基于數據挖掘的會計管理與分析研究

李津

（唐山市住房和城鄉建設局房屋產權監理處,河北唐山063000）

基于數據挖掘的會計管理與分析研究

李津

（唐山市住房和城鄉建設局房屋產權監理處,河北唐山063000）

隨著計算機技術的飛速發展，會計管理也逐步實現了計算機化，計算機進行會計管理過程中會產生大量的數據，而這些數據含有很寶貴的潛在價值，值得去進行分析。而要對這些大數據進行分析，光依賴人工是無法實現的，因此，基于數據挖掘技術的匯集管理與數據分析便應運而生。本文在介紹數據挖掘技術的基礎上，闡述了其在會計管理與分析中的應用研究。

數據挖掘；會計管理；信息系統；應用

一、引言

數據挖掘就是指從超大量的計算機數據中尋找和分析對企業有潛在價值的數據信息的步驟，該過程可以為企業的生產、經營、管理和風險評估帶來巨大的價值，大大提高企業的管理水平和風險防御能力。因此，數據挖掘技術被廣泛應用于企業管理、生產制造、政府管理、國家安全防御等各行各業中。據某調查數據顯示大約有30%的數據挖掘技術被應用于會計管理領域中，32%的數據挖掘技術被應用于金融分析與管理領域，用在信息系統和市場領域分別占29%和9%，該數據顯示數據挖掘已經廣泛應用于會計管理中，其可以幫助企業分析和挖掘出更多潛在的客戶、供貨商、潛在產品市場以及內部管理的優化數據等等，這些都將為企業提供更優化的管理依據和運營模式，以提高企業的綜合實力，增強其在市場中的競爭力。

二、數據挖掘技術概述

（一）數據挖掘的基本定義

數據挖掘是通過某種算法對計算機系統中已經生成的大批量數據中進行分析和挖掘，進而得到所需有價值的信息或者尋求某種發展趨勢和模式的過程，數據挖掘是將現代統計學、計算機算法、離散數學、信息處理系統、機器學習、人工智能、數據庫管理和決策理論等多學科的知識交叉在一起所形成的。它可以有效地從海量的、繁雜的、毫無規律的實際應用數據中，分析得到潛在的有價值的數據信息，以供企業使用，幫助其改善管理流程，并為管理者做判斷時提供有價值的參考。決策樹算法、聚類分析算法、蟻群算法、關聯分析算法、序列模式分析算法、遺傳算法、神經網絡算法等都是數據挖掘技術中常用的算法，可以大大提高數據挖掘的效率和質量。

（二）數據挖掘的基本流程

SEMMA方法是目前最受歡迎的一種數據挖掘方法，其由SAS研究所提出。它主要包括數據樣本采集、大數據搜索、數據調整、模型建立和挖掘結果評價五個數據挖掘步驟。

數據樣本采集過程是在數據挖掘之前進行的數據儲備過程，該過程一般是先根據預先設定的數據挖掘目的，選定要進行挖掘的的現有數據庫。采集過程主要是通過建立一個或多個數據表來實現的。所采集的樣本數據不僅要足夠多，以使得這些數據盡可能涵蓋所有可能有價值的潛在信息，還要保持在一定的數量級下，以防止計算機無法處理或者處理很慢。大數據搜索過程主要是對上一階段所采集的大樣本數據進行初步分析的過程，通過對這些海量數據進行初步分析以發現隱藏在數據中潛在價值，從而幫助調整數據挖掘的方向和目標。數據調整過程主要是對前面兩個過程所得到基本信息進行進一步的篩選和修改，使其更加清有效，方便后續進行建模處理，提高所建數學模型的精度。模型建立過程主要是通過決策樹分析、聚類分析、蟻群算法、關聯分析、序列模式分析、遺傳算法分析、神經網絡等分析工具來建立模型，從采集的海量樣本數據中尋找那些能夠對預測結果進行可靠預測的模型。挖掘結果評價?過程主要是對從數據挖掘過程中發現的信息的實用性和可靠性進行評估。

三、數據挖掘在管理會計中的運用

隨著市場經濟的發展，企業所面臨的競爭壓力越來越大，因此，企業管理者要想在這激烈的競爭中獲勝，就必須及時精準的掌握企業運行動態，市場動態，產品趨勢等關鍵性決策信息。而這些關鍵信息的獲取往往離不開會計管理的作用，其是現代企業決策支持系統的重要環節，而如何來高效準確地發現這些關鍵性決策數據就成為制勝的關鍵，在會計管理中涉及到海量的數據，必須對這些海量數據進行分析，才可以得出有價值的潛在信息，這就必須借助數據挖掘技術，以分析出關鍵決策信息，幫助企業改進成本管理，改進產品質量和服務質量，提高貨品銷量比率等等。

（一）作業成本及價值鏈數據挖掘

作業成本的精確控制可以幫助企業對自己的各項運營成本進行精確的計算，并對企業資源進行最合理的分配和使用，但其精確的成本控制卻十分繁雜，以往完成一次需要耗費大量的時間和經歷，這一難點使得很多管理者退卻。而數據挖掘技術中的回歸分析、分類分析等方法可以是管理會計人員從海量數據中解脫出來，其可以通過計算機數據挖掘系統自動的得到準確作業成本。同時，其還可以通過分析作業成本與價值鏈之間存在的關系，確定增值作業和非增值作業，持續改進和優化企業價值鏈。幫助企業降低運營成本，提高企業利潤，

（二）資金趨勢數據挖掘

會計管理者往往需要對未來的企業的資金流發展趨勢進行預測分析，以幫助制定下一財年的資金預算。但是預測往往是基于海量歷史數據和合適的預測模型的。而數學預測模型通過人工得到是十分困難的。為了克服這個難題，可以充分利用數據挖掘技術，其可以自動在海量數據中按照預設的規則提取所需的預測信息，并通過趨勢分析、時間序列分析、神經網絡分析、聚類分析等智能分析方法來建立對如成本、資金、銷量等的預測數學模型，高效精準的預測出企業各項運營指標，作為管理者未來的決策依據。

（三）投資決策數據挖掘

現有的投資決策分析涉及到財務報告、運營數據、資金流、外部市場環境、宏觀經濟環境、企業產品依存度等繁雜的因素，其是一個十分復雜的過程，所以必須借助智能工具和模型。而數據挖掘技術就為投資決策分析提供了十分高效的工具，通過基于數據挖掘的分析工具可以直接從公司的財務、外部市場環境、宏觀經濟環境以及企業產品依存度等海量的影響因素數據中挖掘出與決策相關的有用信息，保證投資決策的正確性和有效性。

（四）顧客關系管理數據挖掘

良好的顧客關系管理模式是各大企業都十分重視的，其可以大大提高企業競爭力?；跀祿趽念櫩完P系管理模式可以從現有的海量顧客關系管理數據中分析得到潛在的優化客戶關系管理模式。先將顧客群體進行分類，通過對數據挖掘技術中的分類和聚類分析工具來發現群體顧客的行為規律，從而對顧客進行分組，實行差別化服務；然后對顧客的潛在價值進行深入分析，一般可以從客戶數據信息中挖掘出客戶的消費行為、需求以及偏好等因素，并對這些因素進行動態跟蹤和監控，并根據不同的顧客群的特點提供個性化的產品和服務，從而與顧客建立長期的合作關系，提高顧客保持力。

（五）財務風險數據挖掘

企業要健康長久的運行，必須加強對財務風險的評估和分析預警。傳統模式的風險評估難度大，周期長，很難滿足企業的實際需求?；诖耍瑫嫀熆梢猿浞掷脭祿诰蚬ぞ叻蓊~高效性和精確性來對企業的財務風險進行全面預測和評估，并進一步通過建立企業財務危機預警模型來對企業進行破產預測、盈利預測、投資預測等等預測分析。通過建立這些完善的預測模型可以大大提高管理者的管理水平，讓其及時了解企業的財務風險、運營風險、投資風險，并為其提前采取風險防范措施提高依據。

四、結語

會計管理信息化的過程中會產生大量的數據，其是企業巨大的潛在財富，要充分利用好這個潛在財富，就必須找到有利的工具。而數據挖掘技術則可以高效地從這些海量的數據中挖掘出對企業有價值的潛在信息，以為管理者的各項決策和控制提供依據，因此，會計管理人員要加強對數據挖掘技術的學習和應用，為企業的發展注入新的活力。

[1] 莊秋捷.數據挖掘技術在管理會計中的應用[J].現代商業，2010(3).

[2]楊 釗.淺談數據挖掘技術在現代企業財務分析中的作用[J].中國總會計師，2010(4).

[3] 王春華.淺談數據挖掘在管理會計中運用[J].中國新技術新產品，2008(16).

[4] 歐陽君媛,聶永紅.數據挖掘在企業財務管理中的應用——企業成本及財務指標分析系統的設計[J].廣西工學院學報，2005(S3).

[5]鄭樓英.數據挖掘技術在會計信息系統中的應用初探[J].財會研究，2007(6).

[6]邊 泓.投資者在不同市場環境中的會計信息需求特征——基于前景理論和數據挖掘的實證研究[J].南開管理評論，2007(4)

[7] 張志恒,陳 旭.數據挖掘技術在會計信息系統中的應用究[J].中國管理信息化，2006(2).

[8]曲吉林.數據挖掘在財務領域中的應用[J].山東財政學院學報，2006(1).

［責任編輯：王 帥］

F235

A

1005-913X（2015）04-0145-01

2015-02-16

李 津（1982-），男，河北灤縣人，會計師，研究方向：會計學。