JP5955093B2 - Audit result analysis system and audit result analysis method - Google Patents

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 Patent Document 1, the priority of the audit item is determined from the audit result based on the priority determination condition. For example, in the technique of Patent Document 1, the priority of audit items that meet the conditions of “Audit of store A”, “Not pointed out in past audit”, and “No audit performed last year” is increased. Extract audit items that have not been pointed out and have not been implemented last year.

特開２０１０−２８２４８５号公報JP 2010-282485 A

「季節変動調整法」，経済企画庁経済研究所研究シリーズ，第２２号"Seasonal variation adjustment method", Economic Research Agency Economic Research Institute research series, No. 22

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 Patent Document 1 only considers whether or not an indication has been made in the past audit, and has characteristics relating to the implementation and indication of the audit in consideration of costs in the audit, such as a delay that occurs when the audit is executed. Not extracted. Therefore, the technique of Patent Document 1 cannot improve the audit plan considering the cost.

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.

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。It is a functional block diagram which shows schematic structure of the audit result analysis system by embodiment of this invention. 本発明の実施形態による監査対象テーブルの一例である。It is an example of the audit object table by embodiment of this invention. 本発明の実施形態による監査項目テーブルの一例である。It is an example of the auditing item table by embodiment of this invention. 本発明の実施形態による監査結果テーブルの一例である。It is an example of the audit result table by embodiment of this invention. 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である。It is an example of the time series data which is the input to the additive model of the TCSI separation method. 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である。It is an example of the trend circulation fluctuation which is the output from the addition model of the TCSI separation method, seasonal fluctuation, and irregular fluctuation. 本発明の実施形態による発生確率計算手段の処理の一例を示すフローチャートである。It is a flowchart which shows an example of the process of the generation | occurrence | production probability calculation means by embodiment of this invention. 本発明の実施形態によるＴＣＳＩ分離手段の処理の一例を示すフローチャートである。It is a flowchart which shows an example of the process of the TCSI isolation | separation means by embodiment of this invention. 本発明の実施形態による監査効果評価手段の処理の一例を示すフローチャートである。It is a flowchart which shows an example of the process of the audit effect evaluation means by embodiment of this invention. 本発明の実施形態による監査異常検出手段の処理の一例を示すフローチャートである。It is a flowchart which shows an example of a process of the audit abnormality detection means by embodiment of this invention. 本発明の実施形態による監査結果分析レポートの一例である。It is an example of the audit result analysis report by embodiment of this invention.

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 analysis computer 1. The analysis computer 1 is configured by an information processing apparatus such as a workstation or a personal computer.

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 analysis computer 1 includes a central processing unit 11, an auxiliary storage device 12, a main storage device 13, a display device 14, and an input device 15. For example, the central processing unit 11 is configured by a processor (or a calculation unit) such as a CPU (Central Processing Unit). For example, the auxiliary storage device 12 is a hard disk, the main storage device 13 is a memory, the display device 14 is a display, and the input device 15 is a keyboard and a pointing device (such as a mouse). The central processing unit 11, the auxiliary storage device 12, the main storage device 13, the display device 14, and the input device 15 are connected via a data bus 16.

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 auxiliary storage device 12 stores a database 2 and an audit result analysis program 3. The database 2 stores an audit target table 21, an audit item table 22, and an audit result table 23. Details of these tables will be described later.

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 result analysis program 3 includes an occurrence probability calculation unit 31, a TCSI separation unit 32, an audit effect evaluation unit 33, and an audit abnormality detection unit 34. The occurrence probability calculation means 31 calculates a delay occurrence rate and an indication occurrence probability for each audit target, and calculates a delay occurrence rate and an indication occurrence probability for each audit item. The TCSI separation means 32 calculates trend circulation fluctuations, seasonal fluctuations, and irregular fluctuations from the time series data of the delay occurrence rate and the indication occurrence probability using the TCSI separation method described later. The audit effect evaluation unit 33 evaluates the audit effect based on the data set of the trend circulation fluctuation calculated by the TCSI separation unit 32. Further, the audit abnormality detection unit 34 detects an abnormal value (outlier) for the data set of seasonal variation and irregular variation calculated by the TCSI separation unit 32.

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 analysis computer 1, the occurrence probability calculation means 31, the TCSI separation means 32, the audit effect evaluation means 33, and the audit abnormality detection means 34 are realized as functions of a program executed on the computer. The analysis computer 1 reads the database 2 and the audit result analysis program 3 from the auxiliary storage device 12 and stores them in the main storage device 13, and the central processing unit 11 performs the audit object table 21 and the audit item table on the main storage device 13. 22, the occurrence probability calculation means 31, the TCSI separation means 32, the audit effect evaluation means 33, and the audit abnormality detection means 34 are executed in this order while referring to the information in 22 and the audit result table 23. Finally, the display device 14 displays the output of the audit effect evaluation unit 33 and the audit abnormality detection unit 34. Note that the occurrence probability calculation unit 31, the TCSI separation unit 32, the audit effect evaluation unit 33, and the audit abnormality detection unit 34 may be realized as hardware.

＜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 database 2. The audit target table 21 includes an audit target ID 200 and an audit target name 201 as configuration items. In the following, the number of audit targets stored in the audit target table 21 is NX, the audit target ID is IDX [x] (1 ≦ x ≦ NX), and the audit target name is NAMEX [x] (1 ≦ x ≦ NX).

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 database 2. The audit item table 22 includes an audit item ID 300 and an audit item name 301 as configuration items. In the following, the number of audit items stored in the audit item table 22 is NY, the audit item ID is IDY [y] (1 ≦ y ≦ NY), and the audit item name is NAMEY [y] (1 ≦ y ≦ NY).

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 database 2. The audit result table 23 includes an audit target ID 400, an audit item ID 401, a year 402, a month 403, an implementation presence / absence value 404, a delay presence / absence value 405, and an indication presence / absence value 406 as configuration items. The audit result table 23 is data input in advance by the operator using the input device 15 or the like. In the following, the audit start year is YEARMIN, the latest audit year is YEARMAX, the year is year (YEARMIN ≦ year ≦ YEARMAX), and the month is month (1 ≦ month ≦ 12). In addition, for the record whose audit object ID is IDX [x], audit item ID is IDY [y], year is year, and month is month, the implementation value is AXY [x] [y] [year] [month] The delay presence / absence value is BXY [x] [y] [year] [month], and the indication presence / absence value is CXY [x] [y] [year] [month].

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 / absence value 404 of the audit result table 23 stores 1 when the audit is performed, and stores 0 when the audit is not performed. The delay presence / absence value 405 stores 1 when the audit is performed after the scheduled date, and 0 when the audit is performed before the scheduled date. Note that 0 is also stored when auditing is not performed. In the indication presence / absence value 406, 1 is stored when there is an indication after performing an audit, and 0 is stored when there is no indication after performing an audit. Note that 0 is also stored when auditing is not performed.

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 / absence value 405 and the indication presence / absence value 406 have a seasonal variation that tends to be 1 in a specific month. 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.

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 result analysis program 3 are shown below. The TCSI separation means 32 uses the TCSI separation method to calculate the trend circulation variation, seasonal variation, and irregular variation from the time series data of the delay occurrence rate and the indication occurrence probability.

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 Non-Patent Document 1. A function that returns the trend circulation fluctuation for the latest year and month of the time-series data D, calculated from the monthly time-series data D [year] [month] using the additive model of the TCSI separation method. A function that returns fluctuation is S (D), and a function that returns irregular fluctuation is I (D).

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 result analysis program 3. The main subject of the processing in these flowcharts is the central processing unit 11.

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 central processing unit 11 uses the occurrence probability calculation means 31 for every year year (YEARMIN ≦ year ≦ YEARMAX) and month month for each audit target IDX [x] (1 ≦ x ≦ NX). For (1 ≦ month ≦ 12), the delay occurrence probability and the indication occurrence probability are calculated.

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 central processing unit 11 uses the occurrence probability calculation means 31 for every audit item IDY [y] (1 ≦ y ≦ NY) and all year year (YEARMIN ≦ year ≦ YEARMAX) and month month. For (1 ≦ month ≦ 12), the delay occurrence probability and the indication occurrence probability are calculated.

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 central processing unit 11 uses the TCSI separation unit 32 to calculate the trend circulation from the time series data of the delay occurrence probability and the indication occurrence probability for each audit target IDX [x] (1 ≦ x ≦ NX). Calculate variation, seasonal variation and irregular variation.

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 central processing unit 11 uses the TCSI separation unit 32 to calculate the trend circulation from the time series data of the delay occurrence probability and the indication occurrence probability for each audit item IDY [y] (1 ≦ y ≦ NY). Calculate variation, seasonal variation and irregular variation.

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 central processing unit 11 uses the audit effect evaluation unit 33 to collect two sets of data of the trend circulation variation of the delay occurrence probability of the audit target and the trend circulation variation of the indication occurrence probability of the audit target. Detect outliers. For example, the central processing unit 11 outputs an audit target as “an audit target having a good audit effect” when an audit target has an abnormal occurrence probability that is higher than the delay occurrence probability than other audit targets. . Further, the central processing unit 11 outputs an audit target as an “audit target having a poor audit effect” when an audit target has an abnormal occurrence probability that is abnormally smaller than the delay occurrence probability than other audit targets. . Note that the outlier extraction method described above can be used to detect an abnormal value in a set of two series of data.
(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 central processing unit 11 uses the audit effect evaluation means 33 to collect the two series of data of the trend circulation fluctuation of the audit item delay occurrence probability and the trend circulation fluctuation of the audit item indication probability. Detect outliers. For example, the central processing unit 11 outputs an audit item as “an audit item having a good audit effect” when an audit item has an abnormal occurrence probability that is higher than a delay occurrence probability than other audit items. To do. Further, the central processing unit 11 outputs an audit item as an “audit item having a bad audit effect” when an audit item has an abnormal occurrence probability that is abnormally smaller than the delay occurrence probability than other audit items. .
(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 central processing unit 11 uses the audit abnormality detection unit 34 to detect an abnormal value (outlier) for a set of one series of seasonal variations of the delay occurrence probability of the audit target. For example, the central processing unit 11 determines that an audit target is “audit subject whose delay increases rapidly in a specific month” when the seasonal variation of the delay occurrence probability is abnormally large compared to other audit subjects. Output as. In addition, the central processing unit 11 determines that an audit target is an “audit subject whose delay sharply decreases in a specific month” when the seasonal variation of the delay occurrence probability is abnormally small compared to other audit subjects. Output as. Note that the outlier extraction method described above can be used to detect abnormal values in a set of one series of data.
(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 central processing unit 11 uses the audit abnormality detection unit 34 to detect an abnormal value for a set of one series of seasonal fluctuations of the occurrence probability of the inspection target. For example, the central processing unit 11 determines that an audit target is an “audit subject whose indication rapidly increases in a specific month” when the seasonal variation in the occurrence probability of the indication is abnormally large compared to other audit subjects. Output as. Further, the central processing unit 11 outputs a certain audit target as an “audit target whose indication sharply decreases in a specific month” when the seasonal variation of the indication occurrence probability is abnormally small compared to other audit targets.
(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 central processing unit 11 uses the audit abnormality detection unit 34 to detect an abnormal value for a set of one series of seasonal variation of the delay occurrence probability of the audit item. For example, when a certain audit item has an abnormally large seasonal variation in the probability of delay compared to other audit items, the central processing unit 11 selects the audit item as “audit item whose delay increases rapidly in a specific month”. Output as. Further, the central processing unit 11 determines that an audit item “audit item whose delay sharply decreases in a specific month” when the seasonal variation of the delay occurrence probability is abnormally small compared to other audit items. Output as.
(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 central processing unit 11 uses the audit abnormality detection means 34 to detect an abnormal value for a set of one series of seasonal variations of the occurrence probability of the audit item. For example, when a certain audit item has an unusually large seasonal variation in the occurrence probability of an indication compared to other audit items, the central processing unit 11 selects the audit item as “an audit item whose indication increases rapidly in a specific month”. Output as. In addition, the central processing unit 11 determines that an audit item is “audit item whose indication decreases sharply in a specific month” when the seasonal variation of the indication occurrence probability is abnormally small compared to other audit items. Output as.
(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 central processing unit 11 uses the audit abnormality detection unit 34 to detect an abnormal value for a set of one series of irregular fluctuations in the delay occurrence probability of the audit target. For example, the central processing unit 11 determines that an audit target is “an audit whose delay increases rapidly in the latest year” when the irregular variation in the probability of delay occurrence is abnormally large compared to other audit targets. Output as “Target”. In addition, the central processing unit 11 determines that an audit target is an “audit whose delay is drastically reduced in the latest year / month” when irregular fluctuations in the probability of occurrence of delay are abnormally small compared to other audit targets. Output as “Target”.
(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 central processing unit 11 uses the audit abnormality detection means 34 to detect an abnormal value for a set of one series of irregular fluctuations in the occurrence probability of the inspection target. For example, the central processing unit 11 determines that an audit target is an audit target whose audit probability increases rapidly in the latest year when the irregular fluctuation in the occurrence probability is abnormally large compared to other audit targets. Output as “Target”. In addition, the central processing unit 11 determines that an audit target is an audit target that indicates that the number of indications decreases sharply in the latest year when the irregular fluctuation in the occurrence probability is abnormally small compared to other audit targets. Output as “Target”.
(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 central processing unit 11 uses the audit abnormality detection unit 34 to detect an abnormal value for a set of one series of irregular fluctuations in the delay occurrence probability of the audit item. For example, when a certain audit item has an abnormally large variation in the probability of occurrence of a delay compared to other audit items, the central processing unit 11 determines that the audit item is an Item "is output. In addition, the central processing unit 11 determines that an audit item is “audit whose delay is rapidly reduced in the latest year / month” when an irregular variation in the probability of occurrence of the delay is abnormally small compared to other audit items. Item "is output.
(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 central processing unit 11 uses the audit abnormality detection unit 34 to detect an abnormal value for a set of one series of irregular fluctuations in the occurrence probability of the audit item. For example, the central processing unit 11 determines that an audit item is “audit whose indication increases rapidly in the latest year” when an irregular change in the occurrence probability of an indication is abnormally large compared to other audit items. Item "is output. The central processing unit 11 outputs a certain audit item as “an audit item whose indication rapidly decreases in the latest year” when the irregular fluctuation of the indication occurrence probability is abnormally small as compared with other audit items.
(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 display device 14>
Next, the audit result analysis report displayed on the display device 14 will be described. FIG. 11 shows an example of an audit result analysis report. The audit result analysis report is an output of the audit effect evaluation unit 33 and the audit abnormality detection unit 34 displayed on the display device 14.

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 analysis computer 1 includes a central processing unit 11, an auxiliary storage device 12, a main storage device 13, a display device 14, and an input device 15. The auxiliary storage device 12 stores a database 2 and an audit result analysis program 3. The database 2 stores an audit target table 21, an audit item table 22, and an audit result table 23. The audit result analysis program 3 includes an occurrence probability calculation unit 31, a TCSI separation unit 32, an audit effect evaluation unit 33, and an audit abnormality detection unit 34. The occurrence probability calculation means 31 calculates a delay occurrence rate and an indication occurrence probability for each audit target, and calculates a delay occurrence rate and an indication occurrence probability for each audit item. The TCSI separation means 32 uses the TCSI separation method to calculate the trend circulation variation, seasonal variation, and irregular variation from the time series data of the delay occurrence rate and the indication occurrence probability. Then, the audit effect evaluation means 33 evaluates the audit effect based on the data set of the trend circulation fluctuation. According to this configuration, it is possible to extract features relating to audit execution and indication in consideration of cost (delay) in audit. This makes it possible to improve future audit plans.

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 / absence value 405 and the indication presence / absence value 406 of the audit result table 23 are expressed by “0” and “1”, but are not limited thereto. For example, you may input the specific time of delay and the number of indications. In this case, it is possible to improve the audit plan more effectively by detecting abnormal values for not only the delay occurrence probability and the indication occurrence probability but also the delay time and the number of indications and displaying them on the display device 14. It becomes possible.

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 analysis computer 1 includes the display device 14 and the input device 15, and an operator performs input / output using the display device 14 and the input device 15, but the configuration is not limited thereto. For example, Internet browser software may be installed in an information processing apparatus different from the analysis computer 1, and the information processing apparatus may be connected to the analysis computer 1 using the browser software. According to this configuration, communication with the analysis computer 1 can be performed and input and output can be confirmed in another information processing apparatus.

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 SYMBOLS 1 Analysis computer 2 Database 3 Audit result analysis program 11 Central processing unit 12 Auxiliary storage device 13 Main storage device 14 Display device 15 Input device 16 Data bus 21 Audit object table 22 Audit item table 23 Audit result table 31 Occurrence probability calculation means 32 TCSI separation means 33 Audit effect evaluation means 34 Audit abnormality detection means

Claims (26)

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する記憶手段と、
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: 請求項１において、
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. 請求項１において、
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”. 請求項１乃至３のいずれか一項において、
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: 請求項４において、
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”. 請求項１乃至３のいずれか一項において、
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: 請求項６において、
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”. 請求項１乃至３のいずれか一項において、
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: 請求項８において、
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. 請求項１乃至３のいずれか一項において、
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: 請求項１０において、
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”. 請求項４乃至１１のいずれか一項において、
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. 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する記憶手段と、
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: 請求項１３において、
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. 請求項１３において、
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 . 請求項１３乃至１５のいずれか一項において、
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: 請求項１６において、
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”. 請求項１３乃至１５のいずれか一項において、
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: 請求項１８において、
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”. 請求項１３乃至１５のいずれか一項において、
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: 請求項２０において、
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. 請求項１３乃至１５のいずれか一項において、
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: 請求項２２において、
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”. 請求項１６乃至２３のいずれか一項において、
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. 記憶手段と演算手段と表示手段とを備える情報処理装置において監査結果を分析する方法であって、
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. 記憶手段と演算手段と表示手段とを備える情報処理装置において監査結果を分析する方法であって、
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.

Images