数据挖掘下的管理会计信息处理研究范文

本站小编为你精心准备了数据挖掘下的管理会计信息处理研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

[摘要]当代管理会计服务于企业内部控制的全部流程，因此会产生大量种类繁多的数据。从这些数据中识别出企业竞争状况，用指标化的手段对企业的生产经营成果进行判断，已经成为管理会计的核心目标和职能。数据挖掘本身作为从大批量、多种类的数据中挖掘到有用信息并且判断趋势或模式的过程，无论是其目标、职能还是其基本方法都对管理会计本身具有极高的适应性。本文论证数据挖掘过程和企业管理会计的目标、职能以及工作流程等方面的适应性，并且尝试将数据挖掘的各种方法和企业管理会计的具体工作环节进行对接，从而构建起基于数据挖掘的管理会计方法体系。

[关键词]数据挖掘；管理会计；企业管理；内部控制；信息处理

管理会计是以企业的内部管理和控制作为主要服务对象的会计工作形式。由于和财务会计在服务对象上存在根本性的差异，管理会计所关注和收集的信息往往并不仅仅局限于单一化的财务信息，所反映的内容也不仅仅是对企业经营成果的事后反应和监督。因此管理会计工作人员必然会面对更为复杂的信息，各种数据信息的含量将大大超出会计准则所规定的信息范围，数据挖掘对管理会计的应用就产生于这种背景之下。

一、数据挖掘对管理会计的适应性分析

构建起基于数据挖掘的管理会计工作方法体系，首先要明确数据挖掘对管理会计工作的适应性，明确数据挖掘的方法和理念在管理会计中发挥作用的中心环节。

（一）与管理会计目标和对象的适应性

管理会计的目标是为企业内部的管理和控制提供信息支持。而管理会计工作人员收集和汇总各种信息的最终目的是基于以往的生产经营成果，对企业未来生产经营的形势进行分析，从而为企业的战略决策提供支撑作用。基于这样的目的，管理会计本身并不仅仅要借助已有的会计准则，对企业经营状况以账面信息进行整理和收集，更需要完成从多样的数据和非数据信息中进行总结、归纳、预测和判断[1]。数据挖掘的核心目的是从数据信息中找到感兴趣的部分，并且从其演变趋势和构成模式等角度，对数据信息进行解读。数据挖掘工作对趋势预判的追求，和管理会计本身具有较高的贴合性。与此同时，数据挖掘工作并不人为地限定和排除被分析数据的类型，无论是可借助会计科目分析的财务数据还是非财务数据，乃至非数据信息，数据挖掘工作都不排斥[2]。因此，数据挖掘工作在目的、对象两个方面与管理会计工作有较强的适应性。

（二）与管理会计工作流程的适应性

数据挖掘工作在信息选取和趋势分析的过程中依赖的理论基础和理念大量源于统计学。在所收集到的信息中，选取样本推测总体的特征，检验观察到的样本是否和已知的总体从属于同一类别，是数据挖掘工作的核心思想之一[3]。统计学中判断两类变量相关关系的方法也就自然成为数据挖掘的有力武器。所以，数据挖掘的具体方法和管理会计的具体工作流程有着较好的适应性。首先，数据挖掘方法中关于分类变量的划分和相互关系识别的内容，对管理会计中财务信息、非财务信息等内容的处理具有较好的应对能力。数据挖掘工具对分类数据信息的一致性、独立性和各分类变量之间的相关性的处理，能够很好地帮助管理会计工作人员识别关键性的财务信息，并且将财务信息进行整合与合并，从而提取出关键性的信息。其次，数据挖掘的方法能够通过回归分析、多因素方差分析等方法的参数估计结果，确定各种信息之间的相关性，从而为管理者所关心信息的影响因素的识别带来可能。参数估计本身是依托最小二乘、极大似然等统计方法产生的分析过程，其结果能够直观地表现出分类变量对连续变量、连续变量对连续变量的影响关系，一方面可以定性地识别出其对所分析对象产生正向还是反向的影响，另一方面则可以量化地体现出各指标变化对被观察对象影响的强度[4]。由此，指标将可以从消极和积极两个角度加以分类，并且可以根据参数估计值的大小识别关键性的指标。最后，数据挖掘过程的最终结果将能够对管理会计的核心职能——预测提供强有力的帮助。在管理会计工作中，预测可以被划分为已然状况变化规模的预测、各种风险以及其他不确定因素变化概率的预测两个部分。对于各种不确定因素变化可能性的预测，传统管理会计手段难以达成目标。而数据挖掘工作中的各种以连续变量为自变量，以分类变量作为因变量的模型都能够发挥作用，例如逻辑回归模型本身就能够对某个已被观测对象发生的可能性进行预测和估计。

二、数据挖掘对确定信息管理会计分析的应用

管理会计的核心职能在于对企业管理各个流程的已有工作成果的监督和反馈、对企业经营状况的远期变化进行预测。在此背景下，数据挖掘的作用将会被大大强化。对于确定信息的管理会计分析而言，数据挖掘主要作用体现在成本变动分析、作业价值分析、市场预测和市场细分等方面[5]。

（一）成本变动分析和作业价值分析

成本变动分析和作业价值分析在管理会计分析中具有重要的地位，是管理会计中内部控制和管理分析的核心内容。两者的观察结果都可以作为连续变量的形式存在，而其影响因素也可以通过产品产量、要素投入量、工位作业状况等确定信息加以衡量。因此，两者均属于确定信息的数据挖掘工作的范畴。

1.成本变动分析成本能够通过财务信息的变动加以衡量，各项生产经营活动所产生的成本费用支出可以通过其所产生的显性采购成本、工时成本和隐形的财务费用、管理费用和折旧费用来衡量。这些成本费用的变化均可以在不同时间节点上形成观测值，因此根据会计科目设立指标，并且构建成本构成函数，就可以对成本加以衡量。但是管理会计角度的成本分析不仅仅局限于成本的加总和计算，对成本在远期的变动以及成本和其他经营行为的可观测变量的关系的分析更为重要。所以，在成本分析中应当着重体现出企业战略选择给成本带来的变化，注入不易观察的市场范围的扩张、技术的革新、市场占有率的提升乃至于资本结构的变化给成本带来的影响[6]。

2.作业成本分析作业价值分析不同于成本分析，整个价值链和企业的内部供应链所产生的最终生产经营绩效和企业的各项经营管理活动之间难以完全建立起有效的函数关系。除了原材料、能源等费用和作业价值能够建立起简单的显性联系之外，行政管理、人力资源管理、技术创新和采购管理等方面的额外投入和价值链的最终绩效之间的关系就需要进行更深入的挖掘。在需要进行采购时，上下游厂商之间的作业价值分析更能体现出上下游厂商的利润和其他利益分配对整个价值链的最终效益的影响。上下游厂商之间进行一定的利润转移，削减价格，将有利于整个价值链的最终价格优势的形成。但是上下游厂商之间的利润转移规模和价格减让规模所产生的效果是不同的，这涉及外部资金流入之后，企业内部的技术革新和激励提升等多个方面的内容，其形成机制难以直接观察，需要建立起相应的数学模型对其加以拟合，实现参数的估计和测算，从而为整个价值链建立最优的作业价值分配、利润分享模式。

（二）市场分析

企业市场管理的核心工作是根据消费者和客户的需求和偏好，进行市场细分，并且以差异化的视角进行目标市场的定位和选择。在这一过程中，在位厂商或者竞争对手已有的目标市场选择也应当被着重分析。

1.针对单一产品的不同消费意愿的数据挖掘企业针对不同客户人群，通过一定的方式识别其购买的偏好和意愿，将具有相同购买喜好的客户整合进一个细分市场，能够在极大程度上降低企业的各种营销费用，同时大幅提升企业的市场占有率。为了最大可能地将客户群体的购买意愿进行归类，可以通过各种指标，以更为全面的角度对客户的购买意愿进行数据化描述，并对各种数据进行加工处理。基于产品类别的不同，需要识别购买意愿的指标规模是不同的，进行数据挖掘的模型选取也会出现较大的差异。首先，当某个企业在设计产品性能时，如果只需要对单一的指标进行判别，例如对产品是否新增加某一单独的属性进行分析时，不同用户群体的购买行为只需要通过对根据某一指标被划分开来的两类产品进行选择，对某一产品属性的某两种特性进行判断。企业设计产品性能时，便可以通过简单的卡方分析识别其购买的意愿。

2.针对多个产品的消费意愿的数据挖掘对于众多产品的生产企业而言，实现产品的系列化，就能够进行关键零部件的批量生产，从而降低产品的生产成本。因此，通过对一组产品的消费偏好的系统化分析，可以准确地进行市场定位。在数据挖掘的过程中，一般可以采用多元统计分析中的R-Q因子分析的手段，对相关信息进行识别和挖掘。R-Q因子分析的作用，在对多个产品和多个客户的消费意愿的选择分析的应用中，主要体现为对具有相同或相近购买意愿和偏好的消费者进行归类，从而实现降维。

三、数据挖掘对不确定信息管理会计分析的应用

在管理会计工作中，除了要对既有的经营信息进行识别和挖掘，从而对企业的生产经营成果进行反应和监督，并且为企业未来进一步的经营决策提供一定信息支持外，更需要通过既有的信息，对企业所面临的各种风险因素的影响进行识别和判断，帮助企业对财务投资等各方面的风险进行识别和预警、测量和判断。以财务风险的预警为例，企业基于已有的会计信息，形成一定的分析模型，判断各种生产经营财务和非财务指标的变化，最终给企业的经营风险所带来的影响，应当成为管理会计信息利用的一个重要方向，可以主要使用逻辑回归方法[8]。

四、结语

随着大数据时代到来，海量数据处理在技术上得以实现。传统的管理会计也应以更高要求适应时代的变化与发展，充分运用数据挖掘技术，为企业生产经营决策提供信息支持，帮助企业进行风险预判，使自身成为一门新知识，高质量，宽领域的技术研究型学科，在应用中进一步提升企业的科学管理质量和管理效率，以促使更多企业顺应时代潮流，实现健康快速发展。

[参考文献]

[1]韩存祥.大数据背景下数据挖掘应用于管理会计的相关研究[J].中国商论，2016（14）：168-169.

[2]张树森.大数据时代数据挖掘对管理会计职能的影响[C].中国会计学会第十三届会计信息化年会报告论文集,2014:5.

[3]王国全.基于数据挖掘的管理会计的分析研究[D].北京：首都经济贸易大学，2016.

[4]胡旭峰.论大数据时代数据挖掘对管理会计职能的影响[J].财经界（学术版），2016(4):188.

[5]周航，孟岩.论管理会计中数据挖掘技术的应用[J].物流科技，2006（1）：135-136.

[6]王娟.数据挖掘技术在管理会计中的应用分析[J].中国市场，2016（7）：117-118.

作者：桂高山 单位：湖北广播电视大学