Page 12 - 臺大管理論叢第33卷第1期
P. 12
An Integrated Data-Driven Methodology for Auditor Performance Appraisals and Auditor Assignment
Optimization
此模式進行預測工作 (Fayyad, Piatetsky-Shapiro, and Smyth, 1996)。相對於統計檢定
與多元迴歸分析方法在稽核人員的績效評估之應用而言,通常,機器學習預測模式
並無傳統量化方法建構模式需要滿足許多假設條件的要求,也不需要複雜的參數估
計,就能夠廣泛地處理數據中非線性與線性的問題,亦有較大的運用空間,在建構
非線性問題預測求解方面亦展現優越能力(邱志洲、簡德年與高淩菁,2004)。而
績效評估即屬於非線性問題處理之範疇,在求解過程常因資料分佈不均、不定性等
特性產生偏誤。本研究以平衡資料機制處理輸入的績效數據,以隨機森林技術作為
績效管理系統中產生「較隨機」績效值的引擎,使後續任務指派規劃增添隨機性的
結果。本研究運用啟發式 (Heuristic) 方法文獻中的交配 (Crossover) 與突變 (Mutation)
技術跳脫全域最佳解,尋求一區域最佳解或可行解,使模型得以實地運用 (Morris
and Showalter, 1983; Hwang, Kao, and Horng, 1994) 。
為了精準估計不同稽核人員在不同工作下之稽核績效,同時了解在不同資料限
制下之最佳人員指派方式,本研究以「金控公司稽核數據」為例,整合隨機森林技
術和啟發式演算法,建構分析模型,評估內部稽核人員的稽核績效,再根據所求績
效值進行最佳化稽核任務指派,藉此求解「稽核績效評估」與「稽核任務規劃」問
題。由於金控提供的資料未有指派人員的所有績效數據,為了產生完整的稽核數據
來進行稽核人員的指派規劃,本研究嘗試提出整合性的兩階段數據分析模型。第一
階段使用隨機森林與機器學習迴歸技術精準估計,並模擬所有稽核人員在不同工作
下之稽核績效,以進行所有值的預測;第二階段根據稽核人員績效的預測值,透過
二進制差分進化法進行任務最佳化規劃,迴避整數規劃法在高維度問題求解的不可
行性。
本研究和過往內部稽核研究相比,有以下幾項貢獻。本研究針對稽核人力規劃、
內部稽核變數探討、稽核績效評估等實證研究的趨勢,提出「整合性機器學習與啟
發式演算技術」的稽核績效最佳化模式,以企業真實工作場景和數據,針對金融業
進行稽核績效管理的實證研究。透過應用過往文獻中績效評估和稽核指派的理論觀
點,提出整合性實證模型。藉由所提供之績效評估模式與任務規劃模式,解決金控
公司稽核部門常見的稽核管理問題(稽核人員績效預測、稽核任務指派、稽核派工
準則),對企業在系統化評估各個稽核人員的任務績效及最佳化部門查核工作規劃
皆有實質性的幫助。為管理科學方法在金融稽核研究領域之實務運用提供參考,該
數據分析模型適用於金融產業中的所有稽核部門。
4