감사업무 수행과 관련된 법적·제도적 변화와 감사실패로 인한 소송위험의 증가추세로 인해 감사인 스스로 감사위험을 저감할 수 있는 평가방법과 보다 객관적인 증거수집방법을 강구하지 않으면 안된다. 물론 감사의 효율성 제고와 감사위험저감 차원의 많은 방법론 검토가 이루어져 왔던 것은 사실이나, 정보기술 및 정보시스템의 고도화와 대량의 데이터베이스에 대한 감사가 초점이 되고 있는 오늘날의 감사환경에서는 데이터마이닝기법의 적용이 감사위험평가에 새로운 방법론을 제공해 줄 수 있을 것이다. 감사위험평가에 데이터마이닝기법 적용사례가 전혀 없었던 것은 아니나 주로 단일방법론의 검토와 전통적인 평가방법과의 비교에 초점이 맞추어져 왔던 게 사실이다. 따라서 본 연구에서는 오늘날의 데이터베이스 감사환경에 맞추어 배깅과 부스팅을 이용한 앙상블기법과 로짓회귀분석 및 의사결정나무를 인공신경망과 결합한 결합앙상블기법을 적용하여 이들 기법의 조합이 과연 감사위험을 최소화할 수 있는지를 분석해 보고자 하였다. 또한 선행연구들에서 감사위험평가에 재무변수만을 대상으로 하는 현실적 한계점을 극복하기 위해 비재무 관련변수까지를 포함한 총 75개의 변수에 대해 데이터마이닝기법과 이들의 앙상블기법을 적용하여 모형의 성능향상 여부를 평가하였다. 2000년부터 2010년까지 감리지적 및 비적정 감사의견을 받은 기업(289개)과 대응표본(867개)에 대한 모형검증 결과, 2가지 앙상블기법 모두에서 기존의 단일기법보다 오분류율이 낮게 보고되었으며, 특히 제2종 오류를 감축시키는데 큰 효과를 보였다. 또한 오분류 비용을 고려한 모형평가에서도 단일모형을 이용한 기법보다 2가지 앙상블기법 모두에서 개선된 결과를 보였다. 이는 산업별 분석에서도 동일한 결과를 보여 앙상블기법의 사용이 업종과 관계없이 의미가 있는 것으로 나타났다. 이는 적정표본 판별의 오분류율을 최소화함으로써 감사위험을 저감시키고 분류정확성을 증대시키는데 데이터마이닝 앙상블기법의 적용이 기존의 방법론에 비해 보다 유용함을 실증한 셈이며, 상용화된 데이터마이닝 분석프로그램을 이용함으로써 대용량 자료처리를 기본으로 하는 감사실무에도 보다 쉽게 적용될 수 있을 것으로 본다.