大数据技术驱动下管理会计模式转型发展探讨

陈 旭

(长春中医药大学附属医院，吉林 长春 130021)

1 大数据分析技术与管理会计概述

1.1 大数据分析技术概述

大数据是信息技术飞速发展诞生的一种数据处理方式，特指一定时间范围内超出常规计算机软件工具捕捉、收集、管理以及分析处理的数据集合，大数据技术针对某一特定领域海量数据信息的收集和分析能够结合数据挖掘模型进行深度价值挖掘，对优化流程、参与决策和展现数据特点具有十分重要的现实意义。当前，大数据分析技术数据分析与挖掘的价值在企业运行数据管理方面取得了突出的推动作用，特别是财务管理这类涉及数据信息较多、信息规模较大且信息种类繁多的业务流程，大数据分析技术以其高效的数据处理能力推动了企业财务管理工作的转型升级。

1.2 管理会计概述

管理会计是一种诞生在传统财务会计基础上，为实现企业经济效益最大化而诞生的一种现代企业财务管理工作模式。管理会计建立在信息技术基础之上，通过整理获取和挖掘分析与企业运营相关的一切资料信息，找寻数据信息的内在属性和关联性，进而为企业财务战略调整和财务管理工作提供决策性依据，管理会计与财务会计相比在管理职能上得到全面强化，将财务管理工作上升到企业战略决策层面，重点通过数据信息的分析、处理与整合，辅助企业战略层面制定相应调整决策。

1.3 大数据技术驱动下管理会计模式转型的具体形式

1.3.1 会计主体

企业传统会计工作的主体对象主要为企业的受益者和管理者，在大数据技术应用的驱动下，企业财务管理环境和结构变得日益复杂，工作内容也在逐渐增多，管理会计模式的形成使得企业财务管理工作渗透到企业从上至下的各个层级和各个部门，企业财务会计的主体结构也逐渐从受益者和管理者扩大至企业内部的各个层级和各个部门，企业管理会计为了适应大数据技术应用环境下的工作角色变换，其会计工作主体的职能也随之进行转型[1]。

1.3.2 信息相关性

在信息时代背景下，企业长时间运营所产生的财务数据规模是十分惊人的，且数据内容不再局限于财务管理部门，而是涉及企业参与业务的多个部门，这就需要企业决策者在制定发展策略过程中必须整合完整的数据内容，并经过科学谨慎的分析推理方能够最终确定。在大数据技术的驱动下，企业财务管理部门承担了数据信息收集、整合、分析以及挖掘的任务，且财务会计需要处理的财务数据类型变得越来越多样化，在此背景下，企业财务会计工作模式向着管理会计进行转型升级变得十分迫切。

2 大数据技术推动管理会计模式转型发展的必要性

在信息时代背景下，传统财务会计在企业经营决策数据支持方面存在一定的局限性。在数据源方面，信息时代下企业的生产经营活动会产生海量的数据信息，但财务会计进行财务决策分析主要来自于历史业务形成的结构化数据，依靠这种单一结构化数据分析制定出来的财务决策方案很难满足当前企业经营发展对财务决策的创新需求；在技术方法方面，传统财务会计主要针对企业的盈利能力、债偿能力、成长能力以及运营能力四个方面进行定量分析，且分析方法主要以Excel为主，财务分析结果具有相当的片面性。总而言之，传统财务会计在大数据时代背景下很难满足企业对财务数据分析的各项创新要求，企业进行管理会计模式转型势在必行。

3 大数据技术在管理会计模式中的主要分析方法

大数据分析技术在企业管理会计中的应用主要表现在通过建立财务数据模型，对相应数据进行分析，整合数据特征，挖掘数据价值，进而为企业管理者提供更具指向性的决策性依据，当前管理会计模式中应用大数据技术的分析方法主要为统计分析，内含聚类分析方法、可视化分析方法以及决策树分析方法。

3.1 统计分析方法

统计分析方法是企业管理会计应用大数据技术所采用的最基础也是最核心的方法模型，通过统计分析模型，企业可以利用大数据技术分析出某一经济指标的影响因素，也可以分辨出不同经济指标彼此之间的线性关系[2]。目前管理会计运用大数据技术进行统计分析主要采用时间序列分析预测、回归性分析、趋势分析、残差分析以及比较分析等。

3.2 聚类分析方法

聚类分析是企业管理会计在数据价值挖掘过程中常用的一种大数据分析技术。在具体操作过程中，主要是依照财务数据库中的各类样本数据自身特点，对比被聚类的对象进行类别划分，聚类分析通常被应用到企业管理会计的财务决策分析过程当中，譬如：企业在制定市场营销策略过程中，可以将目标市场中的用户数据进行收集以及预处理，定义相似的度量度，分成高等收入、中等收入以及低收入三个类别，进而通过聚类分析依照不同用户需求制定不同的针对性营销策略。

3.3 可视化分析方法

可视化分析方法通过大数据分析向企业管理者和决策者以数据可视化的形式展现分析结果的方法，而PowerBI是目前企业管理会计应用十分热门的财务数据可视化分析平台，PowerBI主要包含数据整理、数据建模以及数据可视化三种基本功能。数据整理就是通过统一数据集的数据类型和维度名称，对财务相关原始数据进行合并，并通过不断地抽取、清洗、转换和加载来对数据进行正确解读；数据建模就是通过管理企业各类数据指标之间的关系，利用DAX函数创建度量值、计算列、计算表以及层次结构；数据可视化就是在数据建模获得度量值、层次结构等基础之上，形成瀑布图、条形图、地图或者仪表盘等内容，以便进行更加清晰和直观的数据展示，具体可视化过程如图1所示。

图1 管理会计数据可视化实现示意

3.4 决策树分析方法

决策树分析方法是一种满足企业管理会计分类需求应用的更具直观理解的分析方法，通过类似流程图中的决策树结构对数据分类结果进行直观描述。决策树分析方法的计算方式主要采用概率分析法，通过决策树模型，企业获取目标数值的快速判断依据。譬如：企业管理会计在进行项目审批过程中，需要对项目申请人的风险进行分类，此时，财务管理者利用决策树从上至下依照每一个节点的问题开展问答，能够求出最终到达节点所需的结果，帮助决策人清晰地判断哪些字段相对重要[3]。

4 基于大数据分析技术下的管理会计服务平台结构设计

4.1 管理会计服务平台总体框架设计

不同的企业针对企业发展不同的需求会从不同角度应用大数据分析技术进行财务决策支持系统平台的设计，本文分析的基于大数据技术下的管理会计服务平台采用四层结构设计，即：数据收集层、数据存储层、财务分析层以及决策支持层。数据收集层主要通过Wind、社会网站、企业年报、内部信息管理系统以及政府对应职能部门收集财务类、业务类以及政策类相关数据；数据存储层也叫数据仓库，主要通过原始数据库、方法数据库以及模型数据库为大数据分析及数据价值挖掘提供完整的分类数据信息；财务分析层是大数据技术应用的主要区域，主要通过数据仓库中提供的各类数据进行市场分析、业务分析、财务能力分析以及报表结构分析等；决策支持层是管理会计应用大数据分析技术进行数据挖掘而产生的结果应用，为企业的经营决策、投资决策、融资决策、利润分配决策等提供支撑依据。

4.2 数据收集层设计

大数据技术的广泛应用解决了企业数据收集分散且滞后的问题，信息时代背景下，企业进行各类数据信息的收集变得更加便捷。从数据来源角度，在大数据技术的支撑下，企业财务管理部门可以通过企业内部数据库、信息化办公系统、金融数据库、企业外部网站、社交媒体网络、政府数据网站获得企业管理会计进行决策分析的全部原始数据。包含企业财务能力指标和财务报表数据的财务类数据，包含企业生产基础信息、客户基本信息、供应商基本信息、销售额、生产成本等结构化数据的业务类数据，包含会计政策、会计制度、财务政策法规、会计准则、宏观经济数据等政策类数据，这一切数据均通过数据收集层的爬虫软件获得文本数据[4]，具体采集手段可采用传感器采集、RFID、数据检索分析以及条形码技术等。

4.3 数据库设计

财务能力指标数据以及财务数据报表是金融数据库中的公开可获取的数据，直接导入管理会计服务平台的数据库即可，而业务类数据以及政策类数据则需要企业财务数据库借助大数据技术如Hadoop技术进行导入处理。在数据库结构方面，财务决策服务平台需要构建原始数据库、方法数据库以及模型数据库。原始数据库需完成财务类数据、业务类数据以及政策类数据的分类与汇总，确保数据信息的全面性和完整性；方法数据库需要结合大数据分析技术打造财务指标的各种算法和计算公式，形成符合企业发展所需的财务分析方法和财务决策方法；模型数据库主要涵盖财务分析、财务预测以及财务决策的数据模型，目前企业管理会计常用的模型数据库有沃尔森财务分析评价体系、杜邦财务分析体系等，还有一些财务指标相关的趋势分析模型[5]。

4.4 财务管理分析层设计

在大数据技术驱动下，企业管理会计模式转型发展的核心部分就是财务决策平台中的财务管理分析层，该部分是管理会计模式为企业经营发展提供决策性依据的关键分析环节，财务人员结合数据库中的原始数据、方法数据以及模型数据，利用相应的分析技术以及模型算法对企业的财务状况以及经营情况进行分析与判断，进而形成精准的财务决策方案。财务管理分析层主要由三个功能模块构成：第一，报表结构分析模块。主要针对企业的资产结构、货币资金流动情况、应收账款、存货、负债结构、流动与非流动负债、股东权益构成、实收资本等进行代表财务状况类数据进行分析，判断企业目前的资金与资产状况；第二，财务能力分析模块。主要针对企业的盈利能力(总资产报酬率、净资产收益率、销售利润率)、债偿能力(资产负债率、流动比率、速动比率)、运营能力(资产周转率、应收账款周转率、存货周转率)、成长能力(资产增长率、股东权益增长率)等类型数据进行汇总分析；第三，业务能力分析模块。主要针对企业的生产能力(原材料、费用要素、职工薪酬)、销售能力(销售额、广告宣传、费用变动)、存货能力(存货方式、存货量、存货周转)等类型数据进行汇总分析。

4.5 决策支持层设计

决策支持层设计主要为企业发展提供经营决策支持、投资决策支持、融资决策支持以及利润分配决策支持，在完整的大数据分析流程当中，决策层形成的支撑方案主要来源于对数据分析结果进行的数据解释，该环节主要通过数据可视化技术和决策树分析技术进行更加直观的展示，依托Hadoop、HPCC、ApacheDrill等数据处理工具和图标技术、面向像素技术、分布式技术以及集成化可视技术，形成最终的决策方案，进而实现数据价值挖掘的成果实现。