數據挖掘技術在管理會計中的應用研究

馬 玉

（揚州大學 商學院，江蘇 揚州 225009）

隨著互聯網科技時代的到來，各種新型的高科技技術爭相涌現，這些新技術在各行各業的應用給當前的市場環境帶來了巨大的改變。數據挖掘技術就是一項新的科學技術，這一技術能夠從大量的生產、財務、管理等數據群當中提取最重要的部分，并結合多種智能算法獲取這些數據之間潛在的關聯，從中分析和研究出最有價值的信息?，F階段這一技術也被廣泛應用于管理會計當中，由于企業管理會計工作量大，數據挖掘技術能夠更加全面、更加智能地發掘會計數據中的重要信息，基于科學的數據為企業作出決策提供更加合理的依據，為經濟的發展創造出更加出色的成績。

一、數據挖掘技術的主要方法

（一）分類處理

分類處理指的是根據給定數據庫中數據的共同點將數據劃分成不同的模型，通過這種分類模型的方式將獲得的數據映射到某個給定的列表當中。數據分類可以被廣泛應用到商品的分類、會計管理以及企業財務數據的預測中，還可以對某一店鋪內用戶短時間內購買的商品進行分類并做出關聯推薦，從而增加商鋪的效益。

（二）回歸分析

回歸分析反映的是數據庫當中數據本身的屬性，回歸分析可以通過函數表達的方式來發現數據之間屬性方面的關聯。回歸分析大多應用于對某一序列性數據的預測方面。

（三）聚類分析

聚類分析與分類有些相似，但聚類分析主要是根據某一組數據的相似性以及差異性進行歸類。屬于同一類別的數據之間相似性很大，可以用于對消費者的商品推薦。不同類別之間的數據相似性很小，跨類別的數據可以用于分析不同行業之間的顯著特征。

（四）神經網絡方法

神經網絡方法的應用主要有三種：第一種是用于數據的分類預測和模式識別，用到的神經網絡模型有前饋式神經網絡、函數型網絡以及感知器；第二種適用于聯想記憶和對數據進行優化算法的反饋式神經網絡模型；第三種是在聚類分析當中最常出現的自組織映射方法。

二、數據挖掘技術的特征

（一）數據基礎量大

數據挖掘技術最突出的特征就是其分析結果是基于大量的數據產生的，對大量的數據進行分析所得出的結果更加科學可信，更能反映真實的規律。

（二）技術性

數據挖掘技術在應用的過程中需要結合多種科學技術，所挖掘到的知識是不平凡的，對于數據的挖掘是基于眾多科學技術共同作用產生的結果，具有極高的專業性與技術性。

（三）深入性

數據挖掘技術所得出的結論是基于大量原始數據而探索得到的深處的內涵與知識，而不是只存在于數據表面的信息。

（四）新奇性

數據挖掘技術是一門新型技術，它不僅是為了驗證專家的經驗，更是從科學的角度利用新的技術幫助企業管理會計獲取進一步的洞察。

（五）價值性

數據挖掘技術挖掘到的結果一定是有價值有意義的。不了解數據挖掘技術的人認為其華而不實，這是一個錯誤的想法，雖然在某一類的數據挖掘項目中，由于原始數據的缺乏或者數據質量不佳，又或是數據挖掘人員技術不精湛會導致挖掘到的數據價值不高，但大量成功的案例也在被各行各業廣泛應用，這充分證明了數據挖掘技術能幫助企業提升自身發展力。

三、數據挖掘技術在管理會計中應用的優勢

（一）便于企業管理客戶關系

數據挖掘技術在管理會計中應用時，首先能通過建立數據庫，對顧客信息進行分類和聚類分析發現顧客群體的消費行為規律，從而對顧客進行分組，對不同類型的顧客更有針對性地進行管理與接待。其次，數據挖掘技術能夠通過對顧客的消費信息以及創造的價值進行分析，依據累托定律，20%的客戶創造了企業80%的價值，有利于管理會計從客戶的數據庫當中著重挖掘這部分顧客，對于他們的消費需求及偏好以及購買行為進行梳理與分析，根據他們的喜好提供相應的產品和服務，便于與顧客建立起長期友好的關系。同時這些分析的數據也能讓企業對消費者更加了解，生產出更多有特色的產品，為消費者提供更人性化、更優質的服務。

（二）幫助企業獲取更大的競爭優勢

數據挖掘技術在管理會計當中的應用能夠從數據分析層面改善企業內部的經營管理流程，根據分析得到的科學結果對企業的外部競爭環境以及對手狀況、當前的市場行情、消費者的偏好、供貨商的選擇等多種方面進行分析，獲得最有價值的商業信息，充分提升企業的競爭優勢。以食品生產企業為例，數據挖掘技術能夠根據市場營銷情況對消費者的口味、消費者所喜愛的包裝風格、消費者所喜歡的食品種類等多方面進行準確的把握，提升企業生產產品的市場喜愛度。

（三）幫助管理會計進行風險防控

企業的生產經營在每一環節都面臨著各種各樣的風險，例如企業生產的商品是否適合消費者，產品是否具有同質性在市場競爭中受阻，產品的價格定位是否過高等都會影響產品的銷量給企業帶來經營風險。此外，企業所面臨的風險大多都是隱性的，例如財務風險大多是一個潛藏和積累的過程，而數據挖掘技術在管理會計當中的應用能夠及時有效地對企業內部財務狀況進行分析，根據數據分析對企業的融資和投資環節提出科學決策，幫助企業規避生產經營過程中的一系列隱性風險。

四、數據挖掘技術在管理會計中應用的過程

（一）對財務數據進行取樣

在開始進行數據挖掘之前，為了保證數據挖掘過程有序開展，并最大程度地提升數據挖掘的科學性，必須要注重前期的財務數據取樣過程，這是保障數據挖掘技術結果的可靠前提與基礎。因此，管理會計必須根據數據挖掘技術所要達到的預期目標創建財務數據表，對于數據庫當中的信息進行精細化篩選。

（二）數據探索與分析

在對數據信息進行采樣之后，將這些數據上傳到數據庫之中展開詳細深入的探索，基于各種智能算法與大數據分析技術從數據樣本出發，根據目標信息尋找數據之間潛在的關聯。

（三）對數據進行調整

有時候所獲取到的數據并不都是有效數據，這時就需要對數據進行增加和刪減，使獲取到的數據內容更加翔實、更加準確，避免大量融雜的信息混雜其中，影響數據分析的工作效率。

（四）數據建模

對數據進行合理的建模是進行統計和分析的關鍵環節。在對數據進行建模時，要充分利用決策樹、時間序列分析或者回歸分析等不同的分析模型建立更加科學的數據模型。

（五）對數據進行評價

在建模與分析完成之后，對數據進行評價是數據挖掘最重要的環節。根據數據之間內在的聯系與呈現的特征，全面客觀地評價數據并給出相應的具有可靠性和實用性的決策。

五、數據挖掘技術在管理會計中的具體應用

（一）對競爭對手進行分析

現階段，隨著社會經濟的不斷提升，全球化的進程在逐漸加快，各行各業所面臨的市場競爭也越來越激烈。企業需要知己知彼才能在市場競爭中脫穎而出，因此，從多個渠道、多個方面了解市場當中的同類競爭對手是十分必要的。且現階段許多企業運用管理會計的模式能夠超越普通會計中以會計主體為主的限制，在與競爭對手進行對比的過程中提供更加優質、全面的管理會計信息，而數據挖掘技術的應用也使得企業可以對競爭對手的資料和數據進行全面詳細的分析和整合，找到對方發展的優勢和缺陷，與自身企業進行對比，有針對性地提升自身不足之處，借鑒其他企業的發展優勢，為企業自身的發展和經營制定更有針對性的發展對策和目標。

（二）進行更加科學可信的決策

企業管理會計還需要根據企業的發展情況為融資和投資提出決策，這時數據挖掘技術將發揮不可或缺的作用。數據挖掘技術可以從企業財務報表以及宏觀的經濟環境出發，結合行業發展情況等多個方面的數據發掘出其中與經濟決策相關的實質性信息，從數據角度為企業的投資提供科學合理的決策。例如利用時間序列分析模型來預測股票價格幫助企業進行投資，或者利用分析處理技術分析企業的信用等級，以便于企業向外融資。此外，數據挖掘技術還可以應用于對產品和市場的預測分析方面，為企業提供更好的市場營銷決策?，F階段企業品種優化的方式往往是選擇合適的產品加以組合，可以進行短期促銷，也可以長期銷售以提升市場占有率并構建長期穩定的客戶群體。為了更好地達到這些目標，管理會計不僅需要了解同類產品的價格和成本，而且還要了解市面上其他代替產品的情況，并在此基礎上分析市場競爭狀況，這時就可以將這些調查到的數據輸入到數據挖掘系統中進行深入分析，為企業產品的市場營銷提供更加明確的營銷方向。

（三）各種先進技術在規避風險當中的應用

首先，數據挖掘技術在收集到企業相關財務數據之后可以定期向管理會計人員提出風險預警。并根據關聯規則數據挖掘當中的布爾關聯規則、類別關聯規則和數量關聯規則，對風險水平進行等級劃分，在確定風險等級之后根據數據分析風險發生的原因并給出相應的解決對策。通過關聯規則安全數據的交互性分析企業潛在的財務風險，并對財務風險的特征進行明確的描述和原因分析。此外，在運用數據挖掘技術的過程中，管理會計在系統中輸入企業各部門的財務數據之后，系統能夠智能化地根據不同業務部門的業務開展情況以及財務報表及時對潛在的風險進行預警，并構建企業經營過程當中的財務風險分析模型和層次樹。在第一層展示與財務風險相關的數據，在第二層對于企業財務風險有關的一些利潤率指標、投資回報率指標、流動性資金周轉率指標等進行分析，在第三層展示企業金融當中最具代表性的毛利率、凈利潤、每股收益、應收賬款周轉率等。在這些基礎的數據庫建立完成之后，通過采取各種各樣的技術在相應的層次上進行數據挖掘并找到財務指標的相關規律。最后，還可以采取支持閾值遞減的交互策略進行數據挖掘，這一策略實際上指的是每個層次上最小支持值的閾值，通常企業財務指標水平越低，對應的最小支持閾值就越小。通過挖掘不同層次財務數據之間的關聯規則有效防范將財務風險。

（四）對于消費群體進行數據挖掘

不論是何種企業，在進行管理會計分析時，對于消費者的關注都是必不可少的，消費者包括了下游生產者和直接的產品消費者。企業只有根據消費者的需求進行相應的生產，根據消費者的偏好改進產品包裝、提升生產技術、完善工藝才能使企業的生產經營越來越順暢，進一步提升企業所獲得的經濟效益。而現階段隨著市場競爭的越發激烈，市場上的產品也在向多元化發展，從企業的角度來說，消費者群體也呈現出越來越多樣化的特點，企業當中的傳統管理會計模式已經不能充分滿足企業對市場發展以及消費者分析的需求，這就需要數據挖掘技術的助力。管理會計的數據不像傳統的財務會計那樣只局限于企業發展過程中的歷史信息，它的數據庫能夠涵蓋市場當中整個行業的銷售信息，更加詳細直觀。在對消費者進行分析時，數據挖掘技術能從消費者的年齡、職業、性別、地區等多個方面進行資源整合，便于企業從多個角度出發對客戶的需求進行分析，在這樣龐大的數據基礎上，企業既可以根據消費者的年齡特征，采用不同的產品包裝吸引各個年齡段的消費者，也可以針對消費者所在地區打造具有地域特色的產品。此外，更重要的是還可以通過數據挖掘技術對于消費者群體當中涉及的其他相關企業進行信用評估、發展狀況分析等，據此來調整自己的市場發展策略，并且為向其他企業進行銷售時的信用水平界定提供相對準確的依據。

結語

綜上所述，隨著當前市場環境的不斷變化，各企業之間承受的競爭壓力也在逐步增加。在企業進行管理的過程中必須要不斷創新管理體制，引進先進的技術才能更好地推動企業發展。而數據挖掘技術作為信息化背景下發展迅猛的新技術，能夠從企業的財務狀況中發現和提取有價值的信息，并且對信息進行深入的加工和科學的利用，因此將數據挖掘技術應用到管理會計的過程中是企業發展壯大的必然途徑?；诖?，數據挖掘技術在管理會計中的應用不僅需要研究者們對其理論進行不斷的完善，還要基于理論知識在實踐中對管理會計技術和數據挖掘方法不斷創新，才能更好地利用數據挖掘技術進行專業的分析，充分挖掘企業自身潛力，實現企業的協調可持續發展。