Page 26 - 臺大管理論叢第33卷第1期

An Integrated Data-Driven Methodology for Auditor Performance Appraisals and Auditor Assignment
Optimization

表 5 敘述統計分析結果
變數 單位 平均數 標準差 極大值 極小值
銀行年資 年 18.08 6.88 26 1
稽核年資 年 4.70 3.30 12 0
企金授信 時數 5.92 4.04 24 0
進出口外匯 時數 7.02 5.93 25 0
資訊安全 時數 1.51 0.44 7 0
稽核人 會計業務 時數 17.09 14.21 27 10
員專業
財務投資 時數 6.97 4.59 18 0
內控內稽 時數 19.39 4.09 28 13
風險管理 時數 7.93 4.49 16 2
財富管理 時數 4.89 1.35 7 3
科系為銀行相關 是 / 否 - - - -
任務複雜度 值 6.08 2.06 10 1
查核資料
該次查核天數 天 5.54 1.69 9 1
稽核績效 工作績效值 值 12.86 23.84 138 0.02
註：稽核人員與稽核任務資料；稽核人員資料共 20 筆，查核資料和稽核績效資料筆數共 22,830 筆

二、績效評估模型性能比較結果
表 7 為比較基準模型性能的結果，經不同訓練 / 測試資料驗證後，與 SVR 模

型和 CART 模型相比，RF 模型的性能整體更出色。以訓練數據比例 80% 為例，
與 SVR 模型相比，RF 模型的 RMSE 約為 1.41，SVR 模型的 RMSE 約為 1.56，RF
模型比 SVR 模型的 RMSE 減少 0.15；CART 模型的 RMSE 約為 1.50，RF 模型比
CART 模型的 RMSE 減少 0.09。隨機森林預測準確能力比支援向量迴歸及分類迴歸
樹更加出色。
鑒於這些演算法會因為每次餵入的資料分布與特性不同，可能導致模型性能優
劣情勢互換；本研究以指標評估模型效能，即時選擇效能最佳的演算法，進而精準

地評估稽核績效值，如此在不同的績效資料樣式及資料分布所預測的稽核工作績效
值確實足以採信。為避免變數之間的相關性，本研究採用隨機排序檢驗 (Permutation

Test) 來找出重要變數。將這些攸關影響之關鍵稽核變數轉換成多目標方程式，若對
任務規劃模型求解的績效值有顯著影響，稽核主管便能將這些內稽變數作為改善員
工效率的依據，以此優化企業的稽核工作。關鍵稽核變數可參考表 8 所示列隨機森
林篩選出之重要變數。

18