CN105976109A - 一种基于大数据智能审计的方法及系统 - Google Patents

Abstract

本发明公开了一种基于大数据智能审计的方法及系统，该方法包括：数据采集，根据审计项目采集云审计的基础数据，基础数据包括与企业关联的动态数据和市场大数据，并实时更新基础数据；数据处理，对基础数据进行处理得到用于数据分析的第一数据；数据分析，根据审计需求对第一数据按相应的审计模型进行分析得到用于服务企业生产经营决策管理的第二数据；数据存储，采用分布式云端存储方式存储第二数据，以供后续调用。既实现了在线审计，且通过在线搜索采集动态数据和市场大数据，实现了在线动态审计，根据审计需求采用相应审计模型对数据进行加工得到用于服务企业经营管理决策的数据，能从企业利益出发，为企业的生命全周期提供实时及高效的服务。

Description

一种基于大数据智能审计的方法及系统

技术领域

本发明涉及信息审计技术领域，特别地，涉及一种一种基于大数据智能审计的方法及系统。

背景技术

云计算是一种全新的领先信息技术，结合IT技术和互联网实现超级计算和存储能力，而推动云计算兴起的动力是高速互联网和虚拟化技术的发展，更加廉价且功能强劲的芯片及硬盘、数据中心的发展。云计算可以看作是分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡等传统计算机和网络技术发展融合的产物。云计算涉及的关键技术有很多，包括：通信、大规模分布式存储技术、海量数据处理技术、资源管理、虚拟化技术等。

大数据(bigdata)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据具有4V特点：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。

“移动互联网+”的到来，意味着跨界融合，创新驱动，重塑结构，尊重人性，开放生态的时代到来。“移动互联网+”就是“互联网”+各个传统行业，利用计算机技术、信息通信技术、云计算技术以及互联网平台，让互联网与传统行业进行深度融合，创造新的发展业态。大数据、云计算时代已经渗透到诸多行业和业务职能领域，成为重要的组成部分。根据权威的NIST定义，现有的云计算主要分为三种服务模式，分别是基础设施即服务IAAS(infrastructureasaservice)，主要为用户提供基础设施服务，包括计算机、服务器、防火墙、存储设备和网络设备等；平台即服务PAAS(platformasaservice)，主要为用户提供应用程序开发、测试和部署平台，即是将一个完整的系统平台，包括应用设计、应用开发、应用测试、应用部署和应用托管，都作为一种服务提供给用户；软件即服务SAAS(softwareasaservice)，主要是为用户提供应用程序等软件。可以说，云计算这三种服务模式都是从硬件设备的角度出发。

国外的Amazon、Google、IBM、微软等大公司都是云计算的先行者，例如，Amazon使用弹性计算云和简单存储服务，为企业提供计算和存储服务。GoogleDocs是最早推出的云计算应用，其类似于微软的office的在线办公软件，可以处理和搜索文档、表格、幻灯片，还可以通过网络与他人分享并设置共享权限。IBM在2007年11月推出了“改变游戏规则”的“蓝云”计算平台，为客户带来即买即用的云计算平台。微软紧跟云计算步伐，于2008年10月推出了WindowsAzure操作系统，是继Windows取代DOS之后，微软的又一次颠覆性转型-通过互联网打造新云计算平台，让Windows真正由PC延伸到“蓝天”上。但国外大公司在云计算的研究均仅涉及公共服务、数据处理、在线存储或者共享等领域，属于通用性研发，其并未涉及到云计算、大数据与审计领域结合的相关技术。

随着云计算技术和应用的日益成熟，我国更多的用户开始应用基于云的服务，更多的企业开始落地云计算。但不论是如通用型的百度/谷歌搜索引擎，还是专用服务型的滴滴出行/58同城等，都是运用大数据信息为用户提供个性化的服务，故其面向的对象主要集中在用户或者消费者。

而传统企业财务还停留在记账算账的初期阶段，传统审计也还停留在查账核帐、事后算账的阶段。即使是计算机辅助审计，如各单位的会计电算化系统，其也仅仅是将审计过程中的凭证、信息等数据化，且仅涉及到单个企业的历史数据，造成信息孤岛，咨询服务都是一次性的，每次都需重新了解各企业的情况，且无法对相关企业间的数据、行业动态数据等进行统筹利用。为了应对越来越严峻的市场挑战，亟待通过技术手段对企业财务的海量数据进行挖掘和分析运用，增强企业的数据利用效率及市场竞争力。

发明内容

本发明提供了一种一种基于大数据智能审计的方法及系统，以解决传统的信息审计领域无法实现在线动态持续审计的技术问题。

本发明采用的技术方案如下：

根据本发明的一个方面，提供一种基于大数据智能审计的方法及系统，基于云计算和大数据的结合，该方法包括：

数据采集，根据审计项目采集云审计的基础数据，基础数据包括与企业关联的动态数据，并实时更新基础数据；

数据处理，对基础数据进行处理得到用于数据分析的第一数据；

数据分析，根据审计需求对第一数据按相应的审计模型进行分析得到用于服务企业生产经营决策管理的第二数据；

数据存储，采用分布式云端存储方式存储第二数据，以供后续调用。

进一步地，基础数据包括但不限于：企业自身数据、企业作为市场主体所处的市场信息大数据、公共政策信息数据、行业准则数据、专家经验数据、在线操作日志数据。

进一步地，数据处理是通过数据清洗、数据转换、数据整合及数据加载中一种或者多种操作将基础数据转换为符合会计准则的规范化数据的第一数据。

进一步地，数据分析基于审计师知识图谱的智能审计模型和/或大数据相关性审计方法模型得到第二数据。

进一步地，本发明方法还包括：

数据输出，用于将第二数据以满足用户个性化需求的可视化形式输出。

进一步地，审计项目为成本核算，基础数据包括但不限于：内部成本、外部成本、行业比较成本、行业标准成本、前置成本、社会平均成本；其中，

内部成本包括所有用于企业内部决策、管理、生产、经营全过程而需要的有形和无形资源耗费成本项目；

外部成本是指由企业自身以外的、由企业所处的经济环境、法律法规环境、市场供求环境、区域环境、社会公共环境、资源环境所产生的相关成本指数；

行业比较成本是指企业所处行业中作为公众参考的、客观存在的、具有成本比较优势的企业的领先成本指标和领先的动态成本指数；

行业标准成本是指行业内同类型企业生产同种商品或者提供同种服务的平均成本；

前置成本包括企业能合理预测的、能确保企业持续经营，且拥有成本比较优势的潜在成本项目；

社会平均成本是指在企业所处的时间和空间内，结合相关物价指数、消费指数、购买力指数、经济容忍度的动态平均成本指数。

根据本发明的另一方面，提供一种在线大数据智能云审计系统，基于云计算和大数据的结合，该系统包括：

数据采集单元，用于根据审计项目采集云审计的基础数据，基础数据包括与企业关联的动态数据，并实时更新基础数据；

数据处理单元，用于对基础数据进行处理得到用于数据分析的第一数据；

数据分析单元，用于根据审计需求对第一数据按相应的审计模型进行分析得到用于服务企业生产经营决策管理的第二数据；

数据存储单元，用于采用分布式云端存储方式存储第二数据，以供后续调用。

进一步地，数据采集单元采用NoSQL数据库，包括：

静态数据导入模块，用于接收静态数据；

动态数据抓取模块，用于抓取动态数据；

动态数据挖掘分析模块，用于根据需求对大数据中的数据进行挖掘和分析得到所需的目标数据。

进一步地，数据存储单元包括：

数据加密模块，用于设置数据访问权限；

分析轨迹存储模块，用于对数据的分析轨迹进行识别和存储；

疑点库存储模块，用于更新疑点库并供数据分析单元调用，并在出现同类信息时自动预警。

进一步地，本发明系统还包括：

数据输出单元，用于将第二数据以满足用户个性化需求的可视化形式输出。

本发明具有以下有益效果：

本发明一种基于大数据智能审计的方法及系统，通过将云计算与大数据的技术应用至传统审计领域，既实现了在线审计，且通过在线搜索采集企业关联的动态数据，实现了在线动态审计，进一步，根据审计需求采用相应审计模型对数据进行加工得到用于服务企业生产经营管理决策的数据，能从企业利益出发，为企业的生命全周期提供实时及高效的服务。通过大数据将以前分散的数据信息孤岛联系起来，并通过云计算技术进行数据的整合、挖掘和分析，发挥大数据的指导性作用，同时，本发明的审计方法及系统，能摆脱时间和地域的限制，颠覆了传统审计方法，为智慧企业、智慧经济注入了全新的审计方法和成本价值理念，解放了生产者、服务实体经济，真正意义上实现了生产者、消费者的双向解放及经济生态平衡。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例在线大数据智能云审计方法的流程示意图；

图2是本发明另一优选实施例在线大数据智能云审计方法的流程示意图；

图3是本发明优选实施例在线大数据智能云审计系统的结构示意图；

图4是本发明优选实施例数据采集单元的结构示意图；

图5是本发明优选实施例数据存储单元的结构示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

本发明的优选实施例提供了一种基于大数据智能审计的方法及系统，基于云计算和大数据的结合，以革新传统的审计方法及模式，本实施例方法基于云计算平台和大数据系统，从而整合了大量的硬件资源，并在云端根据实际需求分配资源，进而更加高效地实现一些列基于硬件的强大计算能力的数据分析技术，以服务于在线动态持续审计。参照图1，本实施例方法包括：

步骤S100，数据采集，根据审计项目采集云审计的基础数据，基础数据包括与企业关联的动态数据，并实时更新基础数据；即采集与审计项目相关的基础数据，本实施例的关键改进在于，不仅能采集审计项目涉及企业的自身历史静态数据，还能通过大数据系统采集与审计项目相关的各种动态数据，以实现在线动态审计，为企业的生产经营决策管理提供更为科学的指导数据。

作为一种较佳的实施方式，本实施例云审计过程中，采用NoSQL数据库用于基础数据的采集。NoSQL，泛指非关系型的数据库，NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题，可以为大数据建立快速、可扩展的存储库。传统的关系型数据库中，需要先进行逻辑数据库设置，对每个存储变量进行字符长度、类型设置，它的数据模式是静态的。而在大数据环境中，数据模式是动态变化的，传统的数据库技术无法解决。同时，对于数据类型的扩增，像文档、报表、图片、音频、视频等数据类型是无法存储在关系型数据库当中的，而这些都将会成为在线云审计所需的数据信息，因此需要NoSQL数据库用于数据的采集。

作为一种较佳的实施方式，本实施例数据采集步骤中，在线采集所有能为企业经营管理发展提供参考意见的基础数据，既包含静态的接口导入，更包括动态的数据抓取以及动态数据挖掘和分析，所有的数据将构建成一个大数据中心，供后续不同的审计模型或者各种数据分析方法进行加工处理。本实施例基础数据包括但不限于以下六方面的数据信息：

1、企业自身数据：包含财务数据、资产数据、仓储数据、销售数据、内部控制流程数据等。

2、企业作为市场主体所处的市场信息大数据，如所处产业链相关数据：不同的行业对产业链数据需求的敏感度不一样，需要的数据信息也不一样，对数据的关联度和整合需求更不一样。以生产型企业为例，首先需要针对其生产的产品追溯原材料的成分，通过原材料追溯到上游的供应商，供应商数据可分规模、分地域陈列，然后通过行业协会或者物价局或者与供应商的合作等渠道获得供应商的材料报价信息，供生产企业进行参考，对供应商进行综合性比对和筛选，从而选择最适合自己的供应商，达成长久的合作关系。另外，通过生产的产品向下追溯到客户，而此时企业正是作为客户的供应商，如此循环，数据可以分级参考，提供信息。对于高新技术企业和服务型企业，人力成本和研发成本比较高，可能更侧重于对人才信息的需求，这样通过建立的大数据中心对人才信息的整理，可以精准对准企业的需求，免去企业招聘、沟通、磨合等系列成本，这也将成为企业成本管控的重要一环，创造价值。

3、公共政策信息数据：包含企业相关的各项国内外经济、财政、税收、贸易、法律等政策法规类数据。

4、行业准则数据：包含企业所处行业的相关动态信息，行业指标数据信息。

5、专家经验数据：将专家的系列在线操作形成记录，并能通过计算机技术进行分析，机器根据专家不同的风险偏好、不同领域的经验指导、不同的决策风格进行学习，将人工语言转换成智能计算机语言，完成在线的智能分析和交流。

6、在线操作日志数据：包含对用户的身份进行识别，譬如是财务人员还是高层管理人员，对问题的关注度的不同，系统进行智能分析，不同岗位的用户或者不同规模、不同行业的企业最感兴趣的经营管理问题有哪些，然后系统进行智能匹配，及时有效的为企业自动给出合理的建议。

步骤S200，数据处理，对基础数据进行处理得到用于数据分析的第一数据；

本实施例数据处理是通过数据清洗、数据转换、数据整合及数据加载中一种或者多种操作将基础数据转换为符合会计准则的规范化数据的第一数据。此处的数据清洗、数据转换、数据整合、数据加载均为现有的数据加工处理手段，在此不再对其进行详细赘述。

作为一种较佳的方式，本实施例数据处理采用云计算平台中的分布式处理器系统，将前端采集的基础数据导入至分布式处理器系统，如分布式数据库或者分布式存储集群，并在导入基础上做清洗或者预处理工作，可以满足海量数据的处理需要，每秒钟的导入量经常可达到百兆，甚至前兆级别。优选地，分布式处理器系统整合了动态负载均衡和群组管理调配机制，平台可以实时地监控全系统各个节点的运行状态，动态地调整和均衡全系统范围内的不同资源的负荷，从而很好地解决了大规模系统的合理使用与有效管理的问题。

步骤S300，数据分析，根据审计需求对第一数据按相应的审计模型进行分析得到用于服务企业经营管理决策的第二数据；

本实施例的审计需求，是指用户的咨询服务需求，即用户想要获取的用于企业经营管理决策的信息或者数据，本实施例数据分析，通过分析财务数据之间以及财务数据与非财务数据之间的关系，得到相关的结论，包含建立计算中间表、运用财务审计分析模型、多维数据分析、数据挖掘等进行审计数据分析。

作为一种较佳的实施方式，本实施例数据分析采用云计算平台中的分布式处理器系统，如分布式数据库或者分布式存储集群，从而对存储于其内的海量数据进行分析和/或分类汇总等处理。优选地，分布式处理器系统整合了动态负载均衡和群组管理调配机制，平台可以实时地监控全系统各个节点的运行状态，动态地调整和均衡全系统范围内的不同资源的负荷，从而很好地解决了大规模系统的合理使用与有效管理的问题。

作为一种较佳的实施方式，本实施例数据分析基于在大数据环境下的机器学习进行智能分析，此处的机器学习是指从不确定的细节当中找到目前不知道的东西。机器学习常用的领域有：语音识别、字符识别(OCR)、文本分类等。本实施例在线云审计在大数据环境下，开展审计数据分析利用机器学习，解决聚类问题、分类问题、挖掘频繁项集。对于新出现的文本审计数据类型，机器学习可以通过聚类应用将它按特征分组；通过分类问题纠正被错误归属的审计数据信息；频繁项集挖掘则可以用来审计数据中的频繁共现特征，说明它们之间有某种关联。优选地，本实施例数据分析更多地在线上运用相关关系分析来搜集和发现审计信息。由于大数据技术提供了前所未有的跨领域、可供量化的维度，使得审计问题大量的相关信息能够得以记录和计算分析。大数据、云计算技术没有改变事物间的因果关系，但在大数据、云计算技术中对相关关系的开发和利用，使得数据分析对因果逻辑关系的依赖降低了，甚至更多地倾向于应用基于相关关系的数据分析，以相关关系分析为基础的验证是大数据、云计算技术的一项重要特征。本实施例在线审计从传统的依赖因果关系来搜集和发现审计证据，转变成为在线上利用相关关系来搜集和发现审计证据。

作为一种较佳的实施方式，本实施例数据分析将“样本＝总体”植入在线审计的模式中。相比依赖于局部、有限小数据和数字精确性、封闭固化模式，大数据更强调数据的广泛性、代表性、相关性和适时性，使得进一步接近事物的真相，在线大数据智能云审计追求的是事物的“全貌”和“高效”，精准的对接问题、解决问题。围绕大数据，在实施在线审计时，利用大数据、云计算技术，使用分布式拓朴结构、云数据库、联网审计、数据挖掘等新型的技术手段和工具，在线上解决大部分工作。

作为一种较佳的实施方式，本实施例数据分析基于审计师知识图谱的智能审计模型和/或大数据相关性审计方法模型得到第二数据。其中，智能审计模型和/或大数据相关性审计方法模型可以预先设定并存储在云计算平台上，以供数据分析调用。

以医疗行业的数据处理和数据分析为例，比如，采集医药行业上游产品或材料价格信息，再进行分类：分中药、西药、中西药等几类产品信息和分时间价格信息等等，与用户单位药品库存管理系统中的某个类别中的某个产品和同一时间的价格进行比对，筛选，自动识别与行业信息价格信息的差别及划分差别区间，然后在用户单位的基本信息及提交的其他资料信息的基础上进行进一步分析，这种分析可以使得不孤立的看待每一个产品，让用户单位的每个产品都进行清洗，而不是传统的采取抽样的方式或直接挑选金额比较大的产品作为分析的依据。利用医药行业上游产品或材料价格信息进行分析即找相关关系证据作为进一步分析，而不是采用传统的因果关系证明产品的价格是否真实，是数据与数据之间的分析而不是传统的数字之间的关系，然后进一步的查找差距的原因，最后达到理想的分析效果。而过程的分析轨迹也会被识别和保留，作为方法库的数据。大数据分析的数据不仅是宏观数据，还包括源源不断的收集企业的动态信息，以及疑点库，方法库，不断更新的数据，出现同类信息可以自动预警。

步骤S400，数据存储，采用分布式云端存储方式存储第二数据，以供后续调用。

本实施例中，所有的数据包括副本和备份，存储在合同、服务级别协议和法规允许的地理位置。优选地，数据存储建立数据访问控制，更优选地，进行数据加密和/或对数据进行数据等级区分，分开存放。本实施例云端存储数据，既安全保密，又节省了企业的硬件设备空间和购置成本、维护成本。另外，通过云端数据交互和权限管理，企业信息系统不再是一个信息孤岛，企业随时可以向合作伙伴、供应商、代理商索取数据，而且数据的传递直接在云端进行，大大提高了效率。

在另一实施例中，参照图2，本发明方法还包括：

步骤S500，数据输出，用于将第二数据以满足用户个性化需求的可视化形式输出。

本步骤利用计算机图形学、图像处理技术或者其他办公软件，如excel等，将数据或数据分析结果转换成图形、图像、表格、文件等形式，并可进行交互处理，这样可更清晰的表达出信息，并可作为服务产品交付给客户。

本实施例通过将云计算与大数据的技术应用至传统审计领域，既实现了在线审计，且通过在线搜索采集动态数据，实现了在线动态审计，进一步，根据审计需求采用相应审计模型对数据进行加工得到用于服务企业经营管理决策的数据，能从企业利益出发，为企业的生命全周期提供实时及高效的服务。通过大数据将以前分散的数据信息孤岛联系起来，并通过云计算技术进行数据的整合、挖掘和分析，发挥大数据的指导性作用，同时，本发明的审计方法，能摆脱时间和地域的限制，颠覆了传统审计方法，为智慧企业、智慧经济注入了全新的审计方法和成本价值理念，解放了生产者、服务实体经济，真正意义上实现了生产者、消费者的双向解放及经济生态平衡。

下面以成本核算作为在线持续动态审计项目特例来对本实施例在线大数据智能审计方法进行说明：

一、数据采集，企业成本是指为生产一定产品而发生的各种生产耗费，包含产品生产耗费的活劳动和物化劳动的所有方面，即企业总成本＝∑PiQi，i∈1～n，其中，P为单一成本项目价格，Q为单一成本项目的数量，i为第i种成本项目，n为n种成本项目。主要包含内部成本、外部成本、行业比较成本、行业标准成本、前置成本、社会平均成本六个方面的内容，此处的六大成本的定义如下：

1、内部成本包括所有用于企业内部决策、管理、生产、经营全过程而需要的有形和无形资源耗费成本项目。此处的内部成本为静态的、封闭的、固化的历史成本数据。

2、外部成本是指由企业自身以外的、由企业所处的经济环境、法律法规环境、市场供求环境、区域环境、社会公共环境、资源环境所产生的相关成本指数。本实施例通过云计算平台和大数据系统采集企业相关的外部成本，作为基础数据的内容之一。

3、行业比较成本是指企业所处行业中作为公众参考的、客观存在的、具有成本比较优势的企业的领先成本指标和领先的动态成本指数。

4、行业标准成本是指行业内同类型企业生产同种商品或者提供同种服务的平均成本；行业标准成本一般由较大范围的专业公司或者主管部门来组织制定，具有较大范围的适应性。

5、前置成本包括企业能合理预测的、能确保企业持续经营，且拥有成本比较优势的潜在成本项目；譬如，环境污染治理成本、碳排放预防成本、科技更新成本。

6、社会平均成本是指在企业所处的时间和空间内，结合相关物价指数、消费指数、购买力指数、经济容忍度的动态平均成本指数。

上述成本参数不仅将以企业静态的各种图表数据、文字数据信息记载和呈现，例如各种原料信息表、公共原料物耗表、工资核算表、采购比对表、成本分配表、中间产品成本计算表、销售明细表等；同时，也会汇集各种动态的数据信息，如公共税收政策信息、及时汇率比率信息、客户的诚信档案信息、税务发票统计信息、行业标准值信息、同种产品社会平均成本信息；更包含结合市场大数据对同产业的潜在环境污染和治理成本分析指数、科技更新速度对本企业构成威胁指数的相关数据信息。本实施例通过云计算平台和大数据系统采集上述六大成本数据，为后续的成本核算提供了更为科学的数据源，以得到科学、合理的成本预测，提升企业风险预警能力，从而在市场竞争中保持领先优势并立于不败之地。

二、数据处理，系统先对公司各种产品的生产流程以及成本决策过程进行图形化建模，从中抽象出数学模型；然后，系统根据模型对相关成本参数的需求和用户发送的需求申请，对采集到的数据信息进行清洗、筛选，转换和加载，输送到数据分析模块，进行具体的数据分析工作。

三、数据分析，基于大数据环境下动态成本模型的建立和规则的设定是进行动态数据分析的基础，主要是通过建立系列的动态模型对处理过的成本数据信息进行自动分析，得出相应的有价值的输出信息。

由于不同企业涉及到的成本种类繁多，不同类型的企业生产产品的流程各不相同，中间产品与最终产品种类繁多，并且各个产品制造过程可能会因为购进新设备、改进生产步骤而有所变动，所以动态成本算法模型必须具有高度的灵活性和可扩展性，以适应实际生产过程需求的随时变化，从而将错综复杂的实际问题简化、抽象为合理的计算机数据结构的过程。然后利用计算机算法去分析和解决问题，取代成本核算师的手工操作，进行智能化的成本核算工作，帮助进行成本决策。

数据分析过程中，设定具体的动态成本模型和算法规则是关键，利用大数据技术将各种成本参数进行深度挖掘和分析，并与各种模型相结合，得出不同组合的数据信息，从成本决策的各个角度进行多维分析和展示，得出综合性的指导意见。

四、数据存储，基于云端的数据存储和管理模式。

五、数据可视化输出：面对企业用户个性化需求的可视化数据输出。系统支持图形、图像、图表、文字等多种输出形式，用户可以根据最能清晰表达自己需求的要求，对成本核算和决策结果的表达方式进行选择。

本实施例针对成本核算的大数据智能云审计建立在大数据的基础上，立足六大成本，即内部成本、外部成本、行业比较成本、行业标准成本、前置成本、社会平均成本，不仅从企业内部的产品设计到生产、销售及售后服务的整个经营过程，围绕企业全部成本的内部管控，更加立足于长远的、总体发展的战略目标，寻求企业持之以恒的成本优势，运用专门方法提供企业本身及其竞争对手的分析资料，帮助管理者形成和评价企业战略，从而创造竞争优势，以达到企业有效地适应外部持续变化的环境的目的。例如，通过成本核算，可以确保企业在竞投标过程中占据主导地位。

本实施例大数据智能审计成本管理从设计阶段及开发策划阶段就开始降低成本活动，树立成本效益观念，从全方位、全过程提高成本预测和决策水平，与企业的整体效益联系起来，以动态成本效益观念看待成本及其控制问题，从投入与产出的对比分析来看待投入的必要性、合理性，从效益的角度去决定成本的升降，以效益为中心进行成本的动态管理；树立科技创新观念，坚持技术与经济相结合。有效地采用新技术、新设备、新工艺和新材料，依靠现代科学技术降低产品成本。同时，成本核算中应考虑将产品的科技含量包括到成本中去，便于企业进行正确的决策。

根据本发明的另一方面，还提供一种在线大数据智能云审计系统，基于云计算和大数据的结合，本实施例在线大数据智能云审计系统与上述实施例的在线大数据智能云审计方法对应，参照图3，本实施例系统包括：

数据采集单元100，用于根据审计项目采集云审计的基础数据，基础数据包括与企业关联的动态数据，并实时更新基础数据；即采集与审计项目相关的基础数据，本实施例的关键在于，不仅能采集审计项目涉及企业的自身历史静态数据，还能通过大数据系统采集与审计项目相关的各种动态数据，以实现在线动态审计，为企业的经营决策提供更为科学的指导数据。

作为一种较佳的实施方式，本实施例云审计过程中，采用NoSQL数据库用于基础数据的采集。NoSQL，泛指非关系型的数据库，NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题，可以为大数据建立快速、可扩展的存储库。传统的关系型数据库中，需要先进行逻辑数据库设置，对每个存储变量进行字符长度、类型设置，它的数据模式是静态的。而在大数据环境中，数据模式是动态变化的，传统的数据库技术无法解决。同时，对于数据类型的扩增，像文档、报表、图片、音频、视频等数据类型是无法存储在关系型数据库当中的，而这些都将会成为在线云审计所需的数据信息，因此需要NoSQL数据库用于数据的采集。

作为一种较佳的实施方式，参照图4，数据采集单元100包括：

静态数据导入模块110，用于接收静态数据；

动态数据抓取模块120，用于抓取动态数据；

动态数据挖掘分析模块130，用于根据需求对大数据中的数据进行挖掘和分析得到所需的目标数据。

本实施例数据采集单元100，在线采集所有能为企业经营管理发展提供参考意见的基础数据，包含静态数据，更包括动态的数据抓取以及动态数据挖掘和分析，所有的数据将构建成一个大数据中心，供后续不同的审计模型或者各种数据分析方法进行加工处理。本实施例基础数据包括但不限于以下六方面的数据信息：企业自身数据、企业作为市场主体所处的市场信息数据，如所处产业链相关数据、公共政策信息数据、行业准则数据、专家经验数据、在线操作日志数据。上述数据的定义参照方法实施例，此处不再赘述。

数据处理单元200，用于对基础数据进行处理得到用于数据分析的第一数据；

本实施例数据处理单元200是通过数据清洗、数据转换、数据整合及数据加载中一种或者多种操作将基础数据转换为符合会计准则的规范化数据的第一数据。此处的数据清洗、数据转换、数据整合、数据加载均为现有的数据加工处理手段，在此不再对其进行详细赘述。

作为一种较佳的方式，本实施例数据处理单元200采用云计算平台中的分布式处理器系统，将前端采集的基础数据导入至分布式处理器系统，如分布式数据库或者分布式存储集群，并在导入基础上做清洗或者预处理工作，可以满足海量数据的处理需要，每秒钟的导入量经常可达到百兆，甚至前兆级别。优选地，分布式处理器系统整合了动态负载均衡和群组管理调配机制，平台可以实时地监控全系统各个节点的运行状态，动态地调整和均衡全系统范围内的不同资源的负荷，从而很好地解决了大规模系统的合理使用与有效管理的问题。

数据分析单元300，用于根据审计需求对第一数据按相应的审计模型进行分析得到用于服务企业经营管理决策的第二数据；

作为一种较佳的实施方式，本实施例数据分析单元300采用云计算平台中的分布式处理器系统，如分布式数据库或者分布式存储集群，从而对存储于其内的海量数据进行分析和/或分类汇总等处理。优选地，分布式处理器系统整合了动态负载均衡和群组管理调配机制，平台可以实时地监控全系统各个节点的运行状态，动态地调整和均衡全系统范围内的不同资源的负荷，从而很好地解决了大规模系统的合理使用与有效管理的问题。

作为一种较佳的实施方式，本实施例数据分析单元300基于在大数据环境下的机器学习进行智能分析，此处的机器学习是指从不确定的细节当中找到目前不知道的东西。机器学习常用的领域有：语音识别、字符识别(OCR)、文本分类等。本实施例在线云审计在大数据环境下，开展审计数据分析利用机器学习，解决聚类问题、分类问题、挖掘频繁项集。对于新出现的文本审计数据类型，机器学习可以通过聚类应用将它按特征分组；通过分类问题纠正被错误归属的审计数据信息；频繁项集挖掘则可以用来审计数据中的频繁共现特征，说明它们之间有某种关联。优选地，本实施例数据分析更多地在线上运用相关关系分析来搜集和发现审计信息。由于大数据技术提供了前所未有的跨领域、可供量化的维度，使得审计问题大量的相关信息能够得以记录和计算分析。大数据、云计算技术没有改变事物间的因果关系，但在大数据、云计算技术中对相关关系的开发和利用，使得数据分析对因果逻辑关系的依赖降低了，甚至更多地倾向于应用基于相关关系的数据分析，以相关关系分析为基础的验证是大数据、云计算技术的一项重要特征。本实施例在线审计从传统的依赖因果关系来搜集和发现审计证据，转变成为在线上利用相关关系来搜集和发现审计证据。

作为一种较佳的实施方式，本实施例数据分析单元300将“样本＝总体”植入在线审计的模式中。相比依赖于局部有限小数据和数字精确性、封闭固化模式，大数据更强调数据的广泛性、代表性、相关性和适时性，使得进一步接近事物的真相，在线大数据智能云审计追求的是事物的“全貌”和“高效”，精准对接问题，解决问题。围绕大数据，在实施在线审计时，利用大数据、云计算技术，使用分布式拓朴结构、云数据库、联网审计、数据挖掘等新型的技术手段和工具，在线上解决大部分工作。

作为一种较佳的实施方式，本实施例数据分析单元300基于审计师知识图谱的智能审计模型和/或大数据相关性审计方法模型得到第二数据。其中，智能审计模型和/或大数据相关性审计方法模型可以预先设定并存储在云计算平台上，以供数据分析调用。

数据存储单元400，用于采用分布式云端存储方式存储第二数据，以供后续调用。

作为一种较佳的实施方式，参照图5，数据存储单元400包括：

数据加密模块410，用于设置数据访问权限；

分析轨迹存储模块420，用于对数据的分析轨迹进行识别和存储；

疑点库存储模块430，用于更新疑点库并供数据分析单元调用，并在出现同类信息时自动预警。

本实施例中，所有的数据包括副本和备份，存储在合同、服务级别协议和法规允许的地理位置。优选地，通过数据加密模块410对数据存储建立数据访问控制，更优选地，进行数据加密和/或对数据进行数据等级区分，分开存放。本实施例云端存储数据，既安全保密，又节省了企业的硬件设备空间和购置成本、维护成本。另外，通过云端数据交互和权限管理，企业信息系统不再是一个信息孤岛，企业随时可以向合作伙伴、供应商、代理商索取数据，而且数据的传递直接在云端进行，大大提高了效率。优选地，通过分析轨迹存储模块420，对数据处理的过程进行存储并供方法库调用，提升云审计的智能化水平。优选地，通过疑点库存储模块430更新疑点库，实现出现同类信息时的自动预警，从而实现对企业实时动态审计，并满足企业全生命周期的审计需求。

可选地，本发明系统还包括：

数据输出单元500，用于将第二数据以满足用户个性化需求的可视化形式输出。

数据输出单元500利用计算机图形学、图像处理技术或者其他办公软件，如excel，将数据或数据分析结果转换成图形、图像、表格、文件等形式，并可进行交互处理，这样可更清晰的表达出信息，并可作为服务产品交付给客户。

从以上的描述可以得知，本实施例一种基于大数据智能审计的方法及系统，通过将云计算与大数据的技术应用至传统审计领域，既实现了在线审计，且通过在线搜索采集动态数据，实现了在线动态审计，进一步，根据审计需求采用相应审计模型对数据进行加工得到用于服务企业经营管理决策的数据，能从企业利益出发，为企业的生命全周期提供实时及高效的服务。通过大数据将以前分散的数据信息孤岛联系起来，并通过云计算技术进行数据的整合、挖掘和分析，发挥大数据的指导性作用，同时，本发明的审计方法及系统，能摆脱时间和地域的限制，颠覆了传统审计方法，为智慧企业、智慧经济注入了全新的审计方法和成本价值理念，解放了生产者、服务实体经济，真正意义上实现了生产者、消费者的双向解放及经济生态平衡。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据智能审计的方法及系统，其特征在于，基于云计算和大数据的结合，所述方法包括：

数据采集，根据审计项目采集云审计的基础数据，所述基础数据包括与企业关联的动态数据，并实时更新所述基础数据；

数据处理，对所述基础数据进行处理得到用于数据分析的第一数据；

数据分析，根据审计需求对所述第一数据按相应的审计模型进行分析得到用于服务企业生产经营决策管理的第二数据；

数据存储，采用分布式云端存储方式存储所述第二数据，以供后续调用。

2.根据权利要求1所述的在线大数据智能云审计方法，其特征在于，

所述基础数据包括但不限于：企业自身数据、企业作为市场主体所处的市场信息大数据、公共政策信息数据、行业准则数据、专家经验数据、在线操作日志数据。

3.根据权利要求1所述的在线大数据智能云审计方法，其特征在于，

所述数据处理是通过数据清洗、数据转换、数据整合及数据加载中一种或者多种操作将所述基础数据转换为符合会计准则的规范化数据的所述第一数据。

4.根据权利要求1所述的在线大数据智能云审计方法，其特征在于，

所述数据分析基于审计师知识图谱的智能审计模型和/或大数据相关性审计方法模型得到所述第二数据。

5.根据权利要求1所述的在线大数据智能云审计方法，其特征在于，还包括：

数据输出，用于将所述第二数据以满足用户个性化需求的可视化形式输出。

6.根据权利要求1所述的在线大数据智能云审计方法，其特征在于，

所述审计项目为成本核算，所述基础数据包括但不限于：内部成本、外部成本、行业比较成本、行业标准成本、前置成本、社会平均成本；其中，

所述内部成本包括所有用于企业内部决策、管理、生产、经营全过程而需要的有形和无形资源耗费成本项目；

所述外部成本是指由企业自身以外的、由企业所处的经济环境、法律法规环境、市场供求环境、区域环境、社会公共环境、资源环境所产生的相关成本指数；

所述行业比较成本是指企业所处行业中作为公众参考的、客观存在的、具有成本比较优势的企业的领先成本指标和领先的动态成本指数；

所述行业标准成本是指行业内同类型企业生产同种商品或者提供同种服务的平均成本；

所述前置成本包括企业能合理预测的、能确保企业持续经营，且拥有成本比较优势的潜在成本项目；

所述社会平均成本是指在企业所处的时间和空间内，结合相关物价指数、消费指数、购买力指数、经济容忍度的动态平均成本指数。

7.一种在线大数据智能云审计系统，其特征在于，基于云计算和大数据的结合，包括：

数据采集单元，用于根据审计项目采集云审计的基础数据，所述基础数据包括与企业关联的动态数据，并实时更新所述基础数据；

数据处理单元，用于对所述基础数据进行处理得到用于数据分析的第一数据；

数据分析单元，用于根据审计需求对所述第一数据按相应的审计模型进行分析得到用于服务企业生产经营决策管理的第二数据；

数据存储单元，用于采用分布式云端存储方式存储所述第二数据，以供后续调用。

8.根据权利要求7所述的在线大数据智能云审计系统，其特征在于，

所述数据采集单元采用NoSQL数据库，包括：

静态数据导入模块，用于接收静态数据；

动态数据抓取模块，用于抓取动态数据；

动态数据挖掘分析模块，用于根据需求对大数据中的数据进行挖掘和分析得到所需的目标数据。

9.根据权利要求7所述的在线大数据智能云审计系统，其特征在于，

所述数据存储单元包括：

数据加密模块，用于设置数据访问权限；

分析轨迹存储模块，用于对数据的分析轨迹进行识别和存储；

疑点库存储模块，用于更新疑点库并供所述数据分析单元调用，并在出现同类信息时自动预警。

10.根据权利要求7至9任一所述的在线大数据智能云审计系统，其特征在于，还包括：

数据输出单元，用于将所述第二数据以满足用户个性化需求的可视化形式输出。