基于数据挖掘的会计管理分析

王国全 首都经济贸易大学



基于数据挖掘的会计管理分析

王国全 首都经济贸易大学

摘 要：随着计算机技术的飞速发展，会计管理也逐步实现了电算化，会计电算化管理过程中会产生了大量的数据，而这些数据包含了非常有用的潜在价值，值得分析研究。而对这些大量的数据进行分析，依赖于人工进行计算是不可能的，因此，基于数据挖掘和数据分析的管理技术便应运而生。本文首先介绍了在数据挖掘技术的基础上，针对会计管理进行了分析，并阐述了其应用。

关键词：数据挖掘 会计管理 分析

数据挖掘是指从超大量的计算机数据中，来发现和分析企业数据信息所具有的潜在价值，这个分析过程可以带来巨大的价值，对企业的生产，经营，管理和风险评估有重要作用，极大地提高企业的管理和风险防范能力[1]。因此，数据挖掘技术被广泛应用于企业管理，工业制造，政府，国防和国家安全等行业。据一项调查数据显示，大约有30%的数据挖掘技术应用到会计管理领域，32%的数据挖掘技术应用到财务分析和管理领域，在信息系统和市场领域的数据分别为29%和9%。统计显示数据挖掘技术已被广泛应用于计费管理，它可以帮助企业分析和挖掘数据，以便从内部管理中找到更多的潜在客户，供应商，潜在的市场和优化等，这将为企业提供更优化的管理基础和运营模式，提升企业的整体实力，增强企业的市场竞争能力[2]。

一、数据挖掘技术概述

（一）数据挖掘的基本定义

数据挖掘是通过某种算法在计算机系统中，计算机系统已经在大量的数据分析和挖掘产生的有用的信息，然后得到所希望的信息或寻求某种趋势和模式的有价值的过程。数据挖掘是现代统计，计算机算法，离散数学，信息处理系统，机器学习，人工智能知识，数据库管理和决策理论和以及其他交叉的学科一起形成的[3]。它可以有效地从复杂的质量，有数据的实际应用找到相应的规律，获得潜在的有价值的信息，帮助企业利用数据进行分析，帮助他们改善管理流程，并提供给管理者有参考价值的判断。数据挖掘技术常用的算法主要有决策树算法，聚类分析算法，蚁群算法，相关分析算法，序列模式分析，遗传算法，神经网络算法，这样可以大大提高数据挖掘的效率和质量。

（二）数据挖掘的基本流程

SEMMA 方法是目前在数据挖掘技术中最受欢迎的一种数据挖掘方法，它是由SAS 研究所提出的。它主要包括数据样本采集、大数据搜索、数据调整、模型建立和挖掘结果评价等五个数据挖掘步骤[4]。

数据样本收集过程一般在数据储备和数据挖掘过程之前，过程通常是按照预先设定的数据，有选择地执行现有的数据库挖掘所述的挖掘目的。此次收集过程主要是通过建立一个或多个数据表来实现的。收集不仅足以使这些数据作为能够覆盖所有潜在有价值的信息的样本数据，而且还保持在一定的大小，以便防止计算机不能 处理或过程是很慢的。收集在处理的阶段初步分析，通过对这些大量数据的初步分析以及大数据检索处理为主的大型样本数据，以找到在数据中隐藏的潜在价值，以帮助调整方向和数据挖掘的目标。数据调整过程主要是在前面两个个过程获得基本信息，然后用于进一步的筛选和修改，以使之更加清楚，有效，方便的后续建模过程中，以提高建立的数学模型的准确度。模型构建过程主要是通过决策树分析，聚类分析，蚁群算法，关联分析，序列模式分析，遗传算法分析和神经网络分析工具模型，寻找那些能够从数据中收集的可以预测采样结果和可靠的模型预测[5]。评价过程的挖掘结果主要是针对实用性，并且评估数据挖掘过程中的信息的可靠性。

二、数据挖掘在管理会计中的运用

随着市场经济的发展，企业所面临的竞争压力越来越大，因此，企业管理者要赢得这场激烈的市场竞争，就必须及时准确地掌握企业运行动态，市场趋势，产品发展趋势等关键决策信息。而得到这个重要信息就要重视管理会计的作用，这是现代企业决策支持系统的重要组成部分，以及如何有效地，准确地发现这些关键数据已经成为制胜的关键决策，涉及到会计管理庞大的数据量，你必须分析这些海量的数据，从而可以获取潜在的有价值的信息，必须使用数据挖掘技术来分析关键的决策信息，以帮助企业提高成本管理，提高产品质量和服务质量，提高商品的市销率等[6]。

（一）作业成本及价值链的数据挖掘

运营成本精确控制可以帮助企业来精确计算企业的运营成本，企业资源最合理的配置和使用，但其精确的成本控制是非常复杂的，在过去的完成过程中需要花费大量的时间和经历，难度非常大。数据挖掘技术的回归分析，分类分析和管理会计主管人员的其他方法，从而可以释放从大量的数据，它可以自动通过计算机数据挖掘系统获得精确的工作成本。同时，它也可以对运营成本与价值链之间的关系进行分析，判断增值作业和非增值作业，持续改进和优化企业的价值链。帮助企业降低运营成本，提高盈利能力。

（二）资金趋势的数据挖掘

会计经理经常需要现金流的趋势来预测未来的业务分析，以帮助制定下一财年的资本预算。但预测是基于历史数据和大量相应的预测模型的。通过执行数学预测模型，而它是非常难以获得的。为了克服这个问题，你可以充分利用数据挖掘技术，它可以自动提取大量的数据在根据预先设定的规则所要求的预测信息范围内，并通过趋势分析，时间序列分析，神经网络分析，聚类分析，情报分析方法，在建立如成本，资金，销售预测等数学模型来预测的运营指标的准确和高效的企业的基础上，为未来的决策作为指导和参考。

（三）投资决策数据挖掘

现有的投资决策分析涉及复杂的因素，如财务报表，运营数据，资本流动，外部市场环境，宏观经济环境，依赖与其他企业的产品，这是一个非常复杂的过程，它需要与智能工具和模型。数据挖掘技术，提供了一个非常有效的投资决策的分析工具，它可以直接在分析数据的基础上，从公司的财务，外部市场环境，宏观经济环境和企业产品数据的依赖等因素着手，在海量数据中挖掘有用的信息和有关决策确保投资决策的准确性和有效性。

（四）顾客关系管理数据挖掘

良好的客户关系的管理模式对大公司

来说是非常重要的，这样可以大大提高企业的竞争力。它是基于客户关系管理模型并通过数据挖掘已经优化潜在的客户关系管理模型，可以从现有的大规模的客户关系管理数据进行分析。首先对客户群体进行分类，然后利用聚类分析工具对数据挖掘技术进行分类来发现客户群体行为的规律，使客户群体得到差异化的服务并进行实施；对客户的深入分析的潜在价值，一般来说，我们可以从客户数据和客户行为中挖掘出来客户的需要和偏好等因素，而这些因素都是通过动态的跟踪和监控，并提供根据产品的特点和个性化的服务，从而建立长期的客户合作关系，提高客户的忠诚度[7]。

（ 五） 财务风险数据挖掘

企业要健康长远来发展，我们必须要加强对金融风险评估和分析警告。风险评估难度大，周期长的传统模式，难以满足企业的实际需求。在此基础上，会计师可以通过建立企业财务危机模式的企业破产预测，盈利预测，投资预测，并利用数据挖掘工具共享的效率和准确性进行财务风险的预测和企业的综合评估，并进一步进行其他方面的预测分析[8]。通过建立这些完美的预测模型，可以极大地提高企业的管理水平和管理人员的综合素质，让他们及时了解财务风险，运营风险，投资风险，并让企业提前来改善企业的基础，采取的风险防范措施。

三、结语

会计管理信息化的过程中会产生大量的数据， 这些数据都是企业巨大的潜在财富和价值，要充分利用好这个潜在财富价值，就必须找到相应的有利的工具。而数据挖掘技术则可以高效地从这些海量的数据中挖掘出对企业有价值的潜在信息，以为管理者的各项决策和控制提供可靠的依据，因此，会计管理人员要加强对数据挖掘技术的学习和应用，为企业的发展注入新的活力。

参考文献：

[1]李津.基于数据挖掘的会计管理与分析研究[J].北方经贸,2015,04:145+147.

[2]张继东,廖青. 建立基于关联规则数据挖掘的会计研究分析引擎[J].中国会计评论,2005,02:403-412.

[3]汤四新.基于流程管理观的会计数据处理研究:数据分类、基本程序与价值挖掘[J].中国注册会计师,2013,03:109-113.

[4]陈靖琳.数据挖掘技术在会计管理与分析的实用性研究[J]. 中国证券期货,2010,12:54.

[5]翟坤.基于数据挖掘的成本管理方法研究[D].大连理工大学,2012.

[6]邓庆山.基于数据挖掘技术的上市公司会计信息失真识别研究[D].江西财经大学,2009.

[7] 欧阳君媛,聂永红.数据挖掘在企业财务管理中的应用——企业成本及财务指标分析系统的设计[J].广西工学院学报，2005(S3)：121-123.

[8] 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(4)：87-88.