从管理会计师角度看待大数据和商业智能.docVIP

从管理会计师角度看待大数据和商业智能 　　业界将大数据和商业智能（BI）视为商业信息数据收集和分析的驱动器，对它们的讨论一直不绝于耳，且有越演越烈之势。大数据这个术语最早形成于20世纪90年代，用以形容企业数据的快速增长。商业智能是指利用数据分析和数据挖掘等工具来进行大数据分析的应用和流程。随着大数据和商业智能成为组织战略和运营不可或缺的部分，这种动态的技术革命将在未来的十年时间内改变会计师的职业生涯。 中国论文网 /3/view-7220137.htm 　　大数据真的“非常庞大” 　　大数据将继续以几何级的速度不断膨胀。根据IBM的估计，每天生成的数据高达2.5艾字节（250万太字节），也就是2，500，000，000，000，000，000字节，相当于美国国会图书馆每天印刷品收藏数量的25万倍。我们用以下参数对大数据进行进一步描述：就体积而言――异常庞大；就速度而言――每天都在更新和变化；就多样性而言――具有多种格式；就有效性而言――非常精确；就价值而言――的确有用；就位置而言――本地化；就词汇而言――需结合具体环境。大数据概念的复杂性在于，对组织而言这是一项艰巨考验，因为面对如此庞大的信息量，筛选信息就好比大海捞针，要消费这些数据是一项艰巨的挑战，需要过滤和识别，并进行分析，而后加以应用以期为组织创造价值。正如你所了解的，管理会计师的关键职能就是为组织创造价值，接下来让我们看看大数据是如何创造价值的。 　　一项新资产 　　现金、存货和固定资产等是真实存在、能为组织创造价值的资产。现在，我们必须扩展这种传统的资产概念，将大数据的价值主张和后续分析都纳入其中。相较于传统资产，虽然大数据无法资本化，但它具有潜在的“虚拟资产价值”。这项新资产不是有形资产，代表的是能为组织带来的未来价值，超出了传统资产的价值定义。如果组织能够识别数据，加以分析利用并提供商业智能，为组织战略提供支撑，那么这些数据就是一项资产――“虚拟资产”。组织需详细审查所收集的大数据，明确数据分析如何为组织创造价值。如果在收集数据时没有清晰的目的，没有明确的数据分析目标，组织不可能对庞大的数据进行管理，那么所做的一切都是无用功。组织必须为大数据收集和分析工作构建数据分析投资回报模型，但要面临的一个重大挑战就是数据及其来源已经发生了巨大的变化。 　　数据无国界 　　管理会计师的传统职责就是管理和分析组织内部所生成的数据和信息，并将关注重点放在财务信息上。大数据打破了组织的数据边界，提供了其他数据来源，为组织打开了全球数据世界的窗口，这其中既有财务数据，也有非财务数据。互联网让组织能够访问丰富而庞大的数据源，查阅结构化和非结构化数据。例如，只需轻点几下鼠标你就可以访问美国证券交易委员会（SEC）所收集到的10万多份可扩展商业报告语言（XBRL）格式的财务报表材料。其他数据格式还包括视频、电子邮件、推特和传感器（如位置跟踪装置）。组织需要解决的难题就是如何获取这些信息以及如何利用信息为组织谋利。商业智能的作用正在于此。 　　商业智能 　　商业智能的范围广泛，涵盖了一系列可访问、挖掘和分析大数据的分析流程和工具。商业智能的目标是执行数据分析并用于决策制定，因为更好的信息和分析是提高组织绩效和盈利能力的关键。许多组织拟采用定制化的商业智能解决方案，新一代的商业智能工具则易于操作，具有更高的成本效益，并且许多工具可以直接从电脑桌面加载。例如，微软为Excel和Office365所开发的商业智能工具Power BI，它可以访问云端数据，执行业务建模，与Office365进行协作，并提供实时可视化功能。这个工具目前的价格仅为五年前的几分之一。最重要的是，管理会计师在执行数据分析时无需再求助于IT。商业智能代表了管理会计师数据分析思维定式的转变和预测分析的兴起。 　　预测分析 　　会计师的传统做法就是对过去的财务成果数据进行切割和分析，并以此作为未来规划的基础。事后分析已经落伍，而利用大数据的商业智能预测分析正方兴未艾，它改变了游戏规则――允许组织通过数据棱镜来分析和管理战略。Gartner Group认为，预测分析具有四个特点：专注于预测、分析快速、可分析关联业务、提供用户界面友好的工具。预测分析满足了实时分析需要，并能用于决策制定。预测分析不是一种特定的电子表格分析，而是一个精巧的规划工具，它设计精妙，可详细审查业务信息和数据，深入探索信息，充分利用组织的数据资产来制定战略。预测分析的复杂性和高质量可以降低管理会计师制定错误决策的风险，直接为组织创造效益。Gartner Group预测，企业如果使用预测分析，到2017年，其投资回报率将提高20%（/newsroom/id/2650815）。根本不存在普遍适用的预测分析解决方案。管理会计师需要在制定个性化衡