基于數據挖掘的會計管理分析

王國全 首都經濟貿易大學

?

基于數據挖掘的會計管理分析

王國全 首都經濟貿易大學

摘 要：隨著計算機技術的飛速發展，會計管理也逐步實現了電算化，會計電算化管理過程中會產生了大量的數據，而這些數據包含了非常有用的潛在價值，值得分析研究。而對這些大量的數據進行分析，依賴于人工進行計算是不可能的，因此，基于數據挖掘和數據分析的管理技術便應運而生。本文首先介紹了在數據挖掘技術的基礎上，針對會計管理進行了分析，并闡述了其應用。

關鍵詞：數據挖掘 會計管理 分析

數據挖掘是指從超大量的計算機數據中，來發現和分析企業數據信息所具有的潛在價值，這個分析過程可以帶來巨大的價值，對企業的生產，經營，管理和風險評估有重要作用，極大地提高企業的管理和風險防范能力[1]。因此，數據挖掘技術被廣泛應用于企業管理，工業制造，政府，國防和國家安全等行業。據一項調查數據顯示，大約有30%的數據挖掘技術應用到會計管理領域，32%的數據挖掘技術應用到財務分析和管理領域，在信息系統和市場領域的數據分別為29%和9%。統計顯示數據挖掘技術已被廣泛應用于計費管理，它可以幫助企業分析和挖掘數據，以便從內部管理中找到更多的潛在客戶，供應商，潛在的市場和優化等，這將為企業提供更優化的管理基礎和運營模式，提升企業的整體實力，增強企業的市場競爭能力[2]。

一、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在計算機系統中，計算機系統已經在大量的數據分析和挖掘產生的有用的信息，然后得到所希望的信息或尋求某種趨勢和模式的有價值的過程。數據挖掘是現代統計，計算機算法，離散數學，信息處理系統，機器學習，人工智能知識，數據庫管理和決策理論和以及其他交叉的學科一起形成的[3]。它可以有效地從復雜的質量，有數據的實際應用找到相應的規律，獲得潛在的有價值的信息，幫助企業利用數據進行分析，幫助他們改善管理流程，并提供給管理者有參考價值的判斷。數據挖掘技術常用的算法主要有決策樹算法，聚類分析算法，蟻群算法，相關分析算法，序列模式分析，遺傳算法，神經網絡算法，這樣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 方法是目前在數據挖掘技術中最受歡迎的一種數據挖掘方法，它是由SAS 研究所提出的。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等五個數據挖掘步驟[4]。

數據樣本收集過程一般在數據儲備和數據挖掘過程之前，過程通常是按照預先設定的數據，有選擇地執行現有的數據庫挖掘所述的挖掘目的。此次收集過程主要是通過建立一個或多個數據表來實現的。收集不僅足以使這些數據作為能夠覆蓋所有潛在有價值的信息的樣本數據，而且還保持在一定的大小，以便防止計算機不能 處理或過程是很慢的。收集在處理的階段初步分析，通過對這些大量數據的初步分析以及大數據檢索處理為主的大型樣本數據，以找到在數據中隱藏的潛在價值，以幫助調整方向和數據挖掘的目標。數據調整過程主要是在前面兩個個過程獲得基本信息，然后用于進一步的篩選和修改，以使之更加清楚，有效，方便的后續建模過程中，以提高建立的數學模型的準確度。模型構建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，遺傳算法分析和神經網絡分析工具模型，尋找那些能夠從數據中收集的可以預測采樣結果和可靠的模型預測[5]。評價過程的挖掘結果主要是針對實用性，并且評估數據挖掘過程中的信息的可靠性。

二、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，企業管理者要贏得這場激烈的市場競爭，就必須及時準確地掌握企業運行動態，市場趨勢，產品發展趨勢等關鍵決策信息。而得到這個重要信息就要重視管理會計的作用，這是現代企業決策支持系統的重要組成部分，以及如何有效地，準確地發現這些關鍵數據已經成為制勝的關鍵決策，涉及到會計管理龐大的數據量，你必須分析這些海量的數據，從而可以獲取潛在的有價值的信息，必須使用數據挖掘技術來分析關鍵的決策信息，以幫助企業提高成本管理，提高產品質量和服務質量，提高商品的市銷率等[6]。

（一）作業成本及價值鏈的數據挖掘

運營成本精確控制可以幫助企業來精確計算企業的運營成本，企業資源最合理的配置和使用，但其精確的成本控制是非常復雜的，在過去的完成過程中需要花費大量的時間和經歷，難度非常大。數據挖掘技術的回歸分析，分類分析和管理會計主管人員的其他方法，從而可以釋放從大量的數據，它可以自動通過計算機數據挖掘系統獲得精確的工作成本。同時，它也可以對運營成本與價值鏈之間的關系進行分析，判斷增值作業和非增值作業，持續改進和優化企業的價值鏈。幫助企業降低運營成本，提高盈利能力。

（二）資金趨勢的數據挖掘

會計經理經常需要現金流的趨勢來預測未來的業務分析，以幫助制定下一財年的資本預算。但預測是基于歷史數據和大量相應的預測模型的。通過執行數學預測模型，而它是非常難以獲得的。為了克服這個問題，你可以充分利用數據挖掘技術，它可以自動提取大量的數據在根據預先設定的規則所要求的預測信息范圍內，并通過趨勢分析，時間序列分析，神經網絡分析，聚類分析，情報分析方法，在建立如成本，資金，銷售預測等數學模型來預測的運營指標的準確和高效的企業的基礎上，為未來的決策作為指導和參考。

（三）投資決策數據挖掘

現有的投資決策分析涉及復雜的因素，如財務報表，運營數據，資本流動，外部市場環境，宏觀經濟環境，依賴與其他企業的產品，這是一個非常復雜的過程，它需要與智能工具和模型。數據挖掘技術，提供了一個非常有效的投資決策的分析工具，它可以直接在分析數據的基礎上，從公司的財務，外部市場環境，宏觀經濟環境和企業產品數據的依賴等因素著手，在海量數據中挖掘有用的信息和有關決策確保投資決策的準確性和有效性。

（四）顧客關系管理數據挖掘

良好的客戶關系的管理模式對大公司

來說是非常重要的，這樣可以大大提高企業的競爭力。它是基于客戶關系管理模型并通過數據挖掘已經優化潛在的客戶關系管理模型，可以從現有的大規模的客戶關系管理數據進行分析。首先對客戶群體進行分類，然后利用聚類分析工具對數據挖掘技術進行分類來發現客戶群體行為的規律，使客戶群體得到差異化的服務并進行實施；對客戶的深入分析的潛在價值，一般來說，我們可以從客戶數據和客戶行為中挖掘出來客戶的需要和偏好等因素，而這些因素都是通過動態的跟蹤和監控，并提供根據產品的特點和個性化的服務，從而建立長期的客戶合作關系，提高客戶的忠誠度[7]。

（ 五） 財務風險數據挖掘

企業要健康長遠來發展，我們必須要加強對金融風險評估和分析警告。風險評估難度大，周期長的傳統模式，難以滿足企業的實際需求。在此基礎上，會計師可以通過建立企業財務危機模式的企業破產預測，盈利預測，投資預測，并利用數據挖掘工具共享的效率和準確性進行財務風險的預測和企業的綜合評估，并進一步進行其他方面的預測分析[8]。通過建立這些完美的預測模型，可以極大地提高企業的管理水平和管理人員的綜合素質，讓他們及時了解財務風險，運營風險，投資風險，并讓企業提前來改善企業的基礎，采取的風險防范措施。

三、結語

會計管理信息化的過程中會產生大量的數據， 這些數據都是企業巨大的潛在財富和價值，要充分利用好這個潛在財富價值，就必須找到相應的有利的工具。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可靠的依據，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。

參考文獻：

[1]李津.基于數據挖掘的會計管理與分析研究[J].北方經貿,2015,04:145+147.

[2]張繼東,廖青. 建立基于關聯規則數據挖掘的會計研究分析引擎[J].中國會計評論,2005,02:403-412.

[3]湯四新.基于流程管理觀的會計數據處理研究:數據分類、基本程序與價值挖掘[J].中國注冊會計師,2013,03:109-113.

[4]陳靖琳.數據挖掘技術在會計管理與分析的實用性研究[J]. 中國證券期貨,2010,12:54.

[5]翟坤.基于數據挖掘的成本管理方法研究[D].大連理工大學,2012.

[6]鄧慶山.基于數據挖掘技術的上市公司會計信息失真識別研究[D].江西財經大學,2009.

[7] 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)：121-123.

[8] 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)：87-88.