| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 文献综述 | 第12-16页 |
| 1.2.1 审计分析程序文献综述 | 第12-14页 |
| 1.2.2 数据审计分析技术文献综述 | 第14-16页 |
| 1.3 研究方法与思路 | 第16-17页 |
| 1.3.1 研究方法 | 第16页 |
| 1.3.2 研究思路 | 第16-17页 |
| 1.4 研究内容与结构 | 第17页 |
| 1.5 创新点 | 第17-18页 |
| 第2章 审计分析程序引入大数据的必要性与可行性 | 第18-28页 |
| 2.1 传统审计分析程序的原理 | 第18-20页 |
| 2.1.1 审计分析程序的应用范围 | 第18-19页 |
| 2.1.2 审计分析程序的方法 | 第19-20页 |
| 2.2 传统审计分析程序使用的局限性 | 第20-21页 |
| 2.2.1 分析结果不够准确 | 第20-21页 |
| 2.2.2 数据之间的预期值难以精准确定 | 第21页 |
| 2.2.3 分析程序难以充分发挥作用 | 第21页 |
| 2.3 审计分析程序引入大数据的优越性 | 第21-26页 |
| 2.3.1 大数据技术已发展成熟并广泛运用于各行各业 | 第21-22页 |
| 2.3.2 审计分析程序是随着社会环境变化而发展的 | 第22-26页 |
| 2.4 引入大数据对审计分析程序的可行性 | 第26-28页 |
| 2.4.1 降低因抽样带来分析结果不正确的风险 | 第26页 |
| 2.4.2 分析程序中的数据预期值更容易确定 | 第26页 |
| 2.4.3 数据来源的广泛性为审计工作提供了更好的基础 | 第26-28页 |
| 第3章 审计分析程序引入大数据的方法与效果分析 | 第28-39页 |
| 3.1 审计分析程序引入大数据的现状 | 第28-29页 |
| 3.1.1 国外情况 | 第28页 |
| 3.1.2 国内情况 | 第28-29页 |
| 3.2 审计分析程序引入大数据的一般方法 | 第29-32页 |
| 3.2.1 确定要执行分析程序的对象 | 第29-30页 |
| 3.2.2 确定期望值 | 第30-31页 |
| 3.2.3 可接受差异计算 | 第31-32页 |
| 3.2.4 差异合理性分析 | 第32页 |
| 3.3 审计分析程序是否引入大数据的案例 | 第32-36页 |
| 3.3.1 未引入大数据对S服装公司审计分析 | 第32-34页 |
| 3.3.2 引入大数据对X省养老金待遇调整绩效审计分析 | 第34-36页 |
| 3.4 审计分析程序引入大数据的效果分析 | 第36-39页 |
| 3.4.1 增加可分析对象 | 第36-37页 |
| 3.4.2 分析程序中的数据预期值更容易确定 | 第37页 |
| 3.4.3 数据来源的广泛性为审计工作提供了更好的基础 | 第37-39页 |
| 第4章 审计分析程序引入大数据的保障条件 | 第39-46页 |
| 4.1 数据共享平台建设 | 第39-40页 |
| 4.1.1 成立专门部门对数据共享平台进行建设和维护 | 第39页 |
| 4.1.2 制定法律法规对大数据平台建设进行规范 | 第39页 |
| 4.1.3 投入发展数据存储基础设施 | 第39-40页 |
| 4.2 数据分析方法准备 | 第40-42页 |
| 4.2.1 使用NoSQL技术提高数据处理能力 | 第40-41页 |
| 4.2.2 建立分布式数据处理系统 | 第41页 |
| 4.2.3 利用机器学习进行大数据审计分析 | 第41-42页 |
| 4.2.4 数据可视化技术的应用 | 第42页 |
| 4.3 数据分析软件设计 | 第42-44页 |
| 4.3.1 功能结构设计 | 第42-43页 |
| 4.3.2 数据流程设计 | 第43-44页 |
| 4.4 审计人员素质改善 | 第44-46页 |
| 第5章 结论与展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的论文和其它科研情况 | 第51-52页 |
