基于大數據分析技術的管理會計系統重構

吳 勇（副教授），陳 慧，朱衛東（博士生導師）

一、引言

以互聯網、大數據、云計算和人工智能為主要內容的新一代信息技術的廣泛滲透，使得企業可以更加便捷、高效地采集來自云端、網頁、視頻、電子郵件、社會媒體、生物及工業傳感器等多種來源的資料，通過對不同來源（內部和外部）和多種形式（結構化、半結構化和非結構化）的海量數據進行適當的提取、轉換及加載（Extract，Transform，and Load，ETL），能夠為企業分析市場趨勢、客戶偏好和潛在市場等提供有價值的決策信息，有助于企業洞悉商業機遇、改善業務模式和創造新價值[1]。挖掘數據價值，不僅需要模型、方法、工具，更重要的是需要分析數據的專業人士，未來的數據分析師、價值分析師更可能來自管理會計師，這是因為他們具備價值思維、數據思維。基于大數據的管理與分析已成為企業重要的差異化競爭戰略，是提升企業核心競爭力的重要手段。例如，亞馬遜、IBM（International Business Machines Corporation）、SAS（Statistical Analysis System）和阿里等企業已成功應用大數據分析技術來提高公司的經營績效與管理質量[2]。

為了更好地將大數據分析技術應用于企業經營管理決策，亟需管理大型、多元、分布式、異構的海量數據集，以提取、分析、利用對于企業經營管理決策有用的信息。管理會計作為服從和服務于企業經營管理活動的重要工具，大數據在為管理會計發展帶來巨大機遇的同時，也對其提出了更高的要求。工業4.0 強調大數據的綜合運用，在研發、生產、倉儲、營銷、配送等價值鏈全流程中均強調取得企業內、外部的實時經營數據，并進行動態調整和優化，這將在預算編制、成本控制以及績效管理等方面對管理會計的功能架構產生重要影響。

其一，以往在預算編制時，管理會計人員必須依賴各部門在事前提供預估的營運信息，這種做法雖然有助于提高各部門的預算參與度，但降低了預算可靠性。工業4.0 中大數據的應用，將為管理會計人員提供豐富的預算編制參數來源，有助于降低預算編制過程中的信息不對稱，進而提高預算編制的可靠性和準確性。

其二，工業4.0 強調不僅要控制成本，而且要創造價值。當工業4.0 實現網絡與實體的有效融合后，智能工廠將具備主動執行作業基礎成本法（Activity-Based Costing）的能力，實現匯總產品成本信息的基本功能。當智能系統能夠自動實現有效的成本管理時，管理會計人員必須重新思考其工作角色與定位，將更多的精力投入到作業基礎管理（Activity-Based Management）工作中，通過調整、優化作業來最大化公司價值。

其三，就績效評估系統而言，在工業4.0時代，唯有不斷創新才能保證公司持續盈利和創造價值，然而對于創新型員工與勞動型員工的激勵方式大相徑庭，準確量化、科學測度員工的創新績效難度更大。此外，創新績效只有在考慮組織文化及環境之后，才能在創新的行動控制或結果控制中取得平衡。因此，需要管理會計人員在基于會計基礎的傳統績效指標之外，設計出有效衡量創新績效的指標體系，更好地激發員工進行技術創新、產品創新、組織創新及商業模式創新的積極性[3]。

為了積極應對新一代信息技術發展、工業4.0以及工業互聯網等快速發展引發的一系列挑戰，必須充分發揮大數據時代管理會計的作用，轉變管理會計的職能，重構管理會計系統的架構，引導管理會計系統由傳統的財務導向轉型為決策導向，以更好地服務于企業的價值創造目標。因此，本研究在闡述大數據對管理會計影響的基礎上，重點從底層的數據收集、傳輸、管理和上層的管理會計應用兩個維度，來構建基于大數據分析的管理會計系統邏輯框架，并立足于數據收集、數據預處理、數據分析和數據應用四個關鍵階段，重構基于大數據分析全生命周期的管理會計應用系統功能架構，以詮釋大數據分析技術對成本控制、績效評價和決策支持等管理會計核心功能的影響，進而提出基于大數據分析的管理會計應用系統的實施思路和實現路徑。

二、大數據和管理會計

（一）大數據

大數據作為近期研究熱點之一，相關方面對其給出的定義卻并不完全一致。基于數據來源和技術特征的視角，IBM 公司指出大數據主要具有規模性（Volume）、高速性（Velocity）、多樣性（Variety）和真實性（Veracity）四個核心特征。美國國家科學基金會（National Science Foundation，NSF）認為，大數據是“迅速、復雜以及多元的大量數據，需運用高級的技術與方法，才能擷取、儲存、分配、管理與分析的信息”。基于大數據處理方法和處理工具的視角，維基百科（Wikipedia）指出，大數據是規模龐大且復雜的數據集合，很難用常規的數據庫管理工具或傳統數據處理應用對其進行處理，其主要挑戰包括數據抓取、存儲、搜索、共享、轉換、分析和可視化。基于管理和資源的視角，楊善林等[4]指出大數據是一類重要的信息資源，它具有決策有用性、安全性、海量性、異構性、增長性、復雜性和可重復開采性等特征，一般具有多種潛在價值。因此，大數據是無法在可承受的時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，需要新的處理模式才能具有更強的決策力、洞察發現力和流程優化能力，它是一種海量的、高增長的和多樣化的信息資產。

大數據分析技術就是從不同類型的數據中快速獲得有價值的信息。要想將大數據技術更有效地應用于管理會計領域，就要求管理會計人員具備借助于數據分析與數據挖掘技術，進行相應的數據收集、數據處理、數據分析，并能有效地將分析結果應用于企業的戰略規劃、運營管理、風險管控等方面，從而為企業制定和調整企業戰略、提升公司績效、改善客戶體驗、強化風險管控與績效管理等提供決策依據。

（二）管理會計

2014年10月英國皇家特許管理會計師公會（CIMA）和美國注冊會計師協會（AICPA）聯合發布的《全球管理會計原則》中指出，管理會計是挖掘、分析、傳遞和利用與決策相關的財務與非財務信息，從而為組織機構創造價值并持續維護其價值。可以看出，該定義更傾向于決策支持信息系統，其確認的管理會計主要功能是幫助組織管理者做出決策、創造組織價值。2016年6月，我國財政部發布的《管理會計基本指引》中明確指出，管理會計的目標是通過運用管理會計工具方法，參與單位規劃、決策、控制和評價活動并為之提供有用信息，推動單位實現戰略規劃。可見，該指引的核心主張仍然是管理會計參與組織的管理活動，這也是管理會計與財務會計的本質區別。

傳統的觀點認為：財務會計的信息使用者主要是企業外部人，例如股東、債權人、審計師、稅務機構、政府單位等；管理會計的信息用戶為企業內部人，主要為企業各級管理人員。在大數據時代，若從致力于增加信息的有用性這一點出發，財務會計與管理會計的功能可謂“殊途同歸”，企業勢必將此兩大領域有效融合。一方面，將對公司戰略發展有重大影響的非財務信息在財務報告中適當披露，使得企業內、外部的會計信息使用者均能據此做出最佳決策；另一方面，將財務會計注重于提高會計信息披露質量的概念內化于企業戰略管理與日常運營中，以達到提升企業價值、增強企業競爭力的管理會計目標。

（三）管理會計職能轉變

管理會計是通過提供管理信息來提升企業價值的會計信息系統，其核心職能是服務于企業的價值創造。傳統的管理會計側重于財務導向的決策分析和預算控制，然而在瞬息萬變的商業競爭中，財務報告并非管理層決策的最佳信息來源，因為它們反映的是過去的信息，而面向未來的決策需要以大量的、可靠的、相關的、最新的數據作為支撐。大數據引起了管理會計在數據規模、數據形式、決策分析以及思維方式等方面的重大變革，為了更好地與大數據接軌，管理會計師轉換其職能迫在眉睫。現代管理會計更加強調戰略性方法，這種方法能夠識別、衡量和管理影響股東價值的關鍵財務因素和運營動因[5]。現代管理會計的目標是為管理者提供經營決策相關信息，現代管理會計師的主要職能是參與成本管理、績效考核控制以及提供決策相關信息[6]。

數據的合理使用可以有效提高決策分析與判斷能力，基于大數據分析技術，對數據進行合理詮釋，可以獲取新的洞見。然而大數據和企業系統僅提高了管理會計工作的效果和效率，相應的管理會計職能并沒有顯著改變[7]。如果越來越多的崗位或職能實現自動化，管理會計人員必須成為數據領域的專家，在確保數據安全的前提下，構建戰略和規劃預測模型，幫助企業識別風險，實現更精細的風險管理。如果可以獲取越來越多的數據，管理會計人員必須提高自身的業務能力，幫助客戶制定基于數據的運營和管理決策，獲取戰略新洞見。為了在高度技術化的商業環境中為管理層提供更多相關、可靠和有價值的信息，管理會計師必須轉變自己的職能，充分利用內外部的數據，通過數據分析技術來回答以下問題：過去發生了什么（描述性分析）？未來會發生什么（預測性分析）？什么是最優解決方案（規范性分析）？而不是僅僅把系統看作一個更強大的計算器[8]。

三、基于大數據分析的管理會計系統邏輯框架

隨著以大數據、云計算、人工智能等為代表的新一代信息技術的發展，不僅會計面臨著技術手段的變革，而且會計行業的邊界、組織的邊界、組織內部的職能邊界也在發生變化。基于大數據分析的管理會計系統是人網交互、人機共融的智能管理會計系統，需要借助于大數據、人工智能以及人類財務專家共同組成人機一體化的信息環境，其邏輯框架主要包括底層的數據收集、傳輸、管理以及上層的管理會計應用[9]，具體如圖1所示。

圖1 基于大數據分析的管理會計系統邏輯框架

底層的數據收集、傳輸與管理主要是通過智能感知系統、網絡通信系統、數據管理系統、智能引擎系統予以實現。其中，智能感知系統利用條形碼、傳感器、無線射頻識別（RFID）、光學字符識別（OCR）等技術，實時動態地感知企業外部環境和內部經營管理活動，并能自動地進行相關數據信息的采集工作；網絡通信系統通過物聯網、互聯網、移動互聯網以及衛星通信網絡等實現數據的及時傳輸和共享；數據管理系統用于存儲大數據分析所需要的元數據、各類交易處理數據（業務、財務、管理活動等）以及“四庫”（規則庫、方法庫、模型庫、知識庫等），并在數據倉庫和數據挖掘等商業智能（Business Intelligence）程序的支持下，為應用層的數據處理與分析奠定基礎；智能引擎系統則通過公共的智能部件（智能感知引擎、智能搜索引擎、智能分析引擎、智能推理引擎、智能展示引擎等）面向具體管理決策問題，滿足應用層各種智能處理的需要。

上層的智能管理會計應用層則涵蓋了管理會計信息處理的全過程。首先是信息輸入，按照會計信息處理的要求，智能獲取企業經營管理活動以及外部相關大數據資源，通過人機合作模式統一輸入。然后是信息處理，管理會計并不是一個僅僅基于知識的體系，而是基于人對于事物的判斷力和決斷力的學習系統。新時代管理會計人才要注重提升自己的全局管控能力、洞察力和預測能力。因此，基于大數據分析的智能管理會計系統利用大數據分析、數據挖掘、商業智能、神經網絡、機器學習、深度學習等技術，改變了傳統管理會計系統以處理交易性活動為主的特征，引入了面向財務預測、控制、分析與決策一體化應用的更高價值的管理會計活動，并逐步拓展至以分析、推理、判斷、構思和決策為基礎的戰略決策領域，部分地替代管理會計活動中人類專家的部分職能。最后是信息輸出，針對具體管理決策問題，基于大數據分析的管理會計系統通過底層的各種智能引擎，將大數據分析的結果和人的價值判斷相匹配，能夠實時、動態、直觀、頻道化、定制化地多維展示業務、財務、管理等融合報表信息，以滿足企業內外部使用者個性化、多樣化的信息需求。

四、構建面向大數據分析全生命周期的管理會計應用系統功能架構

“數據+分析=洞察”意味著重視數據并結合先進的分析技術與手段才能洞察企業經營活動的本質，因為不管數據的量如何巨大，數據分析技術如何先進，都會有失偏頗。如果數據沒有經過適當地搜集與整理或者數據不正確，就難以做出準確的分析；即使取得所需要的數據并經過妥善的整理，如果缺少科學有效的分析方法，或者分析目標不明確，也將無法創造數據的價值，更不會深入地洞察企業經營活動的本質。大數據時代的數據特點使得管理會計的成本控制、績效考核、決策支持等功能迎來了革新，那么大數據分析究竟會對管理會計的功能實現產生何種影響？為此，本文基于大數據分析的全生命周期流程，按照數據收集、數據預處理、數據分析和數據使用四個階段，構建了面向大數據分析全生命周期的管理會計應用系統功能構架，具體如圖2所示。

圖2 面向大數據分析全生命周期的管理會計應用系統功能架構

該架構較好地實現了對海量內部和外部數據、財務和非財務數據、結構化與非結構化數據的收集、處理和分析，有助于管理會計師根據分析結果充分發揮自己的職能作用，加強企業成本控制，完善企業績效考核，優化企業經營決策。

（一）數據收集

傳統的管理會計所依靠的數據大部分來自公司內部，如采購訂單、銷售記錄、發貨記錄、應收賬款信息、人事信息、庫存信息等，這些數據是結構化的、可預測的、有序的。然而在高度技術化的商業環境中，管理會計僅依靠內部信息履行職能是遠遠不夠的。Min Cao 等[10]的研究表明，大數據背景下的信息模式使溝通和運營過程中產生的數據得以轉化建模，提高了管理效率和決策有效性，大數據是解決業務數據收集的有效途徑[4]。對于企業內部生產運營和管理相關的數據，可以通過企業的ERP系統以及系統日志采集等數據采集工具來完成；對于新聞、社交媒體、物聯網等外部網絡數據，可以通過網絡爬蟲、網站公開API（應用程序編程接口）以及智能感知設備等來獲取。外部數據多為半結構化或非結構化的數據，只有通過分析工具處理后才能提供決策有用的信息，并將其以結構化方式存儲為本地數據文件中，支持圖片、音頻、視頻等文件以及附件的采集，其中附件可與正文建立自動關聯。

獲取海量的內外部數據有助于管理會計師更準確、全面、高效地進行成本控制，及時調整成本以適應激烈的市場競爭。內部數據和外部數據的區分標準在于數據來源渠道，按照是否與財務相關可以將數據分為財務數據和非財務數據。相比于財務指標，非財務指標能更全面、客觀地反映企業戰略執行的狀態，也能更公正地評價企業內部組織的績效[11]，正如平衡計分卡中客戶、內部業務流程以及學習和成長三個層面都采用非財務指標。除此之外，我國學者吳輝等[12]認為收集、處理和使用客戶評價、銷售情況、作業狀態等非財務數據，能促進管理會計預測功能的實現。

（二）數據預處理

大數據由于其數據來源多源化、數據類型多樣化、數據結構復雜化，易導致數據質量良莠不齊。然而高質量的數據是開展數據分析的前提，數據質量存在問題會導致錯誤的分析結果，進而影響相關預測和決策的準確性，對管理會計師的工作產生嚴重負面影響。準確性、完整性和一致性是數據質量的三個核心要素，具體來說，高質量的數據是完整的、有效的、準確的、相關的、一致的和及時的數據[13]。高質量的數據是企業重要的商業資源和商業資產，是形成企業核心競爭力、增強企業價值創造能力的基礎。正如Davenport等[14]所述：“如果沒有數據，你就無法分析；如果沒有高質量的數據，你就不能正確地分析。”為了獲取高質量的數據，必須先對數據進行預處理，數據預處理是進行數據分析、挖掘前的重要準備工作。數據預處理主要包含以下步驟：數據清理、數據集成、數據歸約和數據變換。

1.數據清理。數據清理通過填補缺失值、光滑噪聲和識別離群點等，來糾正數據的不一致性。若數據使用者認為數據是“臟”的，則他們就會對基于這些數據所做的預測與決策結果產生懷疑。數據清理包括剔除重復數據、補充缺失數據、消除噪聲數據等。在分析“臟”數據的產生來源和存在形式后，充分利用最新的技術手段和方法清洗“臟”數據，將“臟”數據轉化為滿足數據質量或應用要求的數據[15]。

2.數據集成。數據集成是指對多源、異構的多個數據進行有效融合，主要涉及數據的選擇，相關數據、沖突數據及不一致數據的處理融合等問題，有助于減少結果數據集的冗余和不一致性。

3.數據歸約。考慮到復雜海量數據的分析處理難度大，為提高分析計算效率，需要在不影響分析結果的前提下，通過維歸約、數量歸約和數據壓縮等手段實現數據集的簡化表示。其中，維歸約主要使用數據編碼方案，得到原始數據的簡化或者“壓縮”表示；數量歸約主要使用參數模型和非參數線性模型，用替代的、較小的數據表示形式替換原數據；數據壓縮使用變換得到原數據的歸約或者“壓縮”表示。

4.數據變換。數據變換主要是找到數據的特征表示，用維變換或轉換來減少有效變量的數目或找到數據的不變式，將數據轉換成適合于后續分析和挖掘的形式。

（三）數據分析

大數據分析與統計息息相關，不論是方差分析、多變量分析、分類數據分析、回歸分析等以線性模型為核心的方法，還是時間序列分析、多變量時間序列分析、面板數據分析等以時間軸因子或頻率軸因子轉換為核心的技術，都可以用來分析大數據。基于數據科學的視角，大數據分析整合了互聯網和移動互聯網信息分析與應用、數據庫建構與分析、統計分析、統計學習等方面既有的工具，但在數據內容格式、數據處理維度、數據分布形態等方面又不同于傳統分析方法。大數據分析更加關注于處理具有信息量大（Volume）、時效性要求高（Velocity）、內容多樣化（Variety）、真實性不同（Veracity）等“4V”特性的各種不同結構（結構化、非結構化和半結構化）數據，能更好地實現可視化信息呈現（Visualization）、數據挖掘（Data Mining）以及結構化與非結構化信息融合處理（Structured and Non-structured Information Processing）的目標。大數據環境下企業管理會計聚焦于輔助管理決策、創造組織價值，為了更好地支撐基于數據驅動的管理會計的預測、評價與決策功能的實現，提升企業價值，亟須解決三個方面的問題：企業過去發生了什么？企業的未來趨勢是什么？如何讓企業做得更好？而這些問題分別對應于以下三類數據分析方法。

1.描述性分析。描述性分析主要回答過去發生了什么的問題，是數據分析中最簡單的一個類型，也是最常使用的數據分析類型。通常以描述性統計、關鍵績效指標（KPI）、儀表盤或其他類型的可視化數據來分析。描述性分析一方面反映過去，對過去進行總結，另一方面可以進行趨勢分析，有助于加強成本費用控制和風險管控。

描述性分析意味著將過去和當前的數據轉換為報告、圖表、數據透視表等形式的可用信息，能夠幫助管理會計師全面、高效地了解公司當前經營狀況和財務業績。例如，將營業收入增長率與前期數據相比可以幫助管理會計師了解公司成長能力，與行業基準相比可以看出公司是否保持競爭優勢。除此之外，描述性分析在顧客、企業、員工層面也有助于管理會計師發揮其職能。例如：退貨率和保修索賠率可以反映客戶對公司新產品的滿意程度；研發費用占比可以衡量公司對開發新產品或服務的重視程度；員工技能、生產力等特征可以識別高效率的員工。績效考核、決策支持等管理會計職能的有效發揮都是建立在描述性分析的基礎之上。

2.預測性分析。預測性分析主要回答未來可能會發生什么的問題，是利用各種統計、建模、數據挖掘工具對某段時間內累積的歷史數據進行研究，計算未來事件發生的可能性，從而對未來進行預測。預測性分析采用的數據大部分是定量數據，主要的算法有支持向量機（SVM）、人工神經網絡（ANN）、遺傳算法、時間序列回歸等。預測性分析本質上只是測算一個概率，雖然并不一定準確，但是可以降低突發事件的可能性，最大限度地降低風險。目前，大多數企業主要使用描述性分析，對預測性分析的使用還比較少，然而預測性分析給企業帶來的價值更大。

預測性分析是根據當前可能收集到的數據對以后的某個時間點或者時間段進行預測，隨著日期的臨近，預測結果的準確性更高，因此應該給予足夠的重視。管理會計師通過預測性分析技術可以更加準確地預測銷量，再根據銷量確定產量，進而確定原材料的采購量……預測并不是一成不變的，而是應該像天氣預報一樣適時進行動態調整。此外，通過對下一年業績的預測，可以為企業、部門、員工設定相應的業績目標，為年終的績效考核提供參考。如果管理會計師認為實際的績效比預期的結果要差得多，那么他們就需要判斷這種缺陷是由于內部控制的缺乏，還是由不恰當的預測模型選擇造成的。

3.規范性分析。規范性分析主要回答如何做得更好的問題，是在獲得描述性分析和預測性分析結果的情形下，通過尋找一個或多個解決方案，分析每個解決方案的可能結果，給出最優解決方案，從而能夠有效地指導我們應該怎么做才能獲得更好的結果。

隨著網絡信息技術的發展以及經濟全球化的深入發展，企業間的競爭日趨激烈，要持續保持競爭優勢，企業無時無刻不在權衡利弊，以做出最優化抉擇。例如，對于產品同質化競爭十分嚴重的行業，產品市場份額的競爭是產品質量與產品成本的綜合考量，為了既降低產品成本又保證產品質量，企業必須尋找最合適的原材料供應商，使得總成本最低。績效考核也離不開規范性分析，大數據的多樣性、及時性、廣泛性等使得企業能夠更加便捷地獲取與績效相關的交易數據、交互數據和感知數據，通過規范性分析，企業不僅能夠了解內部各部門、員工的工作與學習績效，而且能夠了解競爭對手乃至整個行業的發展績效，有助于企業制定更有針對性、更具操作性的績效考核方案。

（四）數據應用

原始數據經過數據預處理后，通過描述性分析、預測性分析和規范性分析等數據分析方法，能夠更好地促進成本控制、績效考核和決策支持等管理會計相關職能的履行。首先，在成本控制方面，通過描述性分析，可以使管理會計師了解企業目前的經營狀況和財務狀況。例如，資產負債率可以幫助管理會計師了解企業的長期償債能力，營業收入增長率可以幫助管理會計師了解企業的成長能力。其次，在業績評價方面，管理會計師利用描述性分析和預測性分析來預測企業未來的業績，并設立遠期目標，為日后的績效考核提供參考。再次，在決策支持方面，可以利用財務報告和績效評估的結果，采用規范性分析方法，進行財務計劃、運營管理以及戰略決策等方面的優化設計，為相關管理決策提供優化方案。最后，基于大數據分析結果的可視化呈現也是大數據分析利用的重要方面。通常情況下，管理者傾向于以易于理解的格式呈現分析結果，因此其借助于圖形化手段，通過執行圖形概覽、縮放、過濾、按需細化、關聯、提取等任務，將數據用直觀的方式展現出來，清晰有效地傳達與溝通相關的信息，以幫助數據使用者更好地理解數據，同時也有助于其找出海量數據中的規律和趨勢。

五、基于大數據分析的管理會計應用系統的實施思路

基于大數據分析的管理會計應用系統的發展是一項逐步推進、持續改進的系統工程，企業作為實施主體，需要在政府的引導與支持下充分利用市場機制，引入供應鏈上下游更多的社會力量協同參與。為了更好地推進基于大數據分析的管理會計系統的應用，需要考慮如下影響與制約因素：企業的實際應用需求、大數據與人工智能相關技術的發展、政府和其他社會力量的引導與參與。具體如圖3所示。

圖3 基于大數據分析的管理會計應用系統的實施思路

（一）企業需求驅動

企業應當在自身發展戰略的引導下，正確認識基于大數據分析的管理會計系統的發展趨勢，充分考慮自身的實際需求以及系統的合規合法性和社會影響，統籌謀劃、穩步推進。目前企業的戰略需求主要基于以下幾個方面：一是日益激烈的市場競爭，要求企業降低成本、提高效率；二是企業管理轉型升級，要求企業管理會計人員善用數據分析技術更好地創造新價值；三是為了更好地滿足利益相關者的信息訴求，要求企業提供實時、動態、定制化的各類管理報告。為此企業需要建立健全管理體制，構建科學的組織架構，優化業務流程，確保企業治理機制、管理架構、業務流程、信息系統等與基于大數據分析的管理會計應用系統相適應。

（二）技術供給和資源供給推動

一方面，新一代人工智能技術的快速發展，特別是大數據智能、跨媒體感知智能、混合增強智能、群體智能、自主協調控制與決策等共性關鍵技術的突破，為基于大數據分析的管理會計系統的發展提供了重要的理論和技術支撐。其中，以深度學習為核心的大數據智能使得系統具有學習能力，跨媒體感知智能使得系統具有人機交互能力，混合增強智能使系統具有類似人的思考能力，群體智能使得系統具有群體協同合作能力，自主協同控制與決策能夠形成自主智能無人系統創新。另一方面，與基于大數據分析的管理會計系統相關的軟硬件系統供應商、咨詢機構、高校與科研院所以及各類教育培訓機構、外包服務機構等，能夠提供企業所需的軟件、硬件、數據、信息、咨詢方案、人才等多方面的資源，上述供應鏈端多方資源的系統整合能夠為企業實施基于大數據分析的管理會計應用系統提供重要支撐。

（三）外部環境影響

政府相關主管部門通過法規、準則、指引、應用指南等制度規范體系，引導、協調、管理和推動基于大數據分析的管理會計系統。行業組織和社會團體通過相關專題的理論研究，傳播新思想、新理論、新工具和新方法，積極探尋行業的最佳管理實踐，培養滿足應用系統運營需要的各類職業技能。此外，經濟發展環境、社會文化和信任環境（特別是對大數據分析結果的信任程度）、法律環境（特別是數據隱私保護等）、信息技術環境，以及公共數據資源的豐富度、可靠度、開放度和可利用度等，均會對企業構建基于大數據分析的管理會計應用系統產生重要影響。

六、結論

伴隨著新一代信息技術、工業4.0以及工業互聯網的飛速發展，采購、生產、銷售等制造與服務資源的互聯、實時感知和深度智能化程度不斷加強，數據驅動、人機共融新格局的逐步形成，企業管理會計系統面臨著多數據驅動、多資源聚合、多系統融合及生產服務過程優化等新型管理問題。在大數據時代，企業能夠更加便捷地收集、處理、分析和利用內部和外部數據、財務和非財務數據、結構化和非結構化數據，通過大數據技術進行建模與分析，利用人工智能技術提供智能化服務，建立基于大數據驅動技術的新型管理會計系統，有助于企業提高效率、降低成本、控制風險，是適應新環境、應對新挑戰的重要手段。

本文在闡述大數據對管理會計的系統性影響的基礎上，從底層的數據收集、傳輸、管理和上層的管理會計應用兩個維度，構建了基于大數據分析的管理會計系統邏輯框架，并立足于數據收集、數據預處理、數據分析和數據應用四個關鍵階段，重構了面向大數據分析全生命周期的管理會計應用系統功能架構，探究了大數據分析技術對成本控制、績效考核和決策支持等管理會計核心功能的影響，并從企業需求驅動、技術供給和資源供給推動以及外部環境影響三個方面，探討了基于大數據分析的管理會計應用系統的實施思路。