发布时间：2023-10-20 10:26:03
绪论：一篇引人入胜的审计技术与方法，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
一、引言
随着信息技术的广泛应用，审计数据变得越来越庞大和复杂，审计线索被日益复杂的信息系统和海量的业务数据所掩盖，审计人员面对各种以不同形式存储的数据资料进行分析，仅仅依靠传统的数据检索查询和统计分析方法是难以实现审计目标的。随着计算机技术在审计中的应用，计算机辅助审计技术得到了快速的发展。计算机辅助审计技术（ Computer- aided Auditing Technique）是现代审计人员完成审计任务所不可缺少的工具。审计人员可以利用计算机编制审计计划、审计工作底稿，进行审计分析，查询有关法规条例，分析审计资料，并对计算机会计系统进行测试等。从计算机辅助审计的实践来看，虽然已由概念发展为一系列的可操作性实践，但由于审计工作对于审计人员素质的依赖性较强，计算机辅助功能的发挥尚且有限，特别是在以实质性分析为核心的审计证据查找工作中，尚缺乏有效的辅助工具。而在计算机应用研究中，面对“数据丰富，知识贫乏”的挑战， 数据挖掘、数据仓库等面向分析决策的计算机技术应运而生。这些技术无疑为现代审计提供了新的思路和方法，也为审计信息化的发展提供了新的途径。
二、审计中数据挖掘技术应用现状及Excel数据挖掘工具的功能
数据挖掘（Date Mining）是通过仔细分析大量数据来提示有意义的新的关系，一般采取排除人为因素而通过自动的方式来发现数据中新的、隐藏的或不可预见的模式。数据挖掘是在对数据集全面而深刻认识的基础上，对数据内在和本质的高度抽象与概括。
（ 一 ）审计中数据挖掘技术应用现状随着计算机硬件和软件的飞速发展，尤其是数据库技术与应用的日益普及，人们面临着快速扩张的大量数据，由于分析工具的有限，形成了一种独特的现象“丰富的数据，贫乏的知识”。为有效解决这一问题，自20世纪90年代开始，数据挖掘技术逐步发展起来，数据挖掘技术的迅速发展，得益于目前巨大数据资源以及对将这些数据资源转换为信息和知识资源的巨大需求。数据挖掘技术从产生起就是面向应用的。目前，数据挖掘已在银行、电信、保险、交通、零售（如超级市场）等领域中成为决策支持的有效工具。数据挖掘的典型应用包括数据库营销（Database Marketing）、客户群体划分（Customer Segmentation & Classification）、背景分析（Profile Analysis）、交叉销售（Cross-selling）等市场分析行为，以及客户流失性分析（Churn Analysis）、客户信用记分（Credit Scoring）、欺诈发现（Fraud Detection）等。这些应用都是摆脱了原有行业的理论框架，从数据或者交易记录的自身规律出发，按照各自的目标，完成知识发现过程，从而为决策者提供有价值的信息。利用数据挖掘技术对被审计单位的海量数据进行发掘式审计，是现代审计技术方法一大突破，这一思路在审计研究和实践中已并不陌生。根据数据挖掘原理，基于数据控制的审计流程可分为以下阶段：数据预处理、发现规律、规律库的数据更新、审计系统的训练与测试，以及对形成的可疑数据进行审计判断。鉴于数据挖掘在其他领域的成功应用，学者们认为在理论上，数据挖掘有助于降低审计风险，提高审计质量。同时，在审计实践中的已出现了一些数据挖掘应用的典型案例，如基于关联规则的海关审单商品分类审计、基于孤立点挖掘的职工工资分析审计、利用聚类技术审计交易记录等，这些实践取得了不错的效果。由此可见，数据挖掘作为一种成熟的数据分析手段能够有效地从海量数据中提取有价值的信息，并已在审计工作中得到了初步应用。但由于数据挖掘技术包括大量的统计技术和数学建模技术，审计人员很难在短时间内掌握，多样性及复杂性使得这一应用还没有达到“落地”效果，寻找一种易于理解的数据挖掘工具显得十分必要的。
（ 二 ）Excel数据挖掘工具的功能当前数据挖掘工具主要有两类：特定领域的数据挖掘工具和通用的数据挖掘工具。特定领域的数据挖掘工具针对特定领域的问题提供解决方案。这类工具针对性比较强，只能用于一种应用，而且往往采用特殊的算法，可以处理特殊的数据，发现的知识可靠度也比较高。如IBM公司的Advanced Scout系统就是针对NBA的数据，帮助教练进行优化战术组合的工具。通用的数据挖掘工具不区分具体数据的含义，采用通用的挖掘算法，处理常见的数据类型，如IBM公司Almaden研究中心开发的QUEST系统、SGI公司开发的MineSet、加拿大SimonFrase大学开发的DBMiner系统等。目前很多大型数据库和联机分析系统本身也集成了数据挖掘技术，使人们利用数据挖掘更为方便和快捷。然而对于一般的审计工作人员而言，这些工具都较为陌生，很难直接应用于工作之中。从当前计算机辅助审计的发展来看，Excel是最为审计人员熟悉和接受的软件，具有简单易于操作的特点。特别是Microsoft公司为Excel 2007以后版本提供了一个免费的数据挖掘外接程序SQLServer2005_DMAddin.msi，安装完SQL Server 2005后再安装该外接程序，在Excel中出现“数据挖掘”选项卡，这一模块包括九大模型：决策树、贝叶斯概率分类、关联分析、聚类分析、时序聚类、线性回归、Logistic回归、类神经网络和时间序列分析，基本涵盖了主要的数据挖掘技术方法。Excel2007数据挖掘功能分成七大区块的工具：数据准备、数据建模、准确性和验证、模型用法、管理、连接和帮助。数据准备是指在开始数据挖掘之前，对数据进行清除整理；数据建模是指开始进行数据挖掘步骤，可以建立挖掘模型、预测分析等。其中数据模型化的方法有分类、估计、关联、预测等。准确性和验证是指通过图型来查看挖掘模型；模型用法是指对已构建好的挖掘模型条件式查询其结果；管理是对已构建好的挖掘模型管理其挖掘结构；连接是设定与追踪Analysis Services的连接；帮助是指可取得数据挖掘加载项的使用说明。
三、基于Excel的审计数据挖掘的技术方法
查错纠弊是审计的基本作用之一，这使得寻找异常数据成为重要审计线索的发现途径，运用数据挖掘技术可以获得蕴涵在审计数据内部的模式、规律，审计人员能够有效发现经济业务的异常。结合Excel所提供的数据挖掘工具中的九个模型进行审计分析，其审计数据挖掘框架如（图1）所示。审计中所发现的异常情况反映在数据上，通常是离群点和孤立点。离群点是偏离一般规律和趋势的也数据，其分析通常是建立在估计预测分析基础之上的。孤立点是数据源中显著不同于其他数据的对象，其分析是建立在分类分析基础上。就Excel数据挖掘工具所提供的九种模型而言，可以有效实现估计预测分析和分类分析，进而用于离群点和孤立点的挖掘。
（ 一 ）离群点分析 离群点挖掘是过发现和分析明显偏离其他数据、不满足一般模式或规律数据的离群数据，找到有价值审计信息的一种技术方法。离群点是针对估计预测分析所得出的数据规律和趋势而言的。在Excel数据挖掘工具，估计预测分析工具包括线性回归、Logistic回归、类神经网络、时间序列分析和关联分析。线性回归主要用于了解自变量与因变量关系的方向及强度，以便用自变量建立模型对因变量做出预测；Logistic回归是对类别数据进行的回归分析，可以用于讨论定性变量和数值变量对同一类别变量的影响和关系；类神经网络是模仿人脑思考结构的数据分析模型，它可以根据输入变量与目标变量进行自主学习，并根据学习提到的知识不断调整参数来建立数学模型，它多用于数据具有高度非纯属且变量中具有相当程度的交互效应的情形，使用类神经网络无须了解系统的数学模型的具体形式，而直接用神经网络取代系统模型，得到输入与输出之间的对应关系；时间序列分析用于探索与时间相关数据的变化规律，进行趋势预测；关联分析是分析发现不同变量或个体间的关系程度。通过这些估计预测分析模型，审计人员可以发现不符合规律的离群点数据，进行着重对这些数据进行审查。如在销售收入审计中，可以通过时间序列分析探讨销售业务的基本规律，进行采用回归分析方法探讨过高收入或过低收入点的原因与合理性，从而将偏离正常业务范围的异常数据进行割离， 并对其进行仔细审核， 这样就大大节省了审计资源。在成本审计时，审计人员面对大量料、工、费相关数据常常无从入手，此时可利用关联规则技术发现其各成本项目与生产数量之间的关联性， 再根据存货仓库盘点数据及相关出、入库记录， 确定其产量， 根据关联规则确定的关联性，可以确定该被审计成本合理与否。
（ 二 ）孤立点分析 分类技术亦是一种重要的审计方法，在审计过程中对各类数据按一定规则和特质分为不同类别，进而根据不同类别采用适合的审计策略。分类可将事件分为正常和异常两种事件，通过分类所发现的异常事件即是孤立点。孤立点是数据源中与众不同的数据，审计人员通常认为这些数据并非随机偏差， 而是产生于完全不同的机制。审计中的可疑数据往往表现为孤立点，这使得基于分类技术的孤立点分析亦成为一项发现审计线索的有效手段。Excel所提供的模型中决策树、贝叶斯概率分类、时序聚类、聚类分析即是有效的分类分析技术，可用于孤立点的控制。决策树是用树型结构展现数据在受各类变量影响的情况下得到的预测模型，根据对目标变量的状态不同而建立分类规则；贝叶斯概率分类是在先知道总体中不同类别比例构成的基础上，通过训练样本，学习并产生这些训练样本的分类规则，再用这些规则对其他个体进行分类预测；时序聚类可根据用户浏览顺序对其进行分组，分析用户行为；聚类分析是对样本进行分类，寻找多变量个体之间的差异。在审计过程中，可以通过这些分类方法发现孤立点，找到数据的极端值。例如在救灾资金审计中，审计人员很难在短时间内对多个市县进行全面调查，只能选取重点地区进行详细分析。此时可能通过受灾地区的“受灾人口”、“紧急转移安置人口”、“受灾面积”等数据属性进行聚类分析，找出受灾因子与救灾因子不匹配的孤立点，进而进行详细审计。由于被审计对象复杂多样，根据审计目标，实质性分析程序是其重要的审计手段，离群点和孤立点是其重要的审计线索，鉴于Excel数据挖掘工具所能提供的各种估计预测技术和分类分析技术，Excel数据挖掘工具能够为审计人员提供一种有效的辅助工具，解决审计工作中数据分析的难题，提高审计效率和质量。
四、基于Excel审计数据挖掘的操作路径
采用Excel作为挖掘工具在审计中应用数据挖掘技术是最为切实可行的。（图2）是基于Excel的审计数据挖掘工作流程图。
（ 一 ）采集被审计单位电子数据 根据审计的目标和内容要求，获取被审计单位审计期间的数据库资料。接采集电子数据要从接受被审计单位的数据日志开始，按统一格式收集足够的信息系统提供的账务数据和对应的业务数据，数据挖掘技术运用的第一步就是要获取大量的数据，这是审计数据挖掘工作的起点。
（ 二 ）原始数据的预处理 原始数据的预处理同时也是Excel数据挖掘程序中的数据准备阶段。从被审计单位采集的原始数据，其数据结构可能不完全符合数据挖掘的要求，不利于审计人员从中发现问题。因此， 审计人员要从被审计数据信息集中选择适用于数据挖掘的数据，将原始数据转换成审计人员可识别的格式，并剔除数据结构中的干扰项目，使财务数据和业务数据更能直接地反映对应的经济业务，以便控制数据挖掘的准确性。Excel数据挖掘程序对原始数据的预处理，包括浏览数据、清除数据和为数据分区三大模块。浏览数据允许审计人员创建基于Excel表或Excel区域数据的基本统计信息，还可以生成相应的直方图进行分析。清除数据分为离群值和重新标记两部分，离群值允许审计人员从Excel区域的一列中删除罕见的值、或者高于或低于指定阈值的值；重新标记允许审计人员更改Excel区域一整列中的离散标签，这样做可以合并标签或消除无意义的数据标签。数据分区允许审计人员在现有数据结构内创建分区，现有数据可以是Excel表内的数据，也可以是Analysis Services查询。
（ 三 ）数据建模针对准备好的审计数据，按审计任务的所属类别，确定将要进行的挖掘操作类型或模型。Excel提供了分类、估计、聚类分析、关联和预测等工具，审计人员可以直接根据操作向导操作，选择有效的数据挖掘算法，产生一些数学分析模型并加以实现。除了提供的这些工具外，审计人员还可以根据审计业务的特别需求，在高级功能中选择创建挖掘模型向导，该向导允许审计人员选择用于挖掘模型的算法，制定算法使用的参数，以及指定输入数据中要使用的列。审计人员还可以利用向导将新建的数据挖掘模型添加到现有的挖掘结构中，这样新创建的模型与挖掘结构中的其他模型相同。
（ 四 ）准确性验证进行模型评价，解释并评估挖掘结果，测试模型的准确性。模型的建立是一个迭代循环过程，根据模型对数据的分析结果，对模型进行准确性验证，如果模型的效果不令人满意，可利用反馈机制重新运用挖掘工具进行建模、分析，直到模型可以把每一次的分析结果清晰、准确、明了地表述给有关审计人员为止。Excel数据挖掘程序提供了准确性图表、分类矩阵和利润图三个检验方法。准确性图表允许审计人员根据测试的数据评估现有模型的性能，如果模型是分类模型，该向导将生成一个提升图，显示与假设的理想模型相比的模型性能，如果模型是估计模型，将生成一个散点图，显示测试数据的模型估计值和实际值。分类矩阵将模型应用于测试数据的结果和测试数据的实际值进行比较，然后生成同时显示正确分类和错误分类的矩阵。利润图显示与挖掘模型的使用相关联的估计利润增长情况，以确定在商业应用场景中公司应该与那些客户联系。
（ 五 ）发现规律审计人员运用合适的数据挖掘算法对审计数据进行处理，发现数据中隐藏的规律，并寻找异常数据（离群点、孤立点），审计人员可根据不同被审计单位的行业背景、业务特点和数据模式，运用关联规则发现、序列模式挖掘等不同数据挖掘技术方法，获得被审计单位的数据规律，以检测是否存在异常。
（ 六 ）审计职业判断统计的信息包括业务规模、异常数据和业务流程违规等情况，这既是审计工作的核心，也是数据挖掘技术在审计中运用的主要成果的体现。 审计人员可以根据统计结果进行审计职业判断，对发现的问题进行综合分析并进行改进。
随着信息化的不断推进，企业ERP系统的普及，以及被审计单位的数据仓库日趋成熟完善，审计人员面对被审计单位的庞大财务数据和海量业务数据，必须探索和创新审计技术和方法，应用有效的数据分析工具。Excel是审计人员最为熟悉的数据分析软件，最新版本所提供的数据挖掘功能，能够有效地进行估计预测分析和分类分析，从而有助于离群点和孤立点的发现，是审计人员能够掌握和便于操作使用的审计数据挖掘软件包。运用基于Excel的审计分析技术和方法，对被审计单位的海量数据进行分析，获得审计线索，发现审计疑点，提高审计效率和效果，有效控制审计风险提供了一种有效的工具，也为审计信息化的深入发展和普及应用奠定了基础。
参考文献：
［1］李立成：《智能审计决策支持系统浅探》，《财会通讯》2009年第10期。
［2］：《电子数据质量在审计中的作用分析》，《财会通讯（综合）》2007年第5期。
［3］陈丹萍：《数据挖掘技术在现代审计中的运用研究》，《南京审计学院学报》2009年第4期。
一、基层审计机关预算执行审计概述
在基层审计机关中，预算执行审计是一项重要的工作内容，有利于促进财政改革，保持经济社会稳定发展。具体来说，预算执行审计的内容包括以下几点：第一，审查预算编制是否科学合理，有没有及时对预算进行批复；第二，执行各项支出，审查支出数额是否和批复预算的数额相一致；第三，管理会议费用，控制三公经费，培养勤俭节约的精神，并审查公务接待和会议内容；第四，审查结余资金的用途和真实性，看是否满足新预算法的规定；第五，审查国有资产的合法性，检查账面记录，看各种收入的真实性，以及是否满足收支两条线的原则；第六，审查专项资金的设立是否科学合理，是否有完善的监管和绩效考核机制。新的预算政策出台后，基层审计机关中的预算执行审计工作出现了诸多问题，对于审计工作的开展形成阻碍。
二、预算执行审计中存在的问题
1. 管理制度不完善
分析预算执行审计工作，管理制度不完善表现在以下几个方面：第一，审计工作缺乏全面性，以国税、央企等审计工作为例，由于上级下级之间的授权范围受限，就会导致审计中出现真空状态。如此一来，上级部门不会关注审计工作，本级部门又没有审计权利。第二，预算体制问题，审计工作中对于增值税的收缴，在预算收入中具有较大比例，该项税收由国税部门负责征收，基层审计机构无权进行监督管理。第三，预算支出问题，收入清单是由财政部门、税收部门提供的，其中记录了乡镇税收情况，应该根据是紧急情况合理安排额度。由于审计部门没有对预算情况进行详细划分，所以容易造成审计缺位、监控缺失的情况。
2.审计方法单一
随着财政体制的改革，政府职能发生变化，同时财政的收支、结构等也发生了变化。尤其是财政管理职能加强，对于审计方式提出了更高的要求。然而，实际工作中对审计方法的调整不到位，审计工作模式难以适应时展需求，而且以事后监督为主；另外，监督检查质量差，难以对有效的监督手段进行利用。以查账工作为例，手工操作不仅效率低，而且还会出现人为错误。
3. 审计人员素质低
审计人员的素质高低，直接影响着审计工作的质量，当前基层审计机关审计人员的素质低，体现在两个方面：一是单位不重视人员的培训学习，用于这方面的经费较少，无法及时掌握相关技术手段，造成工作效率低、信息化水平低。二是在专业和编制的影响下，审计人员存在老龄化问题，难以及时补充新鲜血液，也不利于审计工作的创新。
三、大数据环境下预算执行审计的创新
1. 采用审计大格局模式
审计大格局模式的应用，要求做到以下三点：第一，改变组织架构，从人员构成、职责分工等方面进行重新组织，尤其加强顶层设计和统一指挥。第二，对审计阶段进行重新划分，制定科学的流程图，明确考核时间点和相关注意事项。通过对大数据进行横向比较，及时发现疑点线索，作为审计重点方向。第三，采用专业的审计调查方法，及时对疑点数据进行总结分类，将风险评估、审计抽样等结合起来，有利于提高审计效率。
2.大力推广绩效审计
绩效审计是审计工作的重要发展趋势，有利于实现审计方式的创新。具体操作时，第一，应该合理应用绩效评价体系，通过分析比较各项评价指标，明确审计工作中的不足之处。例如对不同年度的绩效目标进行比较，从而了解预算资金绩效的变化情况。第二，充分发挥数据分析的作用，从不同的维度出发，对审计工作进行分析，并遵循绩效审计的方法和要求。例如针对资金的闲置和挪用情况，绩效审计能够从不同方面发现管理制度存在的问题，并对其进行改进和完善。
3. 加强数据分析应用
大数据背景下，应该从数据的采集、分析等方面入手，开展数字化的审计工作，为现场审计进行指导，从而提高工作效率和质量。针对于此，首先应该采集数据，要求审计人员了解系统数据架构，掌握财政业务的数据表示方法，⒏髦只础信息熟记于心。其次，采集工商、税务、社保等数据，通过相应转换为分析工作打下基础，要求采用标准表的格式，对查询脚本进行编写，确保审计数据相互关联。最后，数据分析应该立足于全局，构建科学的分析模型，有利于及时发现审计疑点或问题。
4.加强人才队伍建设
对于基层审计机构而言，其一，要拓宽审计人员的培养渠道，不断促进信息化水平的提升，制定一套科学的人才培养方案。其二，通过教育学习的形式，开阔审计人员的视野，提高审计人员的业务技能，掌握新型的审计理念和技术方法。其三，制定合适的激励机制，用来提高审计人员的主观能动性，端正工作态度，增强责任意识，能够积极参与审计工作和培训活动。针对表现优异的员工，给予表扬和物质奖励，发挥模范带头作用。
四、结语
综上所述，在基层审计机关中，预算执行审计的内容较多，通过分析可知，审计工作中存在的问题，集中在管理制度不完善、审计方法单一、审计人员素质低三个方面。针对于此，审计方法的创新，可以从以下几点入手：第一，采用审计大格局模式；第二，大力推广绩效审计；第三，加强数据分析应用；第四，加强人才队伍建设。
参考文献：
[1] 胡三毛.浅议大数据环境下基层审计机关预算执行审计方法创新[J].金融经济（理论版），2016，（09）：161-162.
[2] 梁莉.基层审计机关预算执行审计中存在的问题及改进意见[J].时代金融（中旬），2015，（02）：209-209，216.
电子数据审计一般可以理解为“对被审计单位的电子数据进行采集、预处理以及分析，从而发现审计线索，获得审计证据的过程”。在具体进行审计工作时，一般会有以下几个主要步骤：数据采集，审计数据预处理和审计数据分析处理。
二、电子数据审计的数据处理方法
数据处理在审计工作中占有重要地位，它是审计流程的核心内容。审计数据有多种不同的处理方法，主要有以下几种。
（一）账表分析
账表分析是指通过审计软件把采集来的财务备份数据还原成电子账表，然后直观地审查被审计单位的总账、明细账、凭证、资产负债表等财务数据，从而达到审计分析的目的。目前，现场审计实施系统（AuditorOffice，AO）审计软件中就采用了这种审计数据处理方法。
（二）数据查询
数据查询是目前计算机审计中最常用的数据处理方法。数据查询是指审计人员根据自己的经验，按照一定的审计分析模型，在通用软件中采用SQL（结构化查询语言）命令来分析采集来的电子数据，或采用一些审计软件通过运行各种各样的查询命令以某些预定义的格式来检测被审计单位的电子数据。优点是提高了审计的正确性与准确性，并且使得审计人员告别了手工翻账的作业模式。
（三）审计抽样
审计抽样是指审计人员在实施审计程序时，从审计对象总体中选取一定数量的样本进行测试，并根据样本测试结果，推断总体特征的一种方法。目前，现场审计实施系统、审计数据采集与分析2.0、IDEA等都开发了审计抽样模块。
（四）统计分析
在面向数据的计算机审计中，统计分析的目的是探索被审计数据内在的数量规律性，以发现异常现象，快速寻找审计突破口。常用的统计分析方法包括一般统计、分层分析和分类分析。很多审计软件都具有这一功能，如审计数据采集与分析2.0、现场审计实施系统（AuditorOffice，AO）、IDEA等审计软件。统计分析一般和其它审计数据处理方法配合使用。
（五）数值分析
数值分析是根据字段具体的数据值的分布情况、出现频率等对字段进行分析，从而发现审计线索的一种数据处理方法。这种方法先不考虑具体的业务，对分析出的可疑数据结合具体的业务进行审计，易于发现被审计数据中的隐藏信息。包括重号分析、断号分析和Benford定律的审计应用。对于重号分析和断号分析，目前已被应用于现场审计实施系统、ACL以及IDEA等审计软件中，而Benford定律已被应用于IDEA审计软件中。
三、电子数据审计的现状
审计数据和审计软件等都影响着审计结果的准确性和效率性，国内外都在不断加深对电子数据的重视，加强电子数据对公众的开放程度，研究与开发电子数据审计软件，为审计数据的采集、处理与分析作保障。
（一）电子数据的开放共享
在信息技术不断发展的同时，数据资料的容量不断扩大，数据存储的介质发生了巨大改变，电子化的数据信息越来越普遍，通过加强数据的共享与开放程度，普通大众能够有效地利用各种数据，并对电子数据进行监督。政府公开的数据如交通状况、天气和各地传染病资料等。这些数据只要经过分析，将会对社会、甚至人类都有好处。例如天气与传染病或人口流动是否有关？犯罪率是否与地理环境有关？通过收集分析这些数据，了解数据之间的关系，可以对政府进行监督，对未来进行预测。
我国政府部门开始意识到数据信息化的重要性，一些政府门户网站开始将数据等资源信息对社会进行开放。比如：上海市政府数据服务网率先实行政府数据资源向社会开放，涵盖经济建设、资源环境、教育科技、道路交通、社会发展、公共安全、文化休闲、卫生健康、民生服务、机构团体和城市建设等11大领域，推动了电子数据的透明化，建立生态化、移动化、平台化的电子数据管理模式。
国外许多国家也在积极推进数据对外开放。美国联邦政府认为“数据是一项有价值的国家资本，应对公众开放，而不是把其禁锢在政府体制内。”奥巴马政府在2009年推出的Data.gov是美国最重要的数据开放平台，Data.gov主要包含农业、商业、气候、消费、生态系统、教育、电能、金融、健康、地方政府、制造业、海洋、公共安全和科学与研究等13个可供浏览的版块，公众可以在此网站上找到数据、工具和各种资源，从而实现数据使用的移动化，方便对数据进行分析研究。
（二）电子数据审计软件的开发应用
目前，会计电算化已经逐渐渗入到各个单位和部门。审计署和地方审计机关都在积极兴建电子数据审计软件，加强对信息系统和电子数据的审计。如审计署开发的《现场审计实施系统》，该系统实现了审计信息的交互共享，强化了审计项目的管理，借助于计算机平台可对被审计单位电子数据实行现场审计。各地方审计机关也建立了审计系统软件，用于对海量数据进行审计，从而更好地管理财政、税收等方面的数据。但是对于电子数据审计分析的方法、广度和深度等，目前的审计软件还没有充分挖掘，仅局限于常用数据处理方法，没有应用先进的信息技术。应进一步加强审计人员对新兴审计技术的认识，充分推广信息技术的发展和运用，如云计算技术可以提高数据分析效率、海量数据分析的问题。
相比之下，国外对电子数据审计软件的开发与利用都较为成熟。如审计软件IDEA，这是由加拿大的CaseWare公司（快思维国际有限公司）开发并推出的数据审计软件产品。IDEA的意思是交互式数据抽取与分析。无论是审计人员，会计人员或金融人员，数据分析是一个巨大挑战。根据大量的数据和广泛的数据格式编译信息是耗时的，并增加了错误被引入的风险。而IDEA作为全面、强大并易于使用的数据分析工具，可以快速并100%的分析你的数据，与此同时，保证数据的完整、快速、有效的审核。另外，由加拿大ACL公司开发的审计软件ACL，该软件面向大中型企业，特别适合金融、电信、保险等行业海量数据的分析。同样是加拿大，Paisley公司开发的AutoAudit，侧重于查明潜在的欺诈、浪费和滥用。注重于模糊匹配、复杂数据分析、实体解析、欺诈检测、及预测分析。由此可见，加拿大对于信息技术的感知和应用都处于领先水平，开发的电子数据审计软件具有良好的实施效果并被广泛应用到各个领域。
（三）我国电子数据审计实施的现状
2014年，审计署建立电子数据审计司，主要职能是对政府和国有企业电子政务工程和信息化项目以及信息系统开展审计，保障国家信息安全。电子数据审计司的成立显示了我国对电子数据审计的重视，通过建立电子数据审计司，领导并监督各单位部门的电子数据审计，提高电子数据审计的准确性和可靠性。我国电子数据审计的实施影响着政府的财政经济，地方审计机关对电子数据审计软件的开发与利用，促进了地方财政经济的建设，彰显了电子数据审计在社会、经济等各方面的价值。
首先，从面向政府审计职能定位的角度来看，电子数据审计重点主要有三个：财政审计方面，通过加强对财政财务收支的跟踪审计，利用审计软件实时关注中央及地方预算编制及执行情况，以联网数据形式加强对财政体制的监督，推动国家经济更好地发展；金融审计方面，交易信息越来越多地存储于电子介质中，网络化的交易环境对审计的要求变高，电子数据审计技术可以对电子信息进行分析处理，保障金融交易业务的健康稳定运行；民生及社保资金、国家重大投资项目审计方面，联网审计可以调动各部门的电子数据信息，将数据进行有机整合，全面分析关联数据，深度解析相关问题，使得民生及社保资金、国家重大投资项目审计更加具有经济性、效率性和效果性。
其次，电子数据审计在各地方审计部门也在积极施行。如杭州市地方审计部门建立了《审计数据综合分析系统》，通过对财政数据或者业务数据的采集，并纳入审计管理，在需要时挖掘相关数据，开展多维化的分析处理。该系统包含一系列审计模型和图形化的数据，很大程度上提高了审计的效益，使得审计人员能够更加直观地审点，拓宽审计的深度和广度，从而促进经济健康有序发展。
四、展望
2002年，以远程联网审计为主流的计算机审计――“金审工程”已实施。“金审工程”的实施标志着我国对审计信息化的重视，审计开始逐步从传统的账簿审计向计算机电子化审计发展。
