审计数据预处理概述.pptVIP

计算机辅助审计原理及应用（第二版） @ 清华大学出版社 * 第5章 审计数据预处理 本章学习目标 理解审计数据预处理的重要性 理解数据质量、审计数据质量问题；掌握审计数据预处理的意义以及审计数据预处理的内容 结合应用实例熟悉审计数据预处理的基本方法 理解审计数据预处理阶段数据验证的重要性、熟悉审计数据预处理阶段数据验证的内容和方法 了解其它一些数据预处理方法 概述 审计数据预处理理论分析 审计数据预处理应用实例 审计数据预处理阶段的数据验证 其它数据预处理方法介绍 本章主要内容 数据质量 单数据源数据质量问题 多数据源集成时数据质量问题 审计数据质量实例 审计数据预处理的意义 审计数据预处理的内容 审计数据预处理理论分析 什么是数据质量呢？ 数据质量问题并不仅仅是指数据错误。有的文献把数据质量定义为数据的一致性（consistency）、正确性（correctness）、完整性（completeness）和最小性（minimality）这4个指标在信息系统中得到满足的程度，有的文献则把“适合使用”作为衡量数据质量的初步标准。 数据质量 准确性（Accuracy） 准确性是指数据源中实际数据值与假定正确数据值的一致程度； 完整性（Completeness） 完整性是指数据源中需要数值的字段中无值缺失的程度； 一致性（Consistency） 一致性是指数据源中数据对一组约束的满足程度； 唯一性（Uniqueness） 唯一性是指数据源中记录以及编码是否唯一； 适时性（Timeliness） 适时性是指在所要求的或指定的时间提供一个或多个数据项的程度； 有效性（Validity） 有效性是指维护的数据足够严格以满足分类准则的接受要求。 数据质量的评价指标 重复的数据 不完整的数据 不正确的数据 无法理解的数据值 不一致的数据 可能存在的数据质量问题 数据质量问题分类 单数据源数据质量问题 单数据源数据质量问题 当多个数据源集成时，发生在单数据源中的这些问题会更加严重。这是因为每个数据源都是为了特定应用，单独开发、部署和维护的，这就很大程度上导致数据管理系统、数据模型、模式设计和实际数据的不同。每个数据源都可能含有脏数据，多数据源中的数据可能会出现不同表示、重复、冲突等现象。 在模式级，模式设计的主要问题是命名冲突和结构冲突。命名冲突主要表现为不同的对象可能使用同一个命名，而同一对象可能使用不同的命名；结构冲突存在很多种不同的情况，一般是指在不同数据源中同一对象有不同表示，如不同的组成结构、不同的数据类型、不同的完整性约束等。 多数据源集成时数据质量问题 除了模式级的冲突，很多冲突仅出现在实例级上，即数据冲突。由于不同数据源中数据的表示可能会不同，单数据源中的所有问题都可能会出现，比如重复的记录、冲突的记录等。此外，在整个数据源中，尽管有时不同的数据源中有相同的字段名和类型，仍可能存在不同的数值表示，如对性别的描述，一个数据源中可能用“0/1”来描述，另一个数据源中可能会用“F/M”来描述，或者对一些数值的不同表示，如一个数据源中度量单位制可能用美元，另一个数据源中可能会用欧元。此外，不同数据源中的信息可能表示在不同的聚集级别上，如一个数据源中信息可能指的是每种产品的销售量，而另一个数据源中信息可能指的是每组产品的销售量。 多数据源集成时数据质量问题 审计数据质量实例----不完整数据 审计数据质量实例----不完整数据 审计数据质量实例----不一致的数据 审计数据质量实例----不正确的数据 审计数据质量实例----重复的数据 为下一步的审计数据分析提供准备 帮助发现隐含的审计线索 降低审计风险 审计数据预处理的意义 数据转换 数据清理 审计数据预处理的内容 数据预处理的内容 数据预处理应用实例----采用Access 名称转换 数据预处理应用实例----采用Access 空值处理 数据预处理应用实例----采用AO 借助生成数据中间表 数据预处理应用实例----采用AO 采用AO中的常规数据整理功能 审计数据预处理阶段数据验证的重要性 在审计数据预处理过程中，审计人员会将原始电子数据中表名、字段名、记录值代码以及表表关联的经济含义明确标识出来，这需要进行大量的查询、替换修改、插入数据、删除数据等操作；另外，要对电子数据进行修改错误值、替换空值、消除冗余数据、保证数据值落入定义域等数据操作，以提高数据质量，为下一步的审计数据分析做好准备。在审计数据预处理过程中可能存在以下问题： （1）目标数据模式设计不合理。 （2）审计数据预处理方法不当。 （3）审计数据预处理工具使用不合适。 （4）审计数据预处理过程不规范，没有日志记录。 根据以上分析，每一步预处理工作都有可能影响到数据的完整性和正确性，所以在