大数据分析审计方法与电子数据审计方法的比较
电子审计的数据挖掘技术主要依靠统计分析模块来发现审计疑点和审计线索。通常，统计分析过程主要分为信息收集、清洗、汇总、挖掘和可视化。
传统环境下，常用的方法有账户分类、大数据搜索、数据分析、审计抽样、数值分析等。在大数据分析时代，会计活动往往包括国民经济运行中的所有大数据分析，而这种大数据分析往往是跨行业、跨领域的，即具有大量的大数据特征，如多样性、高价值、低密度等。
根据数据的类型，不难发现数据和半结构化数据，包括照片、视频、文档等非数据内容。在根据每一个数据的实际来源进行分析后，我们可以在公司中找到审计的相关数据和信息，包括企业披露的信息。
从目标入手，寻找会计目标逐渐成为寻找线索、评估风险、关注绩效的内容。审计不仅与企业的违法违规行为有关，还要求一旦发现企业制度的问题，要及时评估企业的内控风险，借助社会经济和大数据技术，收集和分析更多的信息，全面了解企业的发展情况，进而分析企业发展的趋势和规律。
这时候可以为企业和国家提供更多的数据，然后制定合理的干预措施，方便企业决策。因此，大数据下的企业审计具有采集、保存、管理、分析等多种功能。，并且在可视化的特点下，需要明确与传统方法的显著区别。因此，企业需要明确大数据时代传统审计与电子审计的主要区别。
大数据审计采集技术
利用企业电子技术收集数据直接关系到内部审计的准确性，企业能否获得准确的数据内容是决定企业能否进行下一步数据分析的关键。
因此，企业在收集各种模型和理论的基础上，可以发现采用大数据审计的要点如下:一是电子数据的收集和转换。其次，收集数据的完整性和有效性。在数据采集过程中，企业需要明确研究重点是根据具体领域和源数据制定有针对性的采集处理表格。
数据完整性和有效性的测试主要基于当前的审计目标、详细的审计标准和规范，通过分析审计数据对标准的符合性，可以有效评估远程数据和本地数据的完整性和有效性。
大数据审计存储技术
在大数据环境背景下的审计工作中，数据保存系统主要包括传统、新增和分布式操作。由于审计工作的内容多为敏感数据信息，在审计电子数据的过程中，不仅要保证数据存储的有效性，还要保证数据的完整性，防止其被非法手段获取。
云存储信息技术是指利用分布式操作系统、数据库集群等现代信息技术，将互联网中多种不同的数据进行协调，进而为大数据提供更多的技术，以方便其获取各种内容和服务。该技术具有高可用、低成本、高性能的特点，是大多数数据存储的首选。此外，多副本和数据完整性检查是大数据存储的关键技术。
多份拷贝技术
多拷贝技术可以减少大数据技术因磁盘故障造成的损失，这是大数据存储过程中要处理的首要问题。多副本技术作为一种提高数据可用性的技术，有一个主节点，从而保证副本中的回执一致性和数据可用性管理。
整个数据存储在工作节点中，并且主要存储在多个副本中。主节点和工作节点主要采用心跳包通信的方式，当主节点出现故障时，需要自动进行病程分发，以便尽快恢复故障副本。多副本技术是指多个副本供系统操作，系统可以将一个数据存储在多个副本中。此时可以减轻系统中数据存储的压力，提高系统的可操作性和运行功能。而且目前这些云存储中主流的分布式操作系统都采用了这种技术，可以充分发挥其价值。
数据完整性验证技术
PDP可以分为两个不同的阶段，即预处理和验证。在预处理过程中，用户提交相关文本和数据后，可以获取修改后的文本内容，将原始数据保留在本地，服务器存储修改后的文件。
在验证过程中，用户随机挑战服务器，然后结合服务器中的内容，获取完整的证据并及时交付给用户。
通过验证预处理过程中使用的内容和元数据，用户可以详细计算数据的有效性，从而确保数据的完整性。为了完成以上两个阶段的计算，PDP模型包括四个基本计算，并且为了提高有效性，以上计算都是多项式时间的计算。
