臺灣博碩士論文加值系統

為防止舞弊案件的發生，電腦稽核已成為企業中不可或缺的一部份。目前電腦稽核主要利用通用性稽核軟體(如ACL、IDEA等)，針對企業營運資料作稽核，主要以資料一致性作為稽核重點，但是對企業營運績效具極大影響的潛在趨勢或隱藏的特殊關聯性及特徵卻無法實行稽核。鑒於資料探勘技術乃時下趨勢，不僅能使用在大數據分析，亦能用來作為電腦稽核，本研究以R軟體為主要操作應用工具，透過R軟體來連接企業資料庫，讀取與搜尋該資料庫的資料，進而分析其內容。除了能夠達到通用性稽核軟體的功能外，並且可以透過R軟體的資料探勘功能，如：簡單線性迴歸，了解到銷售人員報價記錄資料表中，企業與銷售報價之間的關係，找尋其離群值與影響點，並據以深入了解問題，找出問題發生的所在，進而達到見微知著，防範於未然的目的。

In order to prevent the cases of fraud occur, computer auditing has become an indispensable part of the enterprise. At present, computer auditing mainly uses general purpose software such as ACL and IDEA in auditing business operation data, which is focused on the consistency of the data, but the the potential trend or hidden special relevance and characteristics cannot be audited, that has a great influence on the business performance of the enterprise. Data mining technology is a trend nowadays, not only can it be used in large data analysis but also can be used in computer auditing. This study uses R software as the main application tool. Using R software to connect enterprise database, we can read and search the information within the database and analyze its content. In addition, R software is able to achieve the functionality of generic software, and with its data mining functions such as simple linear regression, we can understand the relationship between the enterprise and the sales information in the salesperson’s quotation record data table, find out its outliers and impact points, realize the problem, and identify the source of the problem to achieve the purpose of nipping something in the bud.

謝誌 i
摘要 ii
Abstract iii
目錄 iv
圖目錄 vii
表目錄 ix
第一章 緒論 1
1.1研究背景 1
1.2研究動機與目的 2
1.3論文架構 2
第二章 文獻探討 4
2.1企業資源規劃 4
2.1.1企業資源規劃定義 4
2.2資料探勘 7
2.2.1資料探勘的定義 7
2.2.2資料探勘的應用 9
2.3電腦稽核 9
2.3.1 稽核的定義 10
2.3.2 內部控制 11
2.3.3 電腦輔助稽核技術 12
第三章 系統分析 15
3.1系統發展方向 15
3.2 系統架構 15
3.2.1 傳統電腦稽核架構 15
3.2.2 研究架構 16
3.2.3 比較兩架構優、缺點 17
3.3稽核指令 17
3.3.1 尋找缺漏 22
3.3.2 尋找重複 23
3.3.3 排序異常 24
3.3.4 統計指令 25
3.3.5 分類 27
3.3.6 多表格查核 28
3.3.7 繪圖 32
3.3.8 關聯式規則 34
3.3.9 分群 - Kmeans平均法 35
3.3.10 決策樹 36
3.3.11 簡單線性迴歸 37
第四章 系統實作 38
4.1系統測試情境資料 38
4.2 稽核項目：查詢採購訂單是否完整(排序、缺漏、重覆) 41
4.2.1 使用ACL作查核 41
4.2.2 使用R軟體作查核 43
4.3 稽核項目：查看工單中的各報廢原因比例 45
4.3.1 使用ACL作查核 45
4.3.2 使用R軟體作查核 46
4.4 稽核項目：找查各產品倉庫的庫存數量加總是否大於全庫存水平 49
4.4.1 使用ACL作查核 49
4.4.2 使用R軟體作查核 51
4.5 稽核項目：購物籃分析 53
4.6 稽核項目：查看銷售人員的銷售關係 55
4.7 稽核項目：查看員工部門與休假時數、組織階層之間的關係 58
4.8 稽核項目：查看銷售人員報價記錄中的企業與銷售報價之間的關係 60
4.9 利用ACL與R軟體實作以上各稽核項目之比較 65
第五章 結論與未來研究 67
5.1 結論 67
5.2 未來研究 68
參考文獻 69

尹相志(2007)。SQL Server 2005 Data Mining資料採礦與Office 2007資料採礦增益集。台北市：悅知文化。
全國法規資料庫(2014)。公開發行公司建立內部控制制度處理準則，全條文。取自http://law.moj.gov.tw/LawClass/LawAll.aspx?PCode=G0400045
吳文弘(1988)。電腦審計與稽核(理論與實務)。台北市：天一圖書公司。
李仁鍾(2015)。應用R語言於資料分析。台北市：松崗資產管理。
林柄滄(2005)。內部稽核理論與實務。台北市：中華民國內部稽核協會。
周冠中(2003)。電子化企業（E-business）。取自 http://www.anan1.webnow.biz/it/b17.htm
姚力堅(1992)。應用電腦審計－企業管理人須知。新北市：台灣商務。
食夢黑貘(2012)。資料探勘真的跟你想的不一樣。取自http://www.circle.tw/trend/data- mining-think-different.html
翁慈宗(2009)。資料探勘的發展與挑戰。取自http://csyue.nccu.edu.tw/ch/Data%20 Mining(200910).pdf
國立中央大學管理學院ERP中心(2015)。ERP企業資源規劃導論(第五版)。台北市：碁峰資訊股份有限公司。
黃士銘、嚴紀中、阮金聲(2009)。電腦稽核－理論與實務應用。新北市：全華圖書公司。
黃士銘(2014)。ACL資料分析與電腦稽核。新北市：全華圖書公司。
莊盛祺(2014)。如何應用電腦輔助查核技術(CAATs)協助風險管理。取自https://blog.uprofit-tw.com/?p=4367
維基百科(2016)。資料探勘。取自https://zh.wikipedia.org/wiki/%E6%95%B0%E6% 8D%AE%E6%8C%96%E6%8E%98
鄧鴻(2016)。世界十大財務醜聞，曾震驚華爾街。取自https://read01.com/2zoOB8.html
謝邦昌(2005)。資料採礦與商業智慧-SQL Server 2005。台北市：鼎茂圖書出版股份有限公司。
Agrawal, R., Imieliński, T., & Swami, A. (1993, June). Mining association rules between sets of items in large databases. In Acm sigmod record, 22(2), 207-216.
Berry, M. J., & Linoff, G. (1997). Data mining techniques: for marketing, sales, and customer support. Hoboken: John Wiley & Sons.
Cash, J. I. Jr., Bailey, A. D. Jr., & Whinston, A. B. (1977). A survey of techniques for auditing EDP-based accounting information systems. Accounting Review, 52(4), 813-832.
Davenport, T. H. (1998). Putting the enterprise into the enterprise system. Harvard business review, 76(4), 121-131.
Gould, L. (1997). Planning and scheduling today’s automotive enterprises. Automotive Manufacturing & Production, 109(4), 62-66.
Holland, J. H. (1975). Adaptation in natural and artificial system: an introductory analysis with applications to biology, control, and artificial intelligence. Ann Arbor: U Michigan Press.
Mabert, V. A., Soni, A., & Venkataramanan, M. A. (2000). Enterprise resource planning survey of US manufacturing firms. Production and Inventory Management Journal, 41(2), 52.
MacQueen, J. (1967, June). Some methods for classification and analysis of multivariate observations. In Proceedings of the fifth Berkeley symposium on mathematical statistics and probability, 1(14), 281-297.