數據挖掘技術對會計的影響及應對

路偉果 劉光軍 彭韶兵

【摘要】以新時代信息技術的影響為研究背景，系統分析數據挖掘技術對會計的影響。這些影響包括：會計人員和會計部門角色發生根本變化;會計確認的要素范圍擴大到數據資產和數據資本，并且更多地采用多維數據;數據解釋更多地采用可視化技術，且用戶將成為信息參與者;企業及會計人員將面臨更大的信息安全風險。同時有針對性地提出如下策略：會計人員需要轉型為數據分析師和算法工程師;會計人員必須重視數字經濟蘊含的價值及其重要地位，企業也要著力培養會計人員的數字素養;會計人員要融入企業全面可視化管理;企業及會計人員應積極參與構建信息安全防護體系和標準規則體系。

【關鍵詞】數字經濟;數據挖掘;財務會計;可視化技術

【中圖分類號】 F235? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2020）07-0068-7

一、引言

數據挖掘（Data Mining）一般是指通過數理分析方法和算法從大數據中搜索、挖掘出隱藏于其中的信息，建立和驗證模型，以提供決策支持信息的一種過程。它是大數據技術的一種應用和發展，也是一種決策支持過程。將其應用到會計領域，有助于會計人員對大容量、多種類、實時性很強的數據進行有效的分析、處理和利用，為企業各層級的管理者或決策者提供有價值的信息。 財政部于2016年10月發布了《會計改革與發展“十三五”規劃綱要》（財會[2016]19號），指出加強會計信息化建設，是“十三五”時期我國會計改革與發展的九項主要任務之一。而會計信息化建設離不開數據挖掘等相關信息技術的應用。應用數據挖掘技術，有助于推進我國會計改革，貫徹《會計法》《企業會計信息化工作規范》等法律法規。

數據挖掘技術是目前影響會計發展的十大信息技術之一。2019年6月29日，由上海國家會計學院主辦的“信息技術與財務的未來”高峰論壇暨2019年度影響中國會計人員的十大信息技術評選結果揭曉。這十項信息技術和其支持比率分別是財務云（72.1%）、電子發票（69.5%）、移動支付（50.7%）、數據挖掘（46.9%）、數字簽名（44.5%）、電子檔案（43.1%）、在線審計（41.4%）、區塊鏈發票（41.1%）、移動互聯網（39.6%）和財務專家系統（37.7%）。該項評選結果主要是從微觀視角揭示新時代對財務會計產生影響的主要信息技術，包括對財務會計、管理會計、審計等相關專業和職業的影響。在評選過程中，每年的熱點均有所不同，這也說明新時代信息技術更新速度比較快，呈現出動態特點。

以上十項信息技術中，從數字經濟生態體系來看，財務云和移動互聯網屬于生態圈里的技術支撐體系，其他則屬于應用服務體系。從傳統會計核算流程視角來看，電子發票、區塊鏈發票和數字簽名主要用于原始單據的取得、財務流程中的審核或內部控制;移動支付和移動互聯網代表的是支付手段;電子檔案屬于會計檔案保管范疇;在線審計和財務專家系統屬于財務信息質量控制范疇;數據挖掘和財務云是財務會計參與管理的進一步發揮，有助于促進財務會計轉型管理會計，并促使會計人員轉型為數據分析師或算法工程師、會計部門（含財務中心，下同）轉型數據分析部門。

數據挖掘技術也是當前財務職能理論研究中的熱點之一。張超等[1] 研究發現，在與財務智能密切相關的關鍵詞中，研究數據挖掘方面的中文文獻有19篇，占絕對首位，遠高于第二位以“財務分析”為關鍵詞的研究數量。他們的研究結論進一步揭示了數據挖掘在信息技術中的重要地位，以及數據挖掘與財務智能之間的密切聯系。

綜上可知，數據挖掘技術是我國會計信息化建設的主要內容之一，也是當前影響會計發展的十大信息技術之一，更是當前財務職能研究的主要熱點之一。相對于其他信息技術而言，數據挖掘技術對于會計人員仍然較為陌生，因此本文以數據挖掘為研究對象，分析其對會計產生的影響并探討企業、會計部門和會計人員該如何迎接數據挖掘技術帶來的挑戰，以期為會計學術研究、會計實務、會計教學等提供一定的參考。

二、數據挖掘技術對會計的影響

（一）會計人員和會計部門的角色定位將發生根本變化

當前，會計在企業中的職能定位仍然側重于核算，監督、參與管理、理財等職能并沒有充分地體現出來。數字經濟時代下，傳統會計核算職能由智能機器人和自動化辦公軟件等替代，使得會計人員從核算職能中解放;數據挖掘技術的應用要求企業會計人員不僅需要熟練掌握會計核算，還需要精通理財、管理、數據分析、算法與設計，根據數據挖掘的結論做出有效評價，提供決策支持信息，逐漸轉型為理財師、管理會計師、數據分析師和算法工程師（主要是數據挖掘算法工程師和機器學習算法工程師）等。

與此同時，會計部門也隨會計人員職能和角色的變化而逐漸成為大數據處理部門;數據分析和解釋數據的能力，將成為會計人員的必備技能，否則數據挖掘的結果難以支持決策。隨之，會計學科向邊緣學科轉化的速度不斷加快，與信息技術等學科交叉融合是會計學科和專業建設的必經之路，數學和數量統計成為會計專業教育的根基之一。會計工作內容，將由主要處理常規經濟業務（一般信息生成），轉變為主要處理復雜經濟業務（特殊信息生成）、數據分析（信息利用）和算法設計。具體的，會計人員和會計部門的職能變化如表1所示。

國內外個別高校已經試點開設了會計學（大數據分析方向或商業與財務分析）專業碩士點，鼓勵學生跨學科、跨專業學習，培養既精通會計專業知識，又能掌握信息技術、數據分析和算法設計等技能的綜合人才;一些軟件公司研發并推出了財務云或云會計等新產品。這些都是順應會計發展和角色定位變化的現實要求，是會計轉型的標志之一。

（二）確認的要素范圍將擴展到數據資產和數據資本，也將更多地采用多維數據

1. 數字經濟時代會計確認的要素范圍將發生重大變化。工業經濟時代，會計確認與計量的資產和資本，主要包括有形資產和無形資產，如存貨、固定資產、長期股權投資、無形資產，以及實物資本、金融資本和產權資本（以知識產權作為資本投入）等。而在數字經濟時代，隨著數據資源與土地、勞動力和資本一樣成為生產要素，會計確認與計量的資產和資本范圍將進一步擴大。即在數字經濟時代，數據的價值演變過程表現為“數據資源→數據資產→數據資本”[2] ，具體如表2所示。

數據資產和數據資本均具備資產、資本的一般特征。數據挖掘的對象包括數字產品和大數據，在數字經濟時代，大數據逐漸成為數據資產。它與有形資產、無形資產一樣滿足資產確認的定義，也具有資產的一般特征。如網絡視頻公司的可視化產品，其是由過去的交易和事項形成的，是由企業擁有或控制的，預期能給企業帶來經濟利益的一種資源，滿足資產的定義和一般特征。數據資本與實物資本、金融資本一樣，能夠給企業創造價值，將數據資產的使用價值或價值作為資本投入，就是通過數據流動或交易將數據資產變成數據資本的過程。

因此，學術界和實務界已經將對數字資產的相關研究提上日程，以便進一步修訂《企業會計準則》，用以規范和指導會計實務;反過來，真實可靠的數據資產、數據資本的確認和計量又能促進數字經濟的發展。企業掌握的數據規模、數據挖掘能力構成企業的核心競爭力和戰略性資源，尤其是對于一些關鍵行業和以數字產品為主的電子商務企業。

2. 會計傳統的單維數據模式將轉向多維數據重構及多維數據分析。

（1）獲取、傳遞、處理多維數據將逐漸成為會計的主要工作之一。傳統的會計人員因數據的取得成本較低和慣性思維，易囿于單維數據陷阱。即使部分企業成功實現了財務會計轉型管理會計，但會計師獲取的絕大部分數據依然是單維財務數據[3] 。傳統核算型主導下，會計人員記錄、傳遞、處理、分析、存儲和利用的單維數據主要是金額數據，較少涉及時間點、間隔期、地區、渠道、貨物擺放位置、商品關聯度、用戶分類等多維文本數據。傳統數據的表現方式主要是單維財務數據——金額，基本不包括文本、郵件、電話記錄、聊天記錄、照片或截圖、音頻、視頻、博客、推特、微信等形式或載體，而這些非結構數據或信息，需要利用文本分析功能進行處理后形成二次分析，與直接獲取財務數據的成本相比，信息處理成本相對較高。

這些多維數據都是經濟資源，蘊含重要的價值、使用價值及交換價值，很可能產生溢出效應。如采取自定義數據抓取程序（網絡爬蟲技術），通過人工模擬搜索引擎功能來操作瀏覽器，利用網絡空間自動獲取各種數據信息，直至滿足抓取程序所設定的停止要求;該抓取程序可獲取的信息量大，但也可能充斥很多垃圾和噪聲，準確度較低。

（2）對多維數據的分析、存儲和利用，也將成為會計的工作內容。最典型的比如電商針對消費者在線評論的文本情感進行分析，研究消費者行為和消費傾向[4] ;針對消費者復購行為的數據分析，以進一步研究激發消費者復購行為的時機和購買欲;從外部截取消費者碎片式信息，了解消費者或購買商的信用狀態，分析信用風險，以便設計和實施合理的賒銷政策或欠款催收策略。個別高校在會計學專業人才培養方案中增設大數據分析相關課程，也是調整、適應學科建設和會計實務的需要。

（三）會計人員的數據分析及展示方式將更多采取可視化技術

對于數據挖掘，其展示或輸出方式不再是單一的財務報表或文本格式，而是由平面轉向可視化技術[5] 。該技術率先在科學與工程計算等領域中使用，通過將數據分析及數據解釋的結果以可視化的方式展示，增強了數據解釋的吸引力和便捷性，用戶更易理解和接受。常見的可視化技術有標簽云、信息流空間等，如標簽云以典型的超鏈接方式為使用者提供詳細的內容展示，信息流分析中則引入空間維度。一般財務數據的輸出形式大多是靜態信息圖表，很少采用單向動態和雙向動態互動模式。而設計清晰、直觀、富有美感、雙向動態模式的可視化產品，可以直接吸引會計信息使用者，提高財務數據解釋的使用效率。但目前大多數數據挖掘應用平臺還難以提供高效、清晰的可視化產品。

與此同時，會計信息使用者可以根據自身需要，直接參與數據分析過程、設計“輸出產品”的表現形式，甚至可以溯源、追索數據分析的整個過程，深化和理解分析結果。最終，會計信息使用者演變為參與者、發布者（供給者）或傳播者，由單向信息傳遞的被動接受者變成雙向信息互通的主動參與者，增強了財務數據解釋的互動性、靈活性。

因此，使用數據挖掘技術可以使會計人員通過自定義選項、參與構建極具特色的財務報表，會計信息使用者也可以參與設計或選擇自己喜歡、便于理解的圖形類型或視頻產品，形成雙向互動模式。

（四）企業及會計人員面臨著更大的信息安全風險

數字經濟時代，企業和個人的信息被挖掘成為必然。如企業在應用數據挖掘技術分析消費者行為時，獲取或掌握有大量消費者的個人信息，如個人照片、截圖、聊天記錄、郵箱郵件、微信號、支付寶賬號、電話號碼及通話記錄、文檔、購買頻率、購買商品種類和數量、微博、博客、推特、臉書等個人隱私數據，很容易導致大量的信息外露[6] 。數據泄露的渠道很多，包括內部人員泄露、系統漏洞、黑客攻擊、網絡爬蟲、數據黑色產業鏈等。數據泄露的后果主要表現為電話推銷、騷擾短信、電信詐騙、垃圾郵件、廣告彈窗、精準營銷等，給企業和個人帶來財產安全隱患和直接經濟損失。一旦相關信息泄漏，可能使得企業和數據分析師面臨訴訟風險，需要承擔相應的民事賠償等法律責任。

針對數字經濟時代數據挖掘技術對會計產生的不利影響，企業、會計人員及會計學科建設和專業教育的單位或部門，都必須實時調整應對策略，以適應新時代下會計的根本性變革。

三、會計人員應對數據挖掘技術的策略

（一）會計人員需逐步轉型為數據分析師或算法工程師

會計的傳統職能側重于會計核算和日常監督，而在數字經濟時代，對常規業務的處理將由智能機器人等代替，會計人員必須從傳統“桎梏”中解脫出來，及時轉型成為必然。

1. 會計人員需要更新思想觀念，緊跟會計工作內容變革的大趨勢。會計人員需從傳統會計思維的固化性、局限性和程序性工作中跳出，努力提高思想觀念的主動性、開放性和創新性;勇于面對、迎接數據挖掘技術工作的挑戰和新問題，積極參與到新技術、新方法的學習中，而不是故步自封、墨守成規地做“賬房先生”。因為在數字經濟時代，核算型會計工作逐漸由智能機器人等人工智能設備替代;管理型會計工作，其部分業務處理也將由計算機系統完成;會計工作的具體內容將轉向操作層面的數據分析;高層次會計工作，將由數據挖掘算法工程師和機器學習算法工程師完成。

根據上述分析，會計人員需從變化中的崗位或職業當中找到自身的角色定位，規劃和實施個人崗位和職業的戰術性轉型：①核算型會計逐漸減少。該層面工作主要履行核算型職能，承擔基礎會計工作即主要處理企業常規的會計經濟業務，包括財務會計和管理會計，這些會計工作已經或逐漸由計算機系統、智能機器人代替。②承擔非常規業務的管理型會計將不斷增加。該層面工作履行的主要是管理型職能，承擔非常規會計核算及管理工作。工作內容主要包括復雜經濟業務的會計處理、理財與規劃、作業管理和價值管理、企業納稅籌劃、風險管理與控制、全面預算管理及成本管理等。③操作層面的數據分析崗位也將增加。通過對散布各處的“碎片化”數據進行挖掘、采集、清洗、建倉存儲、分析應用，數據分析、可視化產品將增加。④算法與設計將成為高層次會計人員的重要選擇。該層面工作要求會計人員具有良好的數學分析、統計學、數據結構等方面的知識;熟練掌握數據挖掘算法、常用機器學習算法，如決策樹、K-Means、SVM、線性回歸、邏輯回歸以及神經網絡等;熟練使用SQL、Matlab、Python等工具。

2. 高層次會計人員需要學習、掌握跨專業知識和綜合技能，以迎接數據挖掘等信息技術的嚴峻挑戰。高層次會計人員將成為“會計師+理財師+管理會計師+數據分析師+算法工程師”，這是會計職業轉型和數字經濟時代的必然選擇。除掌握必要的數理統計、數學分析、高等代數和會計專業知識外，還需要系統學習和掌握有關計算機類、機器學習等跨專業知識和綜合技能：①以線性泛函分析、矩陣論和數值計算為內容的機器學習數學基礎;②數據挖掘與機器學習;③最優化理論與信息論;④以操作系統、SQL數據庫、數據倉庫和Hadoop生態圈為內容的計算機與大數據基礎;⑤納入搜索引擎與爬蟲的程序設計與Python應用;⑥自然語言與數據可視化;⑦以數字貨幣與區塊鏈、財務共享為主要內容的大數據與財務決策[7] ;⑧模型與算法開發等知識和技能。唯有如此，高層次會計人員才能真正成為掌握會計專業知識、數據可視化處理、數理分析、計算機程序設計、大數據分析的跨專業復合型人才，適應數字經濟時代下數據挖掘技術的發展。

會計人員角色轉型過程如圖1所示。

3. 會計部門需要逐步轉型為數據分析中心，以適應數字經濟時代的變革。由于會計人員從會計師轉變為數據分析師和算法工程師，會計人員掌握的技能也就由專業技能轉變為跨專業綜合技能，因此傳統的會計部門職能也必需從核算型向數據處理型轉變，逐漸成為數據分析中心，為企業管理者和決策者提供決策支持。特別是在不久的將來，總會計師或財務總監、會計部門負責人等中高層領導人員，必然要轉型為集綜合技能于一身的復合型領導。傳統的崗位分配標準也將因為新的業務內容而被打破，會計部門將由會計核算崗、理財崗、管理會計崗、數據分析崗、算法與設計崗等崗位組成。

（二）會計人員必須重視數字經濟蘊含的價值及其重要地位，培育自身數字素養

1. 會計人員必須認識、重視數字經濟蘊含的價值和重要地位。

（1）從經濟發展態勢看，“農業經濟→工業經濟→數字經濟”是國民經濟發展的必由之路。數字經濟的戰略地位決定了其將成為驅動新時代發展和變革的強力引擎，即數字經濟是發展的新動能，也是推動供給側結構性改革的重要支撐，能夠促進就業、提高經濟發展質量，也能夠給國家、企業等主體帶來經濟價值和經濟利益。在此大背景下，會計人員、會計部門不可能“獨善其身、無動于衷”，必須順應數字經濟的發展、變革和需求。

（2）從會計核算視角看，數據是一種經濟資源、企業資產和經營資本。數據能夠通過提供服務產生價值這一現象，不僅是會計人員，也是國家、企業等需要面對的新課題。在短期內，會計核算對象還難以納入半結構化數據和非結構化數據，但是唯有積極探索會計核算對象變化動態，才能做到有備無患。

（3）從生產要素視角看，數據已經成為當前數字經濟時代重要的生產要素之一。在數字經濟時代，貨幣不再起決定性作用，數據日漸成為核心資源，以致數據被普遍視為“已取代石油的當今世界最有價值的資源”。數據被不斷地挖掘、清洗、加工、分析和運用，為消費不斷升級下的經濟和社會發展提供充足的信息勢能和經濟動能。數據資源化促使大數據發展成為大數據產業。因此，數據作為一種經濟資源和生產要素，使得數字經濟產業滲透和融合到供給與需求、生產與交換、公共物品與服務等全部產業環節和公共服務領域。

2. 企業應著力培育會計人員的數字素養。會計人員需積極學習數據挖掘技術，摒棄單維數據觀念：根據數據挖掘目標，培育數字素養，即搜集、集成、清洗、篩選、整理、分析多維數據，為數據挖掘提供基礎性資料和信息創造條件。這是因為：①數字素養是數字經濟環境下對會計人員和會計部門的新要求，因為數字素養是數字經濟時代員工的一項基本素質、企業的一項重要資產。②數據挖掘的數據來源絕大部分為非結構化數據和信息，不再只有低成本獲取的結構化信息或單維數據如財務報表等。

（三）企業會計需融入全面可視化管理

會計輸出的傳統“產品”是結構化的表格數字和文本文檔，單一的輸出模式不僅使得會計工作本身枯燥乏味，也導致數字信息的利用效率低下。而在數字經濟環境下，會計人員可以學習、掌握數據挖掘等信息技術，輸出多維、多視角、簡捷的可視化產品，以提高信息的使用頻率和效率。

1. 會計人員需要掌握雙方動態模式下的可視化技術。盡管在未來，相應的軟件系統能夠提供多樣化、多途徑的可視化產品，但會計人員只有掌握基本的數據操作技能和可視化產品的基本原理，才能進行系統的數據分析和數據解釋。除此之外，會計人員還必須掌握雙方動態模式下的可視化技術，以輸出簡捷、美觀的產品。

2. 企業應將數據解釋的可視化技術和可視化產品，融入企業全面可視化管理系統中。企業全面可視化管理不僅包括廠房廠區、機器設備、材料物資、工具器具、安全警示、辦公部門、管理看板等靜態事物的可視化，還應包括動態信息的可視化。靜態事物的可視化管理在于及早曝光問題、及時處理問題，動態信息的可視化管理在于向信息使用者提供決策支持的信息，二者都提供視覺化、透明化和界限化的可視化信息或產品。

（四）企業及會計部門和會計人員應積極參與構建信息安全防護體系和標準規則體系

企業應建立以安全為核心的防護技術體系，參與構建以法律、法規、標準、倫理、安全為主要內容的標準規則體系，逐步完善數字經濟生態系統。①會計部門和會計人員必須認真貫徹、落實全國信息安全標準化技術委員會于2017年12月發布的《信息安全技術個人信息安全規范》。針對數據挖掘過程中直接獲取或相互交流的個人信息，必須嚴格保密;內部調取數據時，需及時、詳細記錄在線信息;對外設置防火墻，以防止病毒侵入后篡改、破壞數據庫。同時，我國在信息安全方面的法律法規也需根據信息技術的發展和時代變化，適時修訂和不斷完善。②各行業協會應制定關于規范個人信息行為方面的行業自律公約，不同行業和經營領域在處理個人信息方面有較大的差異性，行業自律公約在規范個人信息方面有一定的優勢。③企業和數據分析部門或會計部門，可以設立數據保護官，專門負責本單位或部門的數據保護工作。

四、會計人員應用數據挖掘的分析方法、算法及平臺工具

（一）進行數據挖掘的分析方法及算法

數據挖掘的分析方法大體可以分為機器學習方法、統計分析方法、神經網絡方法和數據庫方法等。其中，統計分析方法可細分為回歸分析、判別分析、聚類分析、探索性分析（主元分析法、相關分析法等）等。機器學習方法可細分為歸納學習方法（決策樹、關聯規則等）、基于范例學習、遺傳算法等。神經網絡方法可細分為前向神經網絡（BP算法等）、自組織神經網絡（自組織特征映射、競爭學習等）等。數據庫方法主要是多維數據分析或OLAP方法等。

數據挖掘的常用算法或技術有回歸分析、聚類分析、決策樹、關聯規則、神經網絡等。回歸分析，是指利用數理統計方法建立因變量和自變量之間的回歸關系模型，并根據觀察數據來求解模型中的各個參數，再評價回歸模型或函數表達式是否能夠很好地擬合觀察數據;如果能夠很好地擬合，則可以根據自變量做進一步預測分析。聚類分析，是指根據“物以類聚”原理對事物進行分組，是數據挖掘中常用的一種技術。其基本原理是使得同類個體的相似性較大，而加大不同類個體的差異性，即將類間個體的同質性最大化、類與類間個體異質性最大化。通過分析事物的內在特點和規律，借助專業軟件，解讀結果形成相應的實操措施或策略，以提供給管理部門或決策機構。在經濟學領域中，數據挖掘可用于客戶細分、實驗市場、市場機會研究、銷售片區分析等。

除回歸分析和聚類分析以外，決策樹是數據挖掘中常用的一種技術工具。由于其將決策分支畫成圖形，很像一棵樹的枝干，故稱“決策樹”。決策樹既可以用于分析數據，也可以用于預測決策，故也是一種預測模型。在決策樹中間可以有多個決策點（節點），以決策樹根部的決策點（節點）為最終決策方案。關聯規則是從大量數據中尋找規則或聯系，挖掘出有價值的數據間的相關關系，是數據挖掘的一項重要技術，例如銷售商常用它來分析消費者購物車行為等。神經網絡是通過模仿動物的神經網絡行為和特征，進行分布式并行信息處理的一種數據挖掘技術和數學模型。

（二）進行數據挖掘的常用平臺工具

進行數據挖掘常用的平臺工具主要有Office Excel、Stata、SAS、SPSS、R、EViews、Python /AMOS、Crystal、Ball、FineBI、Lingo、Maple、Mathematica、Matlab、MaxDEA、Minitab?，F簡要介紹常用的數據挖掘平臺工具的使用及適用范圍：

1. Office Excel自帶模塊和數據挖掘外接程序兩種工具均可以使用。

（1）Excel主界面自帶有數據分析模塊，可以計算描述性統計、相關系數、協方差、移動平均，也可以進行回歸分析、單因素方差分析、雙因素方差分析、傅里葉分析，還能進行F檢驗和t檢驗等，可以滿足基本的數據分析要求。

（2）Excel數據挖掘外接程序。如下載 SQL Server數據庫，配置本地服務器后再安裝相關插件，Excel主界面就會出現數據挖掘菜單。利用該外接程序就可以進行更專業和系統的數據分析，其適用范圍及特點在于：Excel是會計人員除財務軟件之外使用最頻繁的管理用軟件;財務軟件是專業軟件，Excel則是常用的Office辦公軟件。由于會計人員容易接受且使用成本較低，因此用Excel數據挖掘外接程序辦公是財務會計人員熟練運用數據挖掘信息技術的捷徑之一。

2. Stata是一款統計軟件，也是數據挖掘的常用工具。①除傳統的統計分析方法外，Stata匯集了近20年發展起來的數量統計新方法，包含均衡重復反復、線性混合模型、多項式普羅比模式等，具有數據分析、數據管理和繪制專業圖表等強大功能。②Stata工具的統計分析能力遠超SPSS，在許多方面也超過了SAS。由于Stata在數據分析時先將數據全部讀入內存，在計算全部完成后再與磁盤交換數據，因此在計算速度上Stata快于SAS，SAS快于SPSS;Stata也是采用命令行方式來操作，但使用上比SAS更為簡單;Stata的生存數據分析、縱向數據（重復測量數據）分析等模塊的功能甚至超過了SAS軟件。③Stata工具每一年半更新一次，界面設計較為簡潔，可以輸出Excel和Word等格式的文檔，但使用過程中必須通過輸入命令才能正常使用，主要適用于高層次的統計、財務人員使用。

3. 同時采用多種分析工具進行數據挖掘是必要選擇。由于會計等數據分析人員的個人綜合能力不同，企業所屬行業的數據分析需求也不同，企業規模大小也決定了企業自身信息化水平的高低，這些促使會計人員采用不同的分析工具進行數據挖掘，從而提供相關決策支持信息。例如：安裝、學習和使用Excel外接程序;升級ERP信息系統，嵌入數據挖掘模塊，并不斷進行升級和更新，使得相關數據實現對接和系統內共享，這也是較為理想的數據挖掘分析工具[8] 。

上述數據分析工具的使用范圍及特點如表3所示。

（三）數據挖掘的應用流程

數據挖掘的應用流程主要包括以下幾個步驟：①確定數據挖掘的基本目標，以便選擇合適的數據挖掘工具和分析方法[9] 。②準備及整理數據。數據主要分為財務數據與非財務數據、內部數據與外部數據、抽樣數據或全部數據、開放數據與非公開數據、結構化數據與非結構化數據。整理數據主要包括搜集、導入、預處理數據等。③利用數據挖掘應用工具和方法，挖掘出經過轉換的數據。④針對數據挖掘的結果進行分析、評估、驗證;根據數據分析師的經驗積累、綜合知識，查找異常，必要時查找數據是否有誤、樣本量是否充足，并再次進行數據挖掘。⑤將數據挖掘的分析結果提供給相關管理部門，以提供決策或其他支持。⑥得到數據挖掘的結論，評估相關的經濟效益和社會效益，同時調整或確立新的數據挖掘目標以構成循環，不斷提升企業的數據挖掘能力，最終實現經濟及社會效益。細化應用流程視角后可知，數據挖掘過程也指具備統計學、計算機科學等知識的會計人員或數據分析師，通過機器學習和數據庫分析等方法和算法，借助Excel、Stata、Python等平臺工具建立和識別模型，最后驗證和測試挖掘結果。具體流程如圖2所示。

五、結語

數字經濟時代下，數據挖掘技術對會計的影響非常深遠，會計人員和會計部門的角色定位發生根本改變，將分別轉變為數據分析師、算法工程師和數據分析部門;會計確認的要素范圍將擴展到數據資產和數據資本，會計人員所獲取的單維數據也將轉為多維數據;會計人員數據解釋的輸出方式將更多地采用可視化技術，且信息使用者將由單向信息傳遞的被動接受者變成雙向信息互通的主動參與者;企業及會計部門、會計人員將面臨更大的信息安全風險?；诖?，本文有針對性地分析了相應的應對策略，并就會計人員實施數據挖掘的分析方法及算法、常用工具和應用流程進行了較為詳細的介紹和系統梳理，以期能為會計學術研究、會計實務、會計教學等提供一定的參考。

【 主 要 參 考 文 獻 】

[ 1 ]? ?張超，肖聰等.財務智能可視化分析與文獻綜述[ J].財會月刊，2019（3）：24 ～ 32.

[ 2 ]? ?上官鳴，白莎.大數據資產會計處理探析[ J].財務與會計，2018（22）：46 ～ 48.

[ 3 ]? ?劉光軍，彭韶兵，王浩.網絡經濟環境對會計理論的影響研究[ J].財會月刊，2016（25）：3 ～ 7.

[ 4 ]? ?徐秋菊，劉光軍.電商業務會計核算應注意的問題[ J].財會月刊，2013（7）：58 ～ 59.

[ 5 ]? ?孫敏，王琳.大數據時代下的數據可視化方法分析[ J].軟件，2019（9）：182 ～ 184.

[ 6 ]? ?張莉.數據治理與數據安全[M].北京：人民郵電出版社，2019：1 ～ 268.

[ 7 ]? ?樊斌，李銀.區域鏈與會計、審計[ J].財會月刊，2018（2）：39 ～ 43.

[ 8 ]? ?蔣小花.ERP環境下在線審計實踐探索[ J].財會月刊，2014（21）：58 ～ 60.

[ 9 ]? ?馬青.基于數據挖掘的財務診斷問題研究[ J].自動化與儀器儀表，2017（10）：139 ～ 141.