智能会计技术背景下本科会计课程变革方向

谢志明，粟小颖，易 玄

（1.长沙理工大学 经济与管理学院，长沙 410015；2.中南大学 商学院，长沙 410083）

0 引言

随着“大智移云”等信息技术在会计领域应用的逐步深入，大量核算型会计工作被模块化、智能化。对与竞争环境、业务流程以及价值运动过程相关的海量数据进行挖掘、清洗，使之变成对决策有用的财务信息，成为智能化时代会计人员角色转型的主要方向。为培养适应智能化时代的本科会计人才，部分高校在人才培养模式、实践教学内容以及教材建设方面取得了一定的成果，但与智能化会计能力结构相适应的课程建设的理论与实践研究仍处在摸索阶段。本科会计智能化课程体系变革是落实教学计划，提高智能化会计教学水平和人才培养质量的重要保证。因此，在研究智能会计技术对会计工作的影响的基础上，探讨本科智能化会计课程变革方向与内容具有重要的理论意义和现实价值。

1 智能会计技术对会计工作的影响

智能会计（Intelligent Accounting）是基于智能化环境产生的，以会计管理活动论为理论基础，通过智能化资源、智能化行为、智能化技术工具三要素，对泛在会计主体的价值运动进行智能管理以实现资源优化配置，协同微观会计与宏观经济政策的管理活动［1］。其主要特征是通过智能化技术工具，例如大数据、区块链以及云计算技术等，提供智能化资源，实现数据自主采集、计算、处理、报告和自主修正，为智能决策，包括智能判断、策略生成和策略选择提供支持，实现人的智能行为［2］。大数据采集与分析处理是智能财务运行的重要基础［3］。数据采集来源包括业务流程节点数据和会计系统的结构化数据以及非结构化的数据源（如网页文本、社交媒体数据等［4］），智能会计技术对不同来源的大数据在结构、数量、变化速度、多样性和可变性等方面的特征采集，以及大数据对经营活动和会计过程的数字化画像，对财务会计计量的及时性、全面性和准确性产生积极的影响。

大数据会改变财务人员在工作中了解公司资产、特征和条件的能力，每项资产的多媒体记录都会提供更准确的资产记录，因此支持公允价值会计［5］；还可以提供无形资产评估的新形式，比如对无形资产表外项目的长时间跟踪并且评估，并将其分发给利益相关方以增强信息披露。尽管基于会计的业务决策因素越来越复杂，但机器学习软件系统可以通过示例学习，利用数据洞察以及建立预测模型实现自动化决策。此时，财务会计的工作重心将转移到训练人工智能应用程序灵活使用决策分析与报表工具，衡量与最大化决策效果。

2 智能化会计背景下会计人员的能力需求

智能会计技术可以简化大数据获取过程并协助决策，采集和传递会计报告所需要的各种数据，但大量数据带来的数据过载、数据相关性以及非结构化性质的数据带来的数据歧义也会在很大程度上限制会计专业人员的判断，从另一个方面降低提供会计报告的效率。针对这些问题，会计专业人员应该掌握数据甄别能力（Data Discrimination Ability）、数据清洗能力（Data Cleaning Capability）和数据因果关系分析能力（Data Causal Analysis Ability），才能高效利用智能会计技术。

首先，分析和数据挖掘软件工具提升了会计人员获得数据的便捷性和广泛性，但大量数据会使准确识别相关线索变得困难，从而导致数据过载。因此，数据甄别能力作为会计专业人员向智能决策型人才转型的基础，要求会计专业人员清楚地了解数据质量，包括数据的来源可靠性、决策相关性、数据冗余性等。其次，基于智能会计技术获取的数据包含大量且含糊不清的非结构化数据，会对会计人员职业判断产生负面影响。因此，需要会计专业人员具有数据清洗能力，即提高识别与审计过程目标相关数据类型的能力，尤其是非财务数据。最后，由于非结构化数据数量和类型的变化，或者是由于来源可靠性的差异和对观察到的事件缺乏因果分析能力，会计专业人员在数据分析中极易产生数据歧义。当进行数据分析对歧义的容忍度较低时，通常倾向于选择能解决明显歧义问题的简单解决方案，该种解决方案往往避免或淡化可能导致最佳判断的“歧义数据”（Ambiguous Data）。因此，会计专业人员应该提高对数据歧义的容忍度，并且培养数据推断和因果分析能力，在提供报告过程中使用预测模型可以应用于模糊和高度主观的判断，以模拟各种相关因素之间的关系。

3 本科会计课程内容的改革方向

通过CiteSpace 5.7.R2 软件对国内在智能会计技术背景下的课程设计研究成果的关键词进行可视化分析，生成该领域的研究热点可视化图谱。可视化分析知识图谱显示的关键词出现频率越高，说明该关键词在该领域的关注度越高。如图1 所示，课程设计、大数据、人才培养和数据改革的频次分别为42、33、9和7；中心性分别为0.45、0.33、0.07 和0.6，这四个方向是关注度和影响力较强的。纵观现有研究，目前关于智能会计技术背景下的人才培养和教学改革文献大多数是基于大数据从发展路径和教学模式两个方面展开思考。而涉及智能会计技术背景下的“互联网＋会计”课程内容变革相对较少。伴随着智能会计技术的发展，高校对会计人才培养的目标需要顺应时代发展变化及时做出调整，重构会计专业课程体系，整合会计课程教学内容。智能会计技术下的决策型会计工作，要求学生不乏仅仅学习财务方面的基础理论知识，还需具有较强的数据挖掘能力、信息技术应用能力，熟悉大数据、云计算、区块链、人工智能在财务系统中的应用，并能基于智能会计技术产生的数据进行综合财务分析，为企业管理层的决策部署提供财务信息支撑。

图1 智能会计技术背景下的课程设计研究关键词和中心节点知识图谱

在国内高校中，重庆理工大学智能会计课程体系强调培养学生“数据＋流程＋算法”的能力导向，增设人工智能概论，深度学习基础及实践，Python，管理会计大数据等必修课程；选修课程中包括模式识别与风险管理、XBRL 基础、数据可视化、区块链技术、RPA财务与审计机器人等模块。南京理工大学在教学过程突出计算机技术的应用，强化大数据分析能力和智能决策能力。学科基础课中增加了大数据分析基础；专业核心课程增加了Excel 高级数据分析与可视化和企业税务管理；选修课增加了财务共享服务与智能财务，大数据财务决策，基于大数据的商业智能分析，IT审计和大数据供应链成本管理。在国外高校中，维拉诺瓦大学、德克萨斯大学达拉斯分校和孟菲斯大学开设了数据分析课程，天普大学和科罗拉多大学丹佛分校在重点课程中加入了IT 审计。

本文通过对国内外高校智能会计人才培养方案的课程体系的设置进行对比，归纳了“智能会计”核心课程体系。包括专业理论基础课程，大数据分析技术与工具和综合应用课程三个部分。

3.1 专业理论基础课程

专业理论基础是智能化会计背景下会计人员提升信息甄别能力的核心。只有掌握了坚实的专业理论知识，才能够在大量的数据中识别出对会计决策有用的证据和信息，减少数据过载带来的困扰。专业理论基础包括财务会计、财务管理、管理会计、税法以及审计学等课程。

财务会计课程要求学生掌握会计准则制定规则及经济后果，并能将会计准则应用于交易和其他事件；评估用于编制财务报表的会计政策的适当性；根据相关标准编制财务报表，包括合并财务报表；解释财务报表和相关披露以及解释包含非财务数据和信息的报告。

财务管理课程要求学生比较组织可用的各种融资来源，分析组织的现金流和营运资金需求；使用比率分析、趋势分析和现金流分析等技术分析组织当前和未来的财务状况；评估用于计算组织资本成本的组件的适当性；在评估资本投资决策时应用资本预算技术以及解释用于投资决策、业务规划和长期财务管理的收入、基于资产和市场估值方法。

管理会计课程为应用技术和方法支持管理决策，包括产品成本计算、差异分析、库存管理以及预算和预测；应用适当的定量技术分析成本行为和成本驱动因素；分析数据和信息以支持管理决策以及评估产品和业务部门的表现。

税法课程则是解释税法规制演变及主要内容条款，税务处理合规性和申报要求；为个人和组织准备直接和间接税收计算以及解释税收筹划、避税和逃税之间的区别。

审计学课程要求学生掌握审计准则和其他适用于财务报表审计的相关法律、法规和标准；按照风险导向审计流程，评估重大错报风险，实施进一步审计程序；搜集充分、适当的审计证据，评价解释鉴证业务的关键要素，得出合理的审计结论。

3.2 大数据分析技术与工具

大数据分析技术与工具课程使学生熟练进行数据分析，从而获取数据清洗能力，在未来工作中能从来自多个非财务来源的大量结构化数据和非结构化数据中提取并筛选相关信息进行分析。会计课程体系中新增了深度学习基础与实践，Python，区块链与财会审计，XBRL 技术，模式识别与风险管理，RPA 财务与审计机器人，人工智能概论，信息系统审计以及数据可视化内容的学习，通过对大数据分析技术与工具理论的吸收，技术的掌握与应用，学生可以了解大数据分析技术与工具发展对组织环境和商业模式的影响；明白大数据分析技术与工具如何支持数据分析和决策；解释大数据分析技术与工具如何支持组织中风险的识别、报告和管理；掌握大数据分析技术与工具分析数据和信息；使用大数据分析技术与工具提高沟通的效率和效果；应用大数据分析技术与工具提高组织系统的效率和有效性；分析大数据分析技术流程和控制的充分性；确定对大数据分析技术与工具流程和控制的改进。

3.3 综合应用课程

综合应用课程是将大数据分析技术与工具和专业内容相结合，包括大数据财务决策、企业税务大数据分析以及IT 审计，帮助学生掌握信息推断和因果分析能力。在分析和解决问题时结合专业知识和其他应用技术以减少偏见。在识别和评估信息和数据时应用批判性思维和系统性思维，为管理者提供决策方案。

在大数据财务决策课程中，学生应该学习的是将更多的时间花在数据分析而不是数据转换上。通过对信息披露的权威媒体、互联网资源的数据收集，以及对商业数据库中宏观经济、特定行业和具体案例公司的文件采集与分析，学生可以进行体验式学习，从而模拟公司财务信息分析过程和程序。Boyer and Lyons（2011）提供了一个教学案例，要求学生使用电子表格软件采集业务交易的日记账分录，并在课程中观察对公司财务报表和财务比率的影响［6］。

在企业税务大数据分析课程中，学生需要掌握包括税收筹划、税收分析和税收政策敏捷反应的综合税务分析能力。在税收课程中可以通过国家统计局的各种年鉴或者国家税务总局的统计年鉴，以及Wind 或者Choice 等软件工具查询在线内部税收代码数据库和相关的在线税法来源；并使用纳税申报单编制软件。更进一步的是学生应该学会使用税收分析方法对大量的税收数据进行整理与总结。老师可以与学生讨论大数据和税务分析用法的实际案例。Stuebs，Wilkinson，and Arnold（2012）通过让学生解决技术税收问题，提供结合了税收和技术能力的教学案例研究。在他们的案例研究中，指导学生查询税法研究数据库并应用该研究做出适当的决定［7］。Powerlytics 为老师和学生提供了收费的访问权，可访问其有关个人、合伙企业和公司纳税申报表的汇总数据库。老师可以使用可视化软件（Tableau）和税收数据分析技术来分析Powerlytics 提供的大量数据。

IT 审计课程的内容为学生提供了许多学习信息系统审计的机会。学生分组协作，将账户数据导入GAS 系统，分析数据，并使用邮件合并技术创建确认信。安永会计师事务所还通过其学术资源中心（EY ARC）为学者提供各种资源并且开发了分析框架，提供了可帮助学生发展分析能力的案例。学生可以完成由Daigle 和Lampe（2011）提供的模拟案例操作来提高计算机辅助审核技术（CAAT），从而理解ACL（Audit Command Language）如何用于连续审核以发现潜在的欺诈行为，以及连续监视以检测访问控制风险和安全性［8］。另外审计人员可以通过数据可视化实现以大量数据为中心的结构化审计。Caseware 通过其IDEA Academic Partnership 提供对IDEA 数据分析和可视化软件的低成本访问，包括为老师提供的免费课程材料。此外IDEA Academic Partnership 提供了案例操作演示文本，因此学生可以通过查询交易数据并可视化输出学习如何识别财务报表层次以及认定层次的重大错报风险。

4 结语

智能会计技术的应用推动了会计工作由核算型向智能决策型发展。在智能化工作背景下，专业人员进行数据处理应该掌握数据甄别、数据清洗和因果分析能力。本文通过CiteSpace 5.7.R2 软件对国内在智能会计技术背景下的课程设计研究成果的关键词进行可视化分析，结合国内外高校智能会计人才培养方案的课程体系的设置，归纳了“智能会计”核心课程体系，并对专业理论基础课程、大数据分析技术与工具和综合应用课程三大核心课程体系模块进行了详细的说明，以期对后续的智能会计课程内容设计和改革提供一定的理论指导和应用参考。