随着计算机技术的飞速发展，其应用遍布了各个领域，变革着各个领域的方法和思维模式，同样对审计的理论和实践产生着重大影响。金融业管理信息系统的普及带来的大量数据被积累下来，内部审计工作当面临这些开放、集成、大量的数据时，传统的方法常无能为力。我国商业银行内部审计人员数量严重不足，人员的知识结构单一，具有丰富审计经验的人员分享和传授自身经验存在较大难度，审计人员开展审计工作的质量参差不齐，已不能适应新形势下内部审计工作的需要。数据挖掘作为一种新型技术，借助其分析处理海量数据并发现知识的优势，其研究应用领域己遍及的行业包括金融业、电信业、网络相关行业、零售商、制造业等，在银行CRM系统开展客户分类、财务管理和舞弊检查方面积累了大量的成功经验。本文将研究如何在城市商业银行内部审计借助数据挖掘工具，利用银行数据中存在的丰富的信息，如何有效地将数据转化为信息，辅助审计人员识别并控制审计风险，提高非统计审计抽样的精准度，从而得出必要的审计知识。　　本文采用理论分析和案例分析相结合的方法，研究了数据挖掘技术在城商行内部审计抽样风险中的运用。本文从研究对国内外有关计算机审计和数据挖掘相关的理论和文献入手，以NJ银行为例，分析了内部审计的现状和问题，设计了适用于NJ银行内部审计的数据算法模型，以NJ银行开展个人贷款非统计审计抽样为案例，选择了决策树分类法将个人贷款客户进行初步分类，圈定审计抽样范围，进而控制抽样风险。最后综合理论与案例研究结果得出了本文的研究结论并在此基础上提出了相关政策建议。　　本文立足我国城商行特殊的制度背景，基于数据挖掘工具在内部审计抽样风险控制进行了深入全面的研究，继而提出有针对性的政策建议，这对进一步构建更有效的数据挖掘模型和推广数据挖掘技术具有重要的理论和现实意义。但由于本文受NJ银行数据质量和笔者水平的限制，仅采用了J48这一种决策树算法，未能透彻揭示出数据挖掘的优势，并没有显示出数据挖掘多方面的可用空间。