數據挖掘下的管理會計信息處理研究范文

本站小編為你精心準備了數據挖掘下的管理會計信息處理研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

[摘要]當代管理會計服務于企業內部控制的全部流程，因此會產生大量種類繁多的數據。從這些數據中識別出企業競爭狀況，用指標化的手段對企業的生產經營成果進行判斷，已經成為管理會計的核心目標和職能。數據挖掘本身作為從大批量、多種類的數據中挖掘到有用信息并且判斷趨勢或模式的過程，無論是其目標、職能還是其基本方法都對管理會計本身具有極高的適應性。本文論證數據挖掘過程和企業管理會計的目標、職能以及工作流程等方面的適應性，并且嘗試將數據挖掘的各種方法和企業管理會計的具體工作環節進行對接，從而構建起基于數據挖掘的管理會計方法體系。

[關鍵詞]數據挖掘；管理會計；企業管理；內部控制；信息處理

管理會計是以企業的內部管理和控制作為主要服務對象的會計工作形式。由于和財務會計在服務對象上存在根本性的差異，管理會計所關注和收集的信息往往并不僅僅局限于單一化的財務信息，所反映的內容也不僅僅是對企業經營成果的事后反應和監督。因此管理會計工作人員必然會面對更為復雜的信息，各種數據信息的含量將大大超出會計準則所規定的信息范圍，數據挖掘對管理會計的應用就產生于這種背景之下。

一、數據挖掘對管理會計的適應性分析

構建起基于數據挖掘的管理會計工作方法體系，首先要明確數據挖掘對管理會計工作的適應性，明確數據挖掘的方法和理念在管理會計中發揮作用的中心環節。

（一）與管理會計目標和對象的適應性

管理會計的目標是為企業內部的管理和控制提供信息支持。而管理會計工作人員收集和匯總各種信息的最終目的是基于以往的生產經營成果，對企業未來生產經營的形勢進行分析，從而為企業的戰略決策提供支撐作用。基于這樣的目的，管理會計本身并不僅僅要借助已有的會計準則，對企業經營狀況以賬面信息進行整理和收集，更需要完成從多樣的數據和非數據信息中進行總結、歸納、預測和判斷[1]。數據挖掘的核心目的是從數據信息中找到感興趣的部分，并且從其演變趨勢和構成模式等角度，對數據信息進行解讀。數據挖掘工作對趨勢預判的追求，和管理會計本身具有較高的貼合性。與此同時，數據挖掘工作并不人為地限定和排除被分析數據的類型，無論是可借助會計科目分析的財務數據還是非財務數據，乃至非數據信息，數據挖掘工作都不排斥[2]。因此，數據挖掘工作在目的、對象兩個方面與管理會計工作有較強的適應性。

（二）與管理會計工作流程的適應性

數據挖掘工作在信息選取和趨勢分析的過程中依賴的理論基礎和理念大量源于統計學。在所收集到的信息中，選取樣本推測總體的特征，檢驗觀察到的樣本是否和已知的總體從屬于同一類別，是數據挖掘工作的核心思想之一[3]。統計學中判斷兩類變量相關關系的方法也就自然成為數據挖掘的有力武器。所以，數據挖掘的具體方法和管理會計的具體工作流程有著較好的適應性。首先，數據挖掘方法中關于分類變量的劃分和相互關系識別的內容，對管理會計中財務信息、非財務信息等內容的處理具有較好的應對能力。數據挖掘工具對分類數據信息的一致性、獨立性和各分類變量之間的相關性的處理，能夠很好地幫助管理會計工作人員識別關鍵性的財務信息，并且將財務信息進行整合與合并，從而提取出關鍵性的信息。其次，數據挖掘的方法能夠通過回歸分析、多因素方差分析等方法的參數估計結果，確定各種信息之間的相關性，從而為管理者所關心信息的影響因素的識別帶來可能。參數估計本身是依托最小二乘、極大似然等統計方法產生的分析過程，其結果能夠直觀地表現出分類變量對連續變量、連續變量對連續變量的影響關系，一方面可以定性地識別出其對所分析對象產生正向還是反向的影響，另一方面則可以量化地體現出各指標變化對被觀察對象影響的強度[4]。由此，指標將可以從消極和積極兩個角度加以分類，并且可以根據參數估計值的大小識別關鍵性的指標。最后，數據挖掘過程的最終結果將能夠對管理會計的核心職能——預測提供強有力的幫助。在管理會計工作中，預測可以被劃分為已然狀況變化規模的預測、各種風險以及其他不確定因素變化概率的預測兩個部分。對于各種不確定因素變化可能性的預測，傳統管理會計手段難以達成目標。而數據挖掘工作中的各種以連續變量為自變量，以分類變量作為因變量的模型都能夠發揮作用，例如邏輯回歸模型本身就能夠對某個已被觀測對象發生的可能性進行預測和估計。

二、數據挖掘對確定信息管理會計分析的應用

管理會計的核心職能在于對企業管理各個流程的已有工作成果的監督和反饋、對企業經營狀況的遠期變化進行預測。在此背景下，數據挖掘的作用將會被大大強化。對于確定信息的管理會計分析而言，數據挖掘主要作用體現在成本變動分析、作業價值分析、市場預測和市場細分等方面[5]。

（一）成本變動分析和作業價值分析

成本變動分析和作業價值分析在管理會計分析中具有重要的地位，是管理會計中內部控制和管理分析的核心內容。兩者的觀察結果都可以作為連續變量的形式存在，而其影響因素也可以通過產品產量、要素投入量、工位作業狀況等確定信息加以衡量。因此，兩者均屬于確定信息的數據挖掘工作的范疇。

1.成本變動分析成本能夠通過財務信息的變動加以衡量，各項生產經營活動所產生的成本費用支出可以通過其所產生的顯性采購成本、工時成本和隱形的財務費用、管理費用和折舊費用來衡量。這些成本費用的變化均可以在不同時間節點上形成觀測值，因此根據會計科目設立指標，并且構建成本構成函數，就可以對成本加以衡量。但是管理會計角度的成本分析不僅僅局限于成本的加總和計算，對成本在遠期的變動以及成本和其他經營行為的可觀測變量的關系的分析更為重要。所以，在成本分析中應當著重體現出企業戰略選擇給成本帶來的變化，注入不易觀察的市場范圍的擴張、技術的革新、市場占有率的提升乃至于資本結構的變化給成本帶來的影響[6]。

2.作業成本分析作業價值分析不同于成本分析，整個價值鏈和企業的內部供應鏈所產生的最終生產經營績效和企業的各項經營管理活動之間難以完全建立起有效的函數關系。除了原材料、能源等費用和作業價值能夠建立起簡單的顯性聯系之外，行政管理、人力資源管理、技術創新和采購管理等方面的額外投入和價值鏈的最終績效之間的關系就需要進行更深入的挖掘。在需要進行采購時，上下游廠商之間的作業價值分析更能體現出上下游廠商的利潤和其他利益分配對整個價值鏈的最終效益的影響。上下游廠商之間進行一定的利潤轉移，削減價格，將有利于整個價值鏈的最終價格優勢的形成。但是上下游廠商之間的利潤轉移規模和價格減讓規模所產生的效果是不同的，這涉及外部資金流入之后，企業內部的技術革新和激勵提升等多個方面的內容，其形成機制難以直接觀察，需要建立起相應的數學模型對其加以擬合，實現參數的估計和測算，從而為整個價值鏈建立最優的作業價值分配、利潤分享模式。

（二）市場分析

企業市場管理的核心工作是根據消費者和客戶的需求和偏好，進行市場細分，并且以差異化的視角進行目標市場的定位和選擇。在這一過程中，在位廠商或者競爭對手已有的目標市場選擇也應當被著重分析。

1.針對單一產品的不同消費意愿的數據挖掘企業針對不同客戶人群，通過一定的方式識別其購買的偏好和意愿，將具有相同購買喜好的客戶整合進一個細分市場，能夠在極大程度上降低企業的各種營銷費用，同時大幅提升企業的市場占有率。為了最大可能地將客戶群體的購買意愿進行歸類，可以通過各種指標，以更為全面的角度對客戶的購買意愿進行數據化描述，并對各種數據進行加工處理。基于產品類別的不同，需要識別購買意愿的指標規模是不同的，進行數據挖掘的模型選取也會出現較大的差異。首先，當某個企業在設計產品性能時，如果只需要對單一的指標進行判別，例如對產品是否新增加某一單獨的屬性進行分析時，不同用戶群體的購買行為只需要通過對根據某一指標被劃分開來的兩類產品進行選擇，對某一產品屬性的某兩種特性進行判斷。企業設計產品性能時，便可以通過簡單的卡方分析識別其購買的意愿。

2.針對多個產品的消費意愿的數據挖掘對于眾多產品的生產企業而言，實現產品的系列化，就能夠進行關鍵零部件的批量生產，從而降低產品的生產成本。因此，通過對一組產品的消費偏好的系統化分析，可以準確地進行市場定位。在數據挖掘的過程中，一般可以采用多元統計分析中的R-Q因子分析的手段，對相關信息進行識別和挖掘。R-Q因子分析的作用，在對多個產品和多個客戶的消費意愿的選擇分析的應用中，主要體現為對具有相同或相近購買意愿和偏好的消費者進行歸類，從而實現降維。

三、數據挖掘對不確定信息管理會計分析的應用

在管理會計工作中，除了要對既有的經營信息進行識別和挖掘，從而對企業的生產經營成果進行反應和監督，并且為企業未來進一步的經營決策提供一定信息支持外，更需要通過既有的信息，對企業所面臨的各種風險因素的影響進行識別和判斷，幫助企業對財務投資等各方面的風險進行識別和預警、測量和判斷。以財務風險的預警為例，企業基于已有的會計信息，形成一定的分析模型，判斷各種生產經營財務和非財務指標的變化，最終給企業的經營風險所帶來的影響，應當成為管理會計信息利用的一個重要方向，可以主要使用邏輯回歸方法[8]。

四、結語

隨著大數據時代到來，海量數據處理在技術上得以實現。傳統的管理會計也應以更高要求適應時代的變化與發展，充分運用數據挖掘技術，為企業生產經營決策提供信息支持，幫助企業進行風險預判，使自身成為一門新知識，高質量，寬領域的技術研究型學科，在應用中進一步提升企業的科學管理質量和管理效率，以促使更多企業順應時代潮流，實現健康快速發展。

[參考文獻]

[1]韓存祥.大數據背景下數據挖掘應用于管理會計的相關研究[J].中國商論，2016（14）：168-169.

[2]張樹森.大數據時代數據挖掘對管理會計職能的影響[C].中國會計學會第十三屆會計信息化年會報告論文集,2014:5.

[3]王國全.基于數據挖掘的管理會計的分析研究[D].北京：首都經濟貿易大學，2016.

[4]胡旭峰.論大數據時代數據挖掘對管理會計職能的影響[J].財經界（學術版），2016(4):188.

[5]周航，孟巖.論管理會計中數據挖掘技術的應用[J].物流科技，2006（1）：135-136.

[6]王娟.數據挖掘技術在管理會計中的應用分析[J].中國市場，2016（7）：117-118.

作者：桂高山 單位：湖北廣播電視大學