本书围绕大数据审计构建内容体系，共8章。第1章为大数据审计概论，第2章介绍审计大数据分析工具，第3至5章依次聚焦审计数据清洗与处理、审计大数据分析方法、审计数据可视化，第6、7章分别探讨大数据环境下的审计风险、大数据审计中的控制测试，第8章呈现多行业大数据审计应用案例。本书特色鲜明，既通过将Python代码示例与审计场景深度融合实现技术赋能审计，有效提升实操性，又能全流程覆盖审计工作，贯穿数据采集、分析、可视化到审计结论输出的完整链条，充分满足系统性学习需求。本书适用于高等院校、职业院校审计、会计等专业学生，以及审计从业者、企事业单位风险管控人员，助力其掌握数字化审计核心技能，适配大数据时代审计工作需求。

刘晓敏，无锡太湖学院副教授，曾参加并任职江苏省会计技能大赛裁判员、江苏省智慧财经专家委员会委员。主要著作出版有《成本会计教程》、《财务管理》。曾主持省市、院级课题10项，参与省市级课题10多项，主编参编教材6部，发表论文19篇，自主研发专利2项，软著1项，全国首届《业财合一》教学比赛 创享奖，多次获得江苏省科研论文二等奖，荣获苏州市优秀党员等称号。

第1章 大数据审计概论 1
1.1 大数据审计的产生 1
1.1.1 大数据审计产生的背景 1
1.1.2 大数据的定义与特点 2
1.1.3 大数据审计的定义与特点 3
1.1.4 传统审计与大数据审计的比较 3
1.2 大数据审计的发展 4
1.2.1 大数据审计的发展历程 4
1.2.2 大数据审计的技术进展及挑战 4
1.2.3 大数据审计的国内外应用情况 5
1.2.4 大数据审计的发展趋势 6
1.3 大数据对审计工作的影响 6
1.3.1 大数据对审计理念的影响 6
1.3.2 大数据对审计方法的影响 7
1.3.3 大数据对审计流程的影响 7
1.3.4 大数据对审计人员的影响 7
本章小结 8
第2章 审计大数据分析工具（Python篇） 9
2.1 大数据分析常用工具 9
2.1.1 Excel—经典数据分析基石 9
2.1.2 SQL—数据库查询与分析利刃 10
2.1.3 Python—统计分析与可视化能手 10
2.2 Python简介与安装 10
2.2.1 Python简介 10
2.2.2 Python安装 11
2.3 Python的基础与应用 12
2.3.1 变量与数据类型 12
2.3.2 运算符类型 13
2.3.3 控制流语句 15
2.3.4 NumPy（Numerical Python）的介绍与使用 17
2.3.5 pandas的介绍与应用 20
2.3.6 Matplotlib的介绍与应用 26
本章小结 31
第3章 审计数据清洗与处理 32
3.1 数据质量评价 32
3.1.1 数据质量稽核 32
3.1.2 质量维度分析 36
3.1.3 评价方法与工具 38
3.2 数据质量问题概述 41
3.2.1 常见问题分类 41
3.2.2 问题识别方法与流程 43
3.2.3 审计风险评估 44
3.3 数据预处理基础 45
3.3.1 数据类型转换 45
3.3.2 数据排序 46
3.3.3 数据合并 54
3.4 缺失值识别与处理 64
3.4.1 缺失值的分类、识别与审计影响评估 64
3.4.2 缺失值的处理方法 66
3.4.3 缺失值处理策略选择 69
3.5 重复值识别与处理 70
3.5.1 重复值的分类、识别与审计影响评估 70
3.5.2 重复值的处理方法 74
3.5.3 重复值处理策略选择 78
3.6 异常值识别与处理 79
3.6.1 异常值的分类、识别与审计影响评估 79
3.6.2 异常值的处理方法 83
3.6.3 异常值处理策略选择 87
第4章 审计大数据分析方法 89
4.1 数据分析的主要形式 89
4.1.1 数据挖掘 89
4.1.2 统计分析 90
4.1.3 可视化分析 90
4.2 审计数据分析的方法 91
4.2.1 基本统计量分析 91
4.2.2 数据分布分析 93
4.2.3 细分分析 95
4.2.4 对比分析 97
4.2.5 交叉分析 98
4.2.6 趋势分析 100
4.3 审计专家系统 102
4.3.1 审计专家系统的概念 102
4.3.2 审计专家系统的构建 102
4.3.3 审计专家系统应用案例 104
4.3.4 审计专家系统的应用前景 104
本章小结 105
第5章 审计数据可视化 106
5.1 数据可视化技术 106
5.1.1 数据可视化概念与审计价值 106
5.1.2 数据可视化实现基础 107
5.1.3 数据可视化设计原则 108
5.1.4 数据可视化核心要素设计规范 110
5.2 数据可视化与审计 111
5.2.1 数据可视化在审计工作中的作用 111
5.2.2 审计数据可视化的挑战与解决策略 113
5.2.3 审计数据可视化应用场景 114
5.3 Python可视化工具在审计中的应用 119
5.3.1 Python可视化环境搭建与基础设置 119
5.3.2 审计图表精准匹配策略 123
5.3.3 Matplotlib基础绘图 129
5.3.4 Matplotlib高级布局与自定义 133
5.3.5 审计数据高级可视化实现 143
5.4 综合案例分析 147
5.4.1 政府审计案例：福州市大数据审计监督平台 147
5.4.2 企业审计案例：东方航空公司内部审计中的业财数据分析应用 151
第6章 大数据环境下的审计风险 155
6.1 风险审计概述 155
6.1.1 风险审计的定义 155
6.1.2 企业风险审计的目标 155
6.1.3 风险审计的重要性 157
6.1.4 风险审计与审计风险、风险基础审计、内容审计的对比 158
6.2 审计风险管理 158
6.2.1 审计风险识别和组成 159
6.2.2 审计风险估计和评价 160
6.2.3 审计风险控制和处理 161
6.3 风险导向审计 162
6.3.1 风险导向审计概述 162
6.3.2 风险导向审计的程序与方法 163
6.4 大数据环境下的审计风险评估与控制 165
6.4.1 大数据环境下的审计风险 165
6.4.2 大数据环境下审计风险的评估 167
6.4.3 大数据环境下审计风险控制 168
本章小结 170
第7章 大数据审计中的控制测试 171
7.1 控制测试概述 171
7.1.1 控制测试的定义与目标 171
7.1.2 控制测试在大数据审计中的重要性 171
7.2 大数据对控制测试的影响 172
7.2.1 数据获取与范围的变革 172
7.2.2 实时监测与动态评估 173
7.2.3 分析方法的多元化创新 173
7.3 大数据审计控制测试流程 175
7.3.1 确定测试目标与范围 175
7.3.2 控制测试的注意事项 175
7.4 数据分析在控制测试中的应用 176
7.4.1 数据分析及其应用 176
7.4.2 数据分析在控制测试中的具体方案 177
7.4.3 结果评估与报告 178
本章小结 178
第8章 大数据审计应用案例 179
8.1 金融行业的大数据审计 179
8.1.1 大数据技术在金融行业审计中的应用 180
8.1.2 实例分析 181
8.2 制造业的大数据审计 182
8.2.1 大数据技术在制造业审计中的应用 182
8.2.2 实例分析 183
8.3 电信行业的大数据审计 185
8.3.1 大数据技术在电信行业审计中的应用 186
8.3.2 实例分析 186
8.4 医疗行业的大数据审计 190
8.4.1 大数据技术在医疗行业审计中的应用 190
8.4.2 实例分析 192
8.5 电商行业的大数据审计 193
8.5.1 大数据技术在电商行业审计中的应用 194
8.5.2 实例分析 194
8.6 公共服务领域的大数据审计 195
8.6.1 大数据技术在公共服务领域审计中的应用 195
8.6.2 实例分析 196
本章小结 198
参考文献 199