)被審計(jì)單位的海量數(shù)據(jù)進(jìn)行分析，獲得審計(jì)線索，發(fā)現(xiàn)審計(jì)疑點(diǎn)，提高審計(jì)效率和效果，有效控制審計(jì)風(fēng)險(xiǎn)[8]。計(jì)算機(jī)審計(jì)已顯示出傳統(tǒng)審計(jì)方法無(wú)法比擬的巨大優(yōu)勢(shì)，數(shù)據(jù)挖掘技術(shù)應(yīng)用的廣闊前景是不容忽視的。審計(jì)署“十三五”規(guī)劃指出，我國(guó)將推進(jìn)大數(shù)據(jù)為核心的審計(jì)信息化建設(shè)，到2020年實(shí)現(xiàn)對(duì)經(jīng)濟(jì)社會(huì)各類(lèi)主要信息數(shù)據(jù)的全歸集。大數(shù)據(jù)給新時(shí)代審計(jì)帶來(lái)前所未有的挑戰(zhàn)，審計(jì)人員如何將結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)相融合，如何在PB量級(jí)數(shù)據(jù)中快速而精準(zhǔn)地提取有價(jià)值的信息，如何習(xí)慣并熟練獲取及處理非結(jié)構(gòu)化數(shù)據(jù)，這些都是“大數(shù)據(jù)驅(qū)動(dòng)的審計(jì)”中亟待解決的難題，未來(lái)數(shù)據(jù)挖掘技術(shù)將成為審計(jì)方法創(chuàng)新的重要內(nèi)容[9]。

除了決策樹(shù)分類(lèi)算法外，聚類(lèi)和深度學(xué)習(xí)等機(jī)器學(xué)習(xí)算法在審計(jì)中的應(yīng)用也在不斷探索中。其中一個(gè)趨勢(shì)是將開(kāi)源的R和Python等算法不斷融入審計(jì)應(yīng)用中，開(kāi)源軟件由于其開(kāi)源特性，成本低，具有開(kāi)放性，各種新算法可以不斷拓展和融入。特別是爬蟲(chóng)算法等新算法對(duì)非結(jié)構(gòu)化、異構(gòu)數(shù)據(jù)的支持，將數(shù)據(jù)挖掘的審計(jì)應(yīng)用程度帶入新的階段。另一個(gè)趨勢(shì)是依托大公司大平臺(tái)的產(chǎn)品進(jìn)行審計(jì)應(yīng)用，比如SAS統(tǒng)計(jì)軟件數(shù)據(jù)挖掘分析，Tabular的可視化數(shù)據(jù)分析，阿里云、華為云、騰訊云、微軟Azure云機(jī)器學(xué)習(xí)工具，亞馬遜AWS云計(jì)算工具等等。大型軟件公司的軟件產(chǎn)品穩(wěn)定，又有強(qiáng)大的研發(fā)背景和實(shí)力，還有可靠的客戶(hù)服務(wù)支持等優(yōu)勢(shì)，前途不可限量。但隨著以云技術(shù)為支持與多源大數(shù)據(jù)相融合的政務(wù)服務(wù)云建設(shè)等的開(kāi)始，云服務(wù)同時(shí)面臨著嚴(yán)峻的安全問(wèn)題，大數(shù)據(jù)泄露、外部侵襲以及技術(shù)漏洞等諸多風(fēng)險(xiǎn)將逐漸常見(jiàn)，基于風(fēng)險(xiǎn)導(dǎo)向模式開(kāi)展政務(wù)云安全審計(jì)也將逐步提上日程[10]。

另外，文本挖掘?qū)Σ杉姆墙Y(jié)構(gòu)化原始審計(jì)數(shù)據(jù)進(jìn)行挖掘，并且根據(jù)明確的審計(jì)需求建立不同的文本挖掘模型，從而發(fā)現(xiàn)審計(jì)疑點(diǎn)，形成審計(jì)證據(jù)和審計(jì)線索也是一個(gè)趨勢(shì)，而且文本挖掘可以結(jié)合非結(jié)構(gòu)化的數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)庫(kù)NoSQL或Hbase分布式存儲(chǔ)系統(tǒng)和HDFS分布式文件系統(tǒng)，生成文本摘要，并進(jìn)行分類(lèi)和關(guān)聯(lián)分析[11]。

在數(shù)據(jù)挖掘的行業(yè)應(yīng)用方面，基礎(chǔ)數(shù)據(jù)的質(zhì)量和行業(yè)需求驅(qū)動(dòng)力將是不同行業(yè)的差別關(guān)鍵所在。金融行業(yè)中銀行保險(xiǎn)證券的數(shù)據(jù)質(zhì)量極高、投入大，其數(shù)據(jù)挖掘?qū)徲?jì)應(yīng)用將走在各行業(yè)前列。中國(guó)經(jīng)濟(jì)發(fā)展的三駕馬車(chē)是投資、消費(fèi)和出口，消費(fèi)數(shù)據(jù)分析，比如信用卡消費(fèi)數(shù)據(jù)挖掘分析等將異軍突起;投資依然是拉動(dòng)中國(guó)經(jīng)濟(jì)發(fā)展和保就業(yè)的重要?jiǎng)恿?，特別是以特高壓、新能源汽車(chē)充電樁、5G網(wǎng)絡(luò)、大數(shù)據(jù)中心、人工智能、公共衛(wèi)生等為代表的新基建。而其中的電力能源服務(wù)行業(yè)投資工程，基礎(chǔ)數(shù)據(jù)質(zhì)量好，前期積累多，數(shù)據(jù)挖掘?qū)徲?jì)應(yīng)用也將大跨步發(fā)展，走在各大型央企前列。

【參考文獻(xiàn)】

[1] 應(yīng)里孟.數(shù)據(jù)式審計(jì)常用的數(shù)據(jù)分析方法[J].中國(guó)農(nóng)業(yè)會(huì)計(jì)，2011（9）：14-15.

[2] 陶帥.基于決策樹(shù)算法的保障房審計(jì)分類(lèi)規(guī)則研究[D].鄭州：華北水利水電大學(xué)碩士學(xué)位論文，2017.

[3] 李梅.基于決策樹(shù)的中職學(xué)生體質(zhì)測(cè)試成績(jī)分析研究[D].蘭州：西北師范大學(xué)碩士學(xué)位論文，2018.

[4] 張瑩.基于決策樹(shù)的網(wǎng)絡(luò)學(xué)院學(xué)生學(xué)業(yè)影響因素研究[D].開(kāi)封：河南大學(xué)碩士學(xué)位論文，2013.

[5] 陳丹萍.數(shù)據(jù)挖掘技術(shù)在現(xiàn)代審計(jì)中的運(yùn)用研究[J].南京審計(jì)學(xué)院學(xué)報(bào)，2009，6（2）：57-61.

[6] 張成.數(shù)據(jù)挖掘技術(shù)在金融審計(jì)中的研究與應(yīng)用[D].合肥：安徽大學(xué)碩士學(xué)位論文，2014.

[7] 劉國(guó)常，胡楓.大數(shù)據(jù)助推政府審計(jì)全覆蓋路徑研究[J].會(huì)計(jì)之友，2018（18）：98-101.

[8] 胡珊珊.數(shù)據(jù)挖掘技術(shù)在現(xiàn)代審計(jì)中的應(yīng)用研究[J].老區(qū)建設(shè)，2015（8）：44-45.

[9] 劉國(guó)城，陳正升.大數(shù)據(jù)審計(jì)的發(fā)展態(tài)勢(shì)、總體策劃與流程分析[J].會(huì)計(jì)之友，2019（8）：30-35.

[10] 王會(huì)金，劉國(guó)城.大數(shù)據(jù)時(shí)代政務(wù)云安全風(fēng)險(xiǎn)估計(jì)及其審計(jì)運(yùn)行研究[J].審計(jì)與經(jīng)濟(jì)研究，2018（5）：1-11.

[11] 張志恒，成雪嬌.大數(shù)據(jù)環(huán)境下基于文本挖掘的審計(jì)數(shù)據(jù)分析框架[J].會(huì)計(jì)之友，2017（16）：117-120.