随着计算机应用的普及,我国绝大多数企事业单位实现了会计电算化,使得审计工作的对象发生了质的变化,对审计提出了更高的要求。目前的审计工作还不能适应这种变化。面对海量的被审计数据,审计人员很难有效地找出疑点并总结出可复用的审计经验。辅助审计的数据仓库的建立在一定程度上解决了上述问题。本文首先介绍了辅助审计的数据仓库的总体设计和系统结构,并描述了数据仓库管理器中数据准备模块和数据挖掘模块的设计方案和功能组成。在此基础上,重点介绍了数据准备模块中数据采集和数据预处理子模块的实现方法以及辅助审计的数据挖掘模型的设计和实现方法。随后,本文就系统中使用的数据挖掘算法进行了深入的研究和探讨,阐述了现有的数据聚类算法的优缺点。针对现有聚类算法的不足,本文提出了K-CURE层次聚类算法和LBCG网格密度聚类算法,并通过实验数据展示了算法的有效性。本文所介绍的用于辅助审计的数据仓库能完成对被审计数据的抽取、存储、转换、分析等工作,可以有效地帮助审计人员在海量数据中快速找出疑点和疑点的规律,促进了审计手段的革新,具有较强的实用价值。同时,本文对大容量数据的密度聚类算法和层次聚类算法的研究和改进,对促进同类问题的研究具有一定的理论价值和借鉴意义。