数据挖掘在审计行业的应用分析培根和洛克代表的经验主义者批评了知识的真理和超验性观点。他们认为知识诚I应该是人性的方法，观察各种联系。获取真实知识的方法是观察和实验。迪卡尔和康德代 表的理性主义与知识的经验观点不一致。他们认为很难保证通过感觉和经验获得的知识是可靠的，通过认真思考产生的知识是清晰可靠的。就像审计行业一样，人为因素正在逐渐退出审计过程，用计算机程序代替，减少人为感受和经验，从而保证审计结果的可靠性和正确性。减少人为感觉和经验创新与计算机程序相结合，优缺点互补，共同促进审计行业的进步。

我们所说的数据挖掘，就是从数据库中发现那些隐含的、未知的、具有潜在价值的信息的一个非凡的过程。审计行业的大数据是数据挖掘技术应用的量化、多样化和复杂化。以往的抽样审计方法已经不能适应大数据的审计。此时，需要处理和分析数据的系统可以适用于数据挖掘。数据挖掘可以找到隐藏在审计大数据中的微小关键信息，分析数据中的规律和勾稽。

帮助审计人员挖掘有价值的审计信息。此外，计算机系统不仅可以减少审计时间，提供审计效率，还可以保证审计结果的可靠性和安全性。从以上对数据挖掘的分析可以看出，数据挖掘是解决审计行业大数据问题的有效途径。

基于区块链和数据挖掘的审计系统构建如下，将阐述基于区块链和数据挖掘的审计系统，并详细说明数据处理层。构建审计系统模型。从以上分析可以看出，区块链和数据挖掘将吸引审计行业的创新，促进审计行业的颠覆性发展。因此，审计系统主要由数据采集层、数据存储层、数据处理层、数据管理层和应用层组成。

数据采集层的主要功能是数据采集，包括数据采集和分析诊断两种技术。系统记录生成的数据，并通过视频监控、可穿戴设备和网络爬虫获取技术将其传输到数据层。数据存储层的主要功能是存储和读取审计数据。也就是说，对技术层收集的语音、文本、视频等审计数据进行预处理，并根据相应的系统结构自动对其进行聚类和存储在数据库中，建立用于查询和检索的索引函数。数据处理层的主要功能是处理和分析收集的审计数据，以获取审计所需的关键信息。数据集成是数据集成处理的扩展技术，可以用来识别和处理数据，建立数据之间的关联。数据集成是一个扩展的数据集成过程，包括关联发现和数据分类等功能。

管理层的主要功能是管理系统，包括系统设置、系统更新和初始化调整。管理是介于数据与应用之间的媒介和桥梁。通常，计算层直接调用上层自动应用或产品化所需的数据。数据管理的目的是保证高质量的数据结果，协调不同数据应用之间的共享、统一、规范和有效性。