數據挖掘技術在會計信息系統(tǒng)中的應用初探

一、管理、決策型會計信息系統(tǒng)具有的特點

1、實現功能綜合化和技術集成化。

企業(yè)的生產經營活動，是一個相互聯系、相互制約的有機整體。財務部門從價值方面綜合反映和監(jiān)督企業(yè)的財務狀況和經營成果，而購銷存等業(yè)務部門是從實物的轉移等方面影響企業(yè)的財務狀況和經營成果。因此，該系統(tǒng)是把財務系統(tǒng)作為一個核心子系統(tǒng)，實現工資、固定資產、購銷存、人事、財務管理、財務分析決策支持系統(tǒng)與內部控制系統(tǒng)等為一體的功能綜合化、技術集成化的信息系統(tǒng)。

2、系統(tǒng)內部數據大量化

根據會計制度的規(guī)定，重要財務數據、報表等必須保留十年以上，系統(tǒng)中包含大量的時間跨度性很長的數據。因此，系統(tǒng)的數據大量化甚至海量化。

3、分析決策能力要求增強化

利用各種先進技術對系統(tǒng)中的海量數據進行集中、存儲、歸類、重組、分析、查詢等處理，滿足事前預測、事中控制的管理需求，同時對各項數據進行多角度、多層次的分析與觀察，向企業(yè)決策者提供及時、可靠的財務、業(yè)務等數據信息，幫助決策者對未來經營方向和目標進行量化的分析和論證，從而做出科學的決策是企業(yè)經營者對系統(tǒng)的分析決策能力提出的新要求。

4、系統(tǒng)輸出多元化

傳統(tǒng)的輸出方式是按月、季、年等會計期間提供信息，為提高信息的及時性，滿足日益提高的管理需求，會計信息系統(tǒng)可以按旬、周、日輸出：還可根據實時處理的結果，隨時輸出管理上需要的信息：亦可針對不同的需求對象，通過與用戶產交互，輸出各種內容特殊、專業(yè)性強的專用報表和信息。

根據以上特點，目前大部分會計信息系統(tǒng)的財務分析、財務管理、會計決策支持系統(tǒng)已不能很好地滿足企業(yè)經營者的要求。面對所積累的海量數據憑傳統(tǒng)的方式難以全部掌握，存在信息丟失、真?zhèn)坞y辨等現象，很容易造成誤導。為此，數據挖掘應運而生，并在金融、醫(yī)學等領域得以迅速地應用與推廣。同樣，將數據挖掘技術應用于會計信息系統(tǒng)中，在現有的核算、管理功能的基礎上增加數據挖掘功能模塊是會計信息系統(tǒng)發(fā)展的又一新方向。

二、數據挖掘技術簡介

(一)數據挖掘的概念

數據挖掘是指從數據庫的大量數據中揭示出隱含的、先前未知的、潛在有用的信息的非平凡過程；數據挖掘是統(tǒng)計學、人工智能、計算機技術、建模技術、電子技術、信息技術等不同學科、不同領域的思想交匯和結合的一種技術。此外，數據庫系統(tǒng)提供有效地存儲、檢索和查詢處理支持也是對它的重要支撐。

(二)數據挖掘的功能

1、分類：分類是最常見的數據挖掘功能之一，分類包括考察一類新出現的對象的特征，并歸類到已定義類中。分類的對象通常表示為數據庫表或者文件中的記錄，分類工作包括向數據庫添加一個新列，并給出某種分類代碼。在數據挖掘技術中，決策樹和最近鄰近技術都能很好地用于分類。神經網絡和鏈接分析也是在某些情況下對分類有用的方法。

2、估計：輸入一組數據，估計給出一個未知連續(xù)變量的值，如通過賬簿各科目的發(fā)生額、余額等連續(xù)的數據，可以估計本企業(yè)的利潤總額。在數據挖掘技術中，回歸模型和神經網絡都非常適合估計任務。如果目的是估計一個事件的時間，生存分析也非常適合估計任務。

3、預測：預測的任務是根據其他屬性的值，預測特定屬性的值。被預測的屬性一般稱

目標變量或因變量，而用來做預測的屬性稱說明變量或自變量。預測與分類和估計一樣，但其中記錄的分類依據是一些預測的未來行為或者估計的未來值。把預測從分類和估計中分離為單獨的任務，主要是由于在預測建模時，存在其他關于輸入變量的時序關系或者目標變量的預測問題。

4、關聯分析：關聯分析的任務是用來發(fā)現描述數據中強關聯特征的模式，所發(fā)現的模式通常用特征子集或蘊涵規(guī)則的形式表示。

5、聚類分析：聚類分析旨在發(fā)現緊密相關的觀測值組群，使得與屬于不同簇的觀測值相比，屬于同一簇的觀測值相互之間盡可能類似。聚類與分類的區(qū)別在于聚類不依賴于預先定義的類，而分類是以訓練預分類樣本構建的模型為基礎，把每條記錄分配到一個預定義的類中。

6、異常檢測：異常檢測的任務是識別其特征顯著不同于其他數據的觀測值，即異常點或離群點。異常檢測的應用包括檢測欺詐、網絡攻擊、疾病的不尋常模式等。

三、數據挖掘技術在會計信息系統(tǒng)中的應用

目前，數據挖掘技術在會計信息系統(tǒng)中的應用主要體現在：一是財務狀況的判斷，利用數據挖掘分類、預測等技術根據企業(yè)過去、現在的財務信息判斷目前的財務狀況、預測未來的財務狀況：二是財務危機預警，利用回歸、神經網絡等技術根據收集到的企業(yè)信息資料，判斷企業(yè)未來發(fā)生財務危機的可能性：三是客戶關系管理，利用分類、聚類、生存周期等技術跟蹤不同客戶的行為特征，確定不同客戶群．針對不同客戶實施差異化的營銷策略：四是供應商的選擇，通過分類等技術跟蹤原料的供貨信息，并收集相關企業(yè)信息，選擇最優(yōu)的供應商；五是投資項目的選擇，利用預測、關聯等技術在眾多項目中選擇最有價值的項目，實現資金效率最大化：此外，競爭對手狀況分析、市場預測等方面也有一些應用研究。

四、舉例：數據挖掘技術在會計信息系統(tǒng)客戶關系管理中的應用過程

對任何企業(yè)來說，客戶都是最重要的資源。在會計信息系統(tǒng)中，對企業(yè)目前擁有的客戶關系管理，一般只是停留在基本層面的管理。因此，利用會計信息系統(tǒng)中客戶相關資料進行深層次的數據挖掘可以為企業(yè)經營與決策帶來意想不到的收獲。比如聯合王國第二大銀行Halifax選用RightPoint的實時營銷套件作為建立主動性客戶關系的基礎，能使Halifax的客戶服務代表收集客戶的重要信息，并應用數據挖掘技術確定哪些活動、產品或服務是客戶恰好需要的，從而在激烈的市場競爭中提高占有率。

但是，面對眾多的客戶，企業(yè)不可能同等對待所有的客戶，因此，首先應對企業(yè)目前的客戶關系進行分析。一般來說，企業(yè)的客戶關系如表1所示。

從上表可以看出客戶關系中的親密程度通常隨著企業(yè)規(guī)模的增加而增大，值得維系深度親密關系的客戶通常是大企業(yè)，即商業(yè)客戶。但是這類企業(yè)往往在數量上較少，企業(yè)通常重點維護。而對于一般用戶、中小企業(yè)這類客戶來說，由于數量較多，企業(yè)很難做到特別的關注，對企業(yè)的發(fā)展極其不利。因此，要注意數據挖掘在企業(yè)客戶關系管理中的應用過程：

(一)收集整理數據

將來自業(yè)務部門和財務部門的客戶信息集中到會計信息系統(tǒng)的數據倉庫中，并創(chuàng)建單個客戶視圖。其目的是讓企業(yè)的每個部門能夠訪問客戶的單個共享視圖，如比客戶啟動、新客戶、忠誠客戶等信息。當然這些定義必須有一個明確的定義，避免產生歧義。

(二)客戶數據清理

對于數據倉庫中的客戶數據還要進行清理，清理的方法有多種，包括直接刪除空缺項、人工填補空缺值、使用屬性的平均值填寫空缺值等。

(三)數據的選擇與變換

并不是所有的數據格式都能直接被用于數據挖掘，一般用于數據挖掘的數據有以下特點：1、所有的數據應該放在單一的表格中；2、每行應該與一個實體相對應，例如客戶。3、帶有單一數值的列應該被忽略；4、對每列帶有不同數值的列應該被忽略；5、對于預言性建模，目標列應該被識別，并且所有的同義列要除去。因此，對于數據倉庫中的變量應作分組、離散化等處理。

(四)利用數據挖掘技術構建模型

選擇合適的數據挖掘技術進行建模或測試，通常可供選擇的技術有決策樹技術、最近鄰技術、人工神經網絡技術、購物籃分析、生存分析、鏈接分析和聚類分析等。有時，還可將這些技術中的兩種或多種結合在一起，以達到更好的效果。

(五)評估模型

主要應考慮的問題：模型的準確度，在用于預測時的置信度怎樣?是否易于理解等問題。

五、結束語

數據挖掘技術在會計信息系統(tǒng)中的應用還有很多，比如，XBRL語言為數據挖掘技術在會計信息系統(tǒng)中財務分析模塊的應用也提供了有效的支持，它可以用來編制、發(fā)布各種不同樣式的財務信息，也可以在網絡中毫無限制地傳遞、交換、分析信息。對于企業(yè)來說，當其需要將其財務信息在網絡上發(fā)布的時候，只要將原來報表的電子文檔格式轉換成XBRL的標準格式即可。同時，財務信息使用者也可以直接對下載的財務數據進行分析、利用，而不用進行第二次輸入。此外，利用神經網絡、機器學習等技術建立動態(tài)財務預警系統(tǒng)也是較代表性的應用之一。

(摘自《財會研究》2007年第6期)