[发明专利]固定资产卡片的审计方法

说明书

技术领域

本发明属于企业信息管理技术领域，尤其涉及一种应用于企业信息管理系统(ERP)审计固定资产卡片业务的方法。

背景技术

在审计信息化系统中，根据审计标准或规则在线自动检索预警方法在审计合规性检查工作中发挥了很大的作用。经过近年来不断深化应用，审计信息化系统得到了优化和改进，随着内存计算技术、数据库分离等技术发展，系统的执行性能也得到了提升。传统的审计疑点检查是对每一个检查点根据审计标准或规则分别编写对应的计算机程序来进行检查，例如，有十个检查点就需要编写对应的十个检查程序。随着业务点不断增长，规则库也不断扩大，不仅容易引发混乱，难以维护，而且规则的配置常会受到政策法规变化的影响，但由于规则具有一定的固化性，难以及时更新，当规则变化时审计经验得不到及时积累，另外对于某些新兴业务，例如大额资金监测，暂时没有明确的规则可用，也就没法使用规则检验，导致现有的审计方法存在无法动态扩展及存在滞后性的缺陷。

同时，随着源数据量越来越大、源数据的种类也不断拓展(如固定资产卡片数据等)，现有的审计合规性检查方法也需要完善和改进，主要体现在以下方面：

1、无法满足大数据的处理需求；在目前大集中部署条件下，在线审计需要处理多个网省的财务及业务方面的数据，资产卡片数据量达到千万条，而且需要对大量的半结构化数据以及非结构化数据进行数据处理，因此大数据技术的应用是必然趋势，现有的固定资产卡片的审计方法无法满足海量数据审计的需求；

2、审计技术固化，缺乏创新；“中国制造2025”作为国家战略实施以来，智能制造已成为经济社会发展的热点，在这种情势下,应改变传统的信息审计化方法，与时俱进，积极研究探索信息化背景下适应时代要求的智能审计建设，寻求更科学高效审计方法。

发明内容

本发明的目的在于提供一种结合了机器学习和大数据技术的固定资产卡片的审计方法，可以提高审计的工作效率，节约审计工作成本。

为了实现上述目的，本发明采取如下的技术解决方案：

固定资产卡片的审计方法，包括以下步骤：

数据收集及特征属性提取步骤；从业务系统和/或财务系统获取固定资产卡片数据，并进行特征属性数据的提取；

数据清洗步骤；对获得的固定资产卡片进行筛选，将包含了不合理数据的固定资产卡片剔除；

数据分类及预处理步骤；将清洗后的数据分为离散型数据和连续型数据两大类，并对不同的数据类型采用不同的方法进行数据预处理：对于连续型数据进行归一化处理，对于离散型数据进行变量数值化处理；

审计模型建立步骤；将预处理后的数据按照比例分为训练集和测试集，利用训练集的数据来训练模型，利用测试集来评价模型，最终获得审计模型；

固定资产卡片审计分类步骤；利用前一步骤得到的审计模型，将未标记的固定资产卡片数据输入审计模型中进行审计，由审计模型评估固定资产卡片的合规与否，实现自动分类。

更具体的，在数据收集及特征属性提取步骤中所收集的数据包括结构化数据、半结构化数据、非结构化数据以及实时数据。

更具体的，在数据收集及特征属性提取步骤中，从固定资产卡片中提取的特征属性数据包括：资产编码、资产类别、资产变动方式、资产状态、计量单位、数量、电压等级、预计使用年限、使用保管人、资产原值、账面净值、累计折旧额。

更具体的，在数据清洗步骤中，对包含了满足以下任一条件的特征属性数据的固定资产卡片进行剔除：资产原值≤0，或累计折旧额≤0，或账面净值＜0，或资产原值-累计折旧额-账面净值＜0。

更具体的，数据分类及预处理步骤中的离散型数据包括：资产类别、资产变动方式、资产状态、计量单位、电压等级、使用保管人；连续型数据包括：数量、预计使用年限、资产原值、账面净值、累计折旧额。

更具体的，在审计模型建立步骤中，审计模型采用朴素贝叶斯方法训练生成。

更具体的，在审计模型建立步骤中，采用连续型数据训练模型时，需要先将连续型数据进行区间化处理。

更具体的，在审计模型建立步骤中，审计模型采用Logistic模型训练生成。