第 5 章 结论、不足与展望
5.1 结论。
数据挖掘技术从提出到现在的二三十年间，人们一直在寻找利用它的最佳方式。
然而，运用数据挖掘技术研究审计的风险控制方面，无论是国内或是国外都没有多少的成果可以去借鉴和学习。在研究过程中，我们大胆的尝试构建了银行的联网审计风险控制系统，并在此基础上运用该系统的数据挖掘模块来对银行的信用卡营销数据进行审计数据质量方面的数据挖掘。这种将数据挖掘技术与审计实践相结合尝试，取得了初步的效果。
通过对商业银行的信用卡营销数据的审计，我们发现数据挖掘在审计信息判别中扮演着重要辅助作用的角色。在当前信息技术、信息化环境、信息资源、信息产业等高速发展变化的情况下，数据挖掘技术以其独特的优势，对变化着的信息进行高效地筛选、分析和判别。本研究正式在这种思想的引领下进行下去的。这种数据挖掘技术与审计结合的尝试也必定促进我们审计理论与实务朝着更为科学、现代化的方向发展。
5.2 不足。
5.2.1 数据挖掘层面上的不足。
（1）数据获取的不足。
本文的案例数据是经过与某银行的协商，经过他们的同意，从其数据库中调取的1461 个观测样本。由于其中许多数据是保密的，取得数据并不完整，另外该行要求删除详细字段信息，以保证某些客户信息不会外泄，确保银行该业务的信息安全。本文经过对数据的去特征化处理，相关的敏感信息也已经删除。最后经过处理的数据用于数据挖掘，但是数据量还未达到海量的要求，这成为本文的一大遗缺憾。期待以后学习工作中若将该系统付诸于实施能真正实现数据挖掘和审计的具体结合。
（2）数据挖掘技术本身的局限。
数据挖掘技术对于目标数据集的特征有一定的要求。每一种算法都不是万能的，都有其特定的适用范围，比如本文案例中神经网络算法和自动神经网络算法所需的数据就必须是完整的，不能有任何缺失。而现实中很多数据并不完整，必须用数据的一些特征值来代替源数据的缺失部分，这也会导致挖掘的结果有些偏差。
如果将数据挖掘应用于舞弊检查或异常检测的审计，由于部分舞弊行为或欺诈行为隐藏比较深，是不会在数据中反应出来的，无法利用数据挖掘工具进行挖掘。数据挖掘技术必须依赖于一定的电子数据或电子账目，如果不能以电子数据的形式存储下来，数据挖掘技术也是无法挖掘和检测出这种异常的。
（3）应用数据挖掘算法的局限。
应用数据挖掘技术来研究一个项目会发现，在项目上花费的精力主要是在数据准备阶段，然后其次是在数据建模阶段。经过考察后，我们发现数据挖掘技术有很多种算法，每一种算法都或多或少包含着好些参数，如果在把模型参数按照不同数据挖掘工具默认的参数来设置的话，往往得不到一个满意的挖掘结果，必须针对不同的数据调整其默认参数，想要得到最优的模型是不可能达到的，只能期盼每次调整数据挖掘算法的参数，使挖掘出来的结果向更好的方面发展，而不是越来越坏。
5.2.2 其他层面上的不足。
（1）审计人员的业务素质方面不足。
数据挖掘技术虽然可以大大减轻审计人员的工作负担，让审计人员不必过分的把精力分配到数据分析部分，提高审计活动的效率。但审计问题是否能被最终还是取决于审计人员的业务素质。如果审计人员不能从已挖掘出的结果中发现问题，及时应用数据挖掘技术于审计业务活动也是无用的。另外不同的审计人员可能对于挖掘出来的结果有着不同的理解，这就需要他们对审计的经济活动有着深入的理解，而不仅仅是从数字表面的区别妄加推测。
（2）增大审计风险的不足。
使用数据挖掘技术会给审计人员带来一定程度的审计风险，这种审计风险会以模型的精确度来间接反映出来，审计人员将会承受这种量化的风险，而数据挖掘风险具有可变性，即不同是数据挖掘技术，甚至同一数据挖掘技术选取不同的样本，其风险值是变化的。如果审计人员在测试中运用到一种或多种数据挖掘技术，可以利用前文提到过的审计风险模型来确定检查风险的范围和时间。
5.3 展望。
数据挖掘在审计中的应用以后应该从以下三个方面进行探索：
（1）增强数据挖掘的力度和扩大深度，获得更相关更详细的数据，把数据挖掘软件提供的各种功能琢磨透，并使之与审计业务活动实践做充分的结合；（2）重新从审计业务活动的角度设计需求，跳出原来数据与数据挖掘软件的固有思路，并与数据挖掘各种技术相结合，开发专门应用于审计的数据挖掘软件；（3） 从系统论的角度出发，为具体的审计实践服务，研究审计业务活动的各种需求和数据挖掘技术的结合点。
随着相关理论的完善，本研究的后续观察还具有有待提升的空间。另外，虽然目前数据挖掘技术在审计中的应用尚处于起步阶段，应用起来也有其局限性。但是利用数据挖掘技术对海量数据进行数据式审计对审计风险的控制已经显示出了其优势了。
我们坚信，随着数据挖掘在审计中应用研究的加深，数据挖掘技术一定能在审计这块领土上开出绚丽的花朵。
参考文献：
[1] 张君枫。数据挖掘算法综述[J].电脑学习 ,2010,4 : 120-121.
[2] 米天胜。数据仓库和数据挖掘在客户关系管理中的应用[J].情报杂志，2005,24（9） :18-20.
[3] 肖可砾，熊辉。运用数据挖掘技术检测金融欺诈行为[J].金融电子化，2010,10 :89-90.
[4] 吴泽曦。数据挖掘技术及其在车辆监控系统中的应用[D].北京交通大学，2015.
[5] 王智平。数据挖掘在保险顾客信息中的应用研究[D].昆明理工大学，2013.
[6] 孟晟。数据挖掘技术在人口普查数据中的应用[D].厦门大学，2013.
[7] 沈亮。数据挖掘在移动通信网络优化中的应用[D].上海交通大学，2009.
[8] 熊肖华，姚建初。基于模糊集的数据挖掘研究与应用[J].计算机工程与应用，2002,01:203-205.
[9] 郑泽芝。采掘关联规则的算法及优化处理概述[J].太原师范专科学校学报，2002,04:4-6.
[10] 陈丹萍。数据挖掘模式下的审计风险预警系统研究[M].中国书籍出版社，2013.
[11] 宋静。基于风险管理的智能审计系统架构研究[D].云南财经大学，2012.
[12] 陆倩。A 公司联网审计系统框架设计与流程研究[D].大连海事大学，2014.
[13] 陈世强，蔡超。审计系统中基于数据挖掘的关联规则自动发现技术研究[J].计算机应用与软件，2007,24（1）：172-174.
[14] 石彪，胡华平，刘利枚。数据挖掘技术在安全审计中的应用[J].湖南商学院学报，2007,4:84-85、101
[15] 吕新民，王学荣。数据挖掘在审计数据分析中的应用研究[J].审计与经济研究，2007,22（6）：35-38.
[16] 陈耿。审计知识工程[M].清华大学出版社，2006:17-42,67-88 .
[17] 易仁萍，陈耿，杨明等。数据挖掘技术及其在审计风险管理中的应用[J].审计与经济研究，2003（01） :3-6
[18] 易仁萍，王昊，朱玉全。基于数据挖掘的审计模型框架[J].中国审计，2003,3 :55-57
[19] Michael J.A.Berry,Gordon Linoff.Data Mining Techniques For Marketing,Sales and Customer Support[M].John Wiley & Sons, Inc., 1997.
[20] Michael J.A.Berry, Gordon Linoff.Mastering Data Mining:The Art and Science Of Customer Relationship Management[M].John Wiley & Sons, Inc., 2000.
[21] Mehmed Kantardzic.DATA MINING Concepts, Models, Methods and Algorithms.[M].清华大学出版社，2003,:5
[22] 薛薇，陈欢歌。Clementine 数据挖掘方法及应用[M].北京：电子工业出版社，2010:6-7.
[23] David Hand.Principles of Data Mining[M].MIT Press,2000:1
[24] 袁梅宇。数据挖掘与机器学习-WEKA 应用技术与实践[M].北京：清华大学出版社，2014:6.
[25] 邵峰晶、于忠清。数据挖掘原理与算法[M].中国水利水电出版社，2003:2
[26] 陈月昆。 联网审计系统的功能实现[J].中国审计，2002（2）。
[27] 李平恩。浅议联网审计 [EB/OL].
[28] 莫茨、夏拉夫。审计理论结构 [M].北京 中国商业出版社，1990:270.
[29] 曾义，李翼恒。数据挖掘技术在商业银行审计中的应用研究[J].新会计，2014（07）：87-88
[30] 牛艳芳，薛岩，孟祥雨。云计算环境下的审计业务模式变革研究[J].南京审计学院学报，2014（04）：95-103.
[31] 张兆信。数据挖掘技术在商业银行审计的应用研究[J].东方企业文化， 2014（07）：209-210.
[32] 刘莎。数据挖掘技术在金融审计中的应用[J].合作经济与科技， 2013 （06）：83-84.
[33] 文勇。数据挖掘技术在金融审计中的应用[J].中国内部审计， 2013 （05）：61-63.
[34] 柯芳，辛佳颖。基于数据挖掘技术的金融审计风险防范研究[J].经济论坛，2013 （07）：100-102.
[35] 徐松梅。浅析数据挖掘技术在审计中应用[J].经营管理者， 2013 （02）：198.
[36] 洪天一。基于数据挖掘的计算机审计方法研究与实现[D].电子科技大学， 2011.
[37] 曾德胜。基于数据挖掘的审计系统研究[J].长春工程学院学报（自然科学版），2011（12） :124-127.
[38] Robert L B,Harold E D.Computer-assisted audit tools and techniques: analysis and perspectives[J].Managerial Auditing Journal,2013,18（9）：725-731.
[39] Dasu T,Johnson T.Exploratory data mining and data cleaning [M].John Wiley,2003.
[40] Richard Y Wang.Data Quality Requirements Analysis and Modeling [A].In: Proceedings of the 9th International Conference on Data Engineering , Vienna: IEEE Computer Society ,1993:670-677.
[41] Koskivaara E.Artificial neural networks in analytical review procedures [J].Managerial Auditing Journal,2004,19（2）：191-223.
[42] Binbin Yang.Supplier Selection Modeling and Analysis Based on Polychromatic Sets[J].Research and practical issues of enterprise in formation systems.2008,68（55）： 1481-1485.
[43] V.V.Pavlov, Polychromatic Sets and Graghs for CALS in Mavdine Building[M].Moscow: Stankin Press,2012: 20-25.
[44] Shah, Shaukat Ali, Bohez,Eril L.J.Pisuchpen, Roongrat, New modeling and performance evaluation of tool sharing control in FMS using colored Petri nets[J],Assembly Automation,2011, 31（2）： 137-140.
[45] 王忠，武哲。数据挖掘在审计信息分析中的应用[J].计算机应用研究，2005（2） :167-169.
[46] 胡荣，陈月昆。数据挖掘-现代审计处理数据的新方法[J].中国审计，2004（07） :38-40.
[47] 陈雄智。基于数据流角度的联网审计项目质量控制[J].中国管理信息化，2008（09）。
[48] 周晓苏。会计研究中的数据挖掘方法[M].南开大学出版社，2009.
[49] ROC 曲线[EB/OL].
