在联系。比率分析法计算简单，结果简单，便于审计人员判断。由于采用了相对数，它可以适用不同国家、地区、行业、规模的客户。
（五）经验分析方法。审计人员在长期的对某类问题的反复审计中，往往能摸索、总结出此类问题的表征。在审计实践中抓住这种表征，从现象分析至实质，就可以较为方便地核查问题。将审计人员的这种经验运用到计算机审计中，将问题的表征转化为特定的数据特征，通过编写结构化查询语句（SQL）或利用审计软件来检索，查询出可疑的数据，并深入核实、排查来判断、发现问题，便能实现根据审计经验构建个体分析模型的目的。
（六）多维数据分析。联机分析处理（o
li
ea
alysisprocessi
g，OLAP）工具为多维数据分析提供了十分有效的功能，它能够从多种角度对从原始数据中转化出来的、可真正为用户所理解的、并真实反映企业的多维特性的信息进行快速、一致、交互地存取，获得对数据的深入了解。
现代OLAP系统一般是以数据仓库为基础，即从数据仓库中抽取详细数据的一个子集，并经过必要的聚集存储到OLAP存储器中，供前端分析工具读取。建立数据仓库的目的，是为了支持数据分析和决策制定过程。数据仓库中存储的数据是面向分析目标的经提炼、加工后的数据集合。这种数据的存储结构为OLAP
f实施提供了理想的环境。而OLAP作为一种多维查询和分析工具，是数据仓库功能的自然扩展，也是数据仓库中的大容量数据得以有效利用的重要保障。
二、应用数据挖掘技术发掘未知审计知识
常规数据分析方法利用的是审计人员已有的知识，这存在多处不足：一是审计人员的经验和知识是“有限的”，被审计对象行业跨度大，各单位情况千差万别，当审计经验无法运用时，面对海量数据真如“瞎子摸象”；二是数据是不断发展的，审计经验相对于数据往往是滞后的，这种不同步性给审计带来了巨大的潜在风险；三是对统一数据审计，不同的审计人员可能会得出完全不同的结论，知识的不对称性无法保障审计质量；四是传统的数据分析方法无法处理庞大的数据库系统；五是我国经济飞速发展，金融和各类市场的发育使审计范围和规模逐步扩大，信用危机以及各式各样的金融犯罪也对审计提出了更高的要求，电子化和网络化环境使得作弊手法越发隐蔽，数据难以追踪，审计无从下手。
为了解决日益严重的“数据丰富、知识贫乏”的问题，数据挖掘（DataMi
i
g）技术在20世纪90年代应运而生，并得到了迅速发展。数据挖掘是针对日益庞大的电子数据应运而生的一种
f新型r