大數據背景下會計人才的全新培養模式思考

一、引言

隨著大數據時代的到來，會計人才面臨著與以往不同的挑戰。會計工作越來越多地被信息系統所取代，會計人員不僅需要學習傳統的會計知識、財務知識與審計知識，還需要學習大數據背景下的會計信息系統知識（程安林，2012）。大數據技術的迅速發展幫助企業獲取了大量利潤，如果會計人才不了解大數據知識將不能幫助企業提高價值，并會逐漸被市場所淘汰。因此，如何培養大數據背景下的會計人才就成為教育界所面臨的重大問題。

由于大數據知識具有復雜性，如原始數據采集、原始數據分析、原始數據清洗、數據挖掘建模分析等都需要會計人員掌握相關知識才能具體運用，所以要在本科教育中實施大數據新型知識教授并形成實踐基地，以幫助企業進行大數據會計信息系統實施與研發（李爽、譚文浩，2011）。本文研究了大數據背景下我國會計人才所需的全新能力，即會計人員需要掌握原始數據采集能力、原始數據分析能力、原始數據清洗能力、數據挖掘建模分析能力等。在此基礎上建立我國會計人才的全新培養模式，即改變當前以會計知識、財務管理知識、審計知識等為主的培養模式，建立包括大數據知識在內的全新培養路徑、培養支持、培養課程等。

二、大數據背景下會計人才所需的全新能力

會計教育屬于傳統教育領域，但在現代大數據背景下必須做出相應變革，才能滿足企業發展的需要（滕曉梅，2014）。這意味著大數據時代對會計人才培養提出了協助管理層管理的要求。如果會計人員只擁有做賬的能力，其將會被計算機自動化做賬所取代，因此，如何從繁復的信息中篩選出管理層所需信息就成為會計人員需要掌握的必要技能（佟成生等，2014）。

如圖1所示，會計人員若要擁有協助管理層管理的能力，則需要掌握原始數據采集能力、原始數據分析能力、原始數據清洗能力、數據挖掘建模分析能力等，只有這樣才能利用大數據會計系統為企業服務，從繁復的信息中找到適合進行財務管理、財務分析的數據。①會計人員需要采集大量的原始數據，這些數據不僅包括傳統的憑證，也包括行業數據庫中的數據、政府稅務數據庫數據、政府統計數據庫數據等其他數據，這要求會計人員擁有一定的數據庫學習能力，及將本企業數據庫與其他數據庫接口的能力等。②會計人員要在采集原始數據的基礎上進行數據分析，即對大量原始數據采取回歸分析法、典型相關案例分析法、需求分析法等進行分析，以發現異常波動并提出建議，從而幫助管理層發現、化解風險。③會計人員必須學習原始數據清洗能力并將清洗后的數據投入大數據會計系統以用于記賬，即通過清洗篩選出真實可靠的原始數據導入大數據會計系統，目的是將舞弊與錯誤數據屏蔽在會計系統之外。④會計人員應對進入大數據會計系統的真實數據進行數據挖掘建模分析，要掌握該能力對會計人員的要求非常高，比對原始數據分析的要求更高，即可通過聚類挖掘建模分析、離群數據挖掘建模分析等方法幫助管理層了解風險，及發現企業的利潤增長點。

圖1 大數據會計系統操作能力

1.原始數據采集能力。會計數據采集是指采集企業各種經營活動、財務活動、生產活動中，由其他單位或企業內部產生的各種憑證。這些憑證需要經過適當的格式轉換，轉變為大數據會計系統可以識別的計算機信息。在進行會計數據采集前，會計人員需懂得一些大數據計算的基礎知識，如了解IAAS、PAAS、SAAS的內容并使用大數據計算服務虛擬軟件對原始數據進行轉換（趙彩霞等，2016）。可見，在會計人才培養中加入數據采集方法的學習尤為重要。

當前，可通過課程學習以下幾種數據采集方法：①使用會計信息系統的數據導出功能采集數據。會計人員可以直接利用信息管理系統提供的數據導出功能，完成企業財務數據的采集。②使用通用的數據處理軟件完成數據采集。如會計人員利用Access、SQL Server等具有強大數據導入功能和數據轉換功能的軟件來完成數據的采集。③使用會計軟件完成數據采集。應用一些企業財務軟件、會計數據采集分析軟件等都可以完成會計數據的采集。④使用專用程序接口完成數據采集。如果服務單位提供的會計數據結構與已有的數據處理軟件系統的數據結構差異較大，此時需由會計人員編寫接口程序，完成數據的采集，這種方式要求會計人員的大數據計算處理能力較強。

2.原始數據分析能力。在大數據背景下，需要會計人員在搜集相應原始數據后進一步對其進行分析，以為管理者提供相應的決策信息。對原始數據的分析也意味著會計人員對財務風險的預估，如利用大數據系統挖掘數據波動線與行業、其他企業等進行對比，發現當前數據波動存在的問題。但當前會計人員基本素質較低，多數還處于只會做賬的階段，難以滿足大數據背景下管理層財務風險預估的要求。

由此，可通過課程學習以下幾種數據分析方法：①回歸分析法。通過回歸分析法了解經營、財務或生產的相關影響因素，從而提出相應的改善策略。如當原始數據中的生產經營成本上升時，會計人員可通過回歸分析發現，導致生產經營成本上升的原因是原材料價格上升或人工費上升等。在分析中如果不采取回歸分析法，只是想當然地認為是原材料價格上升導致經營成本上升，可能得出錯誤的結論。②典型相關案例分析法。典型相關案例分析法可以發現行業中其他企業處理相應情況采取的措施，有利于企業管理層解決當前的問題。如諸多上市公司發生大股東掏空行為，會直接反映在股票價格、持股人比例等原始數據上，當會計人員通過原始數據分析發現該行為，可直接參照已采取措施企業的處理辦法向管理層提出建議。③需求分析法。需求分析法能夠幫助企業發現原材料是否短缺、市場是否需求某種產品、某項研發是否能滿足企業要求等，該方法是管理層最需要的方法，能夠幫助企業解決諸多問題。如果會計人員第一時間發現原材料短缺并報告給管理層，能極大地縮短短缺時間，迅速解決該問題并補充原材料用于生產。

3.原始數據清洗能力。由于原始數據的真實性、可靠性難以確認，會計人員需掌握原始數據清洗能力，以降低進入大數據會計系統的數據出現問題的幾率。這些數據問題會導致數據分析結果出現問題并最終影響管理層管理決策。如當采購員與供應商舞弊提高采購價格時，如果會計數據沒有被清洗而直接進入會計系統，會導致企業遭受舞弊所帶來的損失，從而致使企業舞弊風險加大并最終無法進行風險控制。進行數據清洗需要會計人員學習數據分析知識、模式轉換知識、數據校驗知識與數據回流知識幾個方面，具體而言：

首先，在數據分析知識方面，這里所說的數據分析知識與原始數據分析能力是不同的。原始數據分析是對原始數據進行的波動與比率分析，目的是及早發現風險并采取管理對策；而原始數據清洗能力中的數據分析知識是指對數據的格式類別進行分析的知識，如對采集的財務數據、銷售數據、生產數據的字段類型、含義等進行分析，這樣做的目的是讓會計人員掌握如何識別原始數據中有問題的數據，這些有問題的數據可能是舞弊風險點，也可能是由錯誤所引起。

其次，在模式轉換知識方面，會計人員需要掌握模式轉換知識，即如何將源數據映射成目標數據模型。具體而言，包括將字段與文件等非結構數據轉換為計算機語言，并將這些非結構數據與結構財務數據進行比較，以幫助會計人員發現更多風險點。如會計人員將工資財務表與工人學歷、工人進修時間等非結構數據表合并成一個多維表格進行分析，就能發現在工人工資的處理方面是否存在不合理現象。

再次，在數據校驗知識方面，數據校驗知識指的是會計人員對轉換過的數據進行分析與測評，了解數據在轉換過程中是否存在錯誤并將其篩選出來。如模式轉換時可能將一個數據集分解成多個數據表，或者對多個數據表進行多維合并，這會造成表格中的主關鍵字、相關數值和子表外部關鍵字的值不一致，形成不匹配記錄，這會影響會計人員分析的準確性，也會極大地影響管理層所做出的決策。

最后，在數據回流知識方面，在進行數據校驗時，有可能錯誤或舞弊比較隱蔽，通過一次清洗并不能全部發現。這就要求會計人員掌握數據回流知識，即對數據進行反復清洗以提高數據質量并最終進入大數據會計系統。如當原材料采購人員超過采購價格采購后，與采購經理串通舞弊共同審批高價采購，這種情況下會計人員在第一次數據清洗時可能不會發現，因為正常市場環境中原材料價格也會存在一定的波動。而當會計人員進行第二次清洗時，就可通過與其他類似企業比較或與其他供應商報價進行比較，從而發現舞弊問題。

4.數據挖掘建模分析能力。大數據環境下對會計人員的要求在不斷提高，特別在管理方面尤為突出。在數據進入大數據會計系統后，亟須會計人員對這些數據進行挖掘建模分析，以發現當前企業存在的主要風險。在這里發現的風險比在原始數據處理時更加確切，包括管理層必須考慮的生產風險、財務風險、營銷風險等。因此，要求會計人員學習數據挖掘技術，從會計系統的二維表格中挖掘有意義的信息。具體可學習如下數據挖掘建模分析知識：

第一，聚類挖掘建模分析知識。聚類是將特征、風險、內容等相似的數據進行分組，分的組越多表明數據一致性越高。會計人員需要掌握這種方法，目的是將財務與非財務數據分類，從而發現這一類數據中存在問題的數據。如會計人員可通過聚類分析發現某批次產品的采購價格遠高于其他批次產品的采購價格的舞弊行為，或通過聚類分析發現某貸款合同需要償還時是采取其他借款進行彌補的問題等。這種分析工具能夠挖掘特殊樣本，而這些樣本往往是企業風險所在，需要會計人員進一步進行分析并報告給管理層。

第二，離群數據挖掘建模分析知識。這種方法是將所有數據繪制成圖，以發現明顯偏離的數據。會計人員需要掌握這種方法，目的是將這些離散數據作為特定問題進行分析，以期找到管理層提高企業收益的突破口。如會計人員發現某新研發產品的收益明顯高于其他產品，這表明該產品得到了市場認可，其需要向管理層建議擴大該產品的生產規模并進行進一步開發以避免被模仿的風險發生。或者會計人員發現某供應商在進行多種產品打包購買時的原材料價格遠低于單獨購買及其他供應商購買，這表明在對這些供應商采購時可采取多種原材料打包購買的方式。可見，會計人員利用離群數據進行分析能夠幫助企業提高收益。

三、大數據背景下會計人才全新培養模式

從上述分析可知，大數據背景下會計人才不能只學習會計知識，還要培養原始數據采集能力、原始數據分析能力、原始數據清洗能力、數據挖掘建模分析能力等。那么，如何培養我國會計人員的這些能力？本文研究表明亟須改變當前以會計知識、財務管理、審計知識等為主的培養模式，建立包括大數據知識在內的全新培養模式。該培養模式包括培養路徑、培養支持、培養課程等。

1.大數據背景下我國會計人才的全新培養路徑。從圖2可以看出，大數據背景下我國會計人才的全新培養路徑主要包括培養應用型教師團隊、開放互動教學與建立校企合作機制三方面。

圖2 大數據背景下我國會計人才的全新培養路徑

首先，培養應用型教師團隊。教師團隊不僅要有會計知識，也要有大數據相關知識。學校可以通過委派會計學教師到國外去學習與會計有關的信息技術，即“藍天計劃”來培養教師的大數據技術能力。在對教師進行外語、專業技術選拔后，委派優秀教師到相關國家去學習各種數據挖掘技術用以開發適合我國狀況的大數據會計系統。還可通過委派會計學教師到企業去學習相關會計信息系統，即“大地計劃”。委派具有一定大數據技術的年輕教師到企業去參加實踐活動，幫助企業建設大數據會計系統，也能增強年輕教師的實踐能力，從而教授會計學生并提高我國會計人員整體素質。

其次，通過應用型教師團隊與學生互動教學來促進學生對大數據知識的學習。應用型教師團隊的培養也需要教師和學生的互動來實現，從而體現教學相長的特點。這主要是因為，一方面在全新培養模式下，學生也參與企業大數據會計系統的開發與實踐，他們在實踐中也會有深入的體會，如果將體會與一線教師進行深入交流能開拓教師的思路，并對教師開發新的大數據會計系統有所幫助。另一方面，經過“藍天計劃”或“大地計劃”培訓的教師擁有最新、最符合實際的會計系統知識，能夠在日常的教學中傳播這些知識并鼓勵學生從事新型大數據會計活動，這有利于學生在參與實踐活動時使用原始數據采集、原始數據分析、原始數據清洗、數據挖掘建模分析等技術幫助企業尋找舞弊和錯誤，并為管理層提出相應的解決建議以控制企業風險，從而增加企業利潤。

最后，利用校企合作基地幫助學生獲取大數據會計知識，并獲取數據系統操作技巧。具體而言，校企合作基地的建立需要與學校的“藍天計劃”和“大地計劃”相結合，即教師通過“藍天計劃”參與國際會議與交流，并在學校的支持下聘請專家到校企合作基地進行指導，開發適合我國企業的大數據會計系統并培養相應的實踐型會計人才。同時，教師通過“大地計劃”在學校支持下聘請國內高端財務會計人才到校企合作基地進行指導，如開展專題講座拓寬新型會計人才的視野，并提高其對大數據會計的應用理解能力，從而為學生將來走向工作崗位、開展管理型會計實踐奠定基礎。

2.大數據背景下我國會計人才的全新培養支持。如圖3所示，大數據背景下我國會計人才的全新培養支持包括資金支持與人力支持，兩者缺一不可。資金支持是學校建立大數據會計系統的基礎，只有建立了該系統才能為學員實戰服務，以激發他們的創新思維。人力支持是建立校企合作基地、為企業培養大數據新型會計人才的途徑，該支持既來自于學校教師傳統的教學，也來自于講座、企業人才手把手操作訓練等。

圖3 大數據背景下我國會計人才的全新培養支持

資金支持主要包括學校實驗室資金投入、相關行政事業單位撥款與企業人才培養投入。在學校實驗室資金投入方面，學校向教育廳或其他直屬機構申報省級或國家級大數據會計人才培養實驗室，由學校的監管機構在原有規劃基礎上偏重于投資培養實驗室，以促進新型會計人才培養。在相關行政事業單位撥款方面，可與商務廳、統計局等行政機構聯系，通過幫助他們培養直接可用于實踐工作的人才的方式獲得一定的資金支持。這種培養方式是商務廳與統計局培訓處非常認可的方式，因為這些行政機構每年花費大量人力物力培訓社會上的會計人才以適應大數據需求，如果高校能夠承擔此項任務，這些行政單位愿意給予一定的經濟補償。在企業人才培養投入方面，高校應該與企業合作設立校企合作機構，企業向該合作機構投入培養資金并制定培訓計劃，高校定向為企業輸送優秀的大數據會計系統操作與研發人才。這既能滿足企業對相關人才的需求，也能為高校培養新型會計人才提供資金支持。

人力支持主要包括高校教師人才培養、外聘專家專題講座、企業技術人才特殊培訓等。其中，高校教師人才培養是主力，是學員學習大數據會計系統的主要培訓力量。因此，需提高高校會計教師自身的大數據相關知識，具體可通過“藍天計劃”與“大地計劃”予以實現。再將培養合格的教師派到校企合作機構，帶隊進行實踐活動，一方面增加教師的實踐經驗，另一方面增進教師研發大數據會計系統的水平。外聘專家專題講座能夠擴展學生的思維，定期聘請實務專家或國外學者為學生講解最新大數據會計系統發展狀況，并對學生實踐中發現的問題予以解答。還可安排專家實踐課，要求專家帶學生到企業去參加實踐并指導學生操作最新的大數據會計系統。企業技術人才特殊培訓是提高學生大數據技術水平最重要的環節，學校需安排學生每學期參加3～4周實踐，并基于校企合作機制為每個學生安排企業技術人才作為實務導師。要求實務導師在學生參加企業實踐活動時給予全程監督和培養，并在結束時撰寫實踐報告作為課程分數評判標準。

3.大數據背景下我國會計人才的全新培養課程。如圖4所示，大數據背景下我國會計人才的全新培養課程包括傳統課程與創新課程兩部分。

圖4 大數據背景下我國會計人才的全新培養課程

傳統課程主要包括初級、中級與高級財務會計課程，初級、中級、高級財務管理課程與審計課程。會計課程的目的是使學生了解會計準則與做賬方法，雖然大數據背景下的會計人才主要是應用大數據會計系統，但該系統也是基于會計準則研發的，如果不深入學習會計準則就無法了解信息系統所處理數據的經濟實質，也難以為管理層提出管理建議。財務管理課程是為數據分析奠定基礎，該類課程學習諸多財務分析方法，能夠幫助會計人員發現風險并提出相應意見。因此，設置該課程是培養管理型新會計人才的必要內容，需要有實務經驗的教師傳授相應知識。審計課程是為了使會計人員了解舞弊與錯誤發生的原因，以幫助會計人員在做初步分析時就發現企業舞弊風險，從而將風險控制在最低水平并防止舞弊的進一步擴大。

創新課程主要包括數據分析課程、數據挖掘課程與信息系統操作課程等。其中，數據分析課程主要傳授回歸分析法知識，即會計人員學習使用回歸分析法了解經營、財務或生產的相關影響因素，從而提出相應的改善策略；典型相關案例分析法知識，即會計人員學習使用典型相關案例分析法發現行業中其他企業處理相應情況采取的措施，將有利于企業管理層解決當前的問題；需求分析法知識，即會計人員學習使用需求分析法幫助企業發現原材料是否短缺、市場是否需求某種產品、某項研發是否能滿足企業要求等問題。數據挖掘課程主要傳授聚類挖掘建模分析知識，即教授會計人員如何將財務與非財務數據分類，從而發現這一類數據中存在差異的數據；離群數據挖掘建模分析知識，即教授會計人員如何將這些離散數據作為特定問題進行分析，以幫助管理層提高企業收益。信息系統操作課程主要基于校企合作基地，即教師通過“藍天計劃”參與國際會議與交流，并在學校的支持下聘請專家到校企合作基地進行指導，開發適合我國企業的大數據會計系統并培養相應的實踐型會計人才。同時，教師通過“大地計劃”，在學校支持下聘請國內高端財務會計人才到校企合作基地進行指導并提高學生對大數據會計的應用理解能力。

四、結論

在當前亟須培養大數據會計人才的情況下，應在本科院校開展大數據會計人才培養工程。具體而言，當前我國會計人才需要掌握原始數據采集能力、原始數據分析能力、原始數據清洗能力、數據挖掘建模分析能力等，且我國會計人才培養不僅需要傳授傳統的會計、財務與審計知識，也需要建立包括大數據知識在內的全新培養路徑、培養支持、培養課程等。

程安林．卓越會計人才培養模式研究［J］．財會月刊，2011（11）．

李爽，譚文浩．基于會計實踐教學的會計人才培養：兼談會計學科建設［J］．財會通訊，2011（11）．

趙彩霞，吳杜，雷國瓊．大數據時代會計信息管理專業人才培養思考與對策［J］．中國管理信息化，2016（3）．