数据挖掘技术在管理会计的作用

时间:2022-02-13 11:11:07

数据挖掘技术在管理会计的作用

【摘要】随着数据科技的飞速发展,管理会计工作已逐步实现电算化。长期的会计处理过程中会积累大量结构化或非结构化数据,这些数据中蕴藏着巨大的价值。本文基于价值创造视角,阐述了大数据挖掘技术在管理会计中的应用。

【关键词】数据挖掘技术;管理会计;应用

数据挖掘指运用决策树模型、蚁群算法、神经网络算法、遗传算法、关联分析算法、序列模式分析算法、聚类分析算法等对海量结构化或非结构化数据集合进行挖掘与分析,依托模型获取有价值信息或探求某种发展趋势,提供有用的数据洞察。数据挖掘结合了统计学、信息管理系统、计算机科学与技术、离散数学、机器学习、数据库、人工智能、决策理论等多种学科。该项技术可以从繁杂、无规律的数据环境中剥离出重要信息供企业使用,为决策提供参考。

一、大数据挖掘技术概述

(一)大数据挖掘相关技术。1.统计技术。统计分析技术以概率论和统计学主要思想为理论基础。该技术对数据集合进行挖掘的方式是对给定数据集合假设一个分布或者概率模型(比如正态分布模型),然后根据模型进行相应挖掘。该技术建立在判别分析、因子分析及回归分析等模型基础之上,其优势是对分析结果的描述精确且容易理解,因而应用较为普遍。2.决策树技术。决策树技术在数据挖掘的不同操作阶段具有不同特点,其遵循的规则较为直观,容易理解,其优势是在计算分类时耗费时间较短。决策树是一种显示不同条件下会得出哪些数值的规则算法,这种方法在预测结果以及将结果分类的条件下较为适用。决策树分析方法一般常用C4.5、C5.0、ID3、CHAID、CART等计算方法。3.关联规则。关联规则在数据挖掘技术中应用最为广泛,该技术是将海量数据集中起来,将其中的关联关系和依赖关系充分挖掘。依托关联分析,能从用户行为中分析出潜在的行为模式,挖掘潜在知识以及人们感兴趣的模式,同时将总结的概念应用于更大范围的用户群体之中。4.神经网络技术。神经网络技术类似于人脑部神经元,其功能也有相近之处。它的重点是结合神经测试规则进行计算模拟的开发与设计。在结构上,神经网络可以划分为输入层、隐含层和输出层三个不同层次。输入层的不同阶段对应着预测变量,输出层的节点对应的是目标变量,隐含层位于输入层和输出层之间,隐含层的具体层数和不同层内的节点数决定了神经网络的整体复杂程度。该项技术具有承受噪声数据能力较高、可以处理相对复杂问题等优势。5.粗糙集技术。粗糙集技术在数据挖掘中应用较为广泛。这种技术一般能够较为清晰地分析出噪声数据以及不精准数据之间的联系。其最大的优势是不需要将初始数据或附加信息包含在内,只需利用一些不完整数据或不确定数据即可建立模型。粗糙集技术大大提高了知识发现及数据挖掘效率。6.遗传算法。遗传算法1975年由美国D.J.Hol⁃land教授提出,它将计算机科学技术与生物学技术完美融合,是一种优化类算法。大自然最基本的生存法则为适者生存,生物按照一种合理的机制进行遗传进化,进而成为最适合的种群。遗传算法对大自然中的生物进化机制进行模拟,遵循合理原则,对各项数据模型执行优化操作。遗传算法相比于其他算法要求的输入信息较少,因而具有灵活高效的特点。7.差别分析。差别分析的主要目的是发现数据之中潜藏的异常情况,进而减弱噪音数据干扰,获取有价值信息。8.概念描述。概念描述主要是对某类对象的特征和内涵进行概括及描述。概念描述具体分为区别描述和特征性描述。前者用于描述某些对象的区别,后者描述某类对象的共性。(二)大数据挖掘技术应用流程。1.选择、取样。在实施数据挖掘之前,需要针对数据挖掘预期目标对数据库进行甄选,依托数据表的形式对数据总体进行抽样。需要注意的是,在数据库中抽取的数据要有实际意义,抽取数据数量应适当,不宜过多。2.预处理。具体包括消除噪声数据、重复记录,合理处置缺失数据,完成数据类型转换等。3.转换、探索。在数据样本抽取结束之后,需要根据实际情况对数据执行增加、删除、修改等操作,进而对数据进行深入探索。结合探索过程,找出海量数据中所隐藏的联系或异常,加深对预期挖掘目标的理解和认识。4.调整、数据开采。在进行初步的取样及探索之后,确定数据开采任务,从而选择合适的数据开采算法。5.建模。结合决策树、回归分析、时间序列分析、神经网络等分析工具对所甄选数据进行建模,基于数据构建对目标结果的分析预测模型。6.评价。数据挖掘的最终环节是建立模型测评体系,对数据挖掘中发现的有效结果进行实用性和可靠性评价,对不足之处进行修正。上述过程可以表示为图1。

二、管理会计是业务及价值的结合体

管理会计的目标是为企业创造价值,帮助企业进行战略规划,组织实施和管理控制,为企业提供有参考价值的财务信息或非财务信息,最终支撑企业可持续发展。因此,综合管理会计的目标、主体、本质来看,其可以看作一个协助企业内部管理决策的信息系统。管理会计是业务与价值的结合体,以价值信息指导业务活动,最终实现两者的和谐统一。管理会计主要包括作业管理和价值管理两方面,两者和谐统一构成管理会计结合体。管理会计以业务需求为基础,对业务数据和财务数据进行分析整合,向业务管理团队及时反馈有价值信息,方便业务部门利用管理会计信息,实现事前规划、过程管控、绩效考核以及结果评估,打通价值链创造环节,提升供应链服务效率。

三、大数据挖掘技术在管理会计中应用的意义

(一)提供企业经营决策支持。传统企业做决策,一般需要经过长时间的资料搜集、市场调查、分析研究、敲定方案和最终评估等多个步骤。而现在市场竞争越来越激烈,要求企业管理者迅速决策,推进战略部署和实施,争夺市场中一席之地。传统决策的复杂性往往会导致决策时间的滞后,最终错失市场的最佳机会。信息化时代,企业做决策不仅要求科学有效,还要满足时效性的要求。管理会计对决策结构有重要影响,它将数据挖掘技术应用于管理会计之中,实现对数据的挖掘、分类、整合、分析,找出有价值信息,为企业决策提供参考依据。(二)在竞争中保持优势。从战略角度分析,大数据挖掘和分析可以协助企业多维度掌握竞争环境、对手情况、市场趋势、消费者偏好、供应商信誉等信息,从中剥离出有价值的商业信息,帮助企业优化内部经营管理流程,实现精准营销,降低成本,在整个行业中清晰定位。另外,大数据挖掘技术的另一项功能是预测,企业可以根据大数据对未来的成本绩效做出判断,以此制定针对性管理制度,避免资源上的冗余和浪费。(三)预防和控制风险。企业许多风险都是处于潜藏状态,通过数据挖掘找到潜藏风险,避免风险逐渐积累和渐进。通过数据挖掘技术对企业的财务状况进行全面分析与掌控,判断企业是否存在资金链紧张风险,是否存在资金非法挪用情况,是否存在某种产品销售不理想的状态,及时预警潜在的财务风险,修补企业内在漏洞。

四、大数据挖掘技术在管理会计中的应用

(一)操作成本及价值数据链挖掘。操作成本的精准控制有助于企业对不同环节运营成本的精准测算,便于高层对资源进行合理分配与使用。在以往的成本测算中,因精准成本控制极其繁杂,往往需要消耗企业大量的时间成本和人力成本。而依托数据挖掘技术中的回归分析、决策树分析等方式,可以减轻会计人员工作量,通过计算机数据发掘算法自动获取各个业务环节的操作成本,还可以得出操作成本与价值链之间的相关关系,区分增值操作和非增值操作,以便持续改进企业的供应链管理能力,降本增效。(二)现金流预测。管理会计从业人员需要对企业未来现金流情况进行预判,以做出合理的资金预算。但预测的基础是海量的历史经营数据,全部由人工计算成本十分巨大。为了提高数据分析效率,可以充分结合数据挖掘技术,利用预设规则自动在结构化或非结构化数据中提取有价值信息,再通过统计技术、决策树技术、关联规则、神经网络技术、粗糙集技术、遗传算法、差别分析、概念描述等方法,建立对成本、现金流、销售量的预测模型,高效、低误差的预测各项运营指标,为管理者提供决策根据。(三)辅助决策。现阶段的投资决策需要综合考量财务报表、企业现金流量、经营发展情况、宏观政策、竞争对手状况、消费群体偏好等多个因素,其过程耗时耗力。数据挖掘技术是辅助决策的高效工具,借助数据挖掘工具可以直接对企业的财务报表、外部宏观环境、供应链状况进行整体分析,获取决策相关价值数据,确保及时、正确做出决策。(四)顾客关系管理、预测产品流行趋势。市场竞争环境中,各大企业都十分关注为用户提供良好体验,建立长久顾客关系。依托数据挖掘工具可以从企业现存客户资料库中分析得出潜在客户。利用数据挖掘技术中的分类工具可以对客户群体进行划分,发现不同群组客户的行为特点,针对性执行差别化服务,还可以挖掘出客户的消费习惯、需求偏好,并通过持续的跟踪调查,确认数据挖掘结果是否正确,力求根据不同客户的特点设计出不同产品和服务,与客户建立长久互动关系,保持客户粘性。(五)财务风险管理企业的健康运营离不开财务风险的评估与预警。传统的评估模式周期长、精度不准,难以适应企业变化。利用数据挖掘工具可以全面评估企业的财务风险,并进一步建立模型预期企业的破产概率、盈利数额、投资回报率等。依托财务预测工具可以随时随地掌控财务风险、运营风险、投资风险,以便提前采取风险防范措施。

五、大数据挖掘技术的机遇与挑战

大数据技术的快速发展给管理会计带来机遇,同时也带来了一些问题。一是大数据的质量管理,数据抽取和数据清洗技术需要实现高度数据过滤。二是数据的复杂性。当前,知识的不足制约了人们对大数据模型的构建和设计,难以对不同类型和形式的数据的内在关联性做出精准判断。三是计算的复杂性,需要人们做出全局性的统计与分析,在大数据的基础上构建全新算法。四是数据处理系统的复杂性,尤其是在运行效率和能耗方面。五是管理会计从业人员的操作能力也会影响到大数据在会计中的应用效果。以上均是大数据在管理会计中发展中值得关注的问题。

参考文献

[1]赵婧.大数据背景下企业会计数据的新特点[J].财会月刊,2014,(21):105-108.

[2]蒋艳梅,张爱春.计算机技术在会计中的应用[J].电子技术与软件工程,2013,(22):194-195.

[3]郑楼英.数据挖掘技术在会计信息系统中的应用初探[J].财会研究,2007,(6):39-41.

[4]边泓.投资者在不同市场环境中的会计信息需求特征——基于前景理论和数据挖掘的实证研究[J].南开管理评论,2007,10(4):52-57.

[5]李平荣.大数据时代的数据挖掘技术与应用[J].三峡学院学报,2014,(3):45-47.

[6]孟岩,武文龙.数据挖掘在战略管理会计中的应用——以AB公司为实例[J].会计之友,2010,(18):54-57.

[7]张志恒,陈旭.数据挖掘技术在会计信息系统中的应用研究[J].中国管理信息化,2006,9(2):36-39.

作者:陈 靖 郝 媛 罗仕华 单位:兰州财经大学