Постановка задач автоматизированного анализа данных в подсистеме аудита предпосылки среднего уровня ИТ СППР

ПОСТАНОВКА ЗАДАЧ АВТОМАТИЗИРОВАННОГО АНАЛИЗА ДАННЫХ В ПОДСИСТЕМЕ АУДИТА ПРЕДПОСЫЛКИ СРЕДНЕГО УРОВНЯ ИТ СППР

TASKS STATEMENT OF AUTOMATED DATA ANALYSIS  OF THE PREREQUISITES AUDIT SUBSYSTEM OF THE AVERAGE LEVEL DSS IT

Сторінки: 99-104. Номер: №3, 2020 (285)
Автори:
Т. В. НЕСКОРОДЕВА
Донецкий национальный университет имени Васыля Стуса
T. NESKORODIEVA
Donetsk National University named Vasyl Stus
DOI: https://www.doi.org/10.31891/2307-5732-2020-285-3-16
Рецензія/Peer review : 17.04.2020 р.
Надрукована/Printed : 02.06.2020 р.

Анотація мовою оригіналу

В статье рассматривается проблема постановки задач автоматизированного анализа данных в подсистеме аудита предпосылки Положений (стандартов) бухгалтерского учета в ИТ СППР, как составляющих методики обобщенно-множественного отображения информации. Определены функциональные особенности учета отображений множеств данных элементарных задач двух видов (по функциональному назначению) за период проверки в подсистеме среднего уровня и наборов данных задач за период проверки. Выполнена постановка задач автоматизированного анализа данных за период проверки в подсистеме аудита предпосылки среднего уровня. Данные постановки задач инвариантные относительно особенностей предприятия и являются основанием для создания методики автоматизации решения задач анализа данных в ИТ СППР.
Ключевые слова: постановка задачи, автоматизированный анализ данных, информационная технология, СППР аудита, методика обобщенно-множественного отображения информации, средний уровень.

Розширена анотація англійською мовою

The article discusses the problem of setting tasks for automated data analysis in the audit subsystem of the prerequisites for Accounting Regulations (standards) in IT DSS, as components of the generalized-multiple display of information. The functional features of accounting for the mappings of the sets of these tasks for the verification period in the mid-level subsystem are determined. This made it possible to determine that the direct mapping of these tasks is ambiguous, and the reverse is unambiguous, and also that the background check is not automatically decomposed into solving problems for each set of accounting objects and operations. Based on the methodology of generalized-multiple display of information, two types of tasks for automated data analysis for the period of verification in the audit subsystem of the medium level are formulated. Two types of tasks of automated data analysis for the period of verification in the audit subsystem of the medium level  have been formulated. The first local sub-task is data analysis to determine equivalent and nonequivalent subsets when displaying data of an average level of sets of parallel consecutive operations during the verification period. The second local subtask is data analysis to determine equivalent and nonequivalent subsets when displaying data of an average level of accounting for sets of objects that are transformed as a result of many parallel sequential operations during the verification period. The problem statement data is invariant with respect to the enterprise features and is the basis for creating a solution automation technique of data analysis tasks in IT DSS. These statement of tasks are invariant with respect to the characteristics of the enterprise and are the basis for creating methods for automating the solution of problems of data analysis in IT DSS.
Key words: task statement, automated data analysis, information technology, audit DSS, generalized-plural presentation of information methodology, middle level.

 References

1. Xinli Hu. Effectiveness of information technology in reducing corruption in China Electronic Library, 2015 Vol. 33. Issue 1. P. 52–64, doi: 10,1108 / el-11-2012-0148.
2. Ivahnenkov S. V. Informacionnye tehnologii audita i vnutrihozyajstvennogo kontrolya v kontekste mirovoj integracii : monografiya / Ivahnenkov S. V. – Zhitomir : ChP «Ruta», 2010. – 432 s.
3. Kirkos E., Spathis C., Manolopoulos Y. Data mining techniques for the detection of fraudulent financial statement. Expert Syst. Appl., 2007. Vol. 32. Issue 4. p. 995–1003.9. doi:10.1016/j.eswa.2006.02.016.
4. Dai J., Vasarhelyi M. A. Imagineering Audit 4.0. Journal of Emerging Technologies in Accounting, 2016. № 13(1). P. 1–15.
5. Iaremko S.A. Doslidzhennia problem vprovadzhennia suchasnykh informatsiinykh system audytu v kontrolno-reviziinii diialnosti / S.A. Yaremko, V.V. Kovalenko // Kompiuterno-intehrovani tekhnolohii osvita nauka vyrobnytstvo. – Lutsk, 2014. – № 14 – S. 179–182.
6. West J., Bhattacharya M. and Islam R. Intelligent Financial Fraud Detection Practices: a comprehensive review. Computers & Security, 2016. Vol. 57. P. 47–66. doi: 10.1007 / 978-3-319-23802-9_16
7. Lin Chi-Chen, Chiu An-An, Yan Huang Shaio, C. Yen. David. Detecting the financial statement fraud: The analysis of the differences between data mining techniques and experts’ judgments. Knowledge-Based Systems, 2015. № 89. P. 459–470: doi : 10.1016 /j.knosys.2015.08.011.
8. Byuyul A. SPSS: Iskusstvo obrabotki informacii. Analiz statisticheskih dannyh i vosstanovlenie skrytyh zakonomernostej / Byuyul A., Cyofel P. ; per. s nem. – SPb : DiaSoftYuP, 2005. – 608 s.
9. Zgurovsky M.Z., Zaychenko Y.P.: The fundamentals of computational intelligence: system approach. Springer International Publishing Switzerland. 2017. 356 p.
10. Hu Z., Bodyanskiy Y. Tyshchenko O. Self-Learning and adaptive algorithms for business applications. Emerald Publishing Limited. 2019. 382 p. doi: 10.1108/978-1-83867-171-620191001
11. Neskorodeva T.B. Postanovka zadach podsistemy audita predposylki srednego urovnya IT SPPR / Tetyana Neskorodeva // Visnik Cherkaskogo derzhavnogo tehnologichnogo universitetu. – 2020. – № 2. – S. 38–48. doi: 10.24025/2306-4412.2.2020.194985.