在计算机技术快速发展的背景下,各行业各领域的信息化水平也在迅速提升。近几年,农村信用社经营规模不断扩大,成为农村金融的骨干力量。目前农村信用社实施的贷款分类按风险程度可分为正常、关注、次级、可疑和损失五级,前两种属于正常贷款,后三种属于不良贷款。实际上由于各种原因,一部分不良贷款被人为采取违规转贷方式,调整至关注类或正常类贷款,改变经营成果的真实性,掩盖不良信贷资产风险。审计人员为了审查真实的贷款风险状况时,应当选择正常的贷款审计,包括正常和关注等级,从而在一些重点借款单位进行延伸审计。金融审计的主要目标就是维护金融资金安全。随着业务数据化、电子化水平越来越高,传统的审计方法难以适应审计业务发展新需求。在面对着如何高效分析审查被审计单位的海量电子数据这样的难题时,就需要审计人员重新调整审计工作方法,也就是运用计算机技术,特别是利用数据挖掘技术去找到数据背后潜在的联系和规律,进行延伸审计。随着金审工程的稳步推进,数据挖掘技术在审计信息化领域的应用越来越深入。数据挖掘技术中数据分类是一个重要研究领域,众多的数据分类技术中决策树算法是常用的一种算法,它以算法理论简洁、容易理解及可转换成分类规则等优点被广泛应用。本文首先介绍了数据挖掘、分类技术等基本理论,接着对ID3和C4.5算法等决策树算法进行了详细的阐述,最后结合安徽省审计厅金融审计处提供的贷款数据,应用决策树算法中典型的C4.5算法对数据进行挖掘,从而生成决策树及转化成分类规则。接着发现隐藏在贷款数据背后的规律,进一步找出有违规可能的信息作为审计疑点,为金融审计提供可靠依据,提高审计工作效率。