大數據時代數據挖掘在管理會計中的應用探討

王娟

摘 要：科學技術的不斷發展，極大地促進了大數據技術的飛躍，使其加快了向社會生產生活方方面面的滲透進程。在大數據背景下，如何將數據挖掘技術更加充分地應用于管理會計工作實踐，成為業內廣泛關注的焦點問題之一。基于此，首先介紹了數據挖掘技術的特點及應用流程，分析了大數據時代數據挖掘技術對管理會計的影響，并結合相關實踐經驗，分別從作業成本和價值鏈分析等多個角度與方面，就數據挖掘技術在管理會計中的應用展開了探討，望有助于相關工作的實踐。

關鍵詞：大數據;數據挖掘;管理會計;策略

中圖分類號：F23 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2020.01.045

0 引言

社會經濟的持續快速發展，對管理會計的實踐方法及實際效能提出了新的要求，積極引入新的現代化技術方法，創新管理會計工作措施，提高管理會計工作效率，優化管理會計效果，成為大勢所趨。長期以來，大數據技術突飛猛進，數據挖掘技術的應用覆蓋面得以顯著拓展，從海量數據中提取有效信息的效率和準確性穩步提升。在會計信息化進程不斷深化的今天，在管理會計工作中充分應用數據挖掘技術具有極為深遠的現實意義。

1 數據挖掘技術的特點

數據挖掘即從大量數據信息中發現有價值信息的過程，該過程充分整合了統計學、決策理論、知識信息、數據庫等多學科知識，實現了從海量的、非完全的、模糊的實際應用數據中，提取潛在有用信息和知識的預期目的，并揭示出數據之間存在的潛在關聯，為實施相應決策提供必要的依據。在管理會計中，傳統數據量相對較少、布局分散且呈不規則狀態，所獲取的財務分析結果不具備理想的參考價值，無法有效服務于企業決策。而在大數據背景下，通過數據挖掘技術可收集處理巨量數據信息，全面掌握企業經營管理所面臨的內外部影響要素，為實施科學合理的戰略決策提供保障。隨著經濟發展新常態的逐步確立，數據信息已經發展成為保障經濟發展的關鍵要素，在大數據時代具有廣闊的應用范圍。因此，數據挖掘技術將會以此為驅動，不斷取得創新發展與突破。

2 數據挖掘技術的應用流程

2.1 數據取樣

在開展數據挖掘前，為保障數據挖掘進程的有序開展，提高數據挖掘效果，必須嚴格數據取樣，為數據挖掘提供可靠的方向性保障。對此，必須圍繞數據挖掘預期目標，創建數據表，對數據庫信息進行抽樣。要注重數據取樣的實際意義，避免片面追求取樣數量。

2.2 數據探索

在完成數據取樣后，數據挖掘進入數據探索環節，即對數據開展深入而詳實的探索搜尋。通過數據探索，可從數據樣本出發，全面掌握數據信息中預期或未被預期的潛在關聯，從而提高對數據挖掘目標任務的認知。

2.3 數據調整

數據調整即對數據信息進行增加、減少、修改或替換，使所獲取到的數據信息更具明確性、有效性和針對性，避免大量復雜冗余的數據信息混雜其中，影響整體工作效率。

2.4 數據建模

數據建模是統計數據、分析數據、處理數據的關鍵環節。在該環節，要充分利用決策樹、時間序列分析、回歸分析等各種不同類型的分析工具，建立相應的數據模型。

2.5 數據評價

數據評價是數據挖掘的最后環節，即對數據建立評級體系，全面客觀科學地評價通過數據挖掘所獲取數據和信息的可靠性、實用性。

3 大數據時代數據挖掘技術對管理會計的影響

3.1 有效提高管理會計的成本控制職能

對于企業經營管理而言，管理會計的關鍵職能在于有效管控成本，企業開展的所有經濟活動，均與成本控制密切相關。在大數據背景下，單純地通過計劃或預算來進行成本控制，已經難以滿足新形勢下企業成本管理需求，因而需通過采用數據挖掘技術，整合分析海量數據信息，得出更為貼合實際的結論，為開展成本控制提供依據與參考。通過數據挖掘技術，企業可充分掌握行業競爭情況、供應鏈情況等外部信息，為企業內部部門賦予不同的成本控制任務指標，優化投入產出比。

3.2 變革管理會計對數據利用方式

在數據處理與利用方面，數據挖掘技術效率高，所獲得的數據信息更為精確，省略了不必要的數據信息加工處理步驟，節省了時間與精力，充分滿足了數據使用者在精準性等方面的需求。此外，數據挖掘技術可對會計數據實施動態化處理，使企業管理層隨時掌握會計信息，提高了會計信息的傳遞效率，有效變革了管理會計對數據的利用方式。

3.3 提高管理會計工作效率與質量

管理會計工作的目標在于通過系統化分析與整合有關數據信息，最終服務于企業管理。隨著數據挖掘技術的深入應用，管理會計既強化了內部控制管理方式，也逐漸演化形成了其他多種管理方式，全方位優化了企業經營管理效果，符合大數據背景下企業發展需求。數據挖掘技術的高效性、實用性，使管理會計的工作效率及質量上升到了一個嶄新的高度，通過對內外部有價值信息的利用，促進企業有效應對環境變化，使經營管理取得長遠可持續發展。

3.4 變革管理會計的工作內容

在管理會計的工作內容方面，諸多與大數據相關的工作新內容相繼出現，并得以發展，提高了數據挖掘技術的覆蓋范圍，使管理會計工作內容更加豐富，更具層次性與系統性。因此，為更好地適應管理會計工作發展趨勢，需要工作人員不斷學習新理念、新思想、新方法，不斷提高自身綜合素養，適應管理會計工作內容持續深化變革而產生的多類型工作需求。

4 數據挖掘在管理會計中的應用探討

4.1 作業成本和價值鏈分析

作業成本法可在很大程度上實現對成本的精準計算，有效提高有限資源的利用率，因此在實踐中得以廣泛應用。但其操作方法相對繁雜，通過數據挖掘技術的應用，可有效優化作業成本法的實施步驟，減少不必要的流程與環節。同時，可立足于分析作業與價值之間的潛在關聯，確定相應的增值作業和非增值作業，改進企業價值鏈。

4.2 預測分析

在管理會計工作實踐中，更多情形下需要以海量歷史數據及數據模型為基礎，開展相關預測活動。數據挖掘技術通過在數據庫中搜集預測性數據，采用趨勢分析等方法，構建相應的預測模型，對市場銷售、成本控制、資金流動等作出科學預測，為企業經營戰略的制定與實施提供保障。比如，通過分析市場調查數據可建立銷售預測模型，用于預測未來銷量。

4.3 投資決策分析

投資決策分析具有復雜性特征，需要借助相關工具與模型降低實施難度，而數據挖掘技術便是理想的工具之一。這需要從企業財務報表、宏觀經濟環境、行業發展規律等方面搜集數據信息，篩選具有實質性意義的數據，保障投資決策的方向性。

4.4 產品和市場預測與分析

企業為實現產品效益最大化，需要進行產品組合優化，迎合市場需求，提高市場占有率，構建長期穩定的客戶群體，因此進行產品和市場預測至關重要。通過采用數據挖掘技術，管理會計人員可有效掌握價格和成本之間的數據情況，并了解在某個特定階段內產品所處的市場競爭地位，進而掌握不同產品組合在未來市場銷售中的表現。比如，部分非盈利產品無法實現預期利益，但通過產品組合優化搭配，可帶來一定客戶流量，促進高利潤產品的銷售，則該非盈利產品便應該納入產品清單。所有上述數據信息，均可利用數據挖掘技術中的關聯分析來實現。

4.5 財務風險預測與評估

管理會計可采用數據挖掘技術評價與預測企業財務風險，構建切實可行的財務預測模型，幫助企業管理層動態化掌握企業財務風險，進而未雨綢繆，提前采取有針對性的措施與方法予以防范化解。在財務風險預測與評估中，應用較多的數據挖掘技術方法有多維判別式分析、遺傳算法、神經網絡等。

5 結語

綜上所述，在大數據背景下，管理會計工作實踐充分應用數據挖掘技術是極為必要的，也是極為可行的。隨著市場經濟體系的逐漸完善，企業所面臨的競爭壓力日趨激烈，所遭遇的挑戰日趨嚴峻，必須通過新技術方法引入，提高管理會計工作質量，使有限資金價值最大化。對此，要立足企業經營管理實際，充分遵循數據挖掘技術的基本規律，嚴格掌握其應用步驟與流程，多措并舉，提高管理會計工作實效性，為完善企業內部經營管理，提高核心競爭力奠定堅實基礎。

參考文獻

[1]李平榮.大數據時代的數據挖掘技術與應用[J].重慶三峽學院學報，2017，（10）：145-147.

[2]孟巖.武文龍數據挖掘在戰略管理會計中的應用——以AB公司為實例[J].會計之友（下旬刊），2018，（6）：54-57.

[3]劉洪，何光軍.基于人工神經網絡方法的上市公司經營失敗預警研究[J].會計研究，2019，（12）：142-146.

[4]張志恒，陳旭.數據挖掘技術在會計信息系統中的應用研究[J].中國管理信息化，2018，（22）：236-239.

[5]楊兵.基于非財務指標及數據挖掘方法的財務危機預測研究[D].廣州：華南熱帶農業大學，2018：334-340.