第5章_审计数据预处理-课件（PPT-精）.pptVIP

* * 第五章 审计数据预处理 计算机辅助审计原理及应用 南京审计学院 * 陈 伟 Email: chenweich@nau.edu.cn 第五章 审计数据预处理 概述 审计数据预处理理论分析 数据预处理应用实例 数据预处理阶段的数据验证 其它数据预处理方法介绍 数据质量概念及分类 单数据源数据质量问题 多数据源集成时数据质量问题 审计数据质量实例 数据预处理的意义 数据预处理的内容 审计数据预处理理论分析 什么是数据质量呢？ 数据质量问题并不仅仅是指数据错误。有的文献把数据质量定义为数据的一致性（consistency）、正确性（correctness）、完整性（completeness）和最小性（minimality）这4个指标在信息系统中得到满足的程度，有的文献则把“适合使用”作为衡量数据质量的初步标准。 数据质量的概念 准确性（Accuracy） 准确性是指数据源中实际数据值与假定正确数据值的一致程度； 完整性（Completeness） 完整性是指数据源中需要数值的字段中无值缺失的程度； 一致性（Consistency） 一致性是指数据源中数据对一组约束的满足程度； 唯一性（Uniqueness） 唯一性是指数据源中记录以及编码是否唯一； 适时性（Timeliness） 适时性是指在所要求的或指定的时间提供一个或多个数据项的程度； 有效性（Validity） 有效性是指维护的数据足够严格以满足分类准则的接受要求。 评价数据质量的指标 数据质量问题分类 单数据源数据质量问题 单数据源数据质量问题 当多个数据源集成时，发生在单数据源中的这些问题会更加严重。这是因为每个数据源都是为了特定应用，单独开发、部署和维护的，这就很大程度上导致数据管理系统、数据模型、模式设计和实际数据的不同。每个数据源都可能含有脏数据，多数据源中的数据可能会出现不同表示、重复、冲突等现象。 在模式级，模式设计的主要问题是命名冲突和结构冲突。命名冲突主要表现为不同的对象可能使用同一个命名，而同一对象可能使用不同的命名；结构冲突存在很多种不同的情况，一般是指在不同数据源中同一对象有不同表示，如不同的组成结构、不同的数据类型、不同的完整性约束等。 多数据源集成时数据质量问题 除了模式级的冲突，很多冲突仅出现在实例级上，即数据冲突。由于不同数据源中数据的表示可能会不同，单数据源中的所有问题都可能会出现，比如重复的记录、冲突的记录等。此外，在整个数据源中，尽管有时不同的数据源中有相同的字段名和类型，仍可能存在不同的数值表示，如对性别的描述，一个数据源中可能用“0/1”来描述，另一个数据源中可能会用“F/M”来描述，或者对一些数值的不同表示，如一个数据源中度量单位制可能用美元，另一个数据源中可能会用欧元。此外，不同数据源中的信息可能表示在不同的聚集级别上，如一个数据源中信息可能指的是每种产品的销售量，而另一个数据源中信息可能指的是每组产品的销售量。 多数据源集成时数据质量问题 不完整数据 不完整数据 不一致的数据 不正确的数据 重复的数据 为下一步的审计数据分析提供准备 帮助发现隐含的审计线索 降低审计风险 数据预处理的意义 数据转换 数据清理 数据预处理的内容 数据预处理的内容 采用Access 采用AO 数据预处理应用实例 （1）确信数据预处理的目标实现 （2）确认数据预处理工作没有损害数据的完整性、正确性 数据预处理阶段的数据验证 不完整数据的清理 相似重复记录的清理 其它数据预处理方法 思考题 为什么要对被审计数据进行数据预处理？ 什么是数据质量？ 评价数据质量的主要指标有哪些？ * * 冯淑敏 此处是标题