管理会计中数据挖掘的应用

引言

社会经济的持续快速发展，对管理会计的实践方法及实际效能提出了新的要求，积极引入新的现代化技术方法，创新管理会计工作措施，提高管理会计工作效率，优化管理会计效果，成为大势所趋。长期以来，大数据技术突飞猛进，数据挖掘技术的应用覆盖面得以显著拓展，从海量数据中提取有效信息的效率和准确性稳步提升。在会计信息化进程不断深化的今天，在管理会计工作中充分应用数据挖掘技术具有极为深远的现实意义。

１数据挖掘技术的特点

数据挖掘即从大量数据信息中发现有价值信息的过程，该过程充分整合了统计学、决策理论、知识信息、数据库等多学科知识，实现了从海量的、非完全的、模糊的实际应用数据中，提取潜在有用信息和知识的预期目的，并揭示出数据之间存在的潜在关联，为实施相应决策提供必要的依据。在管理会计中，传统数据量相对较少、布局分散且呈不规则状态，所获取的财务分析结果不具备理想的参考价值，无法有效服务于企业决策。而在大数据背景下，通过数据挖掘技术可收集处理巨量数据信息，全面掌握企业经营管理所面临的内外部影响要素，为实施科学合理的战略决策提供保障。随着经济发展新常态的逐步确立，数据信息已经发展成为保障经济发展的关键要素，在大数据时代具有广阔的应用范围。因此，数据挖掘技术将会以此为驱动，不断取得创新发展与突破。

２数据挖掘技术的应用流程

２．１数据取样

在开展数据挖掘前，为保障数据挖掘进程的，有序开展，提高数据挖掘效果，必须严格数据取样，为数据挖掘提供可靠的方向性保障。对此，必须围绕数据挖掘预期目标，创建数据表，对数据库信息进行抽样。要注重数据取样的实际意义，避免片面追求取样数量。２．２数据探索在完成数据取样后，数据挖掘进入数据探索环节，即对数据开展深入而详实的探索搜寻。通过数据探索，可从数据样本出发，全面掌握数据信息中预期或未被预期的潜在关联，从而提高对数据挖掘目标任务的认知。

２．３数据调整

数据调整即对数据信息进行增加、减少、修改或替换，使所获取到的数据信息更具明确性、有效性和针对性，避免大量复杂冗余的数据信息混杂其中，影响整体工作效率。

２．４数据建模

数据建模是统计数据、分析数据、处理数据的关键环节。在该环节，要充分利用决策树、时间序列分析、回归分析等各种不同类型的分析工具，建立相应的数据模型。

２．５数据评价

数据评价是数据挖掘的最后环节，即对数据建立评级体系，全面客观科学地评价通过数据挖掘所获取数据和信息的可靠性、实用性。

３大数据时代数据挖掘技术对管理会计的影响

３．１有效提高管理会计的成本控制职能

对于企业经营管理而言，管理会计的关键职能在于有效管控成本，企业开展的所有经济活动，均与成本控制密切相关。在大数据背景下，单纯地通过计划或预算来进行成本控制，已经难以满足新形势下企业成本管理需求，因而需通过采用数据挖掘技术，整合分析海量数据信息，得出更为贴合实际的结论，为开展成本控制提供依据与参考。通过数据挖掘技术，企业可充分掌握行业竞争情况、供应链情况等外部信息，为企业内部部门赋予不同的成本控制任务指标，优化投入产出比。

３．２变革管理会计对数据利用方式

在数据处理与利用方面，数据挖掘技术效率高，所获得的数据信息更为精确，省略了不必要的数据信息加工处理步骤，节省了时间与精力，充分满足了数据使用者在精准性等方面的需求。此外，数据挖掘技术可对会计数据实施动态化处理，使企业管理层随时掌握会计信息，提高了会计信息的传递效率，有效变革了管理会计对数据的利用方式。

３．３提高管理会计工作效率与质量

管理会计工作的目标在于通过系统化分析与整合有关数据信息，最终服务于企业管理。随着数据挖掘技术的深入应用，管理会计既强化了内部控制管理方式，也逐渐演化形成了其他多种管理方式，全方位优化了企业经营管理效果，符合大数据背景下企业发展需求。数据挖掘技术的高效性、实用性，使管理会计的工作效率及质量上升到了一个崭新的高度，通过对内外部有价值信息的利用，促进企业有效应对环境变化，使经营管理取得长远可持续发展。

３．４变革管理会计的工作内容

在管理会计的工作内容方面，诸多与大数据相关的工作新内容相继出现，并得以发展，提高了数据挖掘技术的覆盖范围，使管理会计工作内容更加丰富，更具层次性与系统性。因此，为更好地适应管理会计工作发展趋势，需要工作人员不断学习新理念、新思想、新方法，不断提高自身综合素养，适应管理会计工作内容持续深化变革而产生的多类型工作需求。

４数据挖掘在管理会计中的应用探讨

４．１作业成本和价值链分析

作业成本法可在很大程度上实现对成本的精准计算，有效提高有限资源的利用率，因此在实践中得以广泛应用。但其操作方法相对繁杂，通过数据挖掘技术的应用，可有效优化作业成本法的实施步骤，减少不必要的流程与环节。同时，可立足于分析作业与价值之间的จ潜在关联，确定相应的增值作业和非增值作业，改进企业价值链。

４．２预测分析

在管理会计工作实践中，更多情形下需要以海量历史数据及数据模型为基础，开展相关预测活动。数据挖掘技术通过在数据库中搜ฃ集预测性数据，采用趋势分析等方法，构建相应的预测模型，对市场销售、成本控制、资金流动等作出科学预测，为企业经营战略的制定与实施提供保障。比如，通过分析市场调查数据可建立销售预测模型，用于预测未来销量。

４．３投资决策分析

投资决策分析具有复杂性特征，需要借助相关工具与模型降低实施难度，而数据挖掘技术便是理想的工具之一。这需要从企业财务报表、宏观经济环境、行业发展规律等方面搜集数据信息，筛选具有实质性意义的数据，保障投资决策的方向性。

４．４产品和市场预测与分析

企业为实现产品效益最大化，需要进行产品组合优化，迎合市场需求，提高市场占有率，构建长期稳定的客户群体，因此进行产品和市场预测至关重要。通过采用数据挖掘技术，管理会计人员可有效掌握价格和成本之间的数据情况，并了解在某个特定阶段内产品所处的市场竞争地位，进而掌握不同产品组合在未来市场销售中的表现。比如，部分非盈利产品无法实现预期利益，但通过产品组合优化搭配，可带来一定客户流量，促进高利润产品的销售，则该非盈利产品便应该纳入产品清单。所有上述数据信息，均可利用数据挖掘技术中的关联分析来实现。

４．５财务风险预测与评估

管理会计可采用数据挖掘技术评价与预测企业财务风险，构建切实可行的财务预测模型，帮助企业管理层动态化掌握企业财务风险，进而未雨绸缪，提前采取有针对性的措施与方法予以防范化解。在财务风险预测与评估中，应用较多的数据挖掘技术方法有多维判别式分析、遗传算法、神经网络等。

５结语

综上所述，在大数据背景下，管理会计工作实践充分应用数据挖掘技术是极为必要的，也是极为可行的。随着市场经济体系的逐渐完善，企业所面临的竞争压力日趋激烈，所遭遇的挑战日趋严峻，必须通过新技术方法引入，提高管理会计工作质量，使有限资金价值最大化。对此，要立足企业经营管理实际，充分遵循数据挖掘技术的基本规律，严格掌握其应用步骤与流程，多措并举，提高管理会计工作实效性，为完善企业内部经营管理，提高核心竞争力奠定坚实基础。

参考文献

［１☢］李平荣．大数据时代的数据挖掘技术与应用［Ｊ］．重庆三峡学院学报，２０１７，（１０）：１４５－１４７．

［２］孟岩．武文龙数据挖掘在战略管理会计中的应用———以ＡＢ公司为实例［Ｊ］．会计之友（下旬刊），２０１８，（６）：５４－５７．

［３］刘洪，何光军．基于人工神经网络方法的上市公司经营失败预警研究［Ｊ］．会计研究，２０１９，（１２）：１４２－１４６．

［４］张志恒，陈旭．数据挖掘技术在会计信息系统中的应用研究［Ｊ］．中国管理信息化，２０１８，（２２）ฆ：２３６－２３９．

［５］杨兵．基于非财务指标及数据挖掘方法的财务危机预测研究［Ｄ］．广州：华南热带农业大学，２０１８：３３４－３４０．