数据挖掘技术对会计的影响及应对
数据挖掘技术对会计的影响及应对
作者:路伟果 刘光军 彭韶兵
来源:《财会月刊·上半月》2020年第04期
        【摘要】以新时代信息技术的影响为研究背景,系统分析数据挖掘技术对会计的影响。这些影响包括:会计人员和会计部门角发生根本变化;会计确认的要素范围扩大到数据资产和数据资本,并且更多地采用多维数据;数据解释更多地采用可视化技术,且用户将成为信息参与者;企业及会计人员将面临更大的信息安全风险。同时有针对性地提出如下策北京关爱成长国际教育咨询中心
略:会计人员需要转型为数据分析师和算法工程师;会计人员必须重视数字经济蕴含的价值及其重要地位,企业也要着力培养会计人员的数字素养;会计人员要融入企业全面可视化管理;企业及会计人员应积极参与构建信息安全防护体系和标准规则体系。
玛瑙怎么辨别真假
        【关键词】数字经济;数据挖掘;财务会计;可视化技术
        【中图分类号】 F235 【文献标识码】A 【文章编号】1004-0994(2020)07-0068-7
        一、引言
        数据挖掘(Data Mining)一般是指通过数理分析方法和算法从大数据中搜索、挖掘出隐藏于其中的信息,建立和验证模型,以提供决策支持信息的一种过程。它是大数据技术的一种应用和发展,也是一种决策支持过程。将其应用到会计领域,有助于会计人员对大容量、多种类、实时性很强的数据进行有效的分析、处理和利用,为企业各层级的管理者或决策者提供有价值的信息。 财政部于2016年10月发布了《会计改革与发展“十三五”规划纲要》(财会[2016]19号),指出加强会计信息化建设,是“十三五”时期我国会计改革与发展的九项主要任务之一。而会计信息化建设离不开数据挖掘等相关信息技术的应用。应用
数据挖掘技术,有助于推进我国会计改革,贯彻《会计法》《企业会计信息化工作规范》等法律法规。
        数据挖掘技术是目前影响会计发展的十大信息技术之一。2019年6月29日,由上海国家会计学院主办的“信息技术与财务的未来”高峰论坛暨2019年度影响中国会计人员的十大信息技术评选结果揭晓。这十项信息技术和其支持比率分别是财务云(72.1%)、电子发票(69.5%)、移动支付(50.7%)、数据挖掘(46.9%)、数字签名(44.5%)、电子档案(43.1%)、在线审计(41.4%)、区块链发票(41.1%)、移动互联网(39.6%)和财务专家系统(37.7%)。该项评选结果主要是从微观视角揭示新时代对财务会计产生影响的主要信息技术,包括对财务会计、管理会计、审计等相关专业和职业的影响。在评选过程中,每年的热点均有所不同,这也说明新时代信息技术更新速度比较快,呈现出动态特点。
        以上十项信息技术中,从数字经济生态体系来看,财务云和移动互联网属于生态圈里的技术支撑体系,其他则属于应用服务体系。从传统会计核算流程视角来看,电子发票、区块链发票和数字签名主要用于原始单据的取得、财务流程中的审核或内部控制;移动支付
和移动互联网代表的是支付手段;电子档案属于会计档案保管范畴;在线审计和财务专家系统属于财务信息质量控制范畴;数据挖掘和财务云是财务会计参与管理的进一步发挥,有助于促进财务会计转型管理会计,并促使会计人员转型为数据分析师或算法工程师、会计部门(含财务中心,下同)转型数据分析部门。
        数据挖掘技术也是当前财务职能理论研究中的热点之一。张超等[1] 研究发现,在与财务智能密切相关的关键词中,研究数据挖掘方面的中文文献有19篇,占绝对首位,远高于第二位以“财务分析”为关键词的研究数量。他们的研究结论进一步揭示了数据挖掘在信息技术中的重要地位,以及数据挖掘与财务智能之间的密切联系。
行业网站建设方案        综上可知,数据挖掘技术是我国会计信息化建设的主要内容之一,也是当前影响会计发展的十大信息技术之一,更是当前财务职能研究的主要热点之一。相对于其他信息技术而言,数据挖掘技术对于会计人员仍然较为陌生,因此本文以数据挖掘为研究对象,分析其对会计产生的影响并探讨企业、会计部门和会计人员该如何迎接数据挖掘技术带来的挑战,以期为会计学术研究、会计实务、会计教学等提供一定的参考。
        二、數据挖掘技术对会计的影响
        (一)会计人员和会计部门的角定位将发生根本变化
        当前,会计在企业中的职能定位仍然侧重于核算,监督、参与管理、理财等职能并没有充分地体现出来。数字经济时代下,传统会计核算职能由智能机器人和自动化办公软件等替代,使得会计人员从核算职能中解放;数据挖掘技术的应用要求企业会计人员不仅需要熟练掌握会计核算,还需要精通理财、管理、数据分析、算法与设计,根据数据挖掘的结论做出有效评价,提供决策支持信息,逐渐转型为理财师、管理会计师、数据分析师和算法工程师(主要是数据挖掘算法工程师和机器学习算法工程师)等。
        与此同时,会计部门也随会计人员职能和角的变化而逐渐成为大数据处理部门;数据分析和解释数据的能力,将成为会计人员的必备技能,否则数据挖掘的结果难以支持决策。随之,会计学科向边缘学科转化的速度不断加快,与信息技术等学科交叉融合是会计学科和专业建设的必经之路,数学和数量统计成为会计专业教育的根基之一。会计工作内容,将由主要处理常规经济业务(一般信息生成),转变为主要处理复杂经济业务(特殊信息生成)、数据分析(信息利用)和算法设计。具体的,会计人员和会计部门的职能变化如表1所示。
        国内外个别高校已经试点开设了会计学(大数据分析方向或商业与财务分析)专业硕士点,鼓励学生跨学科、跨专业学习,培养既精通会计专业知识,又能掌握信息技术、数据分析和算法设计等技能的综合人才;一些软件公司研发并推出了财务云或云会计等新产品。这些都是顺应会计发展和角定位变化的现实要求,是会计转型的标志之一。
        (二)确认的要素范围将扩展到数据资产和数据资本,也将更多地采用多维数据
        1. 数字经济时代会计确认的要素范围将发生重大变化。工业经济时代,会计确认与计量的资产和资本,主要包括有形资产和无形资产,如存货、固定资产、长期股权投资、无形资产,以及实物资本、金融资本和产权资本(以知识产权作为资本投入)等。而在数字经济时代,随着数据资源与土地、劳动力和资本一样成为生产要素,会计确认与计量的资产和资本范围将进一步扩大。即在数字经济时代,数据的价值演变过程表现为“数据资源→数据资产→数据资本”[2] ,具体如表2所示。
        数据资产和数据资本均具备资产、资本的一般特征。数据挖掘的对象包括数字产品和大数据,在数字经济时代,大数据逐渐成为数据资产。它与有形资产、无形资产一样满足资产确认的定义,也具有资产的一般特征。如网络视频公司的可视化产品,其是由过去的
交易和事项形成的,是由企业拥有或控制的,预期能给企业带来经济利益的一种资源,满足资产的定义和一般特征。数据资本与实物资本、金融资本一样,能够给企业创造价值,将数据资产的使用价值或价值作为资本投入,就是通过数据流动或交易将数据资产变成数据资本的过程。
支离破碎造句        因此,学术界和实务界已经将对数字资产的相关研究提上日程,以便进一步修订《企业会计准则》,用以规范和指导会计实务;反过来,真实可靠的数据资产、数据资本的确认和计量又能促进数字经济的发展。企业掌握的数据规模、数据挖掘能力构成企业的核心竞争力和战略性资源,尤其是对于一些关键行业和以数字产品为主的电子商务企业。
        2. 会计传统的单维数据模式将转向多维数据重构及多维数据分析。
节约粮食手抄报内容        (1)获取、传递、处理多维数据将逐渐成为会计的主要工作之一。传统的会计人员因数据的取得成本较低和惯性思维,易囿于单维数据陷阱。即使部分企业成功实现了财务会计转型管理会计,但会计师获取的绝大部分数据依然是单维财务数据[3] 。传统核算型主导下,会计人员记录、传递、处理、分析、存储和利用的单维数据主要是金额数据,较少涉及时间点、间隔期、地区、渠道、货物摆放位置、商品关联度、用户分类等多维文本数
据。传统数据的表现方式主要是单维财务数据——金额,基本不包括文本、邮件、电话记录、聊天记录、照片或截图、音频、视频、博客、推特、等形式或载体,而这些非结构数据或信息,需要利用文本分析功能进行处理后形成二次分析,与直接获取财务数据的成本相比,信息处理成本相对较高。
        这些多维数据都是经济资源,蕴含重要的价值、使用价值及交换价值,很可能产生溢出效应。如采取自定义数据抓取程序(网络爬虫技术),通过人工模拟搜索引擎功能来操作浏览器,利用网络空间自动获取各种数据信息,直至满足抓取程序所设定的停止要求;该抓取程序可获取的信息量大,但也可能充斥很多垃圾和噪声,准确度较低。
        (2)对多维数据的分析、存储和利用,也将成为会计的工作内容。最典型的比如电商针对消费者在线评论的文本情感进行分析,研究消费者行为和消费倾向[4] ;针对消费者复购行为的数据分析,以进一步研究激发消费者复购行为的时机和购买欲;从外部截取消费者碎片式信息,了解消费者或购买商的信用状态,分析信用风险,以便设计和实施合理的赊销政策或欠款催收策略。个别高校在会计学专业人才培养方案中增设大数据分析相关课程,也是调整、适应学科建设和会计实务的需要。
        (三)会计人员的数据分析及展示方式将更多采取可视化技术
怎样提高成绩
        对于數据挖掘,其展示或输出方式不再是单一的财务报表或文本格式,而是由平面转向可视化技术[5] 。该技术率先在科学与工程计算等领域中使用,通过将数据分析及数据解释的结果以可视化的方式展示,增强了数据解释的吸引力和便捷性,用户更易理解和接受。常见的可视化技术有标签云、信息流空间等,如标签云以典型的超链接方式为使用者提供详细的内容展示,信息流分析中则引入空间维度。一般财务数据的输出形式大多是静态信息图表,很少采用单向动态和双向动态互动模式。而设计清晰、直观、富有美感、双向动态模式的可视化产品,可以直接吸引会计信息使用者,提高财务数据解释的使用效率。但目前大多数数据挖掘应用平台还难以提供高效、清晰的可视化产品。
        与此同时,会计信息使用者可以根据自身需要,直接参与数据分析过程、设计“输出产品”的表现形式,甚至可以溯源、追索数据分析的整个过程,深化和理解分析结果。最终,会计信息使用者演变为参与者、发布者(供给者)或传播者,由单向信息传递的被动接受者变成双向信息互通的主动参与者,增强了财务数据解释的互动性、灵活性。
        因此,使用数据挖掘技术可以使会计人员通过自定义选项、参与构建极具特的财务
报表,会计信息使用者也可以参与设计或选择自己喜欢、便于理解的图形类型或视频产品,形成双向互动模式。
        (四)企业及会计人员面临着更大的信息安全风险
        数字经济时代,企业和个人的信息被挖掘成为必然。如企业在应用数据挖掘技术分析消费者行为时,获取或掌握有大量消费者的个人信息,如个人照片、截图、聊天记录、邮箱邮件、号、支付宝账号、电话号码及通话记录、文档、购买频率、购买商品种类和数量、微博、博客、推特、脸书等个人隐私数据,很容易导致大量的信息外露[6] 。数据泄露的渠道很多,包括内部人员泄露、系统漏洞、黑客攻击、网络爬虫、数据黑产业链等。数据泄露的后果主要表现为电话推销、骚扰短信、电信、垃圾邮件、广告弹窗、精准营销等,给企业和个人带来财产安全隐患和直接经济损失。一旦相关信息泄漏,可能使得企业和数据分析师面临诉讼风险,需要承担相应的民事赔偿等法律责任。

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。