大数据与审计ppt
合集下载
《大数据审计技术》课件——第一章 财政导论
第二节 市场失灵与我国财政转型
一、市场失灵及其表现形式 二、我国财政转型——公共
财政的建立
一、市场失灵及其表现形式
现实的市场经济机制在很多场合不能促使资源 的有效配置，不能实现帕累托最优状态。这种情况 被称之为“市场失灵”。其表现形式（见图1-2）。
图1-2 市场失灵的表现形式
一、市场失灵及其表现形式
1. 通过外部效应知识的学习，国家应当鼓励人 们从事外部经济的行为活动，如为什么国家鼓励社 会各界重视教育事业，对企业赞助教育公益事业在 税收上给予减免等优惠政策。这是因为教育给教育 者（生产者）和受教育者（消费者）带来利益的同 时，给整个社会及其它人也带来好处。如何理解教 育事业的外部经济现象？
第一章 财政导论
一 、财政的概念与特征 二 、市场失灵与我国财政转型 三 、社会公共需要与公共财政职能
（1）识记财政的一般概念和特征； （2）了解市场失灵及其表现形式； （3）理解公共财政和社会公共需要的概念和特征。
（1）知道在市场经济条件下政府公共财政的职能， 并能据此初步评判政府职能转变状况；
（一）公共产品 萨缪尔森把公共产品的概念定义为：“每个人对
这 种产品的消费，都不会导致其他人对消费的减少。” 其 特征（见图1-3）。
图1-3 公共产品特征
共有地的悲剧 加利福尼亚大学生物学家哈丁教授1986年在科学杂 志上曾发表题为《公有地的悲剧》的论文（Science Vol.162 1243〔1968〕）。说的是，在公有的草地上放羊， 放牧人因为增加放养的羊会给他个人带来利益而不断增 加羊的数量，但草地的饲养容量是一定的，当羊的总数 超过整个草地饲养量时，草地最终会荒芜。而之所以出 现这种现象，是因为：对每一个牧羊人来说，增加放养 的羊会给他个人带来利益，而增加羊从而导致过度放牧 的损失，则是由全体放牧人来承担。 这种对公有资源使用“所得归己，所损归公”的状 况，导致了“公有的东西，总不如私有的让人爱惜”的 现象，使对共有资源使用的结局有了悲剧性的一面。同 时也说明在现实生活中，并非所有的公共产品都同时具 有非排他性和非竞争性的特征。
《大数据审计技术》课件——3-1利润表质量分析
3、关注研究与开发费用 研究与开发费用直接影响企业的长期经营业绩。 研究与开发费用必须投入，以维持企业竞争优势。
22
二、利润表质量分析重点
（二）利润质量恶化表现
1、企业反常压缩管理成本
2、企业变更会计政策和会计估计
3、应收账款规模的不正常增加
4、企业存货周转过于缓慢
5、应付账款规模的不正常增加
6、企业的业绩过度依赖非主营业务
7、企业计提的各种准备和折旧过低
8、企业有足够的可供分配的利润，但不进行现金股利分配
23
二、利润表质量分析重点 （三）利润表相关数据异常
1、营业收入增幅低于应收账款增幅，且营业收入和净利润与经营性 现金流量相背离 2、营业利润大幅增加的同时，营业成本、销售费用等增幅很小 3、公司应交增值税、税金及附加和所得税费用异常低，与收入和利 润增长幅度不匹配
（三）利润表质量主要影响因素
影响利润质量的因素很多，主要包括： 企业经济环境、适用的税收政策、企业的主营业务、采用 的会计政策、现金流量、资产的质量、偶然的或一次性的经 济事项、财务状况、企业未来的发展规划等。
13
一、利润表质量分析含义与内容
（三）利润表质量主要影响因素
1、变动成本
变动成本率=变动成本÷销售收入×100%
237,080.89 242,659.23 193,425.48
5,221.74 22,356.54 16,930.21 5,044.34
-379.46 6,615.21 357.81 5,877.95 3,752.04
2013
279,562.33 395,797.36 244,093.36
7,136.74 34,592.70 20,455.32 1,361.76 -114,857.50
22
二、利润表质量分析重点
（二）利润质量恶化表现
1、企业反常压缩管理成本
2、企业变更会计政策和会计估计
3、应收账款规模的不正常增加
4、企业存货周转过于缓慢
5、应付账款规模的不正常增加
6、企业的业绩过度依赖非主营业务
7、企业计提的各种准备和折旧过低
8、企业有足够的可供分配的利润，但不进行现金股利分配
23
二、利润表质量分析重点 （三）利润表相关数据异常
1、营业收入增幅低于应收账款增幅，且营业收入和净利润与经营性 现金流量相背离 2、营业利润大幅增加的同时，营业成本、销售费用等增幅很小 3、公司应交增值税、税金及附加和所得税费用异常低，与收入和利 润增长幅度不匹配
（三）利润表质量主要影响因素
影响利润质量的因素很多，主要包括： 企业经济环境、适用的税收政策、企业的主营业务、采用 的会计政策、现金流量、资产的质量、偶然的或一次性的经 济事项、财务状况、企业未来的发展规划等。
13
一、利润表质量分析含义与内容
（三）利润表质量主要影响因素
1、变动成本
变动成本率=变动成本÷销售收入×100%
237,080.89 242,659.23 193,425.48
5,221.74 22,356.54 16,930.21 5,044.34
-379.46 6,615.21 357.81 5,877.95 3,752.04
2013
279,562.33 395,797.36 244,093.36
7,136.74 34,592.70 20,455.32 1,361.76 -114,857.50
大数据与审计ppt课件
大图数据算法
图聚类
图分类 /图划分
图模式匹配(子图同构、最 大公共子图…)
13
大数据与传统数据
传统数据
GB/TB级 高质量 干净 强结构化 关系简单
.
传统数据
vs 大数据
大数据
PB级以上 有冗余 非结构化 有缺失 关系复杂
特征 分布式存储 分布式并行计算
当前大数据审计的开展形式
两项工作： ➢ 1、建立标准表
.
18
如何开展大数据审计
➢ 1、转变思路： ➢ 必须彻底改变传统的思维模式，真正树立数据先行的理念，
从原来的经验到账本，变为经验到语句。
➢ 2、树立信心： ➢ 大数据审计针对的是常规数据，采用的常规方法。
➢ 3、学点知识： ➢ 目前只需要掌握SQL查询语言就可以
.
19
开展大数据审计的SQL语言
➢ 1、需要掌握的内容： ➢ 1）查询一张表 select * from 财务数据 ➢ 2）查询两张表 select * from 财务数据 join 业务数据
.
数据的量
在2006年个人PC迈入TB，全球产生数据总量为180EB（0.18ZB） 在2010年时，全球数据总量增加到了1.8ZB 据预计到2020年，全球将总共拥有44ZB的数据量 我国将达到8ZB，占全球总量的18%
.
大数据起源（Big Data）
2008年9月《科学》（Science）杂志发表了一篇文 章“BigData: Science in the Petabyte Era”，从此 “大数据”这个词开始广泛传播
与深度计算 朴素贝叶斯 (Naïve Bayes) 决策树 (Decision Trees) 聚类 (Clustering) 关联规则挖掘
图聚类
图分类 /图划分
图模式匹配(子图同构、最 大公共子图…)
13
大数据与传统数据
传统数据
GB/TB级 高质量 干净 强结构化 关系简单
.
传统数据
vs 大数据
大数据
PB级以上 有冗余 非结构化 有缺失 关系复杂
特征 分布式存储 分布式并行计算
当前大数据审计的开展形式
两项工作： ➢ 1、建立标准表
.
18
如何开展大数据审计
➢ 1、转变思路： ➢ 必须彻底改变传统的思维模式，真正树立数据先行的理念，
从原来的经验到账本，变为经验到语句。
➢ 2、树立信心： ➢ 大数据审计针对的是常规数据，采用的常规方法。
➢ 3、学点知识： ➢ 目前只需要掌握SQL查询语言就可以
.
19
开展大数据审计的SQL语言
➢ 1、需要掌握的内容： ➢ 1）查询一张表 select * from 财务数据 ➢ 2）查询两张表 select * from 财务数据 join 业务数据
.
数据的量
在2006年个人PC迈入TB，全球产生数据总量为180EB（0.18ZB） 在2010年时，全球数据总量增加到了1.8ZB 据预计到2020年，全球将总共拥有44ZB的数据量 我国将达到8ZB，占全球总量的18%
.
大数据起源（Big Data）
2008年9月《科学》（Science）杂志发表了一篇文 章“BigData: Science in the Petabyte Era”，从此 “大数据”这个词开始广泛传播
与深度计算 朴素贝叶斯 (Naïve Bayes) 决策树 (Decision Trees) 聚类 (Clustering) 关联规则挖掘
大数据与审计ppt课件
✓MapReduce:Simplified Data Processing on Large Clusters ✓分布式并行计算
✓Bigtable:A Distributed Storage System for Structured Data ✓分布式数据库
.
Hadoop的诞生
Hadoop之父Doug Cutting
Doug Cutting 根据Google公开的三篇 论文思想，以JAVA语言，实现了论文 中关于分布式存储、分布式并行计算的 机制，由此开启了大数据应用的新时代
.
大数据核心技术
大数据
分布式存储 HDFS
.
分布式处理 MapReduce
HADOOP的体系结构
Sqoop
（数据库TEL 工具）
Zookeeper
大数据与审计概述 马西涛
.
目录
➢1.信息技术的相关背景知识 ➢2.大数据的由来及技术体系 ➢3.大数据在审计中的应用 ➢4.关于大数据审计的几点建议
.
信息化技术发展的三次变革
信息化变革
发生时间
标志
第一次变革 1980年前后 个人计算机
解决问题
代表企业
数据处理
Intel、AMD、IBM、苹 果、微软、联想、戴尔 、惠普等
所谓大数据，泛指规模达到ＰＢ级，包含结构化、 非结构化以及半结构化数据集合，如文本、图像、 声音、视频等。
.
大数据4V特征
1. 海量（Volume）
数据量巨大
全球在2010 年正式进入ZB 时 代，预计到 2020 年，全球 将总共拥有44ZB 的数据量
3.速度（ Velocity）
数据更新速度快 据统日更新数达5千万次，人人 网的每日访问量达4亿次。
✓Bigtable:A Distributed Storage System for Structured Data ✓分布式数据库
.
Hadoop的诞生
Hadoop之父Doug Cutting
Doug Cutting 根据Google公开的三篇 论文思想，以JAVA语言，实现了论文 中关于分布式存储、分布式并行计算的 机制，由此开启了大数据应用的新时代
.
大数据核心技术
大数据
分布式存储 HDFS
.
分布式处理 MapReduce
HADOOP的体系结构
Sqoop
（数据库TEL 工具）
Zookeeper
大数据与审计概述 马西涛
.
目录
➢1.信息技术的相关背景知识 ➢2.大数据的由来及技术体系 ➢3.大数据在审计中的应用 ➢4.关于大数据审计的几点建议
.
信息化技术发展的三次变革
信息化变革
发生时间
标志
第一次变革 1980年前后 个人计算机
解决问题
代表企业
数据处理
Intel、AMD、IBM、苹 果、微软、联想、戴尔 、惠普等
所谓大数据，泛指规模达到ＰＢ级，包含结构化、 非结构化以及半结构化数据集合，如文本、图像、 声音、视频等。
.
大数据4V特征
1. 海量（Volume）
数据量巨大
全球在2010 年正式进入ZB 时 代，预计到 2020 年，全球 将总共拥有44ZB 的数据量
3.速度（ Velocity）
数据更新速度快 据统日更新数达5千万次，人人 网的每日访问量达4亿次。
银行大数据审计PPT
1.各商业银行大数据发展模式
建设银行上线“善融商务”，该平台涵盖商品批发、商品零售、房屋交易等领域，为客户提供信息发布、交易撮合、社区服务、在线财务管理、在线客服等配套服务。
◆建设银行电子商务平台
（二）商业银行大数据应用场景分析
三、商业银行大数据应用场景
02
中信银行信用卡的实时营销
中信银行信用卡中心上线了数据仓库，是中国银行业首个数据仓库系统。实现了近似实时的商业智能秒级营销。
2.模型体系
四、大数据在内部审计的应用
01
【模型体系一】基于数据分析与挖掘的财务管理审计
02
【模型体系二】基于数据分析与挖掘的负债业务审计
03
【模型体系三】基于数据分析与挖掘的信贷业务审计
四、大数据在内部审计的应用
3.审计案例——数据分析在内部审计咨询活动中的实践
基于数据分析与挖掘的经营效益审计 以价值的形成过程为主线，采用价值树的分析方法，建立一套系统的绩效评价指标体系和系统化、规范化的方法，从外部环境和内部因素两个方面对影响经营效益的关键业绩指标和关键因素进行多层次、多维度的数据挖掘分析，全面评价经营机构的盈利能力及其影响因素，并提出审计建议。
四、大数据在内部审计的应用
跟进业务发展与系统建设
信息化审计建设是“牵一发辄动全身”的系统工程，需要在顶层设计上进行整体规划，有步骤地推进从信息产生人手．实现信息的充分了解和全面获取。认知数据加工数据动态管理数据
四、大数据在内部审计的应用
搭建审计应用平台在数据平台基础上，打造内审专属的自动化持续监测平台、智能化数据分析平台，为实现持续性审计、数据分析与挖掘等核心功能提供技术工具和系统支持。
1.典型应用
【案例一】供应链金融业务
高教社2024大数据审计技术教学课件4项目四 审计数据采集与预处理
01 审计数据采集
✓ 任务描述 ✓ 知识准备
✓ 任务实施 ✓ 任务小结
任务描述
审计项目组根据审计项目实施方案梳理出了本次审计需要采集的数据，并将需要采集 的数据按Power BI数据获取方式的不同将其分为以下三类：从文件采集的数据、从数据库 采集的数据、从网页采集的数据。审计人员需完成以下三项数据采集任务。
任务描述
审计项目组已经完成存货审计数据分析工作所需数据的采集工作，但审计人员发现采 集到的数据或多或少存在一些质量问题，经过质量问题识别和归类，发现采集到的数据存 在以下典型数据质量问题：一是数据不完整；二是数据存在错误值；三是同一字段数据不 一致；四是数据存在重复值。数据质量问题将对数据分析结果的准确性造成一定影响，数 据分析结果将进一步影响审计结论的准确性，所以在进行数据分析之前，审计项目组成员 需要完成以下四项数据预处理任务。
具体操作步骤，参照教材，跟着教师操作练习。
（一）删除错误值
可操作性 可操作性是指审计人员在进行审计数据采 集时，需要根据被审计单位的实际情况选 择最合适的审计数据采集方案。根据被审 计单位的具体情况，采取最佳的审计数据 采集方案，以降低审计成本和审计风险。
复杂性 被审计单位信息化程度的差异性造成了审计 人员在审计数据采集过程中不能采用同一种 审计数据采集方法，必须根据被审计单位的 实际情况，选择合适的审计数据采集方法， 从而造成了审计数据采集的复杂性
3
通过ODBC接口采集
指审计人员通过ODBC数据访问接口直接访问被审计单位信息系统中的数据，并把数据转换成
审计所需的格式。
指审计人员首先把被审计单位数据库系统中的数据备份出来（或者让被审计单位把该单位数据库系
4
通过备份／恢复的方 式采集
《大数据审计技术》课件——6-1财务分析评价基准
历史 标准
缺点
（1）往往比较保守。 （2）适用范围较窄。
10
中华工商上市公.流动比率 2.速动比率 3.经营现金流比率 4.存货周转率 5.应收账款周转率 6.总资产周转率 7.资产负债率% 8.已获利息倍数 9.毛利率% 10.净利率% 11.总资产报酬率% 12.净资产收益率% 13.投入资本回报率% 14.营业收入现金含量比 15.营业收入增长率% 16.净资产收益率增长率%
分子 分母
资产负债表 存量
利 润 表 流量
注意：采用资产负债表期初、期末余额的平均值作为某一比 率的分母，可以更好地反映公司的整体情况。
5
任务一 财务分析评价基准
“小马过河”
财务分析标准
历史标准 行业标准 经验标准 目标标准
一、历史标准
历史标准： 以企业过去某一时间的实际业绩为标准。 如：历史平均值、历史同期实际值、历史最佳值等 实践中，以企业上年实际业绩作为标准的方式被普遍运用。
综合
1农林牧渔（共计63家） 2采掘（共计54家）
均值 （70%）
中位数 均值（70%） 中位数
均值 （70%）
中位数
1.70 1.17 0.03 2.15 5.28 0.29 46.94 4.46 23.43 6.53 2.58 3.38 2.20 2.42 8.45 -5.13
1.54 1.02 0.02 1.86 3.71 0.27 47.16 3.39 22.01 5.64 2.48 3.24 2.00 2.62 7.75 -3.43
2015/12/31
-6.73 20.93 46.4 16.69
2014/12/31
18.71 67.51 3.38 -17.26
《大数据审计技术》课件——4-2现金流量表趋势分析
2013年
100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
2014年 2015年
2016年
2017年
113.42% 131.32% 113.56% 124.02% 108.66% 126.16% 120.88% 123.21% -103.63%
211.56%
53.97% 27.16%
216.18%
58.92% 21.65%
66.04% 38.44% -572.26% -28.70%
2017年 102.93% 61.55%
61.62% 52.24% 300.62%
67.66% 93.74%
各年筹资活动产生的现金流量净额逐年下降。主要是因为该公 司偿还债务支付的现金有所增加，表明该公司加大了偿还借款资金 的力度。
实训一
云南白药经营活动现金流量表定比趋势分析
项目 一、经营活动产生的现金流量： 销售商品、提供劳务收到的现金 收到的其他与经营活动有关的现金
经营活动现金流入小计 购买商品、接受劳务支付的现金 支付给职工以及为职工支付的现金 支付的各项税费 支付的其他与经营活动有关的现金
经营活动现金流出小计 经营活动产生的现金流量净额
190.26% 80.75% 634.76% 1204.59%
239.35% 110.95% 192.05% 347.60%
19.69% 1541.32% 2458.50% 3463.59% 169.45% 566.09% 913.80% 1375.89% -207.35% 9356.31% 5967.59% 4478.56%
幅度小于现金流入的增长幅度。
- 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)。
参数估计 (Parameters EБайду номын сангаасtimation)
高维度数据降维 (Dimension Reduction)
集成学习 (Ensemble Learning )
大图数据算法
图聚类
图分类 /图划分 图模式匹配(子图同构、最
大公共子图…)
14
大数据与传统数据
传统数据
GB/TB级 高质量 干净 强结构化 关系简单
大数据与审计概述
马西涛
目录
1.信息技术的相关背景知识 2.大数据的由来及技术体系 3.大数据在审计中的应用 4.关于大数据审计的几点建议
信息化技术发展的三次变革
信息化变革
发生时间
标志
第一次变革 1980年前后 个人计算机
解决问题
代表企业
数据处理
Intel、AMD、IBM、苹 果、微软、联想、戴尔 、惠普等
第二次变革 1995年前后 互联网
0年前后
物联网、云计 算和大数据
数据存储
ARM,高通，通用电气， 思科，华为，海尔，大 唐电信
数据的度
计算机中数据大小的表示
1Byte = 8 Bit （=bps） 1KB = 1,024 Bytes 1MB = 1,024 KB = 1,048,576 Bytes 1GB = 1,024 MB = 1,048,576 KB = 1,073,741,824 Bytes 1TB = 1,024 GB = 1,048,576 MB = 1,099,511,627,776 Bytes 1PB = 1,024 TB = 1,048,576 GB =1,125,899,906,842,624 Bytes 1EB = 1,024 PB = 1,048,576 TB = 1,152,921,504,606,846,976 Bytes 1ZB = 1,024 EB = 1,180,591,620,717,411,303,424 Bytes 1YB = 1,024 ZB = 1,208,925,819,614,629,174,706,176 Bytes
8
google的三大论文（三驾马车）
Google公开的三篇论文（2003,2004,2006） The Google File System 分布式文件存储系统
MapReduce:Simplified Data Processing on Large Clusters 分布式并行计算
大数据的定义
定义
大数据是指无法在一定时间内用常规软件工具对其 内容进行抓取、管理和处理的数据集合。
——维基百科
大数据是指无法在一定时间范围内用常规软件 工具进行捕捉、管理和处理的数据集合，是需要新处 理模式才能具有更强的决策力、洞察发现力和流程优 化能力的海量、）
HDFS 分布式文件管理系统
大数据平台下数据挖掘算法
分类(Classification) 支持向量机 (SVM) 神经网络 (Neural Network)
与深度计算
朴素贝叶斯 (Naïve Bayes) 决策树 (Decision Trees) 聚类 (Clustering) 关联规则挖掘
Bigtable:A Distributed Storage System for Structured Data 分布式数据库
Hadoop的诞生
Hadoop之父Doug Cutting
Doug Cutting 根据Google公开的三篇 论文思想，以JAVA语言，实现了论文 中关于分布式存储、分布式并行计算的 机制，由此开启了大数据应用的新时代
17
2. 多样（Variety）
结构化数据、半结构化数据和非结 构化数据
如今的数据类型早已不是单一的文本形式 ，网络日志、 音频、视频、图片、地理 位置信息等，对数据的处理 能力提出了 更高要求
4. 价值（value）
沙里淘金，价值密度低
虽然数据量很大，但是价值密度较 低 。 通过强大的机器算法更迅速地 完成数据价值“提纯”，是目前 大数据亟待解决的难题
所谓大数据，泛指规模达到ＰＢ级，包含结构化、 非结构化以及半结构化数据集合，如文本、图像、 声音、视频等。
大数据4V特征
1. 海量（Volume）
数据量巨大
全球在2010 年正式进入ZB 时 代，预计到 2020 年，全球 将总共拥有44ZB 的数据量
3.速度（ Velocity）
数据更新速度快 据统日更新数达5千万次，人人 网的每日访问量达4亿次。
传统数据
vs 大数据
大数据
PB级以上 有冗余 非结构化 有缺失 关系复杂
特征 分布式存储 分布式并行计算
当前大数据审计的开展形式
两项工作： 1、建立标准表
2、建立数据分析指引
16
大数据审计的标准表
1、标准表含义： 就是按一定规则对被审计单位数据整理后的具有一定规则的
数据表
2、如何建立标准表： 1）部分市局已经统一建立(如财政） 2）个别可以交给专业人员建立，或者直接使用
数据的量
在2006年个人PC迈入TB，全球产生数据总量为180EB（0.18ZB） 在2010年时，全球数据总量增加到了1.8ZB 据预计到2020年，全球将总共拥有44ZB的数据量 我国将达到8ZB，占全球总量的18%
大数据起源（Big Data）
2008年9月《科学》（Science）杂志发表了一篇文 章“BigData: Science in the Petabyte Era”，从此 “大数据”这个词开始广泛传播
大数据核心技术
大数据
分布式存储 HDFS
分布式处理 MapReduce
HADOOP的体系结构
Sqoo p
（数据库TEL 工具）
Zookeeper
（分布式协调服务）
HBase
（分布式数据库）
Ambari (安装、部署配置和管理工具)
Hive 数据仓库
Pig
Mahout
数据流处理 数据挖掘
MapperReduce2/Yarn