JP5955093B2 - Audit result analysis system and audit result analysis method - Google Patents
Audit result analysis system and audit result analysis method Download PDFInfo
- Publication number
- JP5955093B2 JP5955093B2 JP2012110442A JP2012110442A JP5955093B2 JP 5955093 B2 JP5955093 B2 JP 5955093B2 JP 2012110442 A JP2012110442 A JP 2012110442A JP 2012110442 A JP2012110442 A JP 2012110442A JP 5955093 B2 JP5955093 B2 JP 5955093B2
- Authority
- JP
- Japan
- Prior art keywords
- audit
- occurrence probability
- data
- item
- indication
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012550 audit Methods 0.000 title claims description 581
- 238000004458 analytical method Methods 0.000 title claims description 52
- 230000001932 seasonal effect Effects 0.000 claims description 71
- 230000000694 effects Effects 0.000 claims description 66
- 230000001788 irregular Effects 0.000 claims description 62
- 238000001514 detection method Methods 0.000 claims description 43
- 238000011156 evaluation Methods 0.000 claims description 38
- 238000003860 storage Methods 0.000 claims description 38
- 230000005856 abnormality Effects 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 31
- 230000007423 decrease Effects 0.000 claims description 20
- 230000010365 information processing Effects 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 9
- 230000001351 cycling effect Effects 0.000 claims 2
- 238000012545 processing Methods 0.000 description 54
- 238000000926 separation method Methods 0.000 description 28
- PDQGEKGUTOTUNV-TZSSRYMLSA-N 4'-deoxy-4'-iododoxorubicin Chemical compound O([C@H]1C[C@@](O)(CC=2C(O)=C3C(=O)C=4C=CC=C(C=4C(=O)C3=C(O)C=21)OC)C(=O)CO)[C@H]1C[C@H](N)[C@H](I)[C@H](C)O1 PDQGEKGUTOTUNV-TZSSRYMLSA-N 0.000 description 24
- 230000002159 abnormal effect Effects 0.000 description 20
- 238000007689 inspection Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 238000000605 extraction Methods 0.000 description 9
- 238000012795 verification Methods 0.000 description 9
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 230000001934 delay Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 238000004710 electron pair approximation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 208000037805 labour Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明は、監査結果データから監査の実施や指摘等の特徴を抽出する監査結果分析システムに関する。 The present invention relates to an audit result analysis system that extracts features such as audit execution and indication from audit result data.
金融機関などにおける監査では、一般的に、監査を実施した後、その監査の結果として、いつの年月に、どこの監査対象に対して、どんな監査項目について監査を実施したかというデータと、監査で指摘された問題点のデータをデータベースなどに格納する。ここで、例えば、金融機関の自店検査では、監査対象は金融機関の営業店であり、監査項目は「通帳の現物照合」や「証書の残数照合」等の自店検査の検査内容である。 In an audit at a financial institution, generally, after the audit is conducted, the audit results are provided for data indicating what audit items were audited for which audit target, and for what audit target. Store the data of the problems pointed out in the database. Here, for example, in the in-store inspection of a financial institution, the audit target is a sales office of the financial institution, and the audit item is the inspection contents of the in-house inspection such as “in-kind verification of passbook” and “verification of remaining number of certificates” is there.
従来より、データベースに格納されている監査結果から監査の実施や指摘等の特徴を抽出し、今後の監査計画の改善に活用することが提案されている。特許文献1の技術では、監査結果から、優先度判断条件に基づいて監査項目の優先度を判断する。例えば、特許文献1の技術では、「A店の監査」かつ「過去の監査で指摘無し」かつ「昨年は監査の実施無し」という条件に合致する監査項目の優先度を高くし、「過去の指摘が無くかつ昨年実施していない監査項目」を抽出する。
Conventionally, it has been proposed to extract features such as audit execution and indication from the audit results stored in the database and use them for improvement of future audit plans. In the technique of
しかしながら、特許文献1の技術では、過去の監査で指摘があったかどうかしか考慮しておらず、監査を実施した場合に発生する遅延など、監査におけるコストを考慮して監査の実施や指摘に関する特徴を抽出していない。したがって、特許文献1の技術では、コストを考慮した監査計画の改善を行うことができない。
However, the technology of
本発明はこのような状況に鑑みてなされたものであり、監査におけるコストを考慮して監査の実施や指摘に関する特徴を抽出し、監査計画をより効果的に改善することが可能な技術を提供する。 The present invention has been made in view of such a situation, and provides a technology capable of extracting audit features and indications in consideration of costs in auditing and improving the audit plan more effectively. To do.
上記課題を解決するために、本発明の監査結果分析システムは、記憶手段と、確率計算手段と、傾向循環変動計算手段と、監査効果評価手段とを備える。ここで、記憶手段は、監査対象と、監査項目と、監査項目の時期情報と、監査項目の実施情報と、監査項目に関する遅延情報と、監査項目に関する指摘情報とを対応付けて格納する。確率計算手段は、監査対象毎に、監査項目に関する遅延発生確率の時系列データと、監査項目に関する指摘発生確率の時系列データとを計算する。傾向循環変動計算手段は、監査対象毎に遅延発生確率の時系列データから遅延発生確率の傾向循環変動データを計算し、監査対象毎に指摘発生確率の時系列データから指摘発生確率の傾向循環変動データを計算する。監査効果評価手段は、遅延発生確率の傾向循環変動データと指摘発生確率の傾向循環変動データの2系列のデータに関して外れ値を抽出し、外れ値に対応する監査対象を監査効果の評価結果として出力する。 In order to solve the above problems, an audit result analysis system according to the present invention includes a storage unit, a probability calculation unit, a trend circulation fluctuation calculation unit, and an audit effect evaluation unit. Here, the storage means stores the audit target, the audit item, the time information of the audit item, the execution information of the audit item, the delay information about the audit item, and the indication information about the audit item in association with each other. The probability calculation means calculates time-series data of the delay occurrence probability regarding the audit item and time-series data of the indication occurrence probability regarding the audit item for each audit target. The trend circulation fluctuation calculation means calculates the trend circulation fluctuation data of the delay occurrence probability from the time series data of the delay occurrence probability for each audit target, and the trend circulation fluctuation of the indication occurrence probability from the time series data of the occurrence probability of each audit target. Calculate the data. The audit effect evaluation means extracts outliers with respect to two series of data, ie, the trend circulation fluctuation data of the delay occurrence probability and the trend circulation fluctuation data of the indication occurrence probability, and outputs the audit target corresponding to the outlier as the evaluation result of the audit effect. To do.
また、本発明の監査結果分析システムは、記憶手段と、確率計算手段と、傾向循環変動計算手段と、監査効果評価手段とを備える。ここで、記憶手段は、監査対象と、監査項目と、監査項目の時期情報と、監査項目の実施情報と、監査項目に関する遅延情報と、監査項目に関する指摘情報とを対応付けて格納する。確率計算手段は、監査項目毎に、遅延発生確率の時系列データと、指摘発生確率の時系列データとを計算する。傾向循環変動計算手段は、監査項目毎に遅延発生確率の時系列データから遅延発生確率の傾向循環変動データを計算し、監査項目毎に指摘発生確率の時系列データから指摘発生確率の傾向循環変動データを計算する。監査効果評価手段は、遅延発生確率の傾向循環変動データと指摘発生確率の傾向循環変動データの2系列のデータに関して外れ値を抽出し、外れ値に対応する監査項目を監査効果の評価結果として出力する。 The audit result analysis system of the present invention comprises storage means, probability calculation means, trend circulation fluctuation calculation means, and audit effect evaluation means. Here, the storage means stores the audit target, the audit item, the time information of the audit item, the execution information of the audit item, the delay information about the audit item, and the indication information about the audit item in association with each other. The probability calculation means calculates time series data of the delay occurrence probability and time series data of the indication occurrence probability for each audit item. The trend circulation fluctuation calculation means calculates the trend circulation fluctuation data of the delay occurrence probability from the time series data of the delay occurrence probability for each audit item, and the trend circulation fluctuation of the indication occurrence probability from the time series data of the occurrence probability for each audit item. Calculate the data. The audit effect evaluation means extracts outliers for the two series of data of the trend occurrence fluctuation of the delay occurrence probability and the trend circulation change data of the indication occurrence probability, and outputs the audit item corresponding to the outlier as the evaluation result of the audit effect. To do.
本発明によれば、監査におけるコストを考慮して監査の実施や指摘に関する特徴を抽出することが可能になる。これにより、コストを考慮した監査計画の改善を行うことが可能となる。 According to the present invention, it is possible to extract features related to the execution and indication of an audit in consideration of the cost of the audit. As a result, it is possible to improve the audit plan considering the cost.
本発明に関連する更なる特徴は、本明細書の記述、添付図面から明らかになるものである。また、上記した以外の、課題、構成及び効果は、以下の実施形態の説明により明らかにされる。 Further features related to the present invention will become apparent from the description of the present specification and the accompanying drawings. Further, problems, configurations, and effects other than those described above will be clarified by the following description of embodiments.
以下、添付図面を参照しながら、本発明の監査結果分析システムを実施するための形態を詳細に説明する。図1〜図4は、本発明の実施形態を例示する図である。 Hereinafter, an embodiment for carrying out an audit result analysis system of the present invention will be described in detail with reference to the accompanying drawings. 1 to 4 are diagrams illustrating an embodiment of the present invention.
なお、以後の説明では「テーブル」構造を用いて本発明の情報について説明するが、これら情報は必ずしもテーブルによるデータ構造で表現されていなくても良く、リスト、DB、キュー等のデータ構造やそれ以外で表現されていても良い。そのため、データ構造に依存しないことを示すために「テーブル」、「リスト」、「DB」、「キュー」等について単に「情報」と呼ぶことがある。 In the following description, the information of the present invention will be described using a “table” structure. However, the information does not necessarily have to be represented by a table data structure, such as a data structure such as a list, DB, or queue. It may be expressed in other than. Therefore, “table”, “list”, “DB”, “queue”, etc. may be simply referred to as “information” to indicate that they do not depend on the data structure.
<監査結果分析システムの構成>
図1は、本発明の実施形態による監査結果分析システムの概略構成を示す機能ブロック図である。
本発明の監査結果分析システムは、分析コンピュータ1である。分析コンピュータ1は、ワークステーションやパーソナルコンピュータなどの情報処理装置によって構成されている。
<Configuration of audit result analysis system>
FIG. 1 is a functional block diagram showing a schematic configuration of an audit result analysis system according to an embodiment of the present invention.
The audit result analysis system of the present invention is an
分析コンピュータ1は、中央演算処理装置11と、補助記憶装置12と、主記憶装置13と、表示装置14と、入力装置15とを備えている。例えば、中央演算処理装置11は、CPU(Central Processing Unit)などのプロセッサ(又は演算部ともいう)で構成されている。また、例えば、補助記憶装置12はハードディスクであり、主記憶装置13はメモリであり、表示装置14はディスプレイであり、入力装置15はキーボード及びポインティングデバイス(マウスなど)である。また、中央演算処理装置11と、補助記憶装置12と、主記憶装置13と、表示装置14と、入力装置15は、データバス16を介して接続されている。
The
補助記憶装置12には、データベース2と監査結果分析プログラム3とが格納されている。データベース2には、監査対象テーブル21と、監査項目テーブル22と、監査結果テーブル23とが格納されている。これらのテーブルの詳細については、後述する。
The
監査結果分析プログラム3は、発生確率計算手段31と、TCSI分離手段32と、監査効果評価手段33と、監査異常検出手段34とから構成されている。発生確率計算手段31は、監査対象毎に遅延発生率と指摘発生確率を計算するとともに、監査項目毎に遅延発生率と指摘発生確率を計算する。TCSI分離手段32は、後述するTCSI分離法を用いて、遅延発生率と指摘発生確率の時系列データから、傾向循環変動と季節変動と不規則変動を計算する。監査効果評価手段33は、TCSI分離手段32によって計算された傾向循環変動のデータ集合に基づいて監査効果を評価する。また、監査異常検出手段34は、TCSI分離手段32によって計算された季節変動と不規則変動のデータ集合について異常値(外れ値)を検出する。
The audit
なお、分析コンピュータ1では、発生確率計算手段31と、TCSI分離手段32と、監査効果評価手段33と、監査異常検出手段34とをコンピュータ上で実行されるプログラムの機能として実現している。分析コンピュータ1は、補助記憶装置12からデータベース2と監査結果分析プログラム3を読み込んで主記憶装置13に格納し、中央演算処理装置11が、主記憶装置13上の監査対象テーブル21と監査項目テーブル22と監査結果テーブル23の情報を参照しながら、発生確率計算手段31とTCSI分離手段32と監査効果評価手段33と監査異常検出手段34を当該順で実行する。最終的に、表示装置14が、監査効果評価手段33と監査異常検出手段34の出力を表示する。なお、発生確率計算手段31と、TCSI分離手段32と、監査効果評価手段33と、監査異常検出手段34とをハードウェアとして実現してもよい。
In the
<データベースの構成>
図2は、データベース2に格納されている監査対象テーブル21の一例を示す。監査対象テーブル21は、監査対象ID200と監査対象名201とを構成項目として含んでいる。なお、以下では、監査対象テーブル21に格納されている監査対象数をNXとし、監査対象IDをIDX[x](1≦x≦NX)とし、監査対象名をNAMEX[x](1≦x≦NX)とする。
<Database configuration>
FIG. 2 shows an example of the audit target table 21 stored in the
図2の監査対象テーブル21は、金融機関の自店検査の例であり、監査対象数は金融機関の営業店数であり、監査対象IDは営業店番であり、監査対象名は営業店名である。また、図2の例では、NX=26、IDX[1]=101、NAMEX[1]=“A店”、IDX[2]=102、NAMEX[2]=“B店”、IDX[26]=126、NAMEX[26]=“Z店”である。 The audit target table 21 in FIG. 2 is an example of the own store inspection of a financial institution, the number of audit targets is the number of branches of the financial institution, the audit target ID is the store number, and the audit target name is the store name. . In the example of FIG. 2, NX = 26, IDX [1] = 101, NAMEX [1] = “Store A”, IDX [2] = 102, NAMEX [2] = “Store B”, IDX [26] = 126, NAMEX [26] = “Z store”.
図3は、データベース2に格納されている監査項目テーブル22の一例を示す。監査項目テーブル22は、監査項目ID300と監査項目名301とを構成項目として含んでいる。なお、以下では、監査項目テーブル22に格納されている監査項目数をNYとし、監査項目IDをIDY[y](1≦y≦NY)とし、監査項目名をNAMEY[y](1≦y≦NY)とする。
FIG. 3 shows an example of the audit item table 22 stored in the
図3の監査項目テーブル22は、金融機関の自店検査の例であり、監査項目数は自店検査の検査数であり、監査項目IDは検査識別番号であり、監査項目名は検査内容である。また、図3の例では、NY=50、IDY[1]=201、NAMEY[1]=“通帳の現物照合”、IDY[2]=202、NAMEY[2]=“証書の残数照合”、IDY[50]=250、NAMEY[50]=“鍵類の点検”である。 The audit item table 22 in FIG. 3 is an example of the own store inspection of the financial institution, the number of audit items is the number of inspections of the own store inspection, the audit item ID is the inspection identification number, and the audit item name is the inspection content. is there. In the example of FIG. 3, NY = 50, IDY [1] = 201, NAMEY [1] = “actual check of bankbook”, IDY [2] = 202, NAMEY [2] = “check remaining number of certificate” , IDY [50] = 250, NAMEY [50] = “Check keys”.
図4は、データベース2に格納されている監査結果テーブル23の一例を示す。監査結果テーブル23は、監査対象ID400と、監査項目ID401と、年402と、月403と、実施有無値404と、遅延有無値405と、指摘有無値406とを構成項目として含んでいる。この監査結果テーブル23は、オペレータが、入力装置15などを用いて予め入力したデータである。なお、以下では、監査開始年をYEARMINとし、監査最新年をYEARMAXとし、年をyear(YEARMIN≦year≦YEARMAX)とし、月をmonth(1≦month≦12)とする。また、監査対象IDがIDX[x]、監査項目IDがIDY[y]、年がyear、月がmonthのレコードについて、実施有無値をAXY[x][y][year][month]とし、遅延有無値をBXY[x][y][year][month]とし、指摘有無値をCXY[x][y][year][month]とする。
FIG. 4 shows an example of the audit result table 23 stored in the
監査結果テーブル23の実施有無値404には、監査を実施した場合には1が格納され、監査を実施しなかった場合には0が格納される。また、遅延有無値405には、監査を予定日以降に実施した場合には1が格納され、監査を予定日以前に実施した場合には0が格納される。なお、監査を実施しなかった場合にも0が格納される。指摘有無値406には、監査を実施して指摘があった場合には1が格納され、監査を実施して指摘が無かった場合には0が格納される。なお、監査を実施しなかった場合にも0が格納される。
The execution presence /
ただし、遅延有無値405と指摘有無値406には、特定の月に1になりやすいという季節変動がある。例えば、季節変動として、金融機関の自店検査では、3、5、9、12月に金融機関の業務量が多いために遅延が発生しやすい傾向にある。また、季節変動として、4、10月に金融機関で人事異動があるために指摘が発生しやすいという傾向にある。
However, the delay presence /
図4の例では、YEARMIN=2009、YEARMAX=2011である。すなわち、図4の監査結果テーブル23には、2009年から2011年までの監査結果が格納されている。 In the example of FIG. 4, YEARMIN = 2009 and YEARMAX = 2011. That is, audit results from 2009 to 2011 are stored in the audit result table 23 of FIG.
また、AXY[1][1][2009][1]=0、BXY[1][1][2009][1]=0、CXY[1][1][2009][1]=0である。すなわち、IDX[1]=101である監査対象“A店”に対して、IDY[1]=201である監査項目“通帳の現物照合”の監査を、2009年1月に実施しなかったことを示している。 Also, AXY [1] [1] [2009] [1] = 0, BXY [1] [1] [2009] [1] = 0, CXY [1] [1] [2009] [1] = 0 is there. In other words, auditing of the audit item “passbook physical verification” with IDY [1] = 201 was not conducted in January 2009 for the audit target “Store A” with IDX [1] = 101. Is shown.
また、AXY[1][2][2011][12]=1、BXY[1][2][2011][12]=1、CXY[1][2][2011][12]=1である。すなわち、IDX[1]=101である監査対象“A店”に対して、IDY[2]=202である監査項目“証書の残数照合”の監査を、2011年12月に実施し、監査を予定日以降に実施し、監査を実施して指摘があったことを示している。 Also, AXY [1] [2] [2011] [12] = 1, BXY [1] [2] [2011] [12] = 1, CXY [1] [2] [2011] [12] = 1 is there. In other words, the audit item “Verification of remaining number of certificates” with IDY [2] = 202 was audited in December 2011 for the audit target “Store A” with IDX [1] = 101. After the scheduled date, the audit was conducted, indicating that there was an indication.
<監査結果分析プログラムの構成>
監査結果分析プログラム3で用いる関数を以下に示す。TCSI分離手段32は、TCSI分離法を用いて、遅延発生率と指摘発生確率の時系列データから、傾向循環変動と季節変動と不規則変動を計算する。
<Structure of audit result analysis program>
The functions used in the audit
ここで、TCSI分離法とは、時系列データを傾向循環変動(Trend and Cyclical component)と季節変動(Seasonal variation)と不規則変動(Irregular variation)に分離する方法である。月次の時系列データに対するTCSI分離法としては、例えば、非特許文献1に記載のEPA法(Economic Planning Agency method)がある。月次の時系列データD[year][month]から、TCSI分離法の加法モデルで計算して、時系列データDの最新の年月について、傾向循環変動を返す関数をT(D)、季節変動を返す関数をS(D)、不規則変動を返す関数をI(D)とする。
Here, the TCSI separation method is a method of separating time-series data into a trend and cyclic component, a seasonal variation, and an irregular variation. As a TCSI separation method for monthly time-series data, for example, there is an EPA method (Economic Planning Agency method) described in
図5は、TCSI分離法の加法モデルへの入力である時系列データの一例を示し、図6は、TCSI分離法の加法モデルからの出力である傾向循環変動と季節変動と不規則変動の一例を示す。図5では、2007年1月から2011年10月までの期間に関して、年月毎に、ある特定の時系列データが入力されている。 FIG. 5 shows an example of time-series data that is an input to the additive model of the TCSI separation method, and FIG. 6 shows an example of trend circulation fluctuation, seasonal fluctuation, and irregular fluctuation that are outputs from the additive model of the TCSI separation method. Indicates. In FIG. 5, for a period from January 2007 to October 2011, certain specific time series data is input for each year.
図6に示すように、TCSI分離法の加法モデルでは、各変動の総和は時系列データに等しくなる。図5の時系列データでは、D[2011][10]=126である。これに対して図6の傾向循環変動T(D)+季節変動S(D)+不規則変動I(D)=150+(-27)+3=126であり、D[2011][10]=T(D)+S(D)+I(D)と等しくなる。 As shown in FIG. 6, in the additive model of the TCSI separation method, the sum of each variation is equal to the time series data. In the time series data of FIG. 5, D [2011] [10] = 126. On the other hand, the trend circulation fluctuation T (D) + seasonal fluctuation S (D) + irregular fluctuation I (D) = 150 + (− 27) + 3 = 126 in FIG. 6 and D [2011] [10] = T It is equal to (D) + S (D) + I (D).
本発明では、監査結果の遅延及び指摘の時系列データに関して傾向循環変動と季節変動と不規則変動を計算することが特徴の1つである。傾向循環変動と季節変動と不規則変動を計算することによって、監査結果の効果を評価することが可能となる。 One of the features of the present invention is that the trend circulation fluctuation, seasonal fluctuation and irregular fluctuation are calculated with respect to the time-series data of the delay and the indication of the audit result. It is possible to evaluate the effect of the audit results by calculating the trend circulation variation, seasonal variation and irregular variation.
特に、金融機関などにおける監査では、TCSI分離の各変動が発生する要因として以下のことが考えられ、この要因を考慮して監査結果の効果を評価する点が本発明の特徴である。
(傾向循環変動)
例えば、監査の実施手順が複雑で負担が大きかったり、店が慢性的な人手不足であったりすると、遅延の傾向循環変動の値が大きくなりやすい。また、検査内容に関連する業務の難易度が高かったり、店員が教育不足で業務に不慣れであったりすると、指摘の傾向循環変動の値が大きくなりやすい。
In particular, in auditing at a financial institution or the like, the following can be considered as factors causing each variation in TCSI separation, and the feature of the present invention is that the effect of the audit result is evaluated in consideration of this factor.
(Trend circulation fluctuation)
For example, if the auditing procedure is complicated and burdensome, or if the store is chronically scarce, the value of the tendency of delay circulation fluctuation tends to increase. In addition, if the work related to the inspection contents is difficult, or if the store clerk is not familiar with the work due to lack of education, the value of the indicated trend circulation fluctuation tends to increase.
(季節変動)
前述した通り、監査における遅延有無値と指摘有無値には、特定の月に1になりやすいという季節変動がある。季節変動として、金融機関の自店検査では、3、5、9、12月に金融機関の業務量が多いために遅延が発生しやすい傾向にある。また、季節変動として、4、10月に金融機関で人事異動があるために指摘が発生しやすいという傾向にある。
(Seasonal variation)
As described above, there is a seasonal variation in the delay presence / absence value and the indication presence / absence value in the audit that tends to be 1 in a specific month. As seasonal fluctuations, in the in-store inspection of financial institutions, there is a tendency for delays to occur easily in March, May, September and December due to the large amount of work of financial institutions. In addition, as seasonal fluctuations, there are tendencies to be pointed out due to personnel changes at financial institutions in April and October.
(不規則変動)
例えば、突発的な臨時業務が発生すると、遅延の不規則変動の値が大きくなりやすい。また、検査内容に関連する業務の変更があったりすると、指摘の不規則変動の値が大きくなりやすい。
(Random fluctuation)
For example, when an unexpected temporary work occurs, the value of irregular fluctuation in delay tends to increase. In addition, when there is a change in work related to the inspection content, the value of the irregular fluctuation indicated is likely to increase.
監査効果評価手段33と監査異常検出手段34は、例えば、以下の外れ値抽出法を用いて、傾向循環変動や季節変動、不規則変動のデータ集合について外れ値(異常値)を検出する。ここで、外れ値抽出法とは、データの集合から他のデータより異常な値であるデータを抽出する方法である。 The audit effect evaluation means 33 and the audit anomaly detection means 34 detect outliers (abnormal values) for data sets of trend circulation fluctuations, seasonal fluctuations, and irregular fluctuations, for example, using the following outlier extraction method. Here, the outlier extraction method is a method of extracting data that is more abnormal than other data from a set of data.
1系列のデータの集合に対する外れ値抽出法としては、例えば1系列のデータの平均からの誤差に基づいて外れ値かを判定する方法がある。
1系列のデータの集合X[i](1≦i≦N)から、
X[i]がX[j](j≠i)と比べて異常に大きい値(例えば、X[i]>平均値+2×標準偏差値)であるデータのインデックスiの集合を返す関数をH(X)とし、
X[i]がX[j](j≠i)と比べて異常に小さい値(例えば、X[i]<平均値−2×標準偏差値)であるデータのインデックスiの集合を返す関数をL(X)とすることができる。
As an outlier extraction method for a set of one series of data, for example, there is a method of determining whether it is an outlier based on an error from the average of one series of data.
From a set X [i] (1 ≦ i ≦ N) of one series of data,
A function that returns a set of indices i of data in which X [i] is an abnormally large value compared to X [j] (j ≠ i) (for example, X [i]> average value + 2 × standard deviation value) is H (X)
A function that returns a set of indices i of data in which X [i] is an abnormally small value compared to X [j] (j ≠ i) (for example, X [i] <average value−2 × standard deviation value). L (X) can be used.
また、互いに強い相関がある2系列のデータの集合に対する外れ値抽出法としては、例えば2系列のデータの回帰直線からの誤差に基づいて外れ値かを判定する方法がある。
2系列のデータの集合(X[i],Y[i])(1≦i≦N)から、
Y[i]がX[i]と比べて異常に大きい値(例えばY[i]>X[i]での回帰直線の値+2×標準誤差値)であるデータのインデックスiの集合を返す関数をH(X,Y)とし、
Y[i]がX[i]と比べて異常に小さい値(例えばY[i]<X[i]での回帰直線の値−2×標準誤差値)であるデータのインデックスiの集合を返す関数をL(X,Y)とすることができる。
Further, as an outlier extraction method for a set of two series of data having a strong correlation with each other, for example, there is a method of determining whether an outlier is based on an error from a regression line of two series of data.
From two sets of data (X [i], Y [i]) (1 ≦ i ≦ N),
A function that returns a set of indices i of data in which Y [i] is an abnormally large value compared to X [i] (for example, the value of the regression line when Y [i]> X [i] + 2 x standard error value) Is H (X, Y),
Returns a set of indices i of data where Y [i] is an abnormally small value compared to X [i] (for example, the value of the regression line in Y [i] <X [i]-2 x standard error value) The function can be L (X, Y).
<監査結果分析プログラムにおける処理>
次に、上述の構成を有する監査結果分析プログラムにおいて行われる処理について説明する。図7〜10は監査結果分析プログラム3において行われる処理の概要を示すフローチャートである。これらのフローチャートにおける処理の主体は中央演算処理装置11とする。
<Processing in the audit result analysis program>
Next, processing performed in the audit result analysis program having the above-described configuration will be described. 7 to 10 are flowcharts showing an outline of processing performed in the audit
図7は、発生確率計算手段31の処理の一例を示すフローチャートである。
ステップ311において、中央演算処理装置11は、発生確率計算手段31を用いて、監査対象IDX[x](1≦x≦NX)毎に、すべての年year(YEARMIN≦year≦YEARMAX)と月month(1≦month≦12)について、遅延発生確率と指摘発生確率を計算する。
FIG. 7 is a flowchart showing an example of processing of the occurrence probability calculation means 31.
In step 311, the
ステップ311では、以下の(1)〜(3)を計算し、(1)〜(3)の計算結果に基づいて(4)及び(5)を計算する。
(1)監査対象IDX[x]の実施有無総和の時系列データAX[x][year][month]=Σ(1≦y≦NY)AXY[x][y][year][month]
(2)監査対象IDX[x]の遅延有無総和の時系列データBX[x][year][month]=Σ(1≦y≦NY)BXY[x][y][year][month]
(3)監査対象IDX[x]の指摘有無総和の時系列データCX[x][year][month]=Σ(1≦y≦NY)CXY[x][y][year][month]
(4)監査対象IDX[x]の遅延発生確率の時系列データPBX[x][year][month]=BX[x][year][month]÷AX[x][year][month]
(5)監査対象IDX[x]の指摘発生確率の時系列データPCX[x][year][month]=CX[x][year][month]÷AX[x][year][month]
In step 311, the following (1) to (3) are calculated, and (4) and (5) are calculated based on the calculation results of (1) to (3).
(1) Time series data AX [x] [year] [month] = Σ (1 ≦ y ≦ NY) AXY [x] [y] [year] [month]
(2) Time series data BX [x] [year] [month] = Σ (1 ≦ y ≦ NY) BXY [x] [y] [year] [month]
(3) Time series data CX [x] [year] [month] = Σ (1 ≦ y ≦ NY) CXY [x] [y] [year] [month]
(4) Time series data of delay occurrence probability of audit target IDX [x] PBX [x] [year] [month] = BX [x] [year] [month] ÷ AX [x] [year] [month]
(5) Time series data PCX [x] [year] [month] = CX [x] [year] [month] ÷ AX [x] [year] [month]
ステップ312において、中央演算処理装置11は、発生確率計算手段31を用いて、監査項目IDY[y](1≦y≦NY)毎に、すべての年year(YEARMIN≦year≦YEARMAX)と月month(1≦month≦12)について、遅延発生確率と指摘発生確率を計算する。
In step 312, the
ステップ312では、以下の(6)〜(8)を計算し、(6)〜(8)の計算結果に基づいて(9)及び(10)を計算する。
(6)監査項目IDY[y]の実施有無総和の時系列データAY[y][year][month]=Σ(1≦x≦NX)AXY[x][y][year][month]
(7)監査項目IDY[y]の遅延有無総和の時系列データBY[y][year][month]=Σ(1≦x≦NX)BXY[x][y][year][month]
(8)監査項目IDY[y]の指摘有無総和の時系列データCY[y][year][month]=Σ(1≦x≦NX)CXY[x][y][year][month]
(9)監査項目IDY[y]の遅延発生確率の時系列データPBY[y][year][month]=BY[y][year][month]÷AY[y][year][month]
(10)監査項目IDY[y]の指摘発生確率の時系列データPCY[y][year][month]=CY[y][year][month]÷AY[y][year][month]
In step 312, the following (6) to (8) are calculated, and (9) and (10) are calculated based on the calculation results of (6) to (8).
(6) Audit item IDY [y] implementation summation time series data AY [y] [year] [month] = Σ (1 ≦ x ≦ NX) AXY [x] [y] [year] [month]
(7) Time series data BY [y] [year] [month] = Σ (1 ≦ x ≦ NX) BXY [x] [y] [year] [month]
(8) Audit item IDY [y] with or without indication time series data CY [y] [year] [month] = Σ (1 ≦ x ≦ NX) CXY [x] [y] [year] [month]
(9) Time series data PBY [y] [year] [month] = BY [y] [year] [month] ÷ AY [y] [year] [month] of delay occurrence probability of audit item IDY [y]
(10) Time series data of the occurrence probability of audit item IDY [y] PCY [y] [year] [month] = CY [y] [year] [month] ÷ AY [y] [year] [month]
図8は、TCSI分離手段32の処理の一例を示すフローチャートである。
ステップ321において、中央演算処理装置11は、TCSI分離手段32を用いて、監査対象IDX[x](1≦x≦NX)毎に、遅延発生確率と指摘発生確率の時系列データから、傾向循環変動と季節変動と不規則変動を計算する。
FIG. 8 is a flowchart showing an example of processing of the TCSI separating unit 32.
In step 321, the
ステップ321では、上述したTCSI分離法を用いて、以下の(11)〜(16)を計算する。
(11)監査対象IDX[x]の遅延発生確率の傾向循環変動PBTX[x]=T(PBX[x])
(12)監査対象IDX[x]の遅延発生確率の季節変動PBSX[x]=S(PBX[x])
(13)監査対象IDX[x]の遅延発生確率の不規則変動PBIX[x]=I(PBX[x])
(14)監査対象IDX[x]の指摘発生確率の傾向循環変動PCTX[x]=T(PCX[x])
(15)監査対象IDX[x]の指摘発生確率の季節変動PCSX[x]=S(PCX[x])
(16)監査対象IDX[x]の指摘発生確率の不規則変動PCIX[x]=I(PCX[x])
In step 321, the following (11) to (16) are calculated using the TCSI separation method described above.
(11) Trend of delay occurrence probability of audit target IDX [x] Circulation fluctuation PBTX [x] = T (PBX [x])
(12) Seasonal variation of delay occurrence probability of audit target IDX [x] PBSX [x] = S (PBX [x])
(13) Irregular fluctuation of delay occurrence probability of audit target IDX [x] PBIX [x] = I (PBX [x])
(14) Trend in the probability of occurrence of indication of audit target IDX [x] Circulation fluctuation PCTX [x] = T (PCX [x])
(15) Seasonal variation of the occurrence probability of audit IDX [x] PCSX [x] = S (PCX [x])
(16) Irregular variation of the occurrence probability of audit target IDX [x] PCIX [x] = I (PCX [x])
ステップ322において、中央演算処理装置11は、TCSI分離手段32を用いて、監査項目IDY[y](1≦y≦NY)毎に、遅延発生確率と指摘発生確率の時系列データから、傾向循環変動と季節変動と不規則変動を計算する。
In step 322, the
ステップ322では、上述したTCSI分離法を用いて、以下の(17)〜(22)を計算する。
(17)監査項目IDY[y]の遅延発生確率の傾向循環変動PBTY[y]=T(PBY[y])
(18)監査項目IDY[y]の遅延発生確率の季節変動PBSY[y]=S(PBY[y])
(19)監査項目IDY[y]の遅延発生確率の不規則変動PBIY[y]=I(PBY[y])
(20)監査項目IDY[y]の指摘発生確率の傾向循環変動PCTY[y]=T(PCY[y])
(21)監査項目IDY[y]の指摘発生確率の季節変動PCSY[y]=S(PCY[y])
(22)監査項目IDY[y]の指摘発生確率の不規則変動PCIY[y]=I(PCY[y])
In step 322, the following (17) to (22) are calculated using the TCSI separation method described above.
(17) Trend of delay occurrence probability of audit item IDY [y] Circulation fluctuation PBTY [y] = T (PBY [y])
(18) Seasonal fluctuation of the delay occurrence probability of audit item IDY [y] PBSY [y] = S (PBY [y])
(19) Irregular fluctuation of delay occurrence probability of audit item IDY [y] PBIY [y] = I (PBY [y])
(20) Audit item IDY [y] occurrence probability trend circulation fluctuation PCTY [y] = T (PCY [y])
(21) Seasonal variation of the occurrence probability of audit item IDY [y] PCSY [y] = S (PCY [y])
(22) Irregular fluctuation of the occurrence probability of the audit item IDY [y] PCIY [y] = I (PCY [y])
図9は、監査効果評価手段33の処理の一例を示すフローチャートである。
監査効果評価手段33における処理は、遅延という監査負担に見合う、指摘という監査成果が得られているかを、監査効果として評価する。
FIG. 9 is a flowchart illustrating an example of processing of the audit effect evaluation unit 33.
The processing in the audit effect evaluation means 33 evaluates as an audit effect whether an audit result of indication corresponding to the audit burden of delay is obtained.
ステップ331において、中央演算処理装置11は、監査効果評価手段33を用いて、監査対象の遅延発生確率の傾向循環変動と監査対象の指摘発生確率の傾向循環変動の2系列のデータの集合について、異常値を検出する。例えば、中央演算処理装置11は、ある監査対象が、他の監査対象より指摘発生確率が遅延発生確率と比べて異常に大きい場合に、その監査対象を「監査効果が良い監査対象」として出力する。また、中央演算処理装置11は、ある監査対象が、他の監査対象より指摘発生確率が遅延発生確率と比べて異常に小さい場合に、その監査対象を「監査効果が悪い監査対象」として出力する。なお、2系列のデータの集合における異常値の検出は、上述した外れ値抽出法を使用することができる。
(23)インデックスx∈H(PBTX,PCTX)について、「監査効果が良い監査対象」として、監査対象名NAMEX[x]を出力する。
(24)インデックスx∈L(PBTX,PCTX)について、「監査効果が悪い監査対象」として、監査対象名NAMEX[x]を出力する。
In step 331, the
(23) For the index x∈H (PBTX, PCTX), the audit target name NAMEX [x] is output as “audit target with good audit effect”.
(24) For the index x∈L (PBTX, PCTX), output the audit target name NAMEX [x] as “audit target with poor audit effect”.
ステップ332において、中央演算処理装置11は、監査効果評価手段33を用いて、監査項目の遅延発生確率の傾向循環変動と監査項目の指摘発生確率の傾向循環変動の2系列のデータの集合について、外れ値を検出する。例えば、中央演算処理装置11は、ある監査項目が、他の監査項目より指摘発生確率が遅延発生確率と比べて、異常に大きい場合に、その監査項目を「監査効果が良い監査項目」として出力する。また、中央演算処理装置11は、ある監査項目が、他の監査項目より指摘発生確率が遅延発生確率と比べて異常に小さい場合に、その監査項目を「監査効果が悪い監査項目」として出力する。
(25)インデックスy∈H(PBTY,PCTY)について、「監査効果が良い監査項目」として、監査項目名NAMEY[y]を出力する。
(26)インデックスy∈L(PBTY,PCTY)について、「監査効果が悪い監査項目」として、監査項目名NAMEY[y]を出力する。
In step 332, the
(25) For the index y∈H (PBTY, PCTY), the audit item name NAMEY [y] is output as “audit item with good audit effect”.
(26) For the index yεL (PBTY, PCTY), the audit item name NAMEY [y] is output as “audit item with poor audit effect”.
図10は、監査異常検出手段34の処理の一例を示すフローチャートである。
監査異常検出手段34における処理は、遅延や指摘が、特定の月や最新の年月について、異常に急増や急減しているかを検出する。
FIG. 10 is a flowchart illustrating an example of processing of the audit abnormality detection unit 34.
The processing in the audit abnormality detecting unit 34 detects whether the delay or indication is abnormally rapidly increasing or decreasing for a specific month or the latest year.
ステップ341において、中央演算処理装置11は、監査異常検出手段34を用いて、監査対象の遅延発生確率の季節変動の1系列のデータの集合について、異常値(外れ値)を検出する。例えば、中央演算処理装置11は、ある監査対象が、他の監査対象と比べて遅延発生確率の季節変動が異常に大きい場合に、その監査対象を「特定の月に遅延が急増する監査対象」として出力する。また、中央演算処理装置11は、ある監査対象が、他の監査対象と比べて遅延発生確率の季節変動が異常に小さい場合に、その監査対象を「特定の月に遅延が急減する監査対象」として出力する。なお、1系列のデータの集合における異常値の検出は、上述した外れ値抽出法を使用することができる。
(27)インデックスx∈H(PBSX)について、「特定の月に遅延が急増する監査対象」として、監査対象名NAMEX[x]を出力する。
(28)インデックスx∈L(PBSX)について、「特定の月に遅延が急減する監査対象」として、監査対象名NAMEX[x]を出力する。
In step 341, the
(27) For the index x∈H (PBSX), output the audit target name NAMEX [x] as “the audit target whose delay increases rapidly in a specific month”.
(28) For the index x∈L (PBSX), output the audit target name NAMEX [x] as “the audit target whose delay decreases sharply in a specific month”.
ステップ342において、中央演算処理装置11は、監査異常検出手段34を用いて、監査対象の指摘発生確率の季節変動の1系列のデータの集合について、異常値を検出する。例えば、中央演算処理装置11は、ある監査対象が、他の監査対象と比べて指摘発生確率の季節変動が異常に大きい場合に、その監査対象を「特定の月に指摘が急増する監査対象」として出力する。また、中央演算処理装置11は、ある監査対象が、他の監査対象と比べて指摘発生確率の季節変動が異常に小さい場合に「特定の月に指摘が急減する監査対象」として出力する。
(29)インデックスx∈H(PCSX)について、「特定の月に指摘が急増する監査対象」として、監査対象名NAMEX[x]を出力する。
(30)インデックスx∈L(PCSX)について、「特定の月に指摘が急減する監査対象」として、監査対象名NAMEX[x]を出力する。
In step 342, the
(29) For the index x∈H (PCSX), the audit target name NAMEX [x] is output as “the audit target whose indication increases rapidly in a specific month”.
(30) For the index x∈L (PCSX), the audit target name NAMEX [x] is output as “the audit target whose indication decreases sharply in a specific month”.
ステップ343において、中央演算処理装置11は、監査異常検出手段34を用いて、監査項目の遅延発生確率の季節変動の1系列のデータの集合について、異常値を検出する。例えば、中央演算処理装置11は、ある監査項目が、他の監査項目と比べて遅延発生確率の季節変動が異常に大きい場合に、その監査項目を「特定の月に遅延が急増する監査項目」として出力する。また、中央演算処理装置11は、ある監査項目が、他の監査項目と比べて遅延発生確率の季節変動が異常に小さい場合に、その監査項目を「特定の月に遅延が急減する監査項目」として出力する。
(31)インデックスy∈H(PBSY)について、「特定の月に遅延が急増する監査項目」として、監査項目名NAMEY[y]を出力する。
(32)インデックスy∈L(PBSY)について、「特定の月に遅延が急減する監査項目」として、監査項目名NAMEY[y]を出力する。
In step 343, the
(31) For the index y∈H (PBSY), the audit item name NAMEY [y] is output as “audit item whose delay increases rapidly in a specific month”.
(32) For the index yεL (PBSY), the audit item name NAMEY [y] is output as “audit item whose delay sharply decreases in a specific month”.
ステップ344において、中央演算処理装置11は、監査異常検出手段34を用いて、監査項目の指摘発生確率の季節変動の1系列のデータの集合について、異常値を検出する。例えば、中央演算処理装置11は、ある監査項目が、他の監査項目と比べて指摘発生確率の季節変動が異常に大きい場合に、その監査項目を「特定の月に指摘が急増する監査項目」として出力する。また、中央演算処理装置11は、ある監査項目が、他の監査項目と比べて指摘発生確率の季節変動が異常に小さい場合に、その監査項目を「特定の月に指摘が急減する監査項目」として出力する。
(33)インデックスy∈H(PCSY)について、「特定の月に指摘が急増する監査項目」として、監査項目名NAMEY[y]を出力する。
(34)インデックスy∈L(PCSY)について、「特定の月に指摘が急減する監査項目」として、監査項目名NAMEY[y]を出力する。
In step 344, the
(33) For the index y∈H (PCSY), the audit item name NAMEY [y] is output as “audit item whose indication increases rapidly in a specific month”.
(34) For the index y∈L (PCSY), the audit item name NAMEY [y] is output as “audit item whose indication sharply decreases in a specific month”.
ステップ345において、中央演算処理装置11は、監査異常検出手段34を用いて、監査対象の遅延発生確率の不規則変動の1系列のデータの集合について、異常値を検出する。例えば、中央演算処理装置11は、ある監査対象が、他の監査対象と比べて遅延発生確率の不規則変動が異常に大きい場合に、その監査対象を「最新の年月に遅延が急増する監査対象」として出力する。また、中央演算処理装置11は、ある監査対象が、他の監査対象と比べて遅延発生確率の不規則変動が異常に小さい場合に、その監査対象を「最新の年月に遅延が急減する監査対象」として出力する。
(35)インデックスx∈H(PBIX)について、「最新の年月に遅延が急増する監査対象」として、監査対象名NAMEX[x]を出力する。
(36)インデックスx∈L(PBIX)について、「最新の年月に遅延が急減する監査対象」として、監査対象名NAMEX[x]を出力する。
In step 345, the
(35) For the index x∈H (PBIX), output the audit target name NAMEX [x] as “the audit target whose delay increases rapidly in the latest year and month”.
(36) For the index xεL (PBIX), the audit target name NAMEX [x] is output as “the audit target whose delay decreases rapidly in the latest year and month”.
ステップ346において、中央演算処理装置11は、監査異常検出手段34を用いて、監査対象の指摘発生確率の不規則変動の1系列のデータの集合について、異常値を検出する。例えば、中央演算処理装置11は、ある監査対象が、他の監査対象と比べて指摘発生確率の不規則変動が異常に大きい場合に、その監査対象を「最新の年月に指摘が急増する監査対象」として出力する。また、中央演算処理装置11は、ある監査対象が、他の監査対象と比べて指摘発生確率の不規則変動が異常に小さい場合に、その監査対象を「最新の年月に指摘が急減する監査対象」として出力する。
(37)インデックスx∈H(PCIX)について、「最新の年月に指摘が急増する監査対象」として、監査対象名NAMEX[x]を出力する。
(38)インデックスx∈L(PCIX)について、「最新の年月に指摘が急減する監査対象」として、監査対象名NAMEX[x]を出力する。
In step 346, the
(37) For the index x∈H (PCIX), output the audit target name NAMEX [x] as “the audit target whose indication increases rapidly in the latest date”.
(38) For the index x∈L (PCIX), the audit target name NAMEX [x] is output as “the audit target whose indication decreases sharply in the latest date”.
ステップ347において、中央演算処理装置11は、監査異常検出手段34を用いて、監査項目の遅延発生確率の不規則変動の1系列のデータの集合について、異常値を検出する。例えば、中央演算処理装置11は、ある監査項目が、他の監査項目と比べて遅延発生確率の不規則変動が異常に大きい場合に、その監査項目を「最新の年月に遅延が急増する監査項目」として出力する。また、中央演算処理装置11は、ある監査項目が、他の監査項目と比べて遅延発生確率の不規則変動が異常に小さい場合に、その監査項目を「最新の年月に遅延が急減する監査項目」として出力する。
(39)インデックスy∈H(PBIY)について、「最新の年月に遅延が急増する監査項目」として、監査項目名NAMEY[y]を出力する。
(40)インデックスy∈L(PBIY)について、「最新の年月に遅延が急減する監査項目」として、監査項目名NAMEY[y]を出力する。
In step 347, the
(39) For the index y∈H (PBIY), the audit item name NAMEY [y] is output as “audit item whose delay increases rapidly in the latest date”.
(40) For the index yεL (PBIY), the audit item name NAMEY [y] is output as “audit item whose delay decreases rapidly in the latest year and month”.
ステップ348において、中央演算処理装置11は、監査異常検出手段34を用いて、監査項目の指摘発生確率の不規則変動の1系列のデータの集合について、異常値を検出する。例えば、中央演算処理装置11は、ある監査項目が、他の監査項目と比べて指摘発生確率の不規則変動が異常に大きい場合に、その監査項目を「最新の年月に指摘が急増する監査項目」として出力する。中央演算処理装置11は、ある監査項目が、他の監査項目と比べて指摘発生確率の不規則変動が異常に小さい場合に「最新の年月に指摘が急減する監査項目」として出力する。
(41)インデックスy∈H(PCIY)について、「最新の年月に指摘が急増する監査項目」として、監査項目名NAMEY[y]を出力する。
(42)インデックスy∈L(PCIY)について、「最新の年月に指摘が急減する監査項目」として、監査項目名NAMEY[y]を出力する。
In step 348, the
(41) For the index y∈H (PCIY), the audit item name NAMEY [y] is output as “audit item whose indication increases rapidly in the latest date”.
(42) For the index y∈L (PCIY), the audit item name NAMEY [y] is output as “audit item whose indication decreases sharply in the latest date”.
<表示装置14における表示>
次に、表示装置14に表示される監査結果分析レポートについて説明する。図11は、監査結果分析レポートの一例を示す。監査結果分析レポートとは、表示装置14に表示される、監査効果評価手段33と監査異常検出手段34の出力である。
<Display on
Next, the audit result analysis report displayed on the
図11の例では、「監査効果が良い監査項目」として、監査項目名“通帳の現物照合”が出力されている。これにより、“通帳の現物照合”の監査項目が、指摘という監査成果が多く、遅延という監査負担(監査のコスト)が少ないことがわかる。したがって、“通帳の現物照合”の実施を増やすことで、より迅速に指摘を発見することができる。 In the example of FIG. 11, the audit item name “passbook physical verification” is output as “audit item with good audit effect”. As a result, it can be seen that the audit item of “in-kind verification of passbook” has many audit results of indication, and the audit burden (audit cost) of delay is small. Therefore, it is possible to find an indication more quickly by increasing the implementation of “actual matching of passbook”.
また、「特定の月に指摘が急増する監査項目」として、監査項目名“証書の残数照合”が出力されている。これにより、“証書の残数照合”の監査項目が、ある特定の月に指摘が急増することがわかるため、“証書の残数照合”をその特定の月に重点的に行なうように、実施時期を改善することができる。 Also, the audit item name “Verification of remaining number of certificates” is output as “Audit item whose indication increases rapidly in a specific month”. As a result, the audit item of “Verification of remaining number of certificates” shows that the number of indications increases rapidly in a certain month, so that “Verification of remaining number of certificates” is focused on that specific month. The time can be improved.
また、「最新の年月に指摘が急増する監査対象」として、監査対象名“A店”が出力されている。
これにより、“A店”に対して集中的に監査を行なうように、監査対象を絞ることができる。
In addition, the audit target name “A store” is output as “the audit target whose indication increases rapidly in the latest date”.
As a result, the audit target can be narrowed down so that the “A store” is intensively audited.
<まとめ>
本発明の実施形態による監査結果分析システムによれば、分析コンピュータ1は、中央演算処理装置11と、補助記憶装置12と、主記憶装置13と、表示装置14と、入力装置15とを備え、補助記憶装置12には、データベース2と監査結果分析プログラム3とが記憶されている。データベース2には、監査対象テーブル21と、監査項目テーブル22と、監査結果テーブル23とが格納されている。また、監査結果分析プログラム3は、発生確率計算手段31と、TCSI分離手段32と、監査効果評価手段33と、監査異常検出手段34とから構成されている。発生確率計算手段31は、監査対象毎に遅延発生率と指摘発生確率を計算し、監査項目毎に遅延発生率と指摘発生確率を計算する。TCSI分離手段32は、TCSI分離法を用いて、遅延発生率と指摘発生確率の時系列データから、傾向循環変動と季節変動と不規則変動を計算する。そして、監査効果評価手段33が、傾向循環変動のデータ集合に基づいて監査効果を評価する。この構成によれば、監査におけるコスト(遅延)なども考慮して監査の実施や指摘に関する特徴を抽出することが可能になる。これにより、今後の監査計画の改善を行うことが可能となる。
<Summary>
According to the audit result analysis system according to the embodiment of the present invention, the
特に、本実施形態では、監査効果評価手段33が、傾向循環変動のデータ集合に基づいて監査効果を評価する。こうすることによって、例えば、監査の実施手順が複雑で負担が大きいために遅延が生じる監査項目や、慢性的な人手不足のために遅延が生じている監査対象(店)を抽出することができる。また、検査内容に関連する業務の難易度が高いために指摘が多くなる監査項目や、店員が教育不足で業務に不慣れであるために指摘が多くなったと思われる監査対象を抽出することができる。これにより、今後の監査計画の改善をより効果的に行うことが可能となる。 In particular, in this embodiment, the audit effect evaluation means 33 evaluates the audit effect based on the data set of the trend circulation fluctuation. By doing so, for example, it is possible to extract audit items that are delayed due to complicated and heavy auditing procedures and audit targets (stores) that are delayed due to chronic labor shortage. . In addition, it is possible to extract audit items that are often pointed out due to the high degree of difficulty of work related to the inspection contents, and audit targets that are likely to have pointed out because the store clerk is unfamiliar with work due to lack of education. . This makes it possible to improve the future audit plan more effectively.
また、本実施形態では、監査異常検出手段34が、季節変動のデータ集合について異常値を検出する。例えば、季節変動として、金融機関の自店検査では、3、5、9、12月に金融機関の業務量が多いために遅延が発生しやすい傾向にある。また、季節変動として、4、10月に金融機関で人事異動があるために指摘が発生しやすいという傾向にある。本実施形態では、このような季節変動を考慮した上で、遅延や指摘が異常に発生している監査項目や監査対象を抽出することが可能となる。 Further, in the present embodiment, the audit abnormality detection unit 34 detects an abnormal value for a seasonal variation data set. For example, as a seasonal variation, in the in-store inspection of a financial institution, there is a tendency that a delay is likely to occur due to a large amount of business in the financial institution in March, May, September and December. In addition, as seasonal fluctuations, there are tendencies to be pointed out due to personnel changes at financial institutions in April and October. In the present embodiment, it is possible to extract audit items and audit targets in which delays or indications are abnormally occurring in consideration of such seasonal variations.
また、本実施形態では、監査異常検出手段34が、不規則変動のデータ集合について異常値を検出する。例えば、突発的な臨時業務が発生したり、検査内容に関連する業務の変更があったりして、遅延や指摘が不規則に発生する場合がある。本実施形態では、このような不規則変動を考慮した上で、遅延や指摘が異常に発生している監査項目や監査対象を抽出することが可能となる。 In the present embodiment, the audit abnormality detection unit 34 detects an abnormal value for the irregularly varying data set. For example, there may be cases in which delays or indications occur irregularly due to sudden temporary work or changes in work related to the inspection content. In the present embodiment, it is possible to extract audit items and audit targets in which delays or indications are abnormally occurring in consideration of such irregular fluctuations.
本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。 The present invention is not limited to the embodiments described above, and includes various modifications. For example, the above-described embodiment has been described in detail for easy understanding of the present invention, and is not necessarily limited to one having all the configurations described. In addition, it is possible to add, delete, and replace other configurations for a part of the configuration of each embodiment.
例えば、監査におけるコストを考慮して監査の実施や指摘に関する特徴を抽出するという点においては、本発明の監査結果分析システムは、少なくとも傾向循環変動、季節変動、不規則変動のいずれかのデータ集合について外れ値を抽出すればよい。本実施形態の監査結果分析システムは、図7及び図8の全ての処理を備えているが、例えば、図7の処理のみでも発明を構成することが可能である。実施形態の監査結果分析システムは、本発明のより好ましい形態であり、図7及び図8の処理の一部を削除して本発明を構成することが可能である。 For example, in terms of extracting features related to audit execution and indication in consideration of the cost of audit, the audit result analysis system of the present invention is a data set of at least one of trend circulation fluctuation, seasonal fluctuation, and irregular fluctuation. An outlier may be extracted for. The audit result analysis system according to the present embodiment includes all the processes shown in FIGS. 7 and 8. For example, the invention can be configured only by the process shown in FIG. The audit result analysis system according to the embodiment is a more preferable embodiment of the present invention, and the present invention can be configured by deleting a part of the processes of FIGS. 7 and 8.
本発明の監査結果分析システムは、監査項目毎に各監査対象で一年間に実施する監査の回数が指定されている場合にも、監査効果を評価可能である。そもそも、監査項目間で監査の実施回数が異なったとしても、遅延や指摘の発生しやすさである、遅延発生確率や指摘発生確率には影響がないためである。また、監査効果評価手段33では、遅延発生確率と指摘発生確率について外れ値抽出を行なっており、監査項目間で監査効果を比較できるため、監査効果を評価可能である。 The audit result analysis system of the present invention can evaluate the audit effect even when the number of audits to be performed in one year for each audit target is specified for each audit item. In the first place, even if the number of audits is different between audit items, there is no effect on the probability of occurrence of delay or indication, which is the likelihood of occurrence of delay or indication. Further, the audit effect evaluation means 33 extracts outliers for the delay occurrence probability and the indication occurrence probability, and the audit effect can be compared between audit items, so that the audit effect can be evaluated.
上述の実施形態の外れ値の抽出法では、例えば2系列のデータの集合の場合、回帰直線からの誤差に基づいて外れ値を判定する。外れ値の抽出法は、この方法に限定されず、例えば、指摘発生確率が遅延発生確率に比べて所定の閾値だけ高い場合に、外れ値として抽出するような方法でもよい。また、上述の実施形態では、例えば1系列のデータの集合の場合、平均からの誤差に基づいて外れ値を判定しているが、偏差値など、他の統計的な分布に基づいて得られる値を用いて外れ値を判定してもよい。 In the outlier extraction method of the above-described embodiment, for example, in the case of a set of two series of data, the outlier is determined based on an error from the regression line. The outlier extraction method is not limited to this method. For example, when the indication occurrence probability is higher than the delay occurrence probability by a predetermined threshold value, an outlier extraction method may be used. In the above-described embodiment, for example, in the case of a set of one series of data, an outlier is determined based on an error from the average, but a value obtained based on another statistical distribution such as a deviation value. May be used to determine outliers.
上述の実施形態では、監査結果テーブル23の遅延有無値405と指摘有無値406は、「0」と「1」で表現されているが、これに限定されない。例えば、遅延の具体的な時間や指摘の件数を入力してもよい。この場合、遅延発生確率や指摘発生確率だけでなく、遅延時間や指摘件数についても異常値の検出を実行して表示装置14に表示することにより、より効果的に監査計画の改善を行うことが可能となる。
In the above-described embodiment, the delay presence /
また、監査項目テーブル22に監査項目の監査サイクル(監査を実施する時期的なサイクル)のフィールドなどを追加してもよい。この場合、遅延発生確率や指摘発生確率を監査サイクルに従って計算することが可能となる。 In addition, an audit item audit cycle (periodical cycle for performing an audit) field or the like may be added to the audit item table 22. In this case, it becomes possible to calculate the delay occurrence probability and the indication occurrence probability according to the audit cycle.
上述の実施形態では、時系列データを傾向循環変動と季節変動と不規則変動に分離する手法として、EPA法を用いているが、これらの変動を分離できるならば他の手法も使用することができる。例えば、X−11またはX―12−ARIMAなどを用いてもよい。 In the above-described embodiment, the EPA method is used as a method for separating the time series data into the trend circulation variation, the seasonal variation, and the irregular variation. However, if these variations can be separated, other methods may be used. it can. For example, X-11 or X-12-ARIMA may be used.
上述の実施形態では、分析コンピュータ1が、表示装置14及び入力装置15を備え、オペレータが、これらの表示装置14及び入力装置15を用いて入出力を行うが、この構成に限定されない。例えば、分析コンピュータ1とは別の情報処理装置にインターネットのブラウザソフトウェアをインストールし、その情報処理装置が、ブラウザソフトウェアを用いて、分析コンピュータ1に接続するようにしてもよい。この構成によれば、分析コンピュータ1と通信を行って別の情報処理装置において入力及び出力の確認を行うことができる。
In the above-described embodiment, the
上述したように、実施形態の構成は、それらの一部や全部を、例えば、集積回路で設計する等によりハードウェアで実現することができる。また、本発明は、実施形態の機能を実現するソフトウェアのプログラムコードで実現してもよい。この場合、プログラムコードを記録した記憶媒体を情報処理装置に提供し、その情報処理装置(又はCPU)が記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、CD−ROM、DVD−ROM、ハードディスク、光ディスク、光磁気ディスク、CD−R、磁気テープ、不揮発性のメモリカード、ROMなどが用いられる。 As described above, the configuration of the embodiment can be realized by hardware, for example, by designing a part or all of them with an integrated circuit. Further, the present invention may be realized by a program code of software that realizes the functions of the embodiment. In this case, a storage medium in which the program code is recorded is provided to the information processing apparatus, and the information processing apparatus (or CPU) reads the program code stored in the storage medium. In this case, the program code itself read from the storage medium realizes the functions of the above-described embodiments, and the program code itself and the storage medium storing the program code constitute the present invention. As a storage medium for supplying such program code, for example, a flexible disk, CD-ROM, DVD-ROM, hard disk, optical disk, magneto-optical disk, CD-R, magnetic tape, nonvolatile memory card, ROM Etc. are used.
また、プログラムコードの指示に基づき、情報処理装置上で稼動しているOS(オペレーティングシステム)などが実際の処理の一部又は全部を行い、その処理によって前述した実施の形態の機能が実現されるようにしてもよい。さらに、記憶媒体から読み出されたプログラムコードが、情報処理装置上のメモリなどの記憶部に書きこまれた後、そのプログラムコードの指示に基づき、情報処理装置のCPUなどが実際の処理の一部又は全部を行い、その処理によって前述した実施の形態の機能が実現されるようにしてもよい。 Also, based on the instruction of the program code, an OS (operating system) operating on the information processing apparatus performs part or all of the actual processing, and the functions of the above-described embodiments are realized by the processing. You may do it. Further, after the program code read from the storage medium is written in a storage unit such as a memory on the information processing apparatus, the CPU of the information processing apparatus performs an actual process based on an instruction of the program code. The functions of the above-described embodiment may be realized by performing some or all of the processes.
さらに、実施の形態の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することにより、それを情報処理装置の記憶装置又はCD−RW、CD−R等の記憶媒体に格納し、使用時にその情報処理装置のCPUが当該記憶装置や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。 Furthermore, by distributing the program code of the software that realizes the functions of the embodiment via a network, the program code is stored in a storage device of an information processing device or a storage medium such as a CD-RW or CD-R and used. Sometimes, the CPU of the information processing apparatus may read and execute the program code stored in the storage device or the storage medium.
最後に、ここで述べたプロセス及び技術は本質的に如何なる特定の装置に関連することはなく、コンポーネントの如何なる相応しい組み合わせによってでも実装できることを理解する必要がある。更に、汎用目的の多様なタイプのデバイスがここで記述した教示に従って使用可能である。ここで述べた方法のステップを実行するのに、専用の装置を構築するのが有益であることが判るかもしれない。本発明は、具体例に関連して記述したが、これらは、すべての観点に於いて限定の為ではなく説明の為である。本分野にスキルのある者には、本発明を実施するのに相応しいハードウェア、ソフトウェア、及びファームウエアの多数の組み合わせがあることが解るであろう。例えば、本実施形態に記載の機能を実現するプログラムコードは、アセンブラ、C/C++、perl、Shell、PHP、Java(登録商標)等の広範囲のプログラム又はスクリプト言語で実装できる。 Finally, it should be understood that the processes and techniques described herein are not inherently related to any particular apparatus, and can be implemented by any suitable combination of components. Further, various types of devices for general purpose can be used in accordance with the teachings described herein. It may prove useful to build a dedicated device to perform the method steps described herein. Although the present invention has been described with reference to specific examples, these are in all respects illustrative rather than restrictive. Those skilled in the art will appreciate that there are numerous combinations of hardware, software, and firmware that are suitable for implementing the present invention. For example, the program code for realizing the functions described in the present embodiment can be implemented by a wide range of programs or script languages such as assembler, C / C ++, perl, Shell, PHP, Java (registered trademark).
また、図面における制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。 Further, the control lines and information lines in the drawings are those that are considered necessary for the explanation, and not all the control lines and information lines on the product are necessarily shown. All the components may be connected to each other.
1 分析コンピュータ
2 データベース
3 監査結果分析プログラム
11 中央演算処理装置
12 補助記憶装置
13 主記憶装置
14 表示装置
15 入力装置
16 データバス
21 監査対象テーブル
22 監査項目テーブル
23 監査結果テーブル
31 発生確率計算手段
32 TCSI分離手段
33 監査効果評価手段
34 監査異常検出手段
DESCRIPTION OF
Claims (26)
前記監査対象毎に、前記監査項目に関する遅延発生確率の時系列データと、前記監査項目に関する指摘発生確率の時系列データとを計算する確率計算手段と、
前記監査対象毎に前記遅延発生確率の時系列データから前記遅延発生確率の傾向循環変動データを計算し、前記監査対象毎に前記指摘発生確率の時系列データから前記指摘発生確率の傾向循環変動データを計算する傾向循環変動計算手段と、
前記遅延発生確率の前記傾向循環変動データと前記指摘発生確率の前記傾向循環変動データの2系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査対象を、監査効果の評価結果として出力する監査効果評価手段と、
を備えることを特徴とする監査結果分析システム。 Storage means for storing the audit target, the audit item, the timing information of the audit item, the execution information of the audit item, the delay information about the audit item, and the indication information about the audit item in association with each other,
Probability calculation means for calculating time series data of delay occurrence probability related to the audit item and time series data of indication occurrence probability related to the audit item for each audit target;
The trend circulation fluctuation data of the delay occurrence probability is calculated from the time series data of the delay occurrence probability for each audit target, and the trend circulation fluctuation data of the indication occurrence probability is calculated from the time series data of the indication occurrence probability for each audit target. A trend circulation fluctuation calculating means for calculating
An outlier is extracted with respect to two series of data of the trend circulation fluctuation data of the delay occurrence probability and the trend circulation fluctuation data of the indication occurrence probability, and the audit target corresponding to the outlier is set as an evaluation result of the audit effect. An audit effect evaluation means to output;
An audit result analysis system comprising:
前記監査効果評価手段は、前記指摘発生確率の前記傾向循環変動データが前記遅延発生確率の前記傾向循環変動データと比べて所定の値大きい監査対象を、「監査効果が良い監査対象」として出力し、
前記監査効果評価手段は、前記指摘発生確率の前記傾向循環変動データが前記遅延発生確率の前記傾向循環変動データと比べて所定の値小さい監査対象を、「監査効果が悪い監査対象」として出力することを特徴とする監査結果分析システム。 In claim 1,
The audit effect evaluation means outputs an audit object in which the trend circulation fluctuation data of the indication occurrence probability is a predetermined value larger than the trend circulation fluctuation data of the delay occurrence probability as “an audit object having a good audit effect”. ,
The audit effect evaluation means outputs an audit object whose trend circulation fluctuation data of the indication occurrence probability is a predetermined value smaller than the trend circulation fluctuation data of the delay occurrence probability as “an audit object having a bad audit effect” An audit result analysis system characterized by this.
前記監査効果評価手段は、ある監査対象に関して、前記指摘発生確率の前記傾向循環変動データが、前記指摘発生確率の前記傾向循環変動データ及び前記遅延発生確率の前記傾向循環変動データの2系列のデータから求めた回帰式と比べて所定の値大きい場合、当該監査対象を「監査効果が良い監査対象」として出力し、
前記監査効果評価手段は、ある監査対象に関して、前記指摘発生確率の前記傾向循環変動データが、前記指摘発生確率の前記傾向循環変動データ及び前記遅延発生確率の前記傾向循環変動データの2系列のデータから求めた回帰式と比べて所定の値小さい場合、当該監査対象を「監査効果が悪い監査対象」として出力することを特徴とする監査結果分析システム。 In claim 1,
The audit effect evaluation means, for a certain audit object, the trend circulation fluctuation data of the indication occurrence probability is two series of data of the trend circulation fluctuation data of the indication occurrence probability and the trend circulation fluctuation data of the delay occurrence probability. If the predetermined value is larger than the regression equation obtained from the above, the audit target is output as “audit with good audit effect”,
The audit effect evaluation means, for a certain audit object, the trend circulation fluctuation data of the indication occurrence probability is two series of data of the trend circulation fluctuation data of the indication occurrence probability and the trend circulation fluctuation data of the delay occurrence probability. An audit result analysis system, characterized in that, when the predetermined value is smaller than the regression equation obtained from the above, the audit target is output as “audit target with poor audit effect”.
前記監査対象毎に前記遅延発生確率の時系列データから前記遅延発生確率の季節変動データを計算する季節変動計算手段と、
前記遅延発生確率の前記季節変動データの1系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査対象を出力する監査異常検出手段と、
を備えることを特徴とする監査結果分析システム。 In any one of Claims 1 thru | or 3,
Seasonal variation calculation means for calculating seasonal variation data of the delay occurrence probability from the time series data of the delay occurrence probability for each audit target;
An anomaly detection means for extracting an outlier with respect to one series of the seasonal variation data of the delay occurrence probability, and outputting the audit target corresponding to the outlier;
An audit result analysis system comprising:
前記監査異常検出手段は、ある監査対象の遅延発生確率の前記季節変動データが前記遅延発生確率の前記季節変動データの統計量と比べて所定の値大きい場合、当該監査対象を「特定の月に遅延が急増する監査対象」として出力し、
前記監査異常検出手段は、ある監査対象の遅延発生確率の前記季節変動データが前記遅延発生確率の前記季節変動データの統計量と比べて所定の値小さい場合、当該監査対象を「特定の月に遅延が急減する監査対象」として出力することを特徴とする監査結果分析システム。 In claim 4,
When the seasonal variation data of the delay occurrence probability of a certain audit target is larger by a predetermined value than the statistical amount of the seasonal variation data of the delay occurrence probability, the audit anomaly detection means sets the audit target to “specific month”. Output as `` auditing subject whose delay increases rapidly ''
When the seasonal variation data of the delay occurrence probability of a certain audit target is smaller by a predetermined value than the statistical amount of the seasonal variation data of the delay occurrence probability, the audit anomaly detection means sets the audit target to “specific month”. An audit result analysis system characterized by being output as “auditing object whose delay is rapidly reduced”.
前記監査対象毎に前記指摘発生確率の時系列データから前記指摘発生確率の季節変動データを計算する季節変動計算手段と、
前記指摘発生確率の前記季節変動データの1系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査対象を出力する監査異常検出手段と、
を備えることを特徴とする監査結果分析システム。 In any one of Claims 1 thru | or 3,
Seasonal variation calculation means for calculating the seasonal variation data of the indication occurrence probability from the time series data of the indication occurrence probability for each audit target;
An anomaly detection means for extracting an outlier with respect to one series of the seasonal variation data of the indication occurrence probability, and outputting the audit object corresponding to the outlier;
An audit result analysis system comprising:
前記監査異常検出手段は、ある監査対象の指摘発生確率の前記季節変動データが前記指摘発生確率の前記季節変動データの統計量と比べて所定の値大きい場合、当該監査対象を「特定の月に指摘が急増する監査対象」として出力し、
前記監査異常検出手段は、ある監査対象の指摘発生確率の前記季節変動データが前記指摘発生確率の前記季節変動データの統計量と比べて所定の値小さい場合、当該監査対象を「特定の月に指摘が急減する監査対象」として出力することを特徴とする監査結果分析システム。 In claim 6,
When the seasonal variation data of the indication occurrence probability of a certain audit target is larger than the statistic of the seasonal occurrence data of the indication occurrence probability, the audit abnormality detecting means determines that the audit target is “in a specific month”. The audit target that the number of indications increases rapidly "
When the seasonal variation data of the indication occurrence probability of a certain audit target is smaller by a predetermined value than the statistical amount of the seasonal variation data of the indication occurrence probability, the audit anomaly detection means determines that the audit target is “specific month”. An audit result analysis system characterized by being output as “auditing object whose indications decrease rapidly”.
前記監査対象毎に前記遅延発生確率の時系列データから前記遅延発生確率の不規則変動データを計算する不規則変動計算手段と、
前記遅延発生確率の前記不規則変動データの1系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査対象を出力する監査異常検出手段と、
を備えることを特徴とする監査結果分析システム。 In any one of Claims 1 thru | or 3,
Irregular fluctuation calculation means for calculating irregular fluctuation data of the delay occurrence probability from the time series data of the delay occurrence probability for each audit target;
Audit abnormality detection means for extracting outliers with respect to one series of irregular fluctuation data of the delay occurrence probability and outputting the audit object corresponding to the outliers;
An audit result analysis system comprising:
前記監査異常検出手段は、ある監査対象の遅延発生確率の前記不規則変動データが前記遅延発生確率の前記不規則変動データの統計量と比べて所定の値大きい場合、当該監査対象を「最新の年月に遅延が急増する監査対象」として出力し、
前記監査異常検出手段は、ある監査対象の遅延発生確率の前記不規則変動データが前記遅延発生確率の前記不規則変動データの統計量と比べて所定の値小さい場合、当該監査対象を「最新の年月に遅延が急減する監査対象」として出力することを特徴とする監査結果分析システム。 In claim 8,
When the irregular variation data of the delay occurrence probability of a certain audit target is larger by a predetermined value than the statistical amount of the irregular variation data of the delay occurrence probability, the audit abnormality detection unit determines that the audit target is “the latest Output as `` auditing subject whose delay increases rapidly in years ''
When the irregular variation data of the delay occurrence probability of a certain audit target is smaller by a predetermined value than the statistical amount of the irregular variation data of the delay occurrence probability, the audit abnormality detecting means Audit result analysis system, characterized in that it is output as an “audit subject whose delay decreases rapidly in years.
前記監査対象毎に前記指摘発生確率の時系列データから前記指摘発生確率の不規則変動データを計算する不規則変動計算手段と、
前記指摘発生確率の前記不規則変動データの1系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査対象を出力する監査異常検出手段と、
を備えることを特徴とする監査結果分析システム。 In any one of Claims 1 thru | or 3,
Irregular fluctuation calculation means for calculating irregular fluctuation data of the indication occurrence probability from time series data of the indication occurrence probability for each audit target;
Audit abnormality detection means for extracting outliers with respect to one series of irregular fluctuation data of the indication occurrence probability, and outputting the audit object corresponding to the outliers;
An audit result analysis system comprising:
前記監査異常検出手段は、ある監査対象の指摘発生確率の前記不規則変動データが前記指摘発生確率の前記不規則変動データの統計量と比べて所定の値大きい場合、当該監査対象を「最新の年月に指摘が急増する監査対象」として出力し、
前記監査異常検出手段は、ある監査対象の指摘発生確率の前記不規則変動データが前記指摘発生確率の前記不規則変動データの統計量と比べて所定の値小さい場合、当該監査対象を「最新の年月に指摘が急減する監査対象」として出力することを特徴とする監査結果分析システム。 In claim 10,
When the irregular variation data of the indication occurrence probability of a certain audit target is larger by a predetermined value than the statistical amount of the irregular variation data of the indication occurrence probability, the audit abnormality detection means Output as `` auditing subject whose indication increases rapidly in years ''
When the irregular variation data of the indication occurrence probability of a certain audit target is smaller by a predetermined value than the statistical amount of the irregular variation data of the indication occurrence probability, the audit anomaly detection means determines that the audit target is “latest An audit result analysis system that outputs as “auditing object whose indication decreases rapidly in years”.
前記監査異常検出手段は、前記1系例のデータの平均からの誤差に基づいて前記外れ値を抽出することを特徴とする監査結果分析システム。 In any one of Claims 4 thru | or 11,
The audit anomaly detection unit extracts the outlier based on an error from an average of the data of the one system example.
前記監査項目毎に、遅延発生確率の時系列データと、指摘発生確率の時系列データとを計算する確率計算手段と、
前記監査項目毎に前記遅延発生確率の時系列データから前記遅延発生確率の傾向循環変動データを計算し、前記監査項目毎に前記指摘発生確率の時系列データから前記指摘発生確率の傾向循環変動データを計算する傾向循環変動計算手段と、
前記遅延発生確率の前記傾向循環変動データと前記指摘発生確率の前記傾向循環変動データの2系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査項目を、監査効果の評価結果として出力する監査効果評価手段と、
を備えることを特徴とする監査結果分析システム。 Storage means for storing the audit target, the audit item, the timing information of the audit item, the execution information of the audit item, the delay information about the audit item, and the indication information about the audit item in association with each other,
Probability calculation means for calculating time series data of delay occurrence probability and time series data of indication occurrence probability for each audit item;
The trend circulation fluctuation data of the delay occurrence probability is calculated from the time series data of the delay occurrence probability for each audit item, and the trend circulation fluctuation data of the indication occurrence probability is calculated from the time series data of the indication occurrence probability for each audit item. A trend circulation fluctuation calculating means for calculating
An outlier is extracted with respect to two series of data of the trend circulation fluctuation data of the delay occurrence probability and the trend circulation fluctuation data of the indication occurrence probability, and the audit item corresponding to the outlier is used as an evaluation result of the audit effect. An audit effect evaluation means to output;
An audit result analysis system comprising:
前記監査効果評価手段は、前記指摘発生確率の前記傾向循環変動データが前記遅延発生確率の前記傾向循環変動データと比べて所定の値大きい監査項目を、「監査効果が良い監査項目」として出力し、
前記監査効果評価手段は、前記指摘発生確率の前記傾向循環変動データが前記遅延発生確率の前記傾向循環変動データと比べて所定の値小さい監査項目を、「監査効果が悪い監査項目」として出力することを特徴とする監査結果分析システム。 In claim 13,
The audit effect evaluation means outputs an audit item in which the trend circulation fluctuation data of the indication occurrence probability is a predetermined value larger than the trend circulation fluctuation data of the delay occurrence probability as an “audit item having a good audit effect”. ,
The audit effect evaluation means outputs an audit item in which the trend circulation variation data of the indication occurrence probability is smaller than the trend circulation variation data of the delay occurrence probability as an “audit item having a poor audit effect”. An audit result analysis system characterized by this.
前記監査効果評価手段は、ある監査項目に関して、前記指摘発生確率の前記傾向循環変動データが、前記指摘発生確率の前記傾向循環変動データ及び前記遅延発生確率の前記傾向循環変動データの2系列のデータから求めた回帰式と比べて所定の値大きい場合、その監査項目を「監査効果が良い監査項目」として出力し、
前記監査効果評価手段は、ある監査項目に関して、前記指摘発生確率の前記傾向循環変動データが、前記指摘発生確率の前記傾向循環変動データ及び前記遅延発生確率の前記傾向循環変動データの2系列のデータから求めた回帰式と比べて所定の値小さい場合、その監査項目を「監査効果が悪い監査項目」として出力することを特徴とする監査結果分析システム。 In claim 13,
The audit effect evaluation means, for a certain audit item, the trend circulation fluctuation data of the indication occurrence probability is two series of data of the trend circulation fluctuation data of the indication occurrence probability and the trend circulation fluctuation data of the delay occurrence probability. If the specified value is larger than the regression equation obtained from the above, the audit item is output as an “audit item with good audit effect”.
The audit effect evaluation means, for a certain audit item, the trend circulation fluctuation data of the indication occurrence probability is two series of data of the trend circulation fluctuation data of the indication occurrence probability and the trend circulation fluctuation data of the delay occurrence probability. An audit result analysis system that outputs an audit item as an “audit item with a bad audit effect” when a predetermined value is smaller than a regression equation obtained from the above .
前記監査項目毎に前記遅延発生確率の時系列データから前記遅延発生確率の季節変動データを計算する季節変動計算手段と、
前記遅延発生確率の前記季節変動データの1系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査項目を出力する監査異常検出手段と、
を備えることを特徴とする監査結果分析システム。 In any one of Claims 13 thru | or 15,
Seasonal variation calculation means for calculating the seasonal variation data of the delay occurrence probability from the time series data of the delay occurrence probability for each audit item;
Audit abnormality detection means for extracting outliers with respect to a series of data of the seasonal variation data of the delay occurrence probability and outputting the audit items corresponding to the outliers;
An audit result analysis system comprising:
前記監査異常検出手段は、ある監査項目の遅延発生確率の前記季節変動データが前記遅延発生確率の前記季節変動データの統計量と比べて所定の値大きい場合、当該監査項目を「特定の月に遅延が急増する監査項目」として出力し、
前記監査異常検出手段は、ある監査項目の遅延発生確率の前記季節変動データが前記遅延発生確率の前記季節変動データの統計量と比べて所定の値小さい場合、当該監査項目を「特定の月に遅延が急減する監査項目」として出力することを特徴とする監査結果分析システム。 In claim 16,
When the seasonal variation data of the delay occurrence probability of a certain audit item is larger by a predetermined value than the statistical amount of the seasonal variation data of the delay occurrence probability, the audit anomaly detection means sets the audit item to “specific month”. Output as `` Audit item whose delay increases rapidly ''
When the seasonal variation data of the delay occurrence probability of a certain audit item is smaller than the statistical amount of the seasonal variation data of the delay occurrence probability, the audit abnormality detection unit sets the audit item to “specific month”. An audit result analysis system characterized in that it is output as an “audit item whose delay is rapidly reduced”.
前記監査項目毎に前記指摘発生確率の時系列データから前記指摘発生確率の季節変動データを計算する季節変動計算手段と、
前記指摘発生確率の前記季節変動データの1系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査項目を出力する監査異常検出手段と、
を備えることを特徴とする監査結果分析システム。 In any one of Claims 13 thru | or 15,
Seasonal variation calculation means for calculating the seasonal variation data of the indication occurrence probability from the time series data of the indication occurrence probability for each audit item;
Audit abnormality detection means for extracting an outlier with respect to one series of the seasonal variation data of the indication occurrence probability, and outputting the audit item corresponding to the outlier,
An audit result analysis system comprising:
前記監査異常検出手段は、ある監査項目の指摘発生確率の前記季節変動データが前記指摘発生確率の前記季節変動データの統計量と比べて所定の値大きい場合、当該監査項目を「特定の月に指摘が急増する監査項目」として出力し、
前記監査異常検出手段は、ある監査項目の指摘発生確率の前記季節変動データが前記指摘発生確率の前記季節変動データの統計量と比べて所定の値小さい場合、当該監査項目を「特定の月に指摘が急減する監査項目」として出力することを特徴とする監査結果分析システム。 In claim 18,
When the seasonal variation data of the indication occurrence probability of an audit item is a predetermined value larger than the statistical amount of the seasonal variation data of the indication occurrence probability, the audit anomaly detection means sets the audit item to “specific month”. Output as audit items that increase the number of indications,
When the seasonal variation data of the indication occurrence probability of a certain audit item is smaller than the statistic of the seasonal variation data of the indication occurrence probability, the audit abnormality detecting means sets the audit item to “specific month”. An audit result analysis system that outputs as “audit items whose indications decrease rapidly”.
前記監査項目毎に前記遅延発生確率の時系列データから前記遅延発生確率の不規則変動データを計算する不規則変動計算手段と、
前記遅延発生確率の前記不規則変動データの1系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査項目を出力する監査異常検出手段と、
を備えることを特徴とする監査結果分析システム。 In any one of Claims 13 thru | or 15,
Irregular fluctuation calculation means for calculating irregular fluctuation data of the delay occurrence probability from the time series data of the delay occurrence probability for each audit item;
Audit abnormality detecting means for extracting outliers with respect to one series of irregular fluctuation data of the delay occurrence probability and outputting the audit items corresponding to the outliers;
An audit result analysis system comprising:
前記監査異常検出手段は、ある監査項目の遅延発生確率の前記不規則変動データが前記遅延発生確率の前記不規則変動データの統計量と比べて所定の値大きい場合、当該監査項目を「最新の年月に遅延が急増する監査項目」として出力し、
前記監査異常検出手段は、ある監査項目の遅延発生確率の前記不規則変動データが前記遅延発生確率の前記不規則変動データの統計量と比べて所定の値小さい場合、当該監査項目を「最新の年月に遅延が急減する監査項目」として出力することを特徴とする監査結果分析システム。 In claim 20,
When the irregular variation data of the delay occurrence probability of a certain audit item is larger by a predetermined value than the statistical amount of the irregular variation data of the delay occurrence probability, the audit abnormality detection unit sets the audit item to “latest update”. Output as `` audit item whose delay increases rapidly in years ''
When the irregular variation data of the delay occurrence probability of a certain audit item is smaller by a predetermined value than the statistical amount of the irregular variation data of the delay occurrence probability, the audit anomaly detection means sets the audit item to “latest update”. Audit result analysis system, characterized in that it is output as an “audit item whose delay decreases rapidly in years.
前記監査項目毎に前記指摘発生確率の時系列データから前記指摘発生確率の不規則変動データを計算する不規則変動計算手段と、
前記指摘発生確率の前記不規則変動データの1系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査項目を出力する監査異常検出手段と、
を備えることを特徴とする監査結果分析システム。 In any one of Claims 13 thru | or 15,
Irregular fluctuation calculating means for calculating irregular fluctuation data of the indication occurrence probability from time series data of the indication occurrence probability for each audit item;
Audit abnormality detection means for extracting outliers with respect to a series of irregular fluctuation data of the indication occurrence probability, and outputting the audit items corresponding to the outliers;
An audit result analysis system comprising:
前記監査異常検出手段は、ある監査項目の指摘発生確率の前記不規則変動データが前記指摘発生確率の前記不規則変動データの統計量と比べて所定の値大きい場合、当該監査項目を「最新の年月に指摘が急増する監査項目」として出力し、
前記監査異常検出手段は、ある監査項目の指摘発生確率の前記不規則変動データが前記指摘発生確率の前記不規則変動データの統計量と比べて所定の値小さい場合、当該監査項目を「最新の年月に指摘が急減する監査項目」として出力することを特徴とする監査結果分析システム。 In claim 22,
When the irregular variation data of the indication occurrence probability of an audit item is larger by a predetermined value than the statistical amount of the irregular variation data of the indication occurrence probability, the audit anomaly detection means sets the audit item to “latest update”. Output as audit items whose indications increase rapidly in years.
When the irregular variation data of the indication occurrence probability of a certain audit item is smaller than the statistic of the irregular variation data of the indication occurrence probability, the audit abnormality detecting means determines that the audit item is “the latest An audit result analysis system that outputs as “audit items whose indications decrease rapidly in years”.
前記監査異常検出手段は、前記1系例のデータの平均からの誤差に基づいて前記外れ値を抽出することを特徴とする監査結果分析システム。 A method according to any one of claims 16 to 23.
The audit anomaly detection unit extracts the outlier based on an error from an average of the data of the one system example.
前記記憶手段が、監査対象と、監査項目と、前記監査項目の時期情報と、前記監査項目の実施情報と、前記監査項目に関する遅延情報と、前記監査項目に関する指摘情報とを対応付けて格納しており、
前記演算手段が、前記記憶手段から前記実施情報と前記遅延情報と前記指摘情報を取得するステップと、
前記演算手段が、前記監査対象毎に、前記監査項目に関する遅延発生確率の時系列データと、前記監査項目に関する指摘発生確率の時系列データとを計算するステップと、
前記演算手段が、前記監査対象毎に前記遅延発生確率の時系列データから前記遅延発生確率の傾向循環変動データを計算し、前記監査対象毎に前記指摘発生確率の時系列データから前記指摘発生確率の傾向循環変動データを計算するステップと、
前記演算部が、前記遅延発生確率の前記傾向循環変動データと前記指摘発生確率の前記傾向循環変動データの2系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査対象を、監査効果の評価結果として前記表示手段に出力するステップと、
を含む方法。 A method of analyzing an audit result in an information processing apparatus including a storage unit, a calculation unit, and a display unit,
The storage means stores an audit target, an audit item, time information of the audit item, execution information of the audit item, delay information about the audit item, and indication information about the audit item in association with each other. And
The computing means obtaining the implementation information, the delay information and the indication information from the storage means;
Calculating the delay occurrence probability time series data for the audit item and the indication occurrence probability time series data for the audit item for each of the audit targets;
The computing means calculates the trend circulation fluctuation data of the delay occurrence probability from the time series data of the delay occurrence probability for each audit target, and the indication occurrence probability from the time series data of the indication occurrence probability for each audit target Calculating trend cycling data for
The arithmetic unit extracts outliers for two series of data of the trend circulation fluctuation data of the delay occurrence probability and the trend circulation fluctuation data of the indication occurrence probability, and the audit target corresponding to the outlier is audited. Outputting to the display means as an effect evaluation result;
Including methods.
前記記憶手段が、監査対象と、監査項目と、前記監査項目の時期情報と、前記監査項目の実施情報と、前記監査項目に関する遅延情報と、前記監査項目に関する指摘情報とを対応付けて格納しており、
前記演算手段が、前記記憶手段から前記実施情報と前記遅延情報と前記指摘情報を取得するステップと、
前記演算手段が、前記監査項目毎に、遅延発生確率の時系列データと、指摘発生確率の時系列データとを計算するステップと、
前記演算手段が、前記監査項目毎に前記遅延発生確率の時系列データから前記遅延発生確率の傾向循環変動データを計算し、前記監査項目毎に前記指摘発生確率の時系列データから前記指摘発生確率の傾向循環変動データを計算するステップと、
前記演算手段が、前記遅延発生確率の前記傾向循環変動データと前記指摘発生確率の前記傾向循環変動データの2系列のデータに関して外れ値を抽出し、前記外れ値に対応する前記監査項目を、監査効果の評価結果として前記表示手段に出力するステップと、
を含む方法。 A method of analyzing an audit result in an information processing apparatus including a storage unit, a calculation unit, and a display unit,
The storage means stores an audit target, an audit item, time information of the audit item, execution information of the audit item, delay information about the audit item, and indication information about the audit item in association with each other. And
The computing means obtaining the implementation information, the delay information and the indication information from the storage means;
The computing means calculates, for each audit item, time series data of delay occurrence probability and time series data of indication occurrence probability;
The computing means calculates the trend occurrence fluctuation data of the delay occurrence probability from the time series data of the delay occurrence probability for each audit item, and the indication occurrence probability from the time series data of the indication occurrence probability for each audit item. Calculating trend cycling data for
The calculation means extracts outliers for two series of data of the trend circulation fluctuation data of the delay occurrence probability and the trend circulation fluctuation data of the indication occurrence probability, and the audit item corresponding to the outlier is audited. Outputting to the display means as an effect evaluation result;
Including methods.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012110442A JP5955093B2 (en) | 2012-05-14 | 2012-05-14 | Audit result analysis system and audit result analysis method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012110442A JP5955093B2 (en) | 2012-05-14 | 2012-05-14 | Audit result analysis system and audit result analysis method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013238957A JP2013238957A (en) | 2013-11-28 |
JP5955093B2 true JP5955093B2 (en) | 2016-07-20 |
Family
ID=49763938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012110442A Active JP5955093B2 (en) | 2012-05-14 | 2012-05-14 | Audit result analysis system and audit result analysis method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5955093B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106878029B (en) * | 2015-12-14 | 2019-11-22 | 任子行网络技术股份有限公司 | A kind of network data auditing system and method |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001350910A (en) * | 2000-06-08 | 2001-12-21 | Csk Corp | Auditing system and method, and computer readable recording medium with program for the sames recorded thereon |
AU2002346222A1 (en) * | 2002-06-26 | 2004-01-19 | Dreamsystem Corporation | Audit service managing system |
JP5300824B2 (en) * | 2010-11-17 | 2013-09-25 | 株式会社東芝 | Information processing system, information processing method, and information processing program |
-
2012
- 2012-05-14 JP JP2012110442A patent/JP5955093B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013238957A (en) | 2013-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6843882B2 (en) | Learning from historical logs and recommending database operations for data assets in ETL tools | |
JP6703031B2 (en) | Method for evaluating relevance between keyword and asset price, apparatus therefor, and method for displaying asset information | |
US20140006044A1 (en) | System and method for preparing healthcare service bundles | |
US11017330B2 (en) | Method and system for analysing data | |
JP2015076076A (en) | Customer data analysis system | |
US10642818B2 (en) | Causal analysis device, causal analysis method, and non-transitory computer readable storage medium | |
US20140379310A1 (en) | Methods and Systems for Evaluating Predictive Models | |
JP2016099915A (en) | Server for credit examination, system for credit examination, and program for credit examination | |
JPWO2018142753A1 (en) | Information processing apparatus, information processing method, and information processing program using deep learning | |
CN105405051B (en) | Financial event prediction method and device | |
US20220261864A1 (en) | Telecommunications infrastructure system and method | |
US20130311231A1 (en) | Risk management device | |
US20210191835A1 (en) | System and method for struggle identification | |
JP5955093B2 (en) | Audit result analysis system and audit result analysis method | |
KR101471797B1 (en) | Risk-management device | |
WO2018044955A1 (en) | Systems and methods for measuring collected content significance | |
WO2016072474A1 (en) | Information processing device, method, and program | |
JP2024016300A (en) | Analysis program, analysis device, and analysis method | |
JP6861176B2 (en) | Project estimation support method and project estimation support device | |
JP5650290B1 (en) | Operational risk measurement method and apparatus | |
JP2009271564A (en) | Measures analysis evaluation system and measures analysis evaluation program | |
JP7345744B2 (en) | data processing equipment | |
JP2016099688A (en) | Risk evaluation method and risk evaluation device | |
KR20130141069A (en) | System and method of providing recommendation service using recommendation algorithms | |
JP2015069551A (en) | Customer analysis program, method and apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150126 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20150225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20150225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160115 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160531 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160614 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5955093 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |