ترجمه مقاله ارزیابی کیفیت داده در داده های حسابداری با قوانین انجمن
رشته: حسابداری / امور مالی
Assessment of data quality in accounting data with association rules
جهت دانلود رایگان مقاله انگلیسی اینجا را کلیک نمایید
چکیده
قوانین کسب و کار یک راه موثر برای کنترل کیفیت داده ها می باشد. کارشناسان کسب و کار به طور مستقیم می توانند از قوانین به نرم افزار مناسب بدون خطا ارتباطات مستعد با برنامه نویسان استفاده کنند. با این حال، تمام شرایط کسب و کار و مشکلات کیفیت داده ها ممکن می تواند در پیشبرد نظر گرفته شود. در شرایطی که قوانین کسب و کار هنوز تعریف نشده است، الگوهای از دست زدن به داده ها ممکن است در عمل به وجود آیند. ما به کار داده کاوی به معاملات حسابداری به منظور کشف الگوها می پردازیم. الگوهای کشف شده در قالب قوانین انجمن نمایش داده می شود. سپس، انحراف از الگوهای کشف می تواند به عنوان نقض بالقوه کیفیت داده ها که مورد نیاز است، توسط انسان مورد بررسی قرار گیرد و مشخص شده اند. نقض کیفیت داده ها را می توان گران کرد اما بررسی دستی بسیاری از معاملات نیز گران است. بنابراین، هدف این است که برای پیدا کردن تعادل بین مارک بیش از حد بسیاری و بیش از حد چند معاملات به عنوان احتمالا اشتباه استفاده کرد. برای ارزیابی دقت طبقه بندی قوانین انجمن توسعه و حمایت از تصمیم گیری در مورد تعداد انحرافات به صورت دستی در اصول اقتصادی بر اساس بررسی اعمال می شود و روش های مناسب ارائه می شود.
کلید واژه ها: کیفیت داده ها , داده کاوی انجمن قوانین, قوانین حسابداری داده
Business rules are an effective way to control data quality. Business experts can directly enter the rules into appropriate software without error prone communication with programmers. However, not all business situations and possible data quality problems can be considered in advance. In situations where business rules have not been defined yet, patterns of data handling may arise in practice. We employ data mining to accounting transactions in order to discover such patterns. The discovered patterns are represented in form of association rules. Then, deviations from discovered patterns can be marked as potential data quality violations that need to be examined by humans. Data quality breaches can be expensive but manual examination of many transactions is also expensive. Therefore, the goal is to find a balance between marking too many and too few transactions as being potentially erroneous. We apply appropriate procedures to evaluate the classification accuracy of developed association rules and support the decision on the number of deviations to be manually examined based on economic principles.
