大数据分析在管理会计的应用分析.docVIP

大数据分析在管理会计的应用分析 【摘要】大智移云背景下，数据的深度挖掘在管理会计中发挥着越来越重要的作用。分析学将企业的数据分析分为三个层次：描述性分析学、预测性分析学、指向性分析学，为企业数据分析提供了新思路。为更好地应用分析学，并将战略融入到企业的各项活动，文章提出在企业中，以平衡计分卡为框架，对其各视角应用分析学的方法，从而使企业的数据分析时刻围绕着企业战略展开，强化管理会计对企业决策的支持作用。 【关键词】大数据；分析学；平衡计分卡 一、引言 在大智移云背景下，有价值的数据无处不在，管理会计师处理的数据不应再局限于企业内部经营数据，而是要广泛利用外部数据，进行内外部数据的挖掘利用。与此同时，管理会计师处理数据的方式也需要与时俱进，不应再局限于描述性分析和简单的趋势预测。分析学可以简单定义为“发掘数据中有意义的规律”，是利用分析工具、技术以及原理来解决复杂的商业问题。在企业信息化环境下，管理会计师可以利用数据分析技术从内部和外部数据源提取分析数据，来回答发生了什么（描述性分析学），将会发生什么（预测性分析学），优化的解决方案是什么（指向性分析学）。可见，分析学为管理会计师的数据处理提供了新的思路。基于平衡计分卡视角，用分析学来进行数据挖掘，是将分析学的三个层次（描述性、预测性、指向性）应用于平衡计分卡的财务、客户、内部流程、学习与成长等四个视角来对企业进行绩效考核，保证了企业发展状况的描述、预测、优化一直围绕着企业战略展开，便于在环境改变的情况下及时调整企业发展战略，以促进企业的可持续发展。 二、理论基础 （一）大数据。大数据来源广泛，包括博客、RFID标签、社交网络、基于互联网的文本文档、视频档案、摄影档案、科学实验、活动记录等［1］。企业中的大数据来源分为3类：第一类是来源于企业中的筹资活动、投资活动和经营活动的数据，它们是数据的传统来源。第二类是互联网和社交媒体产生的数据，它们对于企业来说潜在价值最高，但是因为这些数据比较复杂，且大部分数据是非结构化的，需要对其进行文本挖掘，从中提炼出有价值的信息和知识，然后再利用数据挖掘技术和工具进行分析。第三类是机器产生的数据，现在很多前端的数据收集系统已经实现了自动化，各种机构都可以收集到庞大丰富的数据，这将是未来数据的主体。（二）分析学。分析学可以通过数据报告分析研究对象的发展趋势，创建预测模型，为优化企业工序提高绩效服务，从而帮助企业实现商业目标。分析学的应用涉及到企业的众多部门和职能，甚至可以覆盖整个企业活动。IN?FORMS为分析学划分的三个层次，得到了业界领袖、学术机构的广泛认可［2］。图1中展示了分析学的三大分类，包括每一层级要回答的问题和所用的分析技术类型。由于大数据具有数量大、种类多、流动速度快的特点，具体的挖掘分析需要运用先进的算法，利用分析学中的先进技术水平无疑是最好的选择。在描述性分析学阶段，只是向决策者定期传达企业“发生了什么？”以及“正在发生什么？”，在这一阶段大多是采用图表的形式将企业数据呈现在决策者面前；在预测性分析学阶段，企业会思考“未来会发生什么？”这个预测是建立在历史数据的基础上；在指向性分析学阶段，企业利用复杂的数学模型确定解决问题的最佳方案，回答企业“应该做什么？”的问题［3］。分析学的三个层次是逐渐上升的，现在很多企业管理会计的应用仍停留在描述性分析学及简单的预测性分析学方法上，指向性分析学的应用则是少之又少。（三）平衡计分卡。平衡计分卡从四个视角衡量企业绩效：（1）财务视角，描述“利益相关者所期望或要求的财务成果是什么？”（2）客户视角，回答“我们的目标客户是谁？”“他们的期望是什么？”“我们的价值主张是什么？”（3）内部流程视角，分析“为了能为客户创造价值，我们需要在哪些流程上高效运营？”（4）学习与成长视角，考察“我们能否继续创造价值？”图2中的框架使平衡计分卡的应用不再局限于衡量企业绩效，还可以通过预测性分析学和指向性分析学对企业未来绩效进行预测和改进，为未来的管理层决策提供重要的数据支持。 三、分析学在平衡计分卡中的应用 平衡计分卡的各个视角相互影响，相互促进。学习与成长衡量公司推出新产品的能力、为客户创造更多价值的能力、继续提高企业效率的能力，这些使人力资源和信息技术与战略要求相一致，而这些战略要求来源于企业的关键内部商业流程、差异化的价值主张、客户关系，最终影响企业的经营成果。分析学在平衡计分卡的框架下应用可以契合企业战略，为管理层提供更加具体的决策信息，促进企业可持续发展。（一）财务视角。从商业企业追逐利润开始，企业的重点就已经是通过在驱动收入增长和增强成本控制之间实现创造性的平衡，来提高股东价值。其中，收入的增长通常通过两个方式来实现：