數據挖掘技術在管理會計的作用

導語：數據挖掘技術在管理會計的作用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】隨著數據科技的飛速發展，管理會計工作已逐步實現電算化。長期的會計處理過程中會積累大量結構化或非結構化數據，這些數據中蘊藏著巨大的價值。本文基于價值創造視角，闡述了大數據挖掘技術在管理會計中的應用。

【關鍵詞】數據挖掘技術；管理會計；應用

數據挖掘指運用決策樹模型、蟻群算法、神經網絡算法、遺傳算法、關聯分析算法、序列模式分析算法、聚類分析算法等對海量結構化或非結構化數據集合進行挖掘與分析，依托模型獲取有價值信息或探求某種發展趨勢，提供有用的數據洞察。數據挖掘結合了統計學、信息管理系統、計算機科學與技術、離散數學、機器學習、數據庫、人工智能、決策理論等多種學科。該項技術可以從繁雜、無規律的數據環境中剝離出重要信息供企業使用，為決策提供參考。

一、大數據挖掘技術概述

（一）大數據挖掘相關技術。1.統計技術。統計分析技術以概率論和統計學主要思想為理論基礎。該技術對數據集合進行挖掘的方式是對給定數據集合假設一個分布或者概率模型（比如正態分布模型），然后根據模型進行相應挖掘。該技術建立在判別分析、因子分析及回歸分析等模型基礎之上，其優勢是對分析結果的描述精確且容易理解，因而應用較為普遍。2.決策樹技術。決策樹技術在數據挖掘的不同操作階段具有不同特點，其遵循的規則較為直觀，容易理解，其優勢是在計算分類時耗費時間較短。決策樹是一種顯示不同條件下會得出哪些數值的規則算法，這種方法在預測結果以及將結果分類的條件下較為適用。決策樹分析方法一般常用C4.5、C5.0、ID3、CHAID、CART等計算方法。3.關聯規則。關聯規則在數據挖掘技術中應用最為廣泛，該技術是將海量數據集中起來，將其中的關聯關系和依賴關系充分挖掘。依托關聯分析，能從用戶行為中分析出潛在的行為模式，挖掘潛在知識以及人們感興趣的模式，同時將總結的概念應用于更大范圍的用戶群體之中。4.神經網絡技術。神經網絡技術類似于人腦部神經元，其功能也有相近之處。它的重點是結合神經測試規則進行計算模擬的開發與設計。在結構上，神經網絡可以劃分為輸入層、隱含層和輸出層三個不同層次。輸入層的不同階段對應著預測變量，輸出層的節點對應的是目標變量，隱含層位于輸入層和輸出層之間，隱含層的具體層數和不同層內的節點數決定了神經網絡的整體復雜程度。該項技術具有承受噪聲數據能力較高、可以處理相對復雜問題等優勢。5.粗糙集技術。粗糙集技術在數據挖掘中應用較為廣泛。這種技術一般能夠較為清晰地分析出噪聲數據以及不精準數據之間的聯系。其最大的優勢是不需要將初始數據或附加信息包含在內，只需利用一些不完整數據或不確定數據即可建立模型。粗糙集技術大大提高了知識發現及數據挖掘效率。6.遺傳算法。遺傳算法1975年由美國D.J.Hol⁃land教授提出，它將計算機科學技術與生物學技術完美融合，是一種優化類算法。大自然最基本的生存法則為適者生存，生物按照一種合理的機制進行遺傳進化，進而成為最適合的種群。遺傳算法對大自然中的生物進化機制進行模擬，遵循合理原則，對各項數據模型執行優化操作。遺傳算法相比于其他算法要求的輸入信息較少，因而具有靈活高效的特點。7.差別分析。差別分析的主要目的是發現數據之中潛藏的異常情況，進而減弱噪音數據干擾，獲取有價值信息。8.概念描述。概念描述主要是對某類對象的特征和內涵進行概括及描述。概念描述具體分為區別描述和特征性描述。前者用于描述某些對象的區別，后者描述某類對象的共性。（二）大數據挖掘技術應用流程。1.選擇、取樣。在實施數據挖掘之前，需要針對數據挖掘預期目標對數據庫進行甄選，依托數據表的形式對數據總體進行抽樣。需要注意的是，在數據庫中抽取的數據要有實際意義，抽取數據數量應適當，不宜過多。2.預處理。具體包括消除噪聲數據、重復記錄，合理處置缺失數據，完成數據類型轉換等。3.轉換、探索。在數據樣本抽取結束之后，需要根據實際情況對數據執行增加、刪除、修改等操作，進而對數據進行深入探索。結合探索過程，找出海量數據中所隱藏的聯系或異常，加深對預期挖掘目標的理解和認識。4.調整、數據開采。在進行初步的取樣及探索之后，確定數據開采任務，從而選擇合適的數據開采算法。5.建模。結合決策樹、回歸分析、時間序列分析、神經網絡等分析工具對所甄選數據進行建模，基于數據構建對目標結果的分析預測模型。6.評價。數據挖掘的最終環節是建立模型測評體系，對數據挖掘中發現的有效結果進行實用性和可靠性評價，對不足之處進行修正。上述過程可以表示為圖1。

二、管理會計是業務及價值的結合體

管理會計的目標是為企業創造價值，幫助企業進行戰略規劃，組織實施和管理控制，為企業提供有參考價值的財務信息或非財務信息，最終支撐企業可持續發展。因此，綜合管理會計的目標、主體、本質來看，其可以看作一個協助企業內部管理決策的信息系統。管理會計是業務與價值的結合體，以價值信息指導業務活動，最終實現兩者的和諧統一。管理會計主要包括作業管理和價值管理兩方面，兩者和諧統一構成管理會計結合體。管理會計以業務需求為基礎，對業務數據和財務數據進行分析整合，向業務管理團隊及時反饋有價值信息，方便業務部門利用管理會計信息，實現事前規劃、過程管控、績效考核以及結果評估，打通價值鏈創造環節，提升供應鏈服務效率。

三、大數據挖掘技術在管理會計中應用的意義

（一）提供企業經營決策支持。傳統企業做決策，一般需要經過長時間的資料搜集、市場調查、分析研究、敲定方案和最終評估等多個步驟。而現在市場競爭越來越激烈，要求企業管理者迅速決策，推進戰略部署和實施，爭奪市場中一席之地。傳統決策的復雜性往往會導致決策時間的滯后，最終錯失市場的最佳機會。信息化時代，企業做決策不僅要求科學有效，還要滿足時效性的要求。管理會計對決策結構有重要影響，它將數據挖掘技術應用于管理會計之中，實現對數據的挖掘、分類、整合、分析，找出有價值信息，為企業決策提供參考依據。（二）在競爭中保持優勢。從戰略角度分析，大數據挖掘和分析可以協助企業多維度掌握競爭環境、對手情況、市場趨勢、消費者偏好、供應商信譽等信息，從中剝離出有價值的商業信息，幫助企業優化內部經營管理流程，實現精準營銷，降低成本，在整個行業中清晰定位。另外，大數據挖掘技術的另一項功能是預測，企業可以根據大數據對未來的成本績效做出判斷，以此制定針對性管理制度，避免資源上的冗余和浪費。（三）預防和控制風險。企業許多風險都是處于潛藏狀態，通過數據挖掘找到潛藏風險，避免風險逐漸積累和漸進。通過數據挖掘技術對企業的財務狀況進行全面分析與掌控，判斷企業是否存在資金鏈緊張風險，是否存在資金非法挪用情況，是否存在某種產品銷售不理想的狀態，及時預警潛在的財務風險，修補企業內在漏洞。

四、大數據挖掘技術在管理會計中的應用

（一）操作成本及價值數據鏈挖掘。操作成本的精準控制有助于企業對不同環節運營成本的精準測算，便于高層對資源進行合理分配與使用。在以往的成本測算中，因精準成本控制極其繁雜，往往需要消耗企業大量的時間成本和人力成本。而依托數據挖掘技術中的回歸分析、決策樹分析等方式，可以減輕會計人員工作量，通過計算機數據發掘算法自動獲取各個業務環節的操作成本，還可以得出操作成本與價值鏈之間的相關關系，區分增值操作和非增值操作，以便持續改進企業的供應鏈管理能力，降本增效。（二）現金流預測。管理會計從業人員需要對企業未來現金流情況進行預判，以做出合理的資金預算。但預測的基礎是海量的歷史經營數據，全部由人工計算成本十分巨大。為了提高數據分析效率，可以充分結合數據挖掘技術，利用預設規則自動在結構化或非結構化數據中提取有價值信息，再通過統計技術、決策樹技術、關聯規則、神經網絡技術、粗糙集技術、遺傳算法、差別分析、概念描述等方法，建立對成本、現金流、銷售量的預測模型，高效、低誤差的預測各項運營指標，為管理者提供決策根據。（三）輔助決策。現階段的投資決策需要綜合考量財務報表、企業現金流量、經營發展情況、宏觀政策、競爭對手狀況、消費群體偏好等多個因素，其過程耗時耗力。數據挖掘技術是輔助決策的高效工具，借助數據挖掘工具可以直接對企業的財務報表、外部宏觀環境、供應鏈狀況進行整體分析，獲取決策相關價值數據，確保及時、正確做出決策。（四）顧客關系管理、預測產品流行趨勢。市場競爭環境中，各大企業都十分關注為用戶提供良好體驗，建立長久顧客關系。依托數據挖掘工具可以從企業現存客戶資料庫中分析得出潛在客戶。利用數據挖掘技術中的分類工具可以對客戶群體進行劃分，發現不同群組客戶的行為特點，針對性執行差別化服務，還可以挖掘出客戶的消費習慣、需求偏好，并通過持續的跟蹤調查，確認數據挖掘結果是否正確，力求根據不同客戶的特點設計出不同產品和服務，與客戶建立長久互動關系，保持客戶粘性。（五）財務風險管理企業的健康運營離不開財務風險的評估與預警。傳統的評估模式周期長、精度不準，難以適應企業變化。利用數據挖掘工具可以全面評估企業的財務風險，并進一步建立模型預期企業的破產概率、盈利數額、投資回報率等。依托財務預測工具可以隨時隨地掌控財務風險、運營風險、投資風險，以便提前采取風險防范措施。

五、大數據挖掘技術的機遇與挑戰

大數據技術的快速發展給管理會計帶來機遇，同時也帶來了一些問題。一是大數據的質量管理，數據抽取和數據清洗技術需要實現高度數據過濾。二是數據的復雜性。當前，知識的不足制約了人們對大數據模型的構建和設計，難以對不同類型和形式的數據的內在關聯性做出精準判斷。三是計算的復雜性，需要人們做出全局性的統計與分析，在大數據的基礎上構建全新算法。四是數據處理系統的復雜性，尤其是在運行效率和能耗方面。五是管理會計從業人員的操作能力也會影響到大數據在會計中的應用效果。以上均是大數據在管理會計中發展中值得關注的問題。

參考文獻

[1]趙婧.大數據背景下企業會計數據的新特點[J].財會月刊,2014,(21):105-108.

[2]蔣艷梅,張愛春.計算機技術在會計中的應用[J].電子技術與軟件工程,2013,(22):194-195.

[3]鄭樓英.數據挖掘技術在會計信息系統中的應用初探[J].財會研究,2007,(6):39-41.

[4]邊泓.投資者在不同市場環境中的會計信息需求特征——基于前景理論和數據挖掘的實證研究[J].南開管理評論,2007,10(4):52-57.

[5]李平榮.大數據時代的數據挖掘技術與應用[J].三峽學院學報,2014,(3):45-47.

[6]孟巖,武文龍.數據挖掘在戰略管理會計中的應用——以AB公司為實例[J].會計之友,2010,(18):54-57.

[7]張志恒,陳旭.數據挖掘技術在會計信息系統中的應用研究[J].中國管理信息化,2006,9(2):36-39.

作者:陳 靖 郝 媛 羅仕華 單位:蘭州財經大學