数据挖掘技术在会计信息系统中应用探析.docVIP

数据挖掘技术在会计信息系统中应用探析一、管理、决策型会计信息系统具有的特点 1、实现功能综合化和技术集成化。 企业的生产经营活动，是一个相互联系、相互制约的有机整体。财务部门从价值方面综合反映和监督企业的财务状况和经营成果，而购销存等业务部门是从实物的转移等方面影响企业的财务状况和经营成果。因此，该系统是把财务系统作为一个核心子系统，实现工资、固定资产、购销存、人事、财务管理、财务分析决策支持系统与内部控制系统等为一体的功能综合化、技术集成化的信息系统。 2、系统内部数据大量化 根据会计制度的规定，重要财务数据、报表等必须保留十年以上，系统中包含大量的时间跨度性很长的数据。因此，系统的数据大量化甚至海量化。 3、分析决策能力要求增强化 利用各种先进技术对系统中的海量数据进行集中、存储、归类、重组、分析、查询等处理，满足事前预测、事中控制的管理需求，同时对各项数据进行多角度、多层次的分析与观察，向企业决策者提供及时、可靠的财务、业务等数据信息，帮助决策者对未来经营方向和目标进行量化的分析和论证，从而做出科学的决策是企业经营者对系统的分析决策能力提出的新要求。 4、系统输出多元化 传统的输出方式是按月、季、年等会计期间提供信息，为提高信息的及时性，满足日益提高的管理需求，会计信息系统可以按旬、周、日输出：还可根据实时处理的结果，随时输出管理上需要的信息：亦可针对不同的需求对象，通过与用户产交互，输出各种内容特殊、专业性强的专用报表和信息。 根据以上特点，目前大部分会计信息系统的财务分析、财务管理、会计决策支持系统已不能很好地满足企业经营者的要求。面对所积累的海量数据凭传统的方式难以全部掌握，存在信息丢失、真伪难辨等现象，很容易造成误导。为此，数据挖掘应运而生，并在金融、医学等领域得以迅速地应用与推广。同样，将数据挖掘技术应用于会计信息系统中，在现有的核算、管理功能的基础上增加数据挖掘功能模块是会计信息系统发展的又一新方向。 二、数据挖掘技术简介 (一)数据挖掘的概念 数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的、潜在有用的信息的非平凡过程；数据挖掘是统计学、人工智能、计算机技术、建模技术、电子技术、信息技术等不同学科、不同领域的思想交汇和结合的一种技术。此外，数据库系统提供有效地存储、检索和查询处理支持也是对它的重要支撑。 (二)数据挖掘的功能 1、分类：分类是最常见的数据挖掘功能之一，分类包括考察一类新出现的对象的特征，并归类到已定义类中。分类的对象通常表示为数据库表或者文件中的记录，分类工作包括向数据库添加一个新列，并给出某种分类代码。在数据挖掘技术中，决策树和最近邻近技术都能很好地用于分类。神经网络和链接分析也是在某些情况下对分类有用的方法。 2、估计：输入一组数据，估计给出一个未知连续变量的值，如通过账簿各科目的发生额、余额等连续的数据，可以估计本企业的利润总额。在数据挖掘技术中，回归模型和神经网络都非常适合估计任务。如果目的是估计一个事件的时间，生存分析也非常适合估计任务。 3、预测：预测的任务是根据其他属性的值，预测特定属性的值。被预测的属性一般称 目标变量或因变量，而用来做预测的属性称说明变量或自变量。预测与分类和估计一样，但其中记录的分类依据是一些预测的未来行为或者估计的未来值。把预测从分类和估计中分离为单独的任务，主要是由于在预测建模时，存在其他关于输入变量的时序关系或者目标变量的预测问题。 4、关联分析：关联分析的任务是用来发现描述数据中强关联特征的模式，所发现的模式通常用特征子集或蕴涵规则的形式表示。 5、聚类分析：聚类分析旨在发现紧密相关的观测值组群，使得与属于不同簇的观测值相比，属于同一簇的观测值相互之间尽可能类似。聚类与分类的区别在于聚类不依赖于预先定义的类，而分类是以训练预分类样本构建的模型为基础，把每条记录分配到一个预定义的类中。 6、异常检测：异常检测的任务是识别其特征显著不同于其他数据的观测值，即异常点或离群点。异常检测的应用包括检测欺诈、网络攻击、疾病的不寻常模式等。 三、数据挖掘技术在会计信息系统中的应用 目前，数据挖掘技术在会计信息系统中的应用主要体现在：一是财务状况的判断，利用数据挖掘分类、预测等技术根据企业过去、现在的财务信息判断目前的财务状况、预测未来的财务状况：二是财务危机预警，利用回归、神经网络等技术根据收集到的企业信息资料，判断企业未来发生财务危机的可能性：三是客户关系管理，利用分类、聚类、生存周期等技术跟踪不同客户的行为特征，确定不同客户群．针对不同客户实施差异化的营销策略：四是供应商的选择，通过分类等技术跟踪原料的供货信息，并收