[发明专利]一种基于审计知识库的数据分析方法及系统

说明书

技术领域

本发明涉及审计数据分析领域，尤其涉及一种审计知识库的数据分析方法及系统。

背景技术

审计数据一般来讲，包括数据库数据和文本数据，其中数据库数据是经过筛选处理后的结构化数据，可以方便地对其进行加工利用。而在实际情况下，审计数据更多的是文本数据，如审计报告、审计意见、审计案例和法规制度等等都属于文本数据的范畴。相对结构化的数据库数据，这些非结构化的文本数据具有数量大、种类多、关联性强的特点。了解并运用这些文本数据将有助于预测审计项目的风险减少审计过程中所犯的错误。

现有的审计信息检索和分析技术对于海量的审计数据处理显得不尽人意，审计知识库的审计经验、数据价值的获取常常是通过组织专家进行人整理、提炼得到，或者通过开放平台由相关人员自主新增和修改相关规则。这样做容易造成审计知识库的组织结构混乱和不规范，拖慢检索分析的效率，对后续的管理和维护带来很大麻烦。另外，人工更新和管理审计知识库的成本高、周期长、各子库之间版本不同步的缺点同样很明显。

因此现有的审计数据分析系统和方法需要进一步改进和完善。

发明内容

本发明的目的在于提供一种基于审计知识库的数据分析方法及系统，旨在解决现有现有审计数据分析系统和方法存在的审计知识库架构混乱、检索分析效率低、更新周期长、管理和维护成本高的技术问题。

本发明所设计的技术方案如下：

一种基于审计知识库的数据分析方法，其中，包括如下步骤：

步骤S1:建立基于过往审计数据的数据池；

步骤S2:通过对数据池进行挖掘和分析，建立分类表；

步骤S3:依据分类表对新建的项目进行分类，确定项目类型；

步骤S4:设定知识库的关联规则；

步骤S5:知识库根据关联规则和项目类型对审计文本进行分析并生成反馈报告；

步骤S6:将新项目数据添加到数据池内，并自主修改知识库的关联规则。

所述的基于审计知识库的数据分析方法，其中，所述步骤S2包括如下步骤：

步骤S21:对数据池中的文本数据进行析取、转换和清洗操作；

步骤S22:将文本数据中的特征部分抽取出来，做统计分析，形成特征集；

步骤S23:从特征集中按权重高低选取部分特征来表示该文本数据；

步骤S24:根据选取的部分特征将该文本数据归类，形成分类表。

所述的基于审计知识库的数据分析方法，其中，所述步骤S3包括如下步骤：

步骤S31:新建项目文件；

步骤S32:抽取新建项目文件的文本数据特征；

步骤S33:根据步骤S22的特征集选取部分特征作为该文本数据的代表；

步骤S34:依据文本数据的特征确定该项目文件的类型。

所述的基于审计知识库的数据分析方法，其中，所述知识库包括风险问题库、法律法规库、企业制度库、审计案例库、审计人才库和项目类型库；所述步骤S4包括如下步骤：

步骤S41:设定风险问题库的规则；

步骤S42:设定法律法规库的规则；

步骤S43:设定企业制度库的规则；

步骤S44:设定审计案例库的规则；

步骤S45:设定审计人才库的规则；

步骤S46:设定项目类型库的规则；

步骤S47:设定风险问题库、法律法规库、企业制度库、审计案例库、审计人才库和项目类型库之间的关联规则。

所述的基于审计知识库的数据分析方法，其中，所述步骤S5包括如下步骤：

步骤S51:根据知识库的关联规则和项目类型对审计项目进行审前风险点预判；

步骤S52:生成审计方案；

步骤S53:生成审计问题报告；

步骤S54:生成审计评估报告；

一种基于审计知识库的数据分析系统，其中，包括数据采集模块、文本挖掘模块、知识分类模块、知识存储模块和业务生成模块；所述数据采集模块用于审计文本数据的采集和预处理；所述文本挖掘模块用于审计文本数据的特征挖掘和表示；所述知识分类模块用于审计文本数据特征的分析、整理和归类；所述知识存储模块用于存储各种审计特征、建立各个库之间的内部关联；所述业务生成模块用于审计项目的风险预判并生成反馈报告。