大数据审计技术 课件 项目五 审计数据分析

大数据审计技术项目五

审计数据分析目

录/CONTENT任务一

基于多源分析技术的运费审计

任务二

基于可视化分析技术的存货管理审计任务三

基于数据挖掘技术的舞弊审计任务四

基于数据预测技术的应收账款审计学习目标素养目标1.养成分析问题、解决问题职业素养；2.提升职业道德水平及综合职业素质；3.培养数据分析思维和辩证逻辑思维；4.提升数据安全意识和网络安全意识。知识目标1.理解多源审计数据分析技术的基本原理和常用方法；2.熟悉审计数据可视化分析的基本原理和常用可视化分析图表；3.熟悉审计数据挖掘分析技术的基本原理和常用的审计数据挖掘分析方法；4.熟悉审计数据预测分析的基本方法。技能目标1.能够结合案例选择恰当的多源数据查询分析方法，掌握并熟练运用PowerBI排序、筛选、合并查询等基本技能；2.掌握PowerBI常用的数据可视化分析图表，能根据可视化分析需求选择恰当的可视化图表；3.掌握审计数据挖掘分析的基本模型，能运用对应模型进行数据挖掘分析；4.熟练使用基础的数据预测分析模型，能根据数据预测要求选择恰当的分析模型进行数据预测分析。思维导图项目背景HSXY有限公司地处重庆市，是一家中型休闲食品批发企业，为改善企业的经营管理水平，提升公司经营效率，HSXY每年年末都会结合公司的经营管理情况，制定下一年度的审计计划。公司2023年1月按计划应开展的审计项目如表所示。审计项目名称审计区间审计起止日期运费审计2022年1月至12月2023年1月1日至2023年1月7日存货审计2020年1月至2022年12月2023年1月8日2023年1月18日舞弊审计2022年1月至2022年12月2023年1月19至1月23日应收账款审计2022年1月至2022年12月2023年1月24至1月31日为了保证审计质量和审计项目进度，公司委托ABC会计师事务所按上述时间节点对公司各项业务开展审计。01基于多源数据分析技术的运费审计任务描述知识准备任务实施任务小结任务描述2023年1月审计项目组入驻被审计单位按审计计划对公司2022年全年运费进行审计（数据源：“运费审计”），要求重点从运费的真实性和合理性两个角度开展审计，通过前期的调研，审计项目组决定采用多源数据分析技术对运费进行审计。本次审计任务需完成以下三项子任务。子任务一运费结算单价审查。关注运费实际结算单价与合同定价是否一致，是否存在实际结算价格与合同价不一致的情况。子任务二运费结算数量核实。重点核实运费结算的承运数量是否与实际承运数量一致，是否存在结算数量与发运数量不一致的情况。子任务三承运产品抽样分析。依据重要性原则对产品进行抽样核查各产品的承运情况。知识准备一、多源数据分析技术的基本原理

多源数据分析技术主要是通过对采集的不同来源数据（包括不同行业、不同单位、同一单位内不同部门的数据）运用筛选、排序、表联接等大数据查询型分析技术进行关联和对比分析，以发现更多隐藏的审计线索的一种大数据审计方法。运用多源数据分析技术进行审计的一般步骤如下知识准备二、单表查询分析方法

（一）筛选筛选是指按照一定的条件对数据进行检索，从中筛选出我们所需要的数据和信息，筛选是数据方法中最简单、高效、便捷的一种利用筛选功能发现审计线索的基本思路为：审计人员结合审计目标要求，在分析审计业务和相关审计数据的基础上，对审计的关键业务流程和关键数据表中的重要字段的取值范围进行设置，据此设置检索条件，并发现异常数据，以实现审计线索的快速发现。知识准备二、单表查询分析方法

（一）筛选筛选是指按照一定的条件对数据进行检索，从中筛选出我们所需要的数据和信息，筛选是数据方法中最简单、高效、便捷的一种利用筛选功能发现审计线索的基本思路为：审计人员结合审计目标要求，在分析审计业务和相关审计数据的基础上，对审计的关键业务流程和关键数据表中的重要字段的取值范围进行设置，据此设置检索条件，并发现异常数据，以实现审计线索的快速发现。知识准备二、单表查询分析方法（二）排序排序是指将杂乱无章的数据元素，通过一定的方法按关键字顺序将数据元素进行有序排列的过程，其目的是将一组“无序”的记录序列调整为“有序”的记录序列。审计的重要性原则本质上是要求审计人员更多的关注金额更大的业务，利用排序分析法则可以快速的识别出需要审计人员重点关注的审计对象；另一方面审计人员还可以利用不同字段间的取值取值特征和规律，通过排序的使用还可以发现一些特殊的错误或者舞弊的信号。思考：在审计实践中，审计人员如何利用排序功能查找异常值？请举例说明知识准备二、单表查询分析方法（三）PowerBI筛选和查询的实现在PowerBI数据视图模式下，点击数据列上方的下拉三角便可实现对数据的查询和排序。1.PowerBI数据筛选PowerBI可以对文本、日期、数字等不同类型的数据实现筛选，以便我们快速对数据进行查找，发现审计线索。调出“排序-筛选”对菜单后，便可以按需求对数据进行筛选。PowerBI数据视图模式下实现数据筛选的方法有两种，一是根据需要勾选数据复选框进行数据筛选；二是通过筛选器设置数据关键字进行数据筛选。【实例5-1】知识准备二、单表查询分析方法（三）PowerBI筛选和查询的实现在PowerBI数据视图模式下，点击数据列上方的下拉三角便可实现对数据的查询和排序。1.PowerBI数据筛选（1）可以利用筛选器设置筛选条件实现多条件的数据筛选。【实例5-1】知识准备二、单表查询分析方法（三）PowerBI筛选和查询的实现在PowerBI数据视图模式下，点击数据列上方的下拉三角便可实现对数据的查询和排序。1.PowerBI数据筛选（2）如果筛选的数据列对应的数据类型是日期则出现“日期筛选器”，可以通过“日期筛选器”功能实现对数据的灵活筛选。【实例5-2】知识准备二、单表查询分析方法（三）PowerBI筛选和查询的实现在PowerBI数据视图模式下，点击数据列上方的下拉三角便可实现对数据的查询和排序。2.PowerBI数据排序PowerBI中可以对一列数据按照字母、数字或日期的顺序对数据表进行排序，在PowerBI中有升序和降序两种排序方式。知识准备二、单表查询分析方法（三）PowerBI筛选和查询的实现在PowerBI数据视图模式下，点击数据列上方的下拉三角便可实现对数据的查询和排序。2.PowerBI数据排序【实例5-3】根据审计的重要性原则选取销售订单审计样本，需对“销售详情表”中的数据按销售金额降序排序，即对销售金额从高到低排序，并找出销售金额排名前10的订单。知识准备三、多表查询及对比分析（一）表联接方式PowerQuery中的“合并查询”功能中提供了六种表联接方式，分别是左外部、右外部、完全外部、内部、左反、右反。知识准备三、多表查询及对比分析（一）表联接方式1.左外部左外部联接查询是指从两个集中进行数据查询时，以左侧的数据集为基准，只显示右侧数据集中符合匹配条件的数据，如果右侧数据集没有符合匹配条件的数据，则查询结果中显示为空（PowerQurey中显示为null）。2.右外部

右外部联接查询是指从两个集中进行数据查询时，以右侧的数据集为基准，只显示左侧数据集中符合匹配条件的数据，如果左侧数据集没有符合匹配条件的数据，则查询结果中显示为空（PowerQurey中显示为null）。3.完全外部完全外部联接是指从两个集中进行数据查询时，返回两个集中的全部数据，如果右侧数据集在左侧数据集中没有匹配数据，或者左侧数据集在右侧数据集中没有匹配的数据，查询结果中对应的值显示为空（PowerQurey中显示为null）知识准备三、多表查询及对比分析（一）表联接方式4.内部内部联接是指从两个集中进行数据查询时，只返回两个表能够匹配部分的数据。5.左反左反联接是指从两个集中进行数据查询时，以左侧数据集为基准返回左侧数据集中存在，同时在右侧数据集中不存在的数据，并将右侧数据集中的数据列显示为空（PowerQurey显示为null）。6.右返右反联接是指从两个集中进行数据查询时，以右侧数据集为基准返回右侧数据集中存在，同时在左侧数据集中不存在的数据，并将左侧数据集中的数据列显示为空（PowerQurey显示为null）。知识准备【实例5-4】有A，B两个数据集（数据表），分别是“学生基本信息表”和“学生成绩表”，具体如下表所示，在以上六种联接方式下将呈现出何种结果？学生基本信息表姓名性别班级电话李明女2020级01慧女2020级01班16692591016陈德华女2020级01小明女2020级01美女2020级01云女2020级01飞女2020级01丽女2020级01娜女2020级01班19112392703学生成绩表姓名审计基础审计实务审计综合模拟实训王晓红787367李明639595陈慧869583陈德华818386韩美648581周一一926189杨杰689590陈明668963知识准备三、多表查询及对比分析（二）PowerBI的表联接的实现在PowerBI中调用PowerQuery模块便可实现多表的联接。在PowerBIDesktop界面导入需要进行查询分析的数据表之后，依次点击“主页”│“转换数据”按钮便可启用PowerQuery编辑器，进入PowerQuery编辑界面，在页面左侧查询表区域可以看到已经导入的数据表。知识准备四、费用审计要点（一）费用审计的主要内容费用审计指对企业从事生产经营活动过程中所发生的各种损耗的审查，包括直接费用审计、间接费用审计、期间费用审计。费用审计的内容主要包括：1.评价费用内部控制制度的健全性和有效性。2.审查费用变动内容的真实性及合法性。3.审查费用账面余额的准确性。4.审查费用计价的正确性。知识准备四、费用审计要点（二）费用审计的主要程序1.调查与测试费用相关的内部控制2.检查费用的核准手续3.分析主要费用项目的变动趋势和可能存在的问题4.审查费用分类的适当性5.确定费用记录的截止日期是否适当6.分析所得税申报的费用项目任务实施子任务一运费结算单价审查运费结算单价是影响运费结算金额的基本因素之一，在对运费结算单价审查的过程中应着重审查运费实际结算单价是否与运费合同定价一致，本案例主要通过核查发运部门提供的“运单明细数据”表中单价与采购部门提供的各物流公司运费合同单价明细表中的单价是否一致来对运费单价进行审查。具体操作步骤参照教材，跟着操作练习。任务实施子任务二运费结算数量核实运费结算金额除受运费结算单价的影响外，还受另一重要因素结算数量的影响。本案例将结合财务端的“运费结算数据”、业务端的“运费明细数据”和仓库端的“仓库日出库统计报表”三个表对运费结算数量进行审查，值得注意的是公司要求当天出库的商品必须当天发运出去，避免影响发货的及时性。具体操作步骤参照教材，跟着操作练习。任务实施子任务三承运产品抽样分析结合物流运输行业特点和被审计单位运输货物价值考量，决定将抽年度运费金额排名前十的产品作为重点核查承运情况的对象。具体操作步骤参照教材，跟着操作练习。任务小结1.在进行筛选查询的过程中一定要仔细思考筛选要求，将其转化为PowerBI能表示的条件，同时应注意区分条件连接词，“且”和“或”的区别，真正学会运用筛选功能进行审计数据分析，发现审计线索，识别审计风险。2.运用合并查询技术进行审计数据分析时，尽量使用“将查询合并为新查询”，在新的数据表中对数据进行处理和分析，避免损坏原数据；在使用合并查询技术时应区分清楚PowerBI不同联接类型之间的异同，为正确使用合并查询功能打下良好的基础。3.熟练使用PowerBIDAX函数能够帮助审计人员在实际工作中减少数据分析工作量、提升数据分析效率。常见的PowerBIDAX函数包括聚合函数、逻辑函数、信息函数、数学函数、文本函数、筛选函数、时间函数等十多个大类，在使用过程中难免存在不熟悉、不熟练的情况，应加强对DAX函数的学习和练习。02基于可视化分析技术的存货管理审计任务描述知识准备任务实施任务小结任务描述为提高公司存货管理质量，促进经营效率提升，审计项目组对公司的存货管理情况开展审计，本次实施存货管理审计的主要目的为提升存货管理效率，保障存货安全，本审计项目需要完成以下三项任务。子任务一存货规模可视化分析。利用存货历史数据分析存货规模变动情况、存货规模与销售收入匹配度、存货周转情况，关注存货是否存在规模变动异常、存货规模与销售收入不匹配，存货周转速度过慢等情况。子任务二存货结构可视化分析。分析存货结构变动是否维持在合理范围内，重点分析各类存货结构占比是否与各类商品销售收入结构占比保持一致。子任务三存货可变现性可视化分析。分析存货的库龄情况，结合已计提的存货跌价准备分析存货的可变现性。知识准备一、可视化审计数据分析的基本原理（一）可视化分析技术可视化分析技术就是利用人眼的视觉处理能力，结合计算机、人机交互等技术实现对数据或文字的高效理解分析，其包括文本可视化技术、多维数据可视化技术、网络可视化技术、时空可视化技术等。（二）可视化审计数据分析技术可视化审计数据分析技术的运用，即可视化分析工具应用于审计数据分析可以减小审计人员的工作强度，提高审计效率，具有重要的理论和应用价值。知识准备一、可视化审计数据分析的基本原理（三）可视化审计数据分析的基本流程一般来说，采用可视化分析手段进行大数据分析的流程包括数据采集及预处理、图像分析、抓住关键线索、确定审计证据等四大步骤知识准备二、存货审计要点（一）存货审计的主要内容存货审计指审计机构对被审计单位存货增减变动及结存情况的真实性、合法性以及正确性所开展的审查监督活动，该项审计工作开展的目的在于确保企业存货资料的安全完整和对企业的产品成本费用进行调控，以提高企业的生产经营经济效益。存货审计的内容主要包括：1.评价存货内部控制制度的健全性和有效性。2.审查存货变动内容的真实性及合法性。3.审查存货账面余额的准确性。4.评价存货保管工作的安全性。5.审查存货跌价准备计提工作的正确性。知识准备二、存货审计要点（二）存货审计的主要程序存货审计的实质性程序一般包括：1.获取或编制存货明细表，复核加计正确并与总账数、报表数及明细账合计数核对是否相符。如果发现合计数与总账不符，应查明原因，必要时向项目负责人进行咨询，做出相应的处理。2.对存货的相关会计政策进行了解，评价其是否符合企业适用会计准则或制度，是否与以前年度保持一贯性。知识准备二、存货审计要点（二）存货审计的主要程序存货审计的实质性程序一般包括：3.分析程序。存货传统的分析程序包括:计算存货周转率，与上期进行比较或与其他同行业的企业进行比较；比较前后各期及各个月份存货余额及其构成，以判断期末余额及其构成的总体合理性等。随着大数据分析技术的不断发展，我们也可以采用项目五任务二基于可视化分析技术的存货管理审计中所提到的存货规模分析、结构分析、可变现性分析等分析方法对存货进行实质性分析，以便对存货进行更加全面深入的了解。4.对分类存货的数量、计价及账务处理的查验。例如：对原材料、库存商品、发出商品、委托加工物资、生产成本、劳务成本、周转材料以及其他类存货的数量、计价以及账务处理的查验。知识准备二、存货审计要点（二）存货审计的主要程序存货审计的实质性程序一般包括：5.存货监盘。6.检查与关联方的购销业务是否正常，关注交易价格、交易金额的真实性和合理性，检查对合并范围内购货记录应予合并抵消的数据是否正确，对关联方交易进行统计和审计。7.检查存货是否已按照企业会计准则的规定在财务报表中做出恰当列报。知识准备三、存货可视化审计分析方法（一）存货规模可视化分析存货普遍存在于企业生产经营全过程，其规模可视化分析，是指通过可视化图形或图像展示并分析存货的规模是否合理，是否与企业战略以及市场需求变化相适应。存货规模可视化分析主要从三方面开展：一是存货规模的变动情况分析；二是存货规模与销售收入或销售数量的对比分析；三是存货规模变化的比率分析知识准备三、存货可视化审计分析方法（二）存货结构可视化分析对商品流通型企业来说存货结构的分析主要集中在对不同类型商品存货构成的分析，应重点关注包括以下两方面：一是随着时间推移各类型商品库存结构占比是否发生重大变化，审计可视化分析时一般采用堆积柱形图对存货库存结构进行可视化分析；二是不同类型商品的存货结构是否与商品销售收入结构保持一致，可以采用矩阵对二者构成情况进行对比分析。知识准备三、存货可视化审计分析方法对存货可变现性进行审计分析时可着重关注以下两点：一是关注存货的库龄情况，审计人员应对公司存货库龄进行整体分析，确认存货库龄的分布情况，二是结合财务数据中已计提的存货跌价准备分析是否利用存货项目进行潜亏挂账的情况。任务实施子任务一存货规模可视化分析针对本案例我们将从存货规模变动情况、存货规模与销售规模匹配度和存货财务分析指标三个角度入手进行分析和审查。具体操作步骤参照教材操作实施。（一）存货规模变动情况分析（二）存货规模变动情况（三）存货周转情况分析任务实施子任务二存货结构可视化分析存货结构是指各类存货的占比情况，本案例针对存货结构的分析主要从存货结构的变化情况和存货结构是否与销售收入结构保持一致开展，以判断存货是否滞销或短缺风险。具体操作步骤参照教材操作实施。（一）存货结构变动可视化分析（二）存货结构与销售收入结构对比分析任务实施子任务三存货可变现性可视化分析存货可变现性是指对存货可变现金额开展的分析和计算，意在对存货价值进行评估。本案例主要从存货库龄、存货跌价准备计提是否合理两方面进行分析。审计项目组成员在审计过程中了解到该公司于每月1日根据采购计划完成各类产品采购，采购商品的生产日期一般在采购日前10日以内。具体操作步骤参照教材操作实施。（一）存货库龄分析（二）存货跌价准备计提分析经了解被审计单位于每年年末采用可变现净值与成本孰低来计提存货跌价准备，该企业在计提存货跌价准备时主要依据存货库龄进行计提。由于被审计单位是食品批发企业，在进行存货可变现净值计算过程中不应仅仅只考虑存货库龄，更应结合对应商品的质保期和食品行业销售特点进行可变现净值的计算，本案例对库存商品可变现净值的计算主要考虑存货库龄是否超过商品质保期的二分之一，以商品原单价的五折作为库龄超过质保期二分之一商品的预估售价。任务实施子任务四存货可视化分析报表美化一个好的可视化报表能够准确、清晰、快捷、高效的反馈信息，为了使可视化分析报表能够更清晰、更高效向报表阅读者传递信息，在完成可视化分析报表后应对报表进行美化，增强报表的可读性。本任务以“存货规模可视化分析”报表为例进行美化，包括报表整体美化和单个图表美化两方面。具体操作步骤参照教材操作实施。任务小结1.在导入“库龄信息表”、“存货跌价准备计算表”之后，PowerBI会自动建立这两个数据表与其他已经存在数据表之间的关联关系，容易出现关联关系不可用的情况（在“模型视图”中以虚线呈现），造成“存货跌价准备计算表”与“商品信息表”不可用的原因是该关系将造成“存货跌价准备计算表”和“销售订单明细表”之间的多义性。接下来以“存货跌价准备计算表”为例讲解解决方案：首先将“存货跌价准备计算”与其他表的关联关系全部删除，然后再以“商品编码”为关键字创建“存货跌价准备计算”与“商品信息表”之间的关联关系。2.需要创建较多度量值时，可通过创建一个单独的表来存放创建的度量值。任务小结3.在利用IF函数计算“库龄大于质保期二分之一库存数量”和“库龄大于质保期二分之一库存金额”时，应充分理解其DAX表达式所代表的含义，以及为什么只对库存天数是否等于90天这一项条件进行判断。4.PowerBI自带“开花”、“城市公园”、“经典”等多个报表主题，在PowerBI官网主题库中也有许多可免费使用的主题，在进行可视化报表美化的过程中应充分利用已有的报表主题模板来提升可视化报表美化的效率。5.切片器的合理使用能够增加报表的互动性，在进行报表设计和美化的过程中应恰当的使用切片器。03基于数据挖掘技术的舞弊审计任务描述知识准备任务实施任务小结任务描述被审计单位管理层发现公司差旅费报销存在异常，但无法确定差旅费报销异常人员范围，在开展深入审计调查之前，需确定差旅费报销的高风险人群。审计项目组了解具体情况后决定利用数据挖掘技术对报销人员进行分析，以确定高风险人群。本次审计任务需完成以下两项子任务。子任务一PowerBI与R的协同。在R官网下载并安装R软件，安装完成后在PowerBI中配置运行R脚本。子任务二舞弊信号审计追踪。利用R脚本调用聚类算法模型，根据不同人员的费用金额、报销次数特点将人员分为高风险、中风险和低风险3类，以发现费用报销的风险人群。知识准备一、审计数据挖掘技术基础（一）数据挖掘技术概述数据挖掘技术就是一种通过特定的算法在可接受的计算效率限制内生成特定模式从大量的数据中通过算法搜索隐藏于其中信息步骤型技术，其运用就是一个从数据准备到结果分析的完整过程，在该过程中从大量数据中挖掘先前未知的、有效的、可使用的信息，并使用这些信息做出决策或丰富知识。知识准备一、审计数据挖掘技术基础（二）数据挖掘技术在审计中的重要意义通过数据挖掘技术可以从被审计单位错综复杂的业务环境和海量的数据中，在极短的时间里进行数据分析，协助审计人员更加高效发现异常信息，在一定程度上降低了审计风险，提高了审计效率，更加有效地节省人力资源成本。数据挖掘技术通过对数据的全面的、深层次的、系统的分析，能够有效消除抽样审计风险，达到审计的全覆盖。知识准备二、审计数据挖掘分析算法（一）聚类算法聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。在审计数据分析的实践中，通常采用聚类算法对被审计单位的财务数据以及业务数据进行分组。采用聚类算法，我们把分好的类别与被审计单位往年数据进行比较，从而分析出被审计单位数据的真实性与准确性。例如对于银行的信贷业务进行审计时，可以对各种信贷业务进行聚类，划分为低风险、中风险、高风险三类，并且可以细分为不同的风险等级。知识准备二、审计数据挖掘分析算法（二）关联规则算法关联规则算法是数据挖掘中的一类重要算法。关联规则就是支持度和信任度分别满足用户给定阈值的规则。所谓的关联，反映的是事件间依赖关联关系，这种关系基于数据统计描述认定，与关系数据库中表间大于、等于等逻辑关系不同，他用统计结果描述事件关系。知识准备二、审计数据挖掘分析算法（二）关联规则算法工程招投标审计中，审查投标单位是否利用内部关联对工程项目围标操作，通过分析项目投标记录事件，发现投标单位间关联程度，当多个单位在多次投标中都同时出现时，我们视为非偶然事件，通过计算这些事件在总样本中的概率，把高概率事件作为审计关注重点；医保审计结伴刷卡住院，通过分析医保刷卡记录，寻找多个患者多次同时住院刷医保卡，将这种非偶然事件作为审计重点关注，审计是否存在医院办理假住院，集中刷医保卡骗取医保现象；财政惠农补贴审计中，可分析惠农补贴卡结伴刷卡取款现象，通过寻找多张不同用户卡多次同时取款的非偶然行为，推断惠农银行卡可能集中在某一个人手中，进而发现涉嫌侵占惠农补贴的问题；商业银行可以利用Apriori算法在信贷审计中识别挖掘潜在的关键变量和关联规则，进而快速锁定疑点客户、提前预判客户违约情况、发现信贷流程漏洞等，从而达到提高审计效率、加强信用风险预警、完善信贷工作规范的目的。知识准备三、舞弊审计的要点（一）舞弊审计的主要内容一般来讲，舞弊审计的内容应该包括以下四个方面：1.审查评估被审计单位的内部控制的建立及执行情况；2.通过审计会计资料中“假、乱、错”等现象，发现异常和漏洞，揭露财务舞弊行为；3.促进会计核算工作的规范化建设，提高会计核算的准确性、规范性、严密性和公允性，提高财会组织管理工作水平；4.充分发挥审计监督的查案职能。根据已有线索和资料，有针对性地对被审计单位或有关人员进行详细审查，对有关疑点和问题展开内查外调，有利于对大案、要案的发现和查处。知识准备三、舞弊审计的要点（二）舞弊审计的常用方法1.分析性复核法2.实质分析法3.期后事项分析法4.税项分析法5.资产质量分析法任务实施子任务一PowerBI与R的协同（一）R的下载与安装PowerBI提供了丰富的外部可视化视觉对象，能够满足对聚类、分类、预测等多种需求的分析。但在PowerBI中许多可视化视觉对象都是基于R开发的，尤其是许多自定义的视觉对象基本都需要R，在未安装R的情况下许多视觉对象都无法运行，因此在使用基于R开发的可视化视觉对象之前需要先安装R。R可以通过其官网（/）进行下载，也可以通过微软官网提供的两个下载网址Mic'rosoftR应用程序（/download）和CRAN存储库（/bin/windows/base/）进行下载。（二）配置运行R脚本在下载并安装好R之后PowerBI并不能直接运行R，需要对PowerBI进行R脚本的配置具体参照步骤参照教材实施。任务实施子任务一PowerBI与R的协同提示：1.一般情况下PowerBI会自动检测R软件的主目录，而R软件的主目录会因R软件安装位置的不同而不同。2.如果安装了多个RIDE，在“检测到的RIDE”下拉框中会有多个选项，可根据需求选择需要的项，一般保持默认即可。3.浏览到所需的RIDE支持安装的其他R综合开发环境如RStudio，用以创建和编辑R脚本，并且可以在PowerBI中使用这些脚本。通过上述操作已经基本完成PowerBI中R语言的发环境的配置，接下来就可以在PowerBI中使用基于R语言开发的视觉对象了。任务实施子任务二舞弊信号审计追踪由于舞弊具备隐蔽性等特点，在进行舞弊审计的过程中，可以通过聚类分析算法将人员或事件划分为不同类别，包括高风险、中风险、低风险等，发现舞弊信号，为进一步审计分析提供审计线索。本任务使用PowerBI按人员对差旅费进行聚类分析，以报销金额和报销次数作为分析维度，通过DBSCAN聚类分析算法将人员分进行分类，并据此发现审计线索。在开始分析前应通过GitHub官网（/microsoft/PowerBI-visuals-DBSCAN)获取DBSCAN聚类分析视觉对象及源代码。使用聚类分析图对差旅报销明细进行分析的具体步骤参照教材对应内容实施。任务小结1.下载R软件时应注意电脑系统位数，选择与电脑位数相同的R软件版本，避免出现无法安装或安装后无法使用的情况。2.在使用DBSCAN聚类分析图对报销人员进行聚类分析时，只能将数据列拖拽至Value处，所以在进行聚类分析之前需要在销售人员信息表中创建“报销金额”和“报销次数”数据列，同时要注意保证人员信息表中人员不能重复。3.聚类分析图不能识别中文标签，所以在设置标签类别时设置的是“核算人员编码”，在确认具体人员的风险类别时注意将人员编码与人员姓名核对，避免出现错误。04基于数据预测技术的应收账款审计任务描述知识准备任务实施任务小结任务描述随着销售业务规模的扩大，HSXY有限公司形成的应收账款也呈现出逐步上升的趋势，随之而来的应收账款逾期也持续增多，管理层意识到长此以往，应收账款极有可能成为一颗影响公司未来发展的定时炸弹，故此特别重视公司应收账款的审计工作，要求审计过程中特别关注应收账款和逾期账款的管理及增长变动情况。审计项目组根据公司管理层要求对公司应收账款管理开展审计，此次应收账款审计要求完成以下两项子任务。子任务一应收账款管理状况分析。在2022年12月31日的时间点分析公司应收账款管理状况，对应收账款余额、账龄、逾期、回收、客户管理等具体情况进行分析与可视化展示。子任务二应收账款规模预测分析。结合公司应收账款历史数据，采用移动平均法、指数平滑法等时间序列分析模型对公司应收账款及应收账款逾期金额进行预测分析，结合应收账款与逾期金额的增长趋势分析应收账款是否存在管理风险。知识准备一、审计数据预测分析技术基础（一）审计数据预测分析概述除了财务分析中经常用到的经典方法外，针对被审计单位持续经营情况、未来现金流情况及现有运营模式中存在的趋势性、苗头性疑点问题等也常需要运用一些预测型的算法。数据仓库与数据挖掘技术和方法常被用于审计数据预测型分析中，以揭示数据间的相关关系，发现一些倾向性问题。数据仓库是一种数据集合，是由面向主题的、集成的、稳定的、涉及不同时间的数据组成的集合，用来支持经营管理中的决策制定过程。数据仓库系统中的数据集成工具通常都具备面向各种外部数据源的接口，可以实现数据抽取、转换、装载、刷新等功能，也可以完成对异构、多源数据的转换、加载，审计人员可根据数据一致性原则将所需审计数据转移到审计数据库中，为审计数据采集提供强有力的技术支持。知识准备一、审计数据预测分析技术基础（一）审计数据预测分析概述除了财务分析中经常用到的经典方法外，针对被审计单位持续经营情况、未来现金流情况及现有运营模式中存在的趋势性、苗头性疑点问题等也常需要运用一些预测型的算法。数据仓库与数据挖掘技术和方法常被用于审计数据预测型分析中，以揭示数据间的相关关系，发现一些倾向性问题。数据仓库是一种数据集合，是由面向主题的、集成的、稳定的、涉及不同时间的数据组成的集合，用来支持经营管理中的决策制定过程。数据仓库系统中的数据集成工具通常都具备面向各种外部数据源的接口，可以实现数据抽取、转换、装载、刷新等功能，也可以完成对异构、多源数据的转换、加载，审计人员可根据数据一致性原则将所需审计数据转移到审计数据库中，为审计数据采集提供强有力的技术支持。知识准备一、审计数据预测分析技术基础（二）审计数据预测分析的应用审计数据预测分析在审计过程中具有重要作用，比如在企业并购、项目投资等专项审计中经常需要对被审计对象的业务发展趋势、未来收入、现金流量变化等进行相应的预测分析；在获取数据的过程中，经常需要对大量类别的审计数据，如PDF版的会议纪要、Word版的方案、网上的各种通知等进行分析。在审计中可以运用到的预测分析方法包括定量变量的多元回归、人工神经网络等算法，也包括对定性变量分类，如决策树、贝叶斯网络、logistic回归算法等数据挖掘算法，还包括常用于无监督学习的聚类分析、用于数据分布规律分析的班福法则等。知识准备二、审计数据预测分析算法

（一）线性回归模型线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，线性回归分析模型根据自变量和因变量的数量不同分为一元线性回归分析模型和多元线性回归分析模型。一元线性回归是分析只有一个自变量x和一个因变量y的线性相关关系的方法。其模型一般表示：知识准备二、审计数据预测分析算法

（一）线性回归模型但在许多实际问题中，对因变量的影响因素往往不止一个，多元回归是研究一个因变量与多个自变量之间的回归问题。例如，审计报告的意见类型除了受企业财务类指标等因素的影响外，还受诸如内部控制水平、企业持续经营能力、财税政策、行业经济趋势等多种因素的影响。多元线性回归是研究因变量与各自变量之间线性关系的方法。知识准备二、审计数据预测分析算法

（二）时间序列预测分析1.时间序列预测的含义时间序列预测就是将销售额、利润、工业增加值等统计指标数值，按时间顺序排列形成时间序列，运用一定的统计分析方法对时间序列进行分析，找出其发展变化的趋势和规律，以预测未来的发展变化趋势，确定预测值。2.时间序列预测方法的选择对已有时间序列进行预测的关键是确定时间序列的变化规律，并假定时间序列会按照此规律延续下去。在进行时间序列预测时，首先应确定时间序列的成分，再选择合适的预测方法，最后对预测方法进行评估，选择最佳的预测方案。知识准备二、审计数据预测分析算法

（二）时间序列预测分析3.时间序列预测方法预测分析方法平滑法预测季节性预测趋势性预测平滑法预测包括简单平均预测、移动平均预测、指数平滑预测季节性预测方法包括指数模型预测、时间序列分解预测趋势性预测包括线性趋势预测、非线性趋势预测、自回归模型预测等。知识准备二、审计数据预测分析算法

（二）时间序列预测分析3.时间序列预测方法（1）移动平均预测

移动平均预测是选择一定长度的移动间隔，对原时间序列逐期计算移动平均数作为下一期的预测值。该预测方法可以削弱原序列中短期的偶然因素的影响，一般可以用来预测销售情况和股价等趋势，可分为简单移动平均预测和加权移动平均预测两种。①简单移动平均预测知识准备二、审计数据预测分析算法

（二）时间序列预测分析3.时间序列预测方法（1）移动平均预测

②加权移动平均预测加权移动平均预测法是在简单移动平均预测法的基础上，给近期的数据赋予较大的权数，给远期的数据赋予较小的权数，计算加权移动平均数作为下一期的预测值。同样的，设移动间隔为k（1<k≤t），则t+1期的移动平均预测值如式：知识准备二、审计数据预测分析算法

（二）时间序列预测分析3.时间序列预测方法（2）指数平滑预测指数平滑预测是对过去的观察值进行加权平均的一种预测方法，是加权平均的一种特殊情形，观察值时间越远，其权数也跟着呈现指数下滑，因此称为指数平滑。可分为一次指数平滑、二次指数平滑、三次指数平滑等，就一次指数平滑来说，t+1期的预测值是t期的观察值与预测值的线性组合，其基本模型如：知识准备二、审计数据预测分析算法

（二）时间序列预测分析3.时间序列预测方法（2）指数平滑预测指数平滑预测法的关键是确定一个合适的平滑系数，通常要从以下两方面考虑：①当时间序列比较平稳时，值应取小一些，如0.1-0.3；当时间序列波动较大时，值应选择居中的值，如0.3-0.5；当时间序列波动很大时，值应取大一些，如0.5-0.8。②选择时还应考虑预测误差，在实际预测时，选择几个值进行试算，分别计算均方误差，取均方误差最小的那个值。知识准备二、审计数据预测分析算法

（二）时间序列预测分析3.时间序列预测方法（3）季节模型预测将时间序列的四种组成成分按照一定的假设，用一定的数学关系式表达出来，就形成了时间序列预测的分析模型。根据不同的假设，分析模型通常分为两种：加法模型和乘法模型。设时间序列为Y，长期趋势为T，循环变动为C，季节变动为S，不规则变动为I，则两种模型分别表示如下：知识准备二、审计数据预测分析算法

（二）时间序列预测分析3.时间序列预测方法（3）季节模型预测①加法模型假设四种组成成分是相互独立的，时间序列便是各成分相加的和，其分解模型：

Y=T+C+S+I当时间序列图显示的时间序列的级别变动大致相等，在时间序列图随时间推移等宽推进时,采用加法模型。知识准备二、审计数据预测分析算法

（二）时间序列预测分析3.时间序列预测方法（3）季节模型预测②乘法模型假设四种组成成分是相互交错影响的，时间序列便是各成分的乘积，其分解模型：Y=T×C×S×I