大数据背景下数据挖掘在管理会计中的应用探讨

(南京信息工程大学 江苏 南京 210044)

一、引言

2016年，国务院发布《“十三五”国家信息化规划》，强调大数据核心技术发展的必要性。数据挖掘即从海量的数据中,将未知、隐含及具备潜在价值的信息进行提取加工的过程。当前我国管理会计发展还较为缓慢，多数企业数据处理还停留在财务报表层面，但企业不仅需要静态的报表数据与公司财务状况，更需要动态的市场数据进而改善公司经营管理方式。因此，将数据挖掘与管理会计相融合是改变管理会计现状的必由之路。近年来，学者们在将数据挖掘应用于管理会计方面有所研究，王娟对数据挖掘在作业成本法、价值链分析、预测分析等方面的应用进行了探讨，认为数据挖掘能优化分析，但该研究未能深入讨论如何应用。胡彦宁对数据挖掘在企业财务风险评估方面进行了研究，结果显示数据挖掘能对风险进行防范，但该研究仅限于理论层面。高爽运用模糊层次分析对中小企业财务风险进行分析，结果显示该模型对于中小企业财务预警具有积极意义，但该研究局限于有周期性规律的财务数据。通过对前人研究进行回顾，发现数据挖掘技术应用于管理会计很多还停留在理论层面，没有完整提出数据挖掘的流程。本文将数据挖掘技术引入管理会计，分析了数据挖掘技术对全面预算管理和业绩考核与评价方面的影响并提出数据挖掘应用流程。

二、大数据背景下数据挖掘应用于管理会计的发展机遇

(一)人工智能分析数据能力强

管理会计是为管理者提供预测企业发展的数据支持，这就不仅仅需要简单的财务会计工作，更需要将数据结合内外部环境进行加工、分析。在传统工作中，虽然已经存在信息分析技术，但是缺少数据挖掘技术，分析结果比较简单。人工智能出现之后，AI能学习并模仿人类思维从而把握数据、学习数据、分析数据，帮助财务人员完成基础工作，缓解财务人员工作压力，让会计人员有余力提高自身综合素质。

(二)智能时代管理会计价值突出

各行业竞争者不断涌入，市场竞争日益激烈。在此背景下，公司管理者需要更加全面、综合以及及时的数据支撑来制定企业的发展规划，而传统的管理会计因数据受限，可衡量的方面较窄，已经难以支撑企业的决断。管理会计的重要任务是从海量的看似没有关联非必要的数据中挖掘、分析对企业发展有价值的内容。以往因技术水平受限，所以管理会计人员无法对竞争者、内外部环境、行业发展扎状况，以及企业自身的情况做出准确分析，但是数据挖掘技术出现以后，管理会计人员就可以将财务数据以及非财务数据结合，提高分析的全面性、效率。管理会计越来越被企业所重视，在管理会计中的资金投入越来越多。

三、数据挖掘对管理会计的影响

(一)加强全面预算管理

企业为了加强统筹规划，强化控制管理过程，必须增强全面预算管理。相较于传统的企业预算，数据挖掘不在主要依靠人工，缩短了集团全面预算管理的时间，增强了准确性、时效性，数据挖掘的信息集成与共享，使企业可以采取上下结合的预算编制方式，结合广泛的数据来源确定预算的编制政策。不仅如此，大数据背景下数据来源呈现多样性，不仅可以从财务能力、业务结构和资金管理等组织内部信息来源中预测下一年度的预算信息，还可以对外部成本数据进行筛选和测算，针对市场的变化做出相应的调整，使预算的编制更加精确，且具有弹性空间。

(二)完善业绩考核与评价

作为企业人事管理的重要内容之一的业绩考核与评价，更是加强企业管理的重要手段之一。但是当前对于员工的业绩考核还较为单一，对绩效的描述方法无论是定量还是定性，都难以做到信息完整、可信，更无法多维地考核员工绩效。将数据挖掘中的相关关系分析法进行创新，同时基于样本量增加而提高对数据混杂性和模糊度的容忍程度，能够更加全面、快速、准确、不受偏见影响地描述和预测员工绩效行为，从而提高员工积极性。

四、数据挖掘在管理会计中的应用探讨

数据挖掘应用于管理会计中的基本步骤分为以下四步。

(一)数据提取

管理会计工作涉及面广、综合性强，特别是各类分析所需数据维度广、分类细、数量大，要想实现数据价值最大化，就要了解各个部门可能掌握的信息，并进行整理加工。

例如，生产部门因其特殊性可提供行业内的最新生产工艺、设备等信息，也可从竞争对手处获得信息。市场信号理论表明，竞争对手的任何行为改变都能够直接或间接地反映对手的动机、意图或内部情况。如果竞争对手是上市公司或公众公司，还可以获取法定披露的信息。另外，近年来随着大数据行业的兴起，出现了很多数据公司，通过购买数据服务也可获得想要的数据，例如：数据堂、神通科技、帆软等。

(二)数据预处理

因数据挖掘所面对的数据库较为庞大，高质量的数据能减少工作量，因此数据质量极为重要，这就需要在数据挖掘之前进行数据预处理。

数据预处理包括数据清洗以及数据标准化。数据清洗要求去除不相关数据，将丢失的重要数据填补，以及将同类数据相比偏差较大的个别数据妥善处理。因为数据是从不同的系统中取得，数据的度量方式不一样，为方便分类，需要将数据的度量标准进行统一，常见的数据标准化方式有很多种，其中最为常用的就是标准差标准化，处理后的数据符合标准正态分布。

(三)数据挖掘

数据挖掘中常用方法有聚类、关联规则、Web挖掘、文本挖掘等。本文基于企业竞争环境分析简要介绍数据挖掘方法。

1.聚类，在未知特征值时，通过聚类把竞争对手进行归类。

2.关联规则分析，发现竞争环境信息中有关联的规则，如发现竞争对手不同期产品之间的关联性。

3.分类(K近邻分类、决策树、支持向量机等)，依据某个特征值(市场行为、竞争战略类型等)将竞争对手进行分类。

4.Web挖掘，从互联网中抽取有关竞争对手的信息。

5.文本挖掘，利用文本分类技术把文档进行快速有效的分类，找出不同信息源中相关内容之间的联系。

(四)数据评估

将上述处理的结果与管理会计分析结合，在数据库中梳理出与企业分析相关的信息，得出有用的规则。通过数据可视化，将分析结果呈现给管理者。企业的不同层级，依据结果进行决策，制定企业未来发展战略。

五、结论与启示

将数据挖掘技术应用于管理会计工作中，可有效解决处理不及时问题，管理会计体系建设完成后，能及时针对变化做出调整，可以加速会计工作的变革与创新，但事实上，在当下中国将二者融合仍存在不少挑战。笔者认为，需要做好以下两方面基础性工作：一是提高从业人员的专业判断能力。数据挖掘技术作为新兴信息化工具，改变了管理会计工作方式，但不可能改变管理会计的本质属性，因此从业人员的职业判断显得尤为重要。二是做好数据挖掘技术的安全监管工作。首先存在“黑客”攻击的可能，一旦数据挖掘的数据库被攻击，企业的交易信息、财务信息及用户信息等将完全泄露。其次，对于数据挖掘技术的应用，目前仍缺乏明确的法律法规约束。因此，应通过建立健全行业监督机制，尽可能降低数据挖掘技术的应用风险。