| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-20页 |
| 1.1 研究的背景 | 第9-10页 |
| 1.2 研究的意义 | 第10页 |
| 1.3 研究综述 | 第10-14页 |
| 1.3.1 专项资金审计研究综述 | 第10-11页 |
| 1.3.2 大数据审计研究综述 | 第11-13页 |
| 1.3.3 大数据技术在专项资金审计领域应用研究综述 | 第13-14页 |
| 1.3.4 文献述评 | 第14页 |
| 1.4 研究的内容与方法 | 第14-18页 |
| 1.4.1 研究内容 | 第14-16页 |
| 1.4.2 研究方法及路线 | 第16-18页 |
| 1.5 创新与不足 | 第18-20页 |
| 1.5.1 创新之处 | 第18页 |
| 1.5.2 不足之处和难点 | 第18-20页 |
| 2 专项资金审计现状分析 | 第20-24页 |
| 2.1 专项资金审计的特点 | 第20页 |
| 2.2 专项资金数据审计常用工具 | 第20-22页 |
| 2.2.1 表格类数据分析工具Excel | 第21页 |
| 2.2.2 数据库工具SQLServer | 第21-22页 |
| 2.3 专项资金审计的优化 | 第22-24页 |
| 2.3.1 专项资金存在的问题 | 第22页 |
| 2.3.2 专项资金审计的技术发展趋势 | 第22-24页 |
| 3 基于大数据技术的审计数据分析 | 第24-35页 |
| 3.1 基于大数据技术的审计数据分析框架 | 第24-25页 |
| 3.2 Python语言在大数据审计中的适用性 | 第25-27页 |
| 3.3 在审计实务中应用Python的研究 | 第27-33页 |
| 3.3.1 Python数据采集方法 | 第27-29页 |
| 3.3.2 Python数据分析方法 | 第29-33页 |
| 3.4 现有审计工具与Python大数据技术的对比总结 | 第33-34页 |
| 3.5 运用Python大数据技术实施专项资金审计的可行性 | 第34-35页 |
| 4 大数据审计应用——以某市商务促进专项资金审计为例 | 第35-67页 |
| 4.1 专项资金审计案例概述 | 第35页 |
| 4.2 商务促进专项资金数据来源 | 第35页 |
| 4.3 本案例专项资金大数据审计方案介绍 | 第35-36页 |
| 4.4 商务促进专项资金政策文件分析 | 第36-42页 |
| 4.4.1 Python-PyTagCloud标签云可视化确定审计重点 | 第36-39页 |
| 4.4.2 Python-Genesim政策文件相似度分析制定审计方案 | 第39-42页 |
| 4.5 商务促进专项资金补充数据采集与审计数据预处理 | 第42-48页 |
| 4.5.1 Python-爬虫获取商务委外部数据 | 第42-44页 |
| 4.5.2 商务促进专项资金审计数据预处理 | 第44-48页 |
| 4.6 商务促进专项资金审计数据分析 | 第48-65页 |
| 4.6.1 SQLServer关联分析各部门数据 | 第48-49页 |
| 4.6.2 Python-MatPlotLib散点图分析相关补贴与进口额关系 | 第49-52页 |
| 4.6.3 SQLServer关联分析状态异常公司 | 第52-56页 |
| 4.6.4 基于股东、投资等关系的Python-Networkx关系网络分析 | 第56-63页 |
| 4.6.5 Python-PyTagCloud标签云分析专项资金获补行业 | 第63-65页 |
| 4.7 案例研究结论 | 第65-67页 |
| 5 关于促进大数据环境下专项资金审计发展的建议 | 第67-70页 |
| 参考文献 | 第70-72页 |
| 后记 | 第72-73页 |
| 附录：Python脚本 | 第73-78页 |
