عنوان فارسی |
نهادینه کردن فرآیندکاوی در حسابرسی صورت های مالی |
عنوان انگلیسی |
Embedding process mining into financial statement audits |
کلمات کلیدی |
فرآیندکاوی؛ تحلیل داده ها؛ حسابرسی صورت های مالی؛ کلان داده ها، علم داده ها، هوش کسب و کار؛ مُدل سازی فرآیند کسب و کار؛ سیستم های برنامه ریزی منابع سازمانی؛ مطالعه میدانی |
درسهای مرتبط |
سیستم های اطلاعاتی حسابداری |
تعداد صفحات انگلیسی : 15 | نشریه : ELSEVIER |
سال انتشار : 2021 | تعداد رفرنس مقاله : 81 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله | آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله |
وضعیت شکل ها و عنوان شکل ها: ترجمه شده است. | وضعیت جداول و عنوان جداول : جدول ندارد. |
وضعیت تایپ فرمول ها : فرمول ندارد | نام مجله مقاله : International Journal of Accounting Information Systems (مجله بین المللی سیستم های اطلاعاتی حسابداری) |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 33 صفحه با فونت ۱۴ B Nazanin | آیا در بسته تبلیغات سایت نیز قرار داده شده است؟: محتوی بسته این محصول فاقد هر گونه تبلیغات می باشد. |
پاورپوینت : ندارد | گزارشکار : ندارد | شبیه سازی : ندارد |
سطح کیفیت ترجمه و ضمانت فراپیپر برای این مقاله چگونه است؟ |
ترجمه دارای وضعیت طلایی بوده و تا 24 ساعت در صورت عدم رضایت مشتری مبلغ مورد نظر عودت داده خواهد شد. |
بعد از خرید این محصول یک فایل برای شما قابل دانلود خواهد بود که دارای ورد (word) ترجمه مقاله است که قابل ویرایش است و همچنین pdf ترجمه مقاله به همراه pdf مقاله انگلیسی برای شما قابل مشاهده خواهد بود. در فایل های دانلود هیچگونه تبلیغاتی وجود ندارد و شما با خیال راحت میتوانید از ترجمه مقاله استفاده کنید.
1. مقدمه
2. روش تحقیق
3. پیشینه و مقالات مرتبط
4. استفاده همزمان از روش های تحلیل داده در حسابرسی
5. نهادینه سازی فرآیند کاوی در فرآیند حسابرسی صورت های مالی
6. خلاصه
پیشینه و مقالات مرتبط:
فرآیندکاوی از داده های ثبت رویدادهای ثبت شده، که می توانند از یک سیستم منبع، استخراج شوند، برای ارائه اطلاعات در مورد فرآیندهای کسب و کار (ون در آلست، 2016)، و همچنین نمایش های گرافیکی استفاده می کند. سیستم منبع می تواند هر سیستم اطلاعاتی آگاه از فرآیند باشد (دوماس و همکاران، 2005)، مانند برنامه ریزی منابع سازمانی (ERP) یا سیستم های مدیریت گردش کار. در سالهای اخیر، الگوریتمهای معدنکاری همهمنظوره پیچیده، از جمله الگوریتمهای استخراج اکتشافی (وایترز و همکاران، 2006)، فازی (گانتر و ون در آلست، 2007) و ژنتیک (دی مدیروس، 2006) توسعه یافتهاند. نمونههای جدیدتر عبارتند از اسپلیت ماینر (اوگوستو و همکاران، 2017) یا مواردی که از برنامهریزی خطی عدد صحیح استفاده میکنند (ون زلست و همکاران، 2018). چندین شرکت، ابزارهای پیچیده فرآیندکاوی تجاری را ارائه می دهند (سلونیس، 2020a؛ فلوکسیکون، 2020؛ آزمایشگاه LANA، 2020؛ اوئیپاث، 2020؛ زاپلیانس، 2020). بسته های فرآیندکاوی برای زبان های برنامه نویسی، مانند پایتون (موسسه فناوری اطلاعات کاربردی فراونهوفر، 2020) و R (یانسنزویلن و همکاران، 2019) نیز وجود دارد. یک الگوریتم، استخراج داده های ورودی را برای ایجاد مدل های فرآیند به عنوان خروجی، تجزیه و تحلیل می کند. دادههای ورودی باید از سیستمهای اطلاعات منبع مربوطه، استخراج شده و به یک گزارش رویداد تبدیل شوند، که شامل تمام رویدادهای ثبتشده مربوط به فعالیتهای تجاری اجرا شده باشد. یک مدل فرآیند از رفتار مشاهدهشده، اجرای فرآیندهای تجاری فردی که نمونههای فرآیند نامیده میشوند، انتزاع میکند. بنابراین یک مدل فرآیند، مجموعه ای از اجرای فرآیندهای مختلف را با رفتار مشابه یا مشابه نشان می دهد. هر فعالیت فرآیند اجراشده به عنوان یک رویداد در گزارش رویداد ثبت می شود. هر رویداد به یک مورد، نگاشت می شود که یک نمونه فرآیند واحد را نشان می دهد. دنباله رویدادهای ثبت شده در یک مورد، ردیابی نامیده می شود، که به نوبه خود، توالی فعالیت ها را همانطور که ثبت شده اند توصیف می کند، و این دنباله، جریان کنترل مدلسازی شده در مدل های فرآیند مربوطه را تعیین می کند. موارد، متعلق به یک فرآیند تجاری مشابه یا مشابه را نشان میدهند، و اجرای یک فرآیند خاص که نشاندهنده ردپای مشابه است، انواع نامیده میشود (چیو و یانز، 2019؛ یانز و همکاران، 2014). مشخصات کاملی برای گزارش رویدادها در کار گانتر و وربیک (2012) موجود است.
Background and related literature:
Process mining uses recorded event log data, which can be extracted from a source system, to provide information about business processes (van der Aalst, 2016), as well as graphical representations. The source system can be any process-aware information system (Dumas et al., 2005), such as enterprise resource planning (ERP) or workflow management systems. In recent years, sophisticated general-purpose mining algorithms have been developed, including heuristic (Weijters et al., 2006), fuzzy (Günther and van der Aalst, 2007) and genetic (de Medeiros, 2006) mining algorithms. More recent examples include the Split Miner (Augusto et al., 2017) or those using integer linear programming (van Zelst et al., 2018). Several companies offer sophisticated commercial process mining tools (Celonis, 2020a; fluxicon, 2020; LANA Labs, 2020; UiPath, 2020; Zapliance, 2020). Process mining packages also exist for programming languages such as Python (Fraunhofer Institute for Applied Information Technology, 2020) and R (Janssenswillen et al., 2019). A mining algorithm analyses input data to create the process models as output. Input data have to be extracted from the relevant source information systems and transformed into an event log, which contains all of the recorded events that relate to the executed business activities. A process model abstracts from the observed behaviour of individual business process executions, which are called process instances. A process model therefore represents a set of different process executions with identical or similar behaviour. Each executed process activity is recorded as an event in the event log. Every event is mapped to a case, which represents a single process instance. The sequence of recorded events in a case is called trace, which in turn describes the sequence of activities as they have been recorded, and this sequence determines the control flow modelled in the corresponding process models. Cases belonging to the same business process exhibit identical or similar traces, and process executions of a specific process that represent identical traces are called variants (Chiu and Jans, 2019; Jans et al., 2014). A complete specification for event logs is available in Günther and Verbeek (2012).
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.