流通行業審計研究論文

導語：流通行業審計研究論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

[摘要]信息技術全面發展的今天，財務信息系統的應用范圍越來越廣，特別是在流通行業，作用越來越大。同時，審計風險模型不斷演變，風險導向審計的概念日益流行。在商品數據豐富的流通行業，審計亟待利用現有強大的財務數據倉庫來進行數據分析，利用信息技術進行有效的審計決策。本文探討了在流通行業中利用OLAP分析技術對數據進行多個維度的查詢分析，快速確定審計風險數據和挖掘分析風險數據的審計新思路。

[關鍵詞]OLAP多維分析審計數據倉庫

一、OLAP多維分析技術介紹

聯機分析處理(OLAP)的概念最早是由關系數據庫之父E.F.Codd于1993年提出的，他同時提出了關于OLAP的12條準則。

聯機分析處理的用戶是專業分析人員及管理決策人員，他們在分析業務經營的數據時，從不同的角度來審視業務的衡量指標是一種很自然的思考模式。例如在流通行業分析銷售數據，可能會綜合時間周期、產品類別、分銷渠道、地理分布、客戶群類等多種因素來考量。

聯機分析處理的主要特點，是直接仿照用戶的多角度思考模式，預先為用戶組建多維的數據模型，在這里，維指的是用戶的分析角度。例如對銷售數據的分析，時間周期是一個維度，產品類別、分銷渠道、地理分布、客戶群類也分別是一個維度。一旦多維數據模型建立完成，用戶可以快速地從各個分析角度獲取數據，也能動態的在各個角度之間切換或者進行多角度綜合分析，具有極大的分析靈活性。這也是聯機分析處理在近年來被廣泛關注的根本原因，它從設計理念和真正實現上都與舊有的管理信息系統有著本質的區別。

數據倉庫與OLAP的關系是互補的，現代OLAP系統一般以數據倉庫作為基礎，即從數據倉庫中抽取詳細數據的一個子集并經過必要的聚集存儲到OLAP存儲器中供前端分析工具讀取。

隨著數據倉庫的發展，OLAP也得到了迅猛的發展。數據倉庫側重于存儲和管理面向決策主題的數據:而OLAP則側重于數據倉庫中的數據分析，并將其轉換成輔助決策信息。OLAP的一個重要特點是多維數據分析，這與數據倉庫的多維數據組織正好形成相互結合、相互補充的關系。

OLAP技術使數據倉庫能夠快速響應重復而復雜的分析查詢，從而使數據倉庫能有效地用于聯機分析。OLAP的多維數據模型和數據聚合技術可以組織并匯總大量的數據，以便能夠利用聯機分析和圖形工具迅速對數據進行評估。當分析人員搜尋答案或試探可能性時，在得到對歷史數據查詢的回答后，經常需要進行進一步查詢。OLAP系統可以快速靈活地為分析人員提供實時支持。

我們利用SQLServer2000下的AnalysisServices來進行數據倉庫應用下的OLAP實現,幫助我們進行審計的決策支持。模式如圖1所示。

圖1OLAP實現模式

二、利用OLAP進行審計多維分析的過程

1.我們需要獲取流通行業審計數據源

本文案例中我們從某市煙草銷售公司獲得煙草銷售財務數據。當我們從該單位直接采集過來的時候數據可能是凌亂的，無法被我們直接應用的。如圖2所示。

圖2煙草銷售公司銷售財務數據

原始的數據源數據難免有各種錯誤、可能不完整或不一致。數據預處理技術可以大大提高數據的質量，從而有助于提高其后的挖掘過程的精度和性能。

2.構建用于多維分析的數據倉庫

通過了解被審計單位提供的數據字典，了解基礎數據中各表中存儲數據的內容、各字段的含義以及各表之間的關聯關系，然后從與某業務類別相關的基礎數據表中選擇反映該業務類別主要信息的字段，組織這些字段，來構建我們的數據倉庫模型。

構建數據倉庫的過程中，首先確定數據分析所包含的主題域，即審計風險的統計量（銷售數量、銷售金額、銷售稅額）。然后對主題域內容進行較明確的描述，包括時間、公司部門、產品、客戶等維度的屬性組。

根據概念模型確定的主題域，結合項目背景，設計數據倉庫的維表和事實表的邏輯模式。維表設計中一個很重要的問題是維粒度的層次劃分。粒度指的是數據倉庫中數據單元的細節程度或綜合程度的級別。細節程度越高，粒度級就越低;相反，細節程度越低，粒度級就越高。例如，時間維按照粒度層次由高到低可劃分為年、月、日三個等級。粒度層次劃分適當與否直接影響到數據倉庫重要存儲的數據量、查詢方法和數據倉庫整個體系結構。事實表描述用戶關心的主題信息，比如銷售金額的大小、銷售需要上繳稅金的多少等。維表和事實表通過公共碼聯系在一起，形成一個完整的主題域。事實表依靠外鍵和維表建立聯系。例如，銷售收入事實表與時間維表的聯系就是依靠外鍵聯系實現的。最終我們確定的數據倉庫模型。接下來要做的就是根據我們設計好的數據倉庫模型建立數據倉庫的事實表和維度表，然后導入相應的數據，并且做一定程度的數據清洗。根據我們設計的數據倉庫模型，我們要建立1個事實表，4個維度表。按照關鍵字段建立關系。到此,我們的小型數據倉庫已經完成了。

3.創建多維數據集

現在我們打開AnalysisManager,連接分析服務器以后,創建一個多維數據集。

多維數據集是聯機分析處理(OLAP)中的主要對象，是一項可對數據倉庫中的數據進行快速訪問的技術。多維數據集是一個數據集合，通常從數據倉庫的子集構造，并組織和匯總成一個由一組維度和度量值定義的多維結構。

多維數據集由其所包含的度量值和維度定義。例如，一個用于銷售分析的多維數據集內包括度量值銷售金額、銷售數量和銷售稅額以及維度time、company、customer和product。該多維數據集使最終用戶得以按time、company、customer和product將銷售金額、銷售數量和銷售稅額分成各種類別。

4.利用Excel數據透視表進行OLAP外部數據展示和分析

建立Excel數據透視表，并對數據透視表進行外部煙草公司銷售數據分析多維數據連接。如圖4所示。

圖4透視表銷售數據連接

完成后，我們首先獲得一張空白的數據透視表，在空白透視表的一側我們看到銷售分析的一些字段列表，在這些字段列表中既有我們需要的度量值字段，也有全部的維度地段，通過對相應字段的拖拉至相應位置，可以獲得各種各樣的銷售數據多維展示。如圖5所示，我們獲得2003年各個月份的銷售和交稅情況。

我們可以非常清楚地發現，12月份銷售金額特別大，那么這個月份的銷售就是審計的高風險區域了，需要詳細審計，而且同時我們也發現12月份的稅金卻少了，這個不正常的現象需要審計人員的高度重視，必須采取詳細審計的審計措施。

既然我們已經發現12月份的銷售金額和稅金出現異常情況，我們就想看看12月份到底哪個分撥公司的銷售金額和稅額出現異常。可以如圖6的維度直觀觀察。

圖612月份各個分撥公司銷售情況

不難發現，其中G縣煙草公司出現了比較大的異常現象，屬于高風險，應該對這個分撥公司的12月份業務進行詳細審計，采取相應的審計措施。

既然已經發現12月份G縣煙草公司出現了比較大的異常，我們也想看看12月份G縣煙草公司的各個品種卷煙的銷售情況，我們就可以如圖7直觀查詢。

從圖中我們就很直觀地發現G縣煙草公司在12月份銷售的卷煙中932905卷煙銷售量特別大，進行針對性的票據檢查和核對。

以上這些就是利用excel透視表透視圖來進行的外部數據展示。幫助我們的審計人員快速而針對地找到了審計業務中的高風險區域，審計人員針對這些高風險區域采取有效而謹慎的審計措施，即可以確保審計實施的有效性，又能夠節省我們的審計成本。幫助我們的審計人員提高審計效率，降低審計風險。

在Excel中，在沒有連接任何OLAP服務器的情況下，也支持旋轉透視表，這算是一種非常簡易的OLAP前端。不過，因為有些過于簡易，也為其他廠家留下空間，紛紛開發Excel插件，增強其OLAP訪問能力。微軟將在下一版本的Office大大增強決策支持系統功能，可以想見，其分析能力也將變得更加豐富。

三、結論

利用OLAP對流通行業進行審計數據分析從理論到技術包括很多方面，全面的實施需要大量的人力、資源和時間。本文結合煙草銷售公司審計數據分析案例探討流通行業下審計數據多維分析的過程和審計決策方式，力求為審計電算化的進一步發展提供新的思路。

參考文獻；

[1]方紅萍陳和平顧晉廣李曉卉:基于數據倉庫的OLAP系統的設計與實現[J].武漢科技大學學報(自然科學版),2004,01

[2]康玲玲：論會計決策支持系統[J].合作經濟與科技,2006,10:71-72

[3]劉汝焯著：計算機審計技術和方法[M].北京：清華大學出版社，2004

[4]蔣益俊：計算機審計數據處理方法探討[J].商業會計：2006,9

[5]李胡建華周楓：基于數據倉庫的決策支持系統的分析與研究[J]．電腦知識與技術：2006，5