ترجمه داده کاوی به عنوان یک ابزار حسابرسی

توضیحات

 عنوان فارسی: داده کاوی به عنوان یک ابزار حسابرسی

عنوان انگلیسی مقاله ترجمه شده:

DATA MINING AS AN AUDITING TOOL

معرفی
ما غرق در داده، اما گرسنه برای دانش هستیم. در سال های اخیر مقدار و یا حجم اطلاعات به طور قابل توجهی افزایش یافته است. برخی از محققان نشان داده اند که حجم اطلاعات ذخیره شده در هر سال دو برابر میزان ذخیره سازی دیسک به ازای هر نفر (DSP) است که یک راه برای اندازه گیری رشد اطلاعات شخصی است.
ادلستین و میلنسون (2003) تخمین زده اند که این میزان به طور چشمگیری از 28 مگا بایت در سال 1996 به    472 مگا بایت در سال 2000 افزایش یافته است.

به نظر می رسد داده کاوی نویدبخش ترین راه حل برای معضل مربوط به داده های بسیار زیاد با دانش بسیار کم است. ما از الگو تشخیص تکنولوژی ها و تکنیک های آماری و ریاضی  برای غربال کردن انبار داده استفاده کردیم، داده کاوی کمک می کند تا تحلیلگران حقایق، روابط، روند، الگوها، استثناها و ناهنجاریها را تشخیص دهند. استفاده از داده کاوی می تواند موقعیت یک شرکت را با ایجاد یک مزیت رقابتی پایدار پیش ببرد. انبار داده و داده کاوی، علم مدیریت و آنالیز مجموعه داده های بزرگ و کشف الگوهای جدید است(وانگ، 2003، 2005؛ اولافسون، 2006).

داده کاوی شامل جستجو از طریق پایگاه های داده برای ارتباط و یا سایر الگوهای غیر تصادفی است. داده کاوی توسط آمارگرها، تحلیلگران داده، جامعه مدیران سیستم های اطلاعاتی و سایر افراد حرفه ای استفاده شده است. تشخیص الگوهای داده به منظور کشف اطلاعات ارزشمند، حقایق جدید و روابط بین متغیرها در تصمیم گیری برای تجارت مهم است چراکه هزینه ها را حداقل، بازده  را افزایش ، و ایجاد بازده در عملکرد می کند. در توابع حسابداری و حسابرسی همچنانکه شرکت ها در حال جمع آوری مقادیر زیادی از داده های پیچیده الکترونیکی در اشکال مختلف هستند، استفاده از داده کاوی در حال گسترش است. داده کاوی اجازه می دهد تا حسابداران به تجزیه و تحلیل داده ها در بسیاری از روش های مختلف بپردازند و روابط را خلاصه کنند. آنالیز داده کاوی داده ها را دسته بندی می کند و اطلاعات مورد نیاز برای حسابداران را نشان می دهد.

داده کاوی به عنوان یک ابزار حسابرسی

نیاز به داده کاوی در زمینه حسابرسی به سرعت در حال رشد است. همانطور که دستگاه های آنلاین و با تکنولوژی بالا انجام معاملات حسابداری را پیچیده تر و اداره آنها را آسان تر می کنند، استفاده از داده کاوی در حرفه حسابرسی در سال های اخیر افزایش یافته است. از آنجا که حسابرسی شامل “جمع کردن و ارزیابی شواهد در مورد اطلاعات به منظور تعیین و گزارش درجه ارتباط بین اطلاعات و معیارهای مقرر است، (سیریکواوادهانا، 2002). حسابرسان مستقل کار حسابرسی را هدایت می کنند تا مطمئن شوند که صورت های مالی از شرکت به طور کلی مطابق با اصول حسابداری پذیرفته شده (GAAP) است. که به عنوان نقش اعتبار دهی شناخته شده است. داده کاوی اجازه می دهد تا این پروسه به صورت آسان تر انجام شود. حسابرسان از نرم افزار حسابرسی کمکی (CAAT) استفاده می کنند تا پروسه را دقیق تر و قابل اعتمادتر سازند.

سه روش پایه برای داده کاوی وجود دارد: روش های مبتنی بر ریاضی، روشهای مبتنی بر فاصله، و روش مبتنی بر منطق (انجمن ایالتی حسابداران رسمی نیویورک ، 2005). روش اول، روش های مبتنی بر ریاضی ، با استفاده از شبکه های عصبی، که شبکه ای از گره ها هستند، که پس از یک مدار نورون یا مدار عصبی که از مغز انسان تقلید می کند، مدل می شوند. این شبکه های عصبی در حرفه حسابرسی در بسیاری از روش های مختلف، از جمله ارزیابی ریسک، پیدا کردن خطاها و تقلبها، تعیین تداوم فعالیت شرکت، ارزیابی بحران مالی و پیش بینی ورشکستگی استفاده می شوند. رویکرد بعدی به داده کاوی روش مبتنی بر فاصله است، که با استفاده از خوشه بندی مجموعه بزرگی از داده ها را در گروه هایی قرار می دهد و براساس ویژگی ها طبقه بندی می کند. این روش به طور معمول در حسابرسی استفاده نمی شود. و بیشتر در زمینه بازاریابی استفاده می شود، اما گاهی اوقات می تواند برای حسابرسی استفاده شود. رویکرد سوم به داده کاوی رویکرد مبتنی بر منطق است. این روش از درخت تصمیم گیری برای سازماندهی داده ها استفاده می کند. زمینه های حسابرسی که مبتنی بر روش منطق هستند بیشتر در ورشکستگی، ورشکستگی بانک، و ریسک اعتباری مورد استفاده هستند. روش داده کاوی استفاده می شود تا حسابرسی را با سازماندهی و تحلیل داده ها در یک راه موثر تر و کارآمد تر، ساده تر کند.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.