分析性审计 陷阱 数据 战略
审计师工作中的数据分析与数据处理
审计师工作中的数据分析与数据处理数据分析和数据处理是审计师工作中非常重要的环节。
通过对数据的分析和处理，审计师可以获取准确可靠的信息，帮助其进行风险评估、发现潜在问题并提供有效建议。
本文将探讨审计师工作中数据分析与数据处理的方法和技巧。
一、数据分析数据分析是审计师进行工作的基础。
通过对客户的数据进行分析，审计师能够识别潜在的风险和异常情况，并帮助其确定审计重点。
以下是一些常用的数据分析方法：1. 比率分析：审计师可以通过计算各种比率来评估企业的财务状况。
比如，利润率、负债比率和存货周转率等。
比率分析可以帮助审计师了解企业的盈利能力、偿债能力和经营效率。
2. 趋势分析：审计师可以通过对历史数据的分析来识别出企业的发展趋势。
这有助于审计师了解企业的长期表现，并预测未来的发展方向。
3. 异常分析：审计师可以通过比较数据的异常情况来识别潜在的错误或欺诈。
例如，如果某个账户的交易量与其他账户相比异常高或异常低，那就可能存在问题。
4. 数据挖掘：在大数据时代，审计师可以利用数据挖掘技术来识别隐藏在大量数据中的信息。
例如，通过文本挖掘技术可以分析客户的合同、协议等文本，帮助审计师了解潜在的法律风险。
二、数据处理数据处理是指对采集到的数据进行整理、清洗和加工，以便于审计师进行后续的分析和使用。
以下是一些常用的数据处理方法：1. 数据清洗：在数据处理的过程中，审计师需要对数据进行清洗，去除重复、无效或错误的数据。
这可以提高数据的准确性和可靠性。
2. 数据转换：审计师可能需要对数据进行转换，以便于进行分析和比较。
例如，将货币金额转换为统一的货币单位。
3. 数据归档：为了方便审计师的后续使用，数据应该进行归档和备份。
这样可以保证数据的安全性和可追溯性。
4. 数据可视化：通过数据可视化工具，审计师可以将分析结果以图表形式展示，帮助他们更好地理解和传达数据。
这种可视化的方式对于解释复杂数据分析结果非常有帮助。
总结数据分析和数据处理在审计师工作中起着重要的作用。
审计工作中的数据分析与风险识别
审计工作中的数据分析与风险识别在现代社会中，数据变得越来越重要。
数据分析在各个行业中被广泛应用，而在审计工作中，数据分析更是起着至关重要的作用。
通过对大量的数据进行分析，审计师可以发现潜在的风险，并为企业提供有价值的建议和决策支持。
本文将探讨审计工作中数据分析的重要性和如何通过数据分析来识别风险。
一、数据分析在审计工作中的重要性数据分析在审计工作中具有重要作用。
首先，通过数据分析，审计师可以更全面地了解企业的业务情况。
审计师可以通过对大量数据的整理和分析，了解企业的盈利模式、商业模式以及与其他企业的关联情况等重要信息。
这有助于审计师对企业的业务进行深入理解，从而更准确地评估企业的风险。
其次，数据分析可以提高审计工作的效率和准确性。
传统的审计工作主要通过手工抽样和目测评估来进行，耗时且容易出错。
而通过数据分析，审计师可以轻松地从大量的数据中筛选出异常情况和潜在的风险点，大大提高了审计工作的效率。
此外，数据分析还可以减少主观判断的干扰，提高审计的准确性。
最后，数据分析可以帮助审计师发现隐藏的风险。
企业在进行日常经营活动中，可能存在各种潜在的风险，如财务造假、违反监管规定等。
通过对企业数据的分析，审计师可以发现不符合正常模式的异常现象，并对其进行深入调查和核实。
这有助于及早发现和解决潜在的风险，保护企业的利益和声誉。
二、数据分析在风险识别中的应用数据分析在风险识别中起着至关重要的作用。
以下是几个常见的数据分析方法在风险识别中的应用。
1. 财务比率分析：审计师可以通过对企业财务数据的比较和分析，计算出各种重要的财务比率，如流动比率、偿债能力比率、盈利能力比率等。
通过对这些比率的分析，审计师可以发现企业的财务风险和经营风险，并及时提出改进和优化建议。
2. 异常交易分析：审计师可以通过对企业交易数据的分析，发现异常的交易模式和交易行为。
例如，如果某个供应商的交易金额和频率明显高于其他供应商，审计师可能会怀疑存在虚假交易或供应链风险。
大数据下的审计风险及防控分析
大数据下的审计风险及防控分析大数据技术的快速发展，给企业的经营决策提供了更多的数据支持，也为审计工作提供了更多的机会和挑战。
随着大数据技术的应用，企业的数据规模不断增长，数据的处理和分析也变得更加复杂，这给审计工作带来了新的风险和挑战。
本文将从大数据下的审计风险出发，结合实际案例分析，探讨大数据下的审计风险及防控措施，为企业在大数据时代有效应对审计风险提供参考。
一、大数据下的审计风险1. 数据真实性风险：大数据时代，企业的数据规模不断增加，数据来源也更加多样化，数据真实性难以保证。
企业可能会在财务报表中虚增收入、虚报费用等，企业管理层也可能会利用大数据技术进行数据篡改，使得审计工作受到严重影响。
2. 数据隐私保护风险：大数据时代，企业处理的数据包含了大量的个人信息，这些信息的泄露会给企业带来巨大的法律风险和声誉风险。
企业在进行数据处理和分析时可能违反相关法律法规，导致个人信息泄露，给企业带来不可预料的损失。
3. 数据溯源难度风险：大数据时代，企业的数据来源多样化，具有跨地域、跨系统的特点，数据的溯源难度加大。
企业可能会将数据存储在多个地方，数据的流向和使用情况容易被掩盖，难以进行全面的审计。
4. 数据分析技术风险：大数据时代，企业采用的数据分析技术不断更新，审计人员需要不断提升自己的技术水平才能适应新技术对审计工作的影响。
企业可能会采用人工智能技术进行数据分析，审计人员需要具备相应的技能才能进行合理的审计。
5. 数据存储安全风险：大数据时代，企业存储的数据量庞大，数据的安全保障成为一项重要的任务。
企业可能面临数据泄露、数据丢失等安全问题，一旦发生安全事件，不仅会导致数据的丢失，还会给企业带来严重的经济损失和声誉损害。
1. 建立健全的数据管理制度：企业应建立健全的数据管理制度，明确数据的采集、存储、使用和销毁等流程，制定相关规范和标准，确保数据的真实性、完整性和安全性。
2. 加强数据隐私保护：企业在处理个人信息时，应严格遵守相关法律法规，制定严格的数据隐私保护政策，采取有效措施防止个人信息泄露，加强对数据使用权限的管控。
审计数据分析
审计数据分析在当今数字化时代，数据已成为企业和组织的重要资产。
审计作为一种监督和评估机制，也越来越依赖于数据分析来提高效率、发现问题和提供有价值的见解。
审计数据分析不仅能够帮助审计人员更快速、更准确地完成审计任务，还能为组织的决策提供有力支持。
审计数据分析是指运用各种数据分析技术和方法，对与审计相关的数据进行收集、整理、分析和解释的过程。
这些数据来源广泛，包括财务系统、业务系统、数据库、电子表格等等。
通过对这些数据的深入挖掘和分析，审计人员可以发现潜在的风险、异常情况和违规行为。
那么，审计数据分析到底有哪些重要的作用呢？首先，它能够提高审计效率。
传统的审计方法往往依赖于抽样检查，这不仅费时费力，而且可能会遗漏重要的信息。
而通过数据分析，审计人员可以对大量的数据进行全面审查，快速筛选出关键信息和异常数据，从而大大减少了审计的时间和成本。
其次，增强审计的准确性。
数据分析可以避免人为的疏忽和错误，基于客观的数据得出结论，使审计结果更加可靠。
再者，有助于发现潜在的风险和问题。
数据的关联性和趋势分析能够揭示出隐藏在数据背后的风险模式和异常行为，帮助审计人员提前预警，为组织防范风险提供有力支持。
接下来，让我们看看审计数据分析的一般流程。
第一步是数据收集。
这需要审计人员明确所需的数据范围和来源，并采取适当的方法获取数据。
在收集数据时，要确保数据的完整性和准确性。
第二步是数据清理和预处理。
这一步骤非常关键，因为原始数据往往存在错误、缺失值和不一致等问题。
审计人员需要对数据进行清理、转换和标准化，以便后续的分析。
第三步是数据分析。
在这一阶段，可以运用多种分析方法，如统计分析、数据挖掘、可视化分析等。
通过建立模型、设定指标和阈值，来发现数据中的异常和规律。
第四步是结果解释和报告。
审计人员需要将分析结果进行解释和评估，判断其对审计结论的影响，并以清晰、易懂的方式向相关方报告。
在进行审计数据分析时，还需要注意一些关键的问题。
审计师如何进行数据分析和数据挖掘
审计师如何进行数据分析和数据挖掘在当今数字化时代，数据已成为企业决策的核心。
作为一名审计师，掌握数据分析和数据挖掘的技能对于提升审计质量和效率至关重要。
本文将探讨审计师如何进行数据分析和数据挖掘，以帮助他们更好地应对现代审计的挑战。
第一部分：数据分析的基础1. 数据的收集与整理数据分析的第一步是收集和整理数据。
审计师需要从不同的来源收集数据，如财务系统、企业的内部数据库以及外部数据提供商。
在收集数据后，审计师还需要仔细整理数据，确保其准确性和完整性。
2. 数据的清洗与转换数据往往存在重复、缺失或错误的情况，因此审计师需要进行数据清洗和转换。
数据清洗包括去除重复值、填充缺失值以及修正错误值。
而数据转换则涉及将数据从一种形式转换为另一种形式，以便进行后续的分析。
3. 数据的探索与可视化在进行数据分析之前，审计师可以通过数据探索和可视化来更好地了解数据的特征和趋势。
数据探索可以通过使用统计分析方法和数据可视化工具来实现，如描述性统计、直方图和散点图等。
通过数据探索，审计师可以发现潜在的异常和模式，并为后续的数据分析做好准备。
第二部分：数据分析的方法和技巧1. 统计分析统计分析是数据分析的基础，审计师可以利用各种统计方法来对数据进行分析。
常用的统计分析方法包括描述性统计、假设检验、方差分析和回归分析等。
通过统计分析，审计师可以对数据进行量化和比较，从而得出客观和可靠的结论。
2. 数据挖掘技术数据挖掘是一种自动发现、提取隐藏在大规模数据中的模式和关系的技术。
审计师可以利用数据挖掘技术来发现潜在的异常和欺诈行为，并对数据进行更深入的理解。
常用的数据挖掘技术包括聚类分析、关联规则挖掘和决策树等。
3. 机器学习算法机器学习是一种基于数据和统计学的算法，可以让计算机自动学习和改进性能。
审计师可以利用机器学习算法来构建风险预测模型和腐败检测模型，从而更好地发现潜在的审计风险和问题。
常用的机器学习算法包括逻辑回归、支持向量机和决策树等。
审计数据分析方法
审计数据分析方法审计数据分析是指通过对企业财务数据和业务数据进行深入挖掘和分析，以发现潜在的风险和问题，并提供有效的解决方案。
在当今信息化时代，数据已经成为企业经营管理的重要资源，而审计数据分析方法的运用，能够为企业提供更加准确、全面的数据支持，为企业的发展提供有力保障。
首先，审计数据分析方法需要建立合理的数据分析框架。
在进行数据分析之前，需要明确数据的来源、类型和质量，建立数据分析的框架和目标。
通过对数据进行分类、筛选和整理，建立起完整的数据分析体系，为后续的数据挖掘和分析奠定基础。
其次，审计数据分析方法需要运用适当的数据挖掘技术。
数据挖掘是指通过对大量数据进行分析和挖掘，发现其中隐藏的模式、规律和关联性。
在审计数据分析中，可以运用聚类分析、关联规则挖掘、异常检测等技术，从海量数据中提取有用信息，揭示数据背后的价值和风险。
另外，审计数据分析方法需要结合专业的审计知识和业务理解。
审计数据分析并不仅仅是对数据的机械分析，更需要审计人员具备丰富的业务经验和专业知识。
只有深入了解企业的经营模式、行业特点和风险点，结合实际业务进行数据分析，才能够更好地发现潜在的问题和风险，并提出切实可行的建议。
最后，审计数据分析方法需要及时有效地呈现分析结果。
通过数据可视化和报告呈现，将数据分析的结果清晰地展现给企业管理层和相关部门，帮助他们更好地理解数据分析的结论和建议，从而及时采取相应的措施，规避风险，优化业务流程，提升经营绩效。
综上所述，审计数据分析方法是一项复杂而又重要的工作。
只有建立合理的数据分析框架，运用适当的数据挖掘技术，结合专业的审计知识和业务理解，及时有效地呈现分析结果，才能够实现对企业数据的深度挖掘和全面分析，为企业的可持续发展提供有力支持。
审计人员需要不断提升自身的数据分析能力和专业素养，不断探索和创新审计数据分析方法，以更好地适应信息化时代的审计需求，为企业的发展保驾护航。
防范审价中的会计“陷阱”
防范审价中的会计“陷阱”【摘要】在企业的财务审计中，会计"陷阱"是一个非常重要的问题。
本文从审计中可能存在的会计"陷阱"、应对会计"陷阱"的措施、审计师的角色和责任、内部控制的建立和完善以及信息披露的重要性等方面进行了深入探讨。
加强会计审计的监管和规范，建立健全的内部审计机制，培养良好的企业财务文化，是防范会计"陷阱"的重要举措。
通过本文的研究和分析，可以为企业提供有效的指导，帮助其避免审计中可能存在的风险和问题，提高财务管理的透明度和可靠性。
希望本文能引起企业和审计机构的重视，共同努力建立一个更加健康和诚信的财务审计环境。
【关键词】审价中的会计陷阱、审计、会计、内部控制、信息披露、监管、规范、内部审计、企业财务文化、审计师、责任、建立、完善、培养、健全。
1. 引言1.1 防范审价中的会计“陷阱”在企业的审计过程中，会计“陷阱”是一个不容忽视的问题。
会计“陷阱”是指在企业会计报表编制和审计中，可能存在的错误，造成信息失真、财务造假或违法违规的现象。
这些“陷阱”可能包括虚假交易、财务数据造假、重大关联交易等一系列问题。
会计“陷阱”可能导致审计结果不准确，企业财务状况难以真实反映，进而影响企业的经营和管理。
加强会计“陷阱”的防范至关重要。
审计人员在审计过程中应当提高警惕，认真审查每一项交易和数据，确保审计结果的真实性和可靠性。
在面对会计“陷阱”时，审计人员需要具备扎实的专业知识和丰富的实践经验。
建立健全的内部控制制度和有效的风险管理机制也是防范“陷阱”的关键。
只有通过全面细致的审计工作，才能有效发现并避免会计“陷阱”对企业造成的损失。
防范审计中的会计“陷阱”是企业审计工作中的重要任务，需要审计人员和企业管理者共同努力，加强监管和规范，确保企业财务信息的真实性和透明度。
建立健全的内部审计机制和培养良好的企业财务文化，也是预防会计“陷阱”的有效途径。
审计中的数据分析技巧
审计中的数据分析技巧数据分析作为审计工作的重要环节，能够提供有效的内部控制评估和风险识别，进一步指导审计人员进行审计程序的安排和测试，提高审计工作的效率和准确性。
本文将介绍几种常用的数据分析技巧，并探讨其在审计中的运用。
一、抽样分析抽样分析是数据分析的基础，用来衡量整体数据的特征和成分。
审计人员可以通过随机抽取一部分样本数据，并对这些样本进行测试和分析，然后推断出整体数据的情况。
抽样分析能够提高审计效率，减少审计工作的工作量，同时保证结果的可靠性。
在实施抽样分析时，应注意抽样方法的合理性、样本容量的选择以及推断准确性的评估。
二、趋势分析趋势分析通过对历史数据进行比较和分析，发现数据的长期变化趋势和周期性变化规律。
审计人员可以通过趋势分析，了解企业过去的经营状况，预测未来的发展趋势，并对其进行评价。
趋势分析可以帮助审计人员确定审计风险，提供审计计划的依据，辅助审计人员对公司的财务状况进行评估。
三、比较分析比较分析是将不同时间段、不同企业或不同群体的数据进行对比和分析，以发现数据之间的差异和关联性。
审计人员可以通过比较分析，识别出异常情况和潜在问题，并进行深入的调查。
比较分析可以帮助审计人员找出潜在的错误和欺诈行为，提供决策依据和风险提示，增强审计工作的准确性和效率。
四、异常分析异常分析是通过对数据进行筛选和排除，找出与正常情况不符的数据，进一步调查异常数据的原因和影响。
审计人员可以通过异常分析，发现潜在的审计风险和问题，及时采取相应的措施。
异常分析可以帮助审计人员发现虚报、隐瞒和错误等情况，提高审计工作的发现率和审计结果的可靠性。
五、关联分析关联分析是通过对数据之间的关联关系进行挖掘和分析，发现数据之间的相互作用和影响。
审计人员可以通过关联分析，了解不同因素之间的关系，识别企业内部和外部的潜在风险。
关联分析可以帮助审计人员发现企业经营活动中存在的问题和风险，提供相应的建议和改进措施。
六、模型分析模型分析是通过建立数学模型来进行数据分析，预测和模拟企业的经营状况和未来发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
分析性审计:陷阱\数据\战略
夏草整理
财务分析有很多用途,如证券分析\信用分析\投资分析\融资分析等等,这些分析手法有差异,目标也不一样,但基本思路是一样的,都是在深入了解企业基础上,对企业或项目的价值作出评价.
而笔者今天想介绍是财务分析的另一用途,财务分析在审计中的运用,简称审计分析.新审计准则实施后,分析性审计证据甚至有压过经验性证据(包括实物证据\书面证据等)的趋势,根据第1313号审计准则---分析程序,分析程序是指注册会计师通过研究不同财务数据之间以及财务数据与非财务数据之间的内在关系,对财务信息作出评价,分析程序还包括调查识别出的\与其他相关信息不一致或与预期数据严重偏离的波动和关系.
分析程序的目的,根据笔者理解,就是找”喳”,找出财务数据异常,以发现潜在的重大错报风险,在实施风险评估程序时,注册会计师应当运用分析程序,以了解被审计单位及其环境,并在审计结束时运用分析程序进行总体复核,
根据准则规定,分析程序还可用于实质性程序,但要考虑以下主要因素:
1\确定实质性分析程序对特定认定的适用性
2\数据的可靠性
3\作出预期的准确程度
4\已记录金额与预期值之间可接受的差异额
一\分析性陷阱
Knechel在”审计:鉴证与保险”中指出在运用分析性程序时最常见的错误包括:
1\预期值不明确或过分简化:当审计人员能够对所评估的(风险\流程或账户)属性形成独立的预期值时,分析性程序最为有效,令人遗憾的是,许多情况下审计人员形成的预期值的根据往往不够合理.例如,审计人员在预期账户余额时,使用前一年的账户余额作为当年的预期值,就有些过份简单化.如果审计人员不能形成合理的\符合逻辑的预期值,分析性程序的准确性就会减弱.
2\不够精确:所有的预期值都涉及最可能落入的值域问题---审计人员的预期值仅仅是值域中的一个点,合理预期值的值域反映了估计误差的幅度,它可以非常大.误差幅度越大,分析性程序的准确性越低,遗憾的是,审计人员基本不知道真实的误差幅度,最终可能对正常的随机偏差引起的波动表示怀疑,以为是潜在问题.风险或错误的征兆,因而导致审计人员执行一些不必要的审计工作
3\缺乏可靠数据:如果审计人员的预期值所依据的数据不准确或不可靠,那么预期值也将不可靠.误导性数据往往造成审计人员形成不合理的预期值并降低估计的准确性,当分析性程序采用组织外部的数据或采用组织内部未得到有效控制的数据时(例如,在会计系统以外处理的非财务数据),数据不可靠的问题可能就更加严重了.
4\报告结果的影响:审计人员往往在执行分析性程序前就已经知道了某一属性的报告结果.当审计人员知道了所分析账户的未审计账面价值时,通常会产生问题.审计人员了解报告结果之后,往往使他的预测值有一种向已知的账面价值偏移的趋势,报告结果的影响有可能降低分析性程序的有效性.
5\对波动的解释不完整或不一致:当审计人员确定某一属性的预期值与其报告结果不同时,他应对这种波动做出各种可能的解释.波动原因有很多,比如正常的经营状况\风险的增加\流程故障或错误(例如:未记录交易)等,但审计人员没有能力找出很多可能的原因来解释波动.由于审计人员不能为波动找出各种可能的原因,而调查的仅仅是那些他注意到的原因,因此会忽略某些潜在的问题.并且,即使某种可能的解释得到了证实,审计人员也可能未意识到它只是部分地解释了波动原因
6\模式的识别能力不强:许多绩效指标的相互作用模式都可以预见到,也就是说它们之间相互关联.当通史识别出不同属性的变动形成了一种模式,可以反映基本的状况时,分析性程序最为有效,遗憾的是,大部分人都很难从不同集合的数据中识别出相应的模式
7\过分依赖管理层的解释:审计人员在执行分析性唾弃时,如果发现了异常波动,很自然地会让管理层作
出解释.询问客户是审计证据的一个合理来源,但审计人员必须保持谨慎,不能完全听信管理层的解释,尤其是管理层声称造成波动的原因并非是流程故障或账户错误时.首先,管理层所做的解释肯定有可能不准确或不能解释整个波动的原因.审计人员应该考虑造成波动的其他可能的解释,尤其是那些可能表明错误或存在问题的解释.其次,审计人员应在可能的情况下对管理层所做的解释进行独立的验证.
二\电子数据分析方法1
审计人员在运用分析程序时,要学会使用数据提取及分析软件,在数据转换基础上建立中间表,设立审计分析模型, 数据分析方法不同于传统的分析性测试。
首先，数据分析是对数据的处理，并试图使数据转化为有用信息。
分析性测试则是对信息的处理，是对信息的再利用。
明确这种区别至关重要，因为数据是底层的、元素性的，它可以有多种多样的组合，在用途上可以做多种多样的拓展，从而形成多种多样的信息；信息则是上层的，具有明确的表现形态，也有具体而又确定的内容，在用途上具有一定的限制，因而只能做有限的再利用，不能做深度的挖掘。
其次，在理论上，分析性测试只是实质性测试的一种，数据分析则可以完全不限定于某一种测试。
换句话说，数据分析技术可以用于多种测试工作。
审计中间表是利用被审计单位数据库中的基础电子数据，按照审计人员的审计要求，由审计人员构建，可供审计人员进行数据分析的新型审计工具。
它是实现数据式审计的关键技术。
审计中间表按照目的不同，可分为基础性审计中间表和分析性审计中间表。
前者可以帮助审计人员选定审计所需的基础性数据；后者可以帮助审计人员实现对数据的模型分析。
审计分析模型是审计人员用于数据分析的技术工具，它是按照审计事项应该具有的时间或空间状态（例如趋势、结构、关系等），由审计人员通过设定判断和限制条件来建立起数学的或逻辑的表达式，并用于验证审计事项实际的时间或空间状态的技术方法。
目前，常见的审计分析模型有以下几种：根据法律规定的状态来建立；根据业务的逻辑关系来建立；根据不同类型数据之间的对应关系来建立；根据审计人员的符合客观实际的经验来建立；根据审计人员的科学合理的预测来建立等。
数据挖掘要用到复杂的统计分析技术,包括人工智能技术,能够人工智能技术,能够检测大量的数据,并能客观地提示被隐藏的或未预期的信息.数据挖掘在客户关系管理和发现欺诈中运用最为广泛,它可被用来证实或发现目标.数据挖掘可以被用在自上而下的分析方法中去证实审计师的预测或对被观察的事项或情况进行解释,发现是一种自下而上的方法,该方法对至今未知的情况进行自动检测.
三\经营分析与战略分析
审计分析除了掌握电子数据分析外,还要掌握经营分析技巧,而当前的经营分析普遍离不开战略分析.笔者第一次接触战略管理时,发现这门课很有趣,但后来发现,与其它学过的管理科学或管理理论一样,战略管理也是垃圾,尤其是去年上了”高级管理学”之后,笔者更深刻体会到了战略分析的垃圾性,每天上课我都想睡觉,因为那些内容实在是天马行空,太虚.
战略管理学既然是一门玄学,建立在战略分析基础的财务分析(这是我导师最欣赏的所谓哈佛分析模式)也是很虚的,与此相似,建立在战略分析基础上战略系统审计(SSA,经营风险导向审计前身)更虚.
所以如何更有效分析企业的经营状况,除了传统分析方法,还需要更先进的办法(待续)
1石爱中,初析数据库审计模式审计研究2005。