價值創造理念下大數據挖掘技術如何運用于管理會計

沈 軍

怎樣看待大數據、對大數據的處理過程是大數據產生價值的核心要素。其中大數據分析和大數據挖掘就是最重要的兩部分。本文重點講的是大數據挖掘。大數據挖掘分為直接數據挖掘和間接數據挖掘，管理者通過這些被挖掘出來的有效信息可以做出相對正確的判斷和決策，對企業的長遠發展也起著重要的作用。

一、介紹大數據挖掘技術

（一）與大數據挖掘相關聯的主要技術

1.統計技術。也就是統計分析方法，建立在概率論和統計學的基礎之上，包括了調查統計、系統優化和信息技術三部分。當數據庫字段項之間為函數關系和相關關系時，我們可以通過統計學原理來分析和研究數據庫中的信息，這種技術就是統計技術。利用統計技術還可以對數據庫信息進行回歸分析、差異分析等等，從而有效的提高組織解決問題的效率，更好的通過現有數據挖掘出更多信息來促進決策。

2.神經網絡技術。即模擬達爾文的遺傳選擇和自然淘汰的生物進化過程來進行信息處理,它和人類大腦神經元的作用十分相似，它的定義是根據邏輯規則進行推理的過程，核心是根據神經測試原理來對計算模擬進行開發和設計的。神經網絡一般被分為輸入層、隱含層以及輸出層。神經網絡在進行數據挖掘時具有可并行處理、分布儲存等特點，所以最近這幾年越來越多的人開始對神經網絡產生興趣。

3.決策樹技術。即用樹狀圖把決策問題的各個狀態表現出來，決策樹是一種樹形結構，其中每個內部節點表示一個屬性上的測試，每個分支代表一個測試輸出，每個葉節點代表一種類別。決策樹是一個預測模型，首先它將一系列大量的數據進行有目的分類，通過分類并從中挖掘出一些人們不知道的，有用的，潛在的信息。它的優勢在于描述簡單，分類速度快，非常適用于對大規模的數據進行處理。

（二）大數據挖掘技術應用流程

1.選擇目標數據。在進行數據挖掘之前，首先要根據數據挖掘的預期目標來對數據庫進行數據選擇和取樣。值得我們注意的是要保證數據的有意義性，數據太多了不行，太少了也不行，要保持一個合理性。

2.預處理數據。對破壞的數據、無意義的數據、重復記錄的數據進行合理的處理。

3.轉換數據。數據從一種系統轉移到另一種系統的時候，需要將數據轉換到系統能夠識別的格式。數據樣本抽取結束過后，根據需要對數據再進行增改、刪除等。

4.數據開采。確定開采任務，對數據進行統計、分析等，甚至利用當前掌握的數據信息對未來進行預測。

5.建立分析預測模型。利用神經網絡方法、遺傳算法、決策樹方法、統計分析方法等方法對數據進行建模，并在此基礎上建立分析預測模型。

6.建立模型評測體系。對大數據挖掘技術應用結果進行評估。

二、管理會計是由業務和價值共同組成的

管理會計是以幫助企業挖掘價值，促進企業長遠發展為目的，為企業挖掘出隱藏的、有效的信息，幫助企業管理者做出更好的決策。管理會計通常包括作業管理和價值管理，實現業務與價值相協調。管理會計是根據業務需求來分析和集成業務數據和財務數據的，并且及時向企業管理團隊提供寶貴的信息，促進業務部門使用管理會計信息，實現早期計劃和流程的服務。控制和打開價值鏈績效評價和結果評價的環節，促進供應鏈效率的提高，提升企業經營效率。

三、大數據挖掘技術運用于管理會計的好處

（一）為企業決策提供幫助

傳統企業的決策過程十分復雜，耗費時間多。現在已經進入了信息化時代，所以企業必須要有科學有效的決策，同時還需要達到及時性的要求。管理會計對決策結構起著十分重要的作用，把數據挖掘技術運用于管理會計，實現數據挖掘、分類、集成和分析，發現有價值的信息，為企業決策提供參考和幫助。

（二）有利于對風險進行防范和控制

企業在經營的過程中除了看得到的風險外還有大量的風險是處于潛在狀態，利用數據挖掘可以發現和探測潛在的風險，對潛在風險及時找到規避措施，以此來有效的避免潛在風險的積累和漸進。利用數據挖掘技術，對企業財務狀況進行綜合分析和控制，以確定企業資金鏈中有沒有存在緊張風險，資金有沒有被非法挪用，部分產品銷售是否不理想，及時有效的對潛在的財務風險進行防范和控制，彌補企業內部的不足。

四、大數據挖掘技術在管理會計中的運用

（一）運營成本的控制

運營成本的精確控制可以幫助計算出不同環節的運營成本，這樣有利于提高管理人員對資源配置和使用的合理性。在過去的成本計算中，精確的成本控制過程非常復雜和繁瑣，通常需要投入非常多的時間成本與人工成本。通過數據挖掘技術中的回歸分析、統計分析和決策樹分析等，能夠使會計人員的工作量變小，并且利用計算機數據挖掘算法可以輕松得到每個業務環節的運營成本。通過研究供應鏈運營成本與價值鏈的關系，將增值運營與非增值運營區分開來，從而提高供應鏈管理能力，降低成本，提高效率。

（二）現金流情況預判斷

管理會計師在制定合理的資本預算之前要做的工作就是對企業未來的現金流進行預測。然而，這一預測是基于大量的歷史管理數據，所有這些數據都是由人工計算的，人工成本非常龐大。為了提高數據分析的效率，可以利用數據挖掘技術，使用預設的規則從結構化或非結構化數據中自動找到有價值的信息，然后利用神經網絡方法、遺傳算法、決策樹方法、統計分析方法等方法對數據進行建模，從而對企業現金流情況進行預判斷，為企業決策提供參考和幫助。

（三）防范和控制財務風險

對財務風險的防范預警和控制工作對于企業的正常運行至關重要。企業是長期處在動態變化中的，而傳統的評價模式周期長、精度低，不能夠很好地適應企業的變化和發展。運用數據挖掘技術對企業的財務風險進行了綜合評價，同時深入確立預測企業破產概率、利潤率和投資回報的模型。根據財務預測工具，能夠及時有效地對企業財務、企業經營和企業投資的風險情況進行掌握，并且能夠針對風險提前采取相應的防范措施，有效的控制風險。

五、大數據挖掘技術同時面臨機遇和挑戰

在價值創造理念下大數據挖掘技術運用于管理會計，利用大數據技術一方面給管理會計帶來了很多便利，促進了企業的發展，另一方面存在著不少困難和挑戰。比如數據質量的高要求、數據的復雜性以及系統的復雜運行等等都會影響大數據技術運用的效果。