導語：大數據分析在管理會計的應用分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

【摘要】大智移云背景下，數據的深度挖掘在管理會計中發揮著越來越重要的作用。分析學將企業的數據分析分為三個層次：描述性分析學、預測性分析學、指向性分析學，為企業數據分析提供了新思路。為更好地應用分析學，并將戰略融入到企業的各項活動，文章提出在企業中，以平衡計分卡為框架，對其各視角應用分析學的方法，從而使企業的數據分析時刻圍繞著企業戰略展開，強化管理會計對企業決策的支持作用。

【關鍵詞】大數據；分析學；平衡計分卡

一、引言

在大智移云背景下，有價值的數據無處不在，管理會計師處理的數據不應再局限于企業內部經營數據，而是要廣泛利用外部數據，進行內外部數據的挖掘利用。與此同時，管理會計師處理數據的方式也需要與時俱進，不應再局限于描述性分析和簡單的趨勢預測。分析學可以簡單定義為“發掘數據中有意義的規律”，是利用分析工具、技術以及原理來解決復雜的商業問題。在企業信息化環境下，管理會計師可以利用數據分析技術從內部和外部數據源提取分析數據，來回答發生了什么（描述性分析學），將會發生什么（預測性分析學），優化的解決方案是什么（指向性分析學）。可見，分析學為管理會計師的數據處理提供了新的思路。基于平衡計分卡視角，用分析學來進行數據挖掘，是將分析學的三個層次（描述性、預測性、指向性）應用于平衡計分卡的財務、客戶、內部流程、學習與成長等四個視角來對企業進行績效考核，保證了企業發展狀況的描述、預測、優化一直圍繞著企業戰略展開，便于在環境改變的情況下及時調整企業發展戰略，以促進企業的可持續發展。

二、理論基礎

（一）大數據。大數據來源廣泛，包括博客、RFID標簽、社交網絡、基于互聯網的文本文檔、視頻檔案、攝影檔案、科學實驗、活動記錄等［1］。企業中的大數據來源分為3類：第一類是來源于企業中的籌資活動、投資活動和經營活動的數據，它們是數據的傳統來源。第二類是互聯網和社交媒體產生的數據，它們對于企業來說潛在價值最高，但是因為這些數據比較復雜，且大部分數據是非結構化的，需要對其進行文本挖掘，從中提煉出有價值的信息和知識，然后再利用數據挖掘技術和工具進行分析。第三類是機器產生的數據，現在很多前端的數據收集系統已經實現了自動化，各種機構都可以收集到龐大豐富的數據，這將是未來數據的主體。（二）分析學。分析學可以通過數據報告分析研究對象的發展趨勢，創建預測模型，為優化企業工序提高績效服務，從而幫助企業實現商業目標。分析學的應用涉及到企業的眾多部門和職能，甚至可以覆蓋整個企業活動。IN⁃FORMS為分析學劃分的三個層次，得到了業界領袖、學術機構的廣泛認可［2］。圖1中展示了分析學的三大分類，包括每一層級要回答的問題和所用的分析技術類型。由于大數據具有數量大、種類多、流動速度快的特點，具體的挖掘分析需要運用先進的算法，利用分析學中的先進技術水平無疑是最好的選擇。在描述性分析學階段，只是向決策者定期傳達企業“發生了什么？”以及“正在發生什么？”，在這一階段大多是采用圖表的形式將企業數據呈現在決策者面前；在預測性分析學階段，企業會思考“未來會發生什么？”這個預測是建立在歷史數據的基礎上；在指向性分析學階段，企業利用復雜的數學模型確定解決問題的最佳方案，回答企業“應該做什么？”的問題［3］。分析學的三個層次是逐漸上升的，現在很多企業管理會計的應用仍停留在描述性分析學及簡單的預測性分析學方法上，指向性分析學的應用則是少之又少。（三）平衡計分卡。平衡計分卡從四個視角衡量企業績效：（1）財務視角，描述“利益相關者所期望或要求的財務成果是什么？”（2）客戶視角，回答“我們的目標客戶是誰？”“他們的期望是什么？”“我們的價值主張是什么？”（3）內部流程視角，分析“為了能為客戶創造價值，我們需要在哪些流程上高效運營？”（4）學習與成長視角，考察“我們能否繼續創造價值？”圖2中的框架使平衡計分卡的應用不再局限于衡量企業績效，還可以通過預測性分析學和指向性分析學對企業未來績效進行預測和改進，為未來的管理層決策提供重要的數據支持。

三、分析學在平衡計分卡中的應用

平衡計分卡的各個視角相互影響，相互促進。學習與成長衡量公司推出新產品的能力、為客戶創造更多價值的能力、繼續提高企業效率的能力，這些使人力資源和信息技術與戰略要求相一致，而這些戰略要求來源于企業的關鍵內部商業流程、差異化的價值主張、客戶關系，最終影響企業的經營成果。分析學在平衡計分卡的框架下應用可以契合企業戰略，為管理層提供更加具體的決策信息，促進企業可持續發展。（一）財務視角。從商業企業追逐利潤開始，企業的重點就已經是通過在驅動收入增長和增強成本控制之間實現創造性的平衡，來提高股東價值。其中，收入的增長通常通過兩個方式來實現：在市場上銷售全新的產品或服務，或者加深與已有客戶的關系。所以在對企業財務視角的目標完成情況進行評價時，可以參考的考核指標有銷售增長率、市場占有率、現金流量、凈資產收益率等。利用描述性分析學可以提供對企業目前財務狀況的整體性描述。例如，在比率分析中將基于歷史數據計算的各年度凈資產收益率進行比較，管理會計師將得到企業成長的信息。另一方面，將財務視角關注的比率與行業基準進行比較，可以描述公司是否保持競爭優勢。可視化工具為管理會計師更有效直觀地提供財務信息，將公司近幾年的銷售數據做成折線圖，可以直觀地看出銷售的波動情況［4］。從財務角度看，預測性分析學是利用企業積累的歷史數據預測未來的財務業績，管理會計師根據預測結果可以較精確地編制企業整體預算。預算編制的起點為銷售量預測，利用數據挖掘技術根據產品歷史銷售數據，綜合考察其影響因素對預測模型進行修正，預測各個產品的銷售情況，實時搜集生產成本、費用支出等各種數據進行測算，進而制定企業的各項預算。利用預測性分析學制定企業預算不僅提高了預算的精確度，還能夠縮短預算的編制周期。根據描述性和預測性分析方法得到的結果，管理會計師可以利用指向性分析方法得到最佳解決方案及其可能的結果。指向性分析學與預測性分析學使用的方法在有些情況下是相同的，但指向性分析學本質上是通過比較得出最優解決方案。例如：智能制造模式的一個顯著性特點是網絡化協作，生產產品不再僅僅是制造企業的任務，而是需要材料供應商、技術開發商和商等產業鏈上下游企業的協同合作，在如何選擇合適的合作企業上，可以利用企業的內外部數據，確定合適的指標體系，采用人工神經網絡算法，選擇有利于企業實現提高存貨周轉率，降低產品成本，獲取高回報的合作企業［5］。（二）客戶視角。在最初的平衡計分卡框架中，從時間、質量、性能和服務、成本四個方面描述了客戶的關注點。時間是指企業滿足客戶需求所需的時間；質量衡量顧客感知的產品或服務缺陷水平；性能和服務衡量企業產品或服務如何為顧客創造價值；最后，成本衡量企業產品或服務達到某種程度所利用的各項資源的價格。描述性分析學的應用提供了客戶視角當前狀況的一個綜合觀點。多數的大數據處理方法需要結構化的數據源，但文本挖掘和可視化使管理會計師可以從企業網站和客戶論壇的評論和投訴中提取意見，并生成有用的信息，進行客戶維度的描述分析。結構化數據計算的退貨率和保修索賠率也可以作為衡量顧客對制造企業產品的滿意度的指標。采用預測性分析學，管理會計師可以從客戶視角關注的四個方面對顧客關于企業產品或服務的看法做出合理預測。具體來說，時間、質量、性能和服務以及成本都可以通過預測分析算法（例如：支持向量機、人工神經網絡、遺傳算法、對數回歸、時間序列分析、層次分析法）利用內部歷史數據或外部網站數據進行估計。例如：管理會計師可以用內部數據訓練人工神經網絡模型，對收到顧客訂單到交付產品或服務之間的時間間隔進行預測，這將有助于協調企業各部門之間的合作，并協助管理者調整公司戰略。在“互聯網+”背景下，電商后臺數據庫中存在著大量文本形式的用戶評論，采用文本挖掘不僅可以得到用戶對產品的評價，還可以對用戶未來需求產品的特性進行預測，進而預測未來新興產品的市場［6］。指向性分析學提供了企業成本與時間、質量以及性能和服務等因素之間的最佳解決方案。企業非常注重提高客戶的滿意度，這就要求企業能夠更快地響應客戶的要求，提高產品的質量，提供更好的性能和服務，但是這些都面臨著預算約束。管理者通過制定資本與勞動力的投入策略來提高顧客的滿意度和忠誠度，而這是一系列復雜的決策，通過指向性分析得到各種方案可能的結果，進而選擇最優方案。將描述性分析學和預測性分析學結合使用，管理會計師可以向管理層提供回答各種問題的決策相關信息。比如：我們衡量客戶滿意度的方法揭示真相了嗎？誰是我們的潛在客戶？基于實時社會媒體數據實施有效的分析技術（文本挖掘等）使管理會計師能夠進行即時分析，并協助管理層做出適當的客戶策略。（三）內部流程視角。平衡計分卡的內部流程視角是對影響內部流程的因素進行考察，包括生產周期、產品質量、員工技能和生產率等。為了有效地進行內部流程管理，管理會計師需要將各個影響因素進行從上而下的分解，從而為下級員工提供明確的行動目標、決策目標和改進目標，而信息系統是管理會計師與員工之間溝通的橋梁。響應良好的信息系統可以及時為管理會計師提供有價值的信息，從而為管理層決策提供依據。內部流程視角的描述性分析學可以概括目前企業流程的狀況。企業中具有各種各樣的信息系統，使用流程挖掘可以從實際業務執行日志中發現結構化流程信息，并將其與可視化技術相結合，提供對正在進行工作的全面說明。以員工的技能、生產率和其他特征為聚類依據，可以發現高效率的員工并提供獎勵，以激勵其他員工提高工作效率。預測性分析學在衡量和管理內部流程中起著重要的作用。管理會計師可以基于歷史數據建立預測模型，來預測相關因素的未來價值，從而為衡量企業績效提供監測基準。如果管理會計師認為實際的績效比預測結果差的多，那么就需要確定這種差異是由什么原因造成的。一般有兩種原因：一是企業確實經營的差，比如內部控制不足；二是選擇的模型不適合，有時對企業內部流程具有重要影響的因素可能沒有被包括在原始預測模型中，導致預測結果可信度差。因此，預測性分析工具應該不斷地進行監測和修改，以確保預測結果的有用性。在內部流程分析中應用預測性分析學的典型例子是利用流程挖掘優化企業事務處理。管理會計師可以了解到企業內部處理各項事務的流程，并且預測在各種情況下流程的效率。基于這些信息，管理會計師可以修改日常流程以改善組織效率。此外，管理會計師對未來可能發生的事情進行預測可以減少企業突發事件出現的可能性，也就是說可以預測未來可能發生的事情，做好準備，使其不再是突發事件。具體而言，管理會計師可以提供對企業各級員工的預測性報告，使每個員工對企業內部流程的現狀和預期具有更廣泛的了解。指向性分析學是根據內部流程描述和預測的分析結果對其進行優化。傳統意義上復雜決策是基于經驗和簡單的描述性統計作出的，管理會計師可以使用指向性分析工具以找出員工技能、事務處理復雜性和生產質量之間的最佳解決方案，為決策者提供更具體的決策相關的信息。在內部流程視角，指向性分析工具可以采用目標規劃或帕累托優化，將復雜的決策過程轉化為優化模型，其中包括來自其他不同視角的描述性和預測性算法提供的信息。（四）學習與成長視角。企業創造價值的關鍵是提高企業軟實力，其中包括人力資源、品牌價值等。在學習與成長視角衡量與軟實力相關的能力，比如創新、改進和學習，衡量指標包括新產品的市場份額和員工培訓費用等。企業的成長離不開學習和創新。學習和創新的兩種情形可以概括為開發新的產品或服務和采用新的技術。描述性分析學可以解釋公司重視創新的程度和在新的挑戰下員工如何學習。例如，可以用研究開發費用與總費用的比率來衡量企業對開發新產品或服務的重視程度。文本挖掘和可視化方法可以用來評估展示學習進展。ERP系統的實施需要對使用的員工進行培訓，利用描述性分析工具可以呈現系統的學習進度，從而管理會計師可以監督員工的學習效率。企業的可持續發展是創新和學習關注的重點，這就需要企業必須了解當前活動可能對價值創造過程產生的影響。新技術帶來的收益和成本；流程改造后對事務處理效率的影響，運營成本的變化；客戶對新產品的接受程度。這些預測有助于管理會計師了解創新和學習的有效性，并據此對員工提供激勵。指向性分析工具可以使管理會計師利用描述性和預測性分析的結果，找到解決問題的最優策略或方向。在指向性分析學中機器學習算法可以用于訓練模型，以便考慮到客戶滿意度和銷售收入等因素對創新的影響，確定優化策略。企業應用分析學需要在大數據儲存、分析、挖掘、可視化的過程中選擇適合的軟件，采用指向性分析工具可以為企業建立適合自身的大數據管理體系，進行精益管理，全面提升企業的運營效率，增強企業價值創造能力，促進企業全面可持續發展。

四、總結

在大智移云背景下，企業已經具有了收集、儲存數據的能力，但是如何將數據轉換為商業價值，成為企業需要解決的問題。企業利用分析學可以挖掘大數據中的商業價值，依靠現有信息及時采取快速準確的行動。分析學的應用是一個長期的過程，企業需要搭建一個基于大數據分析技術的分析平臺，從而使員工可以進行簡單的操作實施復雜的數據挖掘過程。本文的描述進一步突出了管理會計在企業決策中的地位，并且對于從事管理會計職業的人員提出了新的要求，不僅要精通會計知識，還要熟知IT、業務和營銷等方面知識。

【參考文獻】

［1］（美）NathanielLin著，趙玲譯.大數據商業分析：整合大數據與業務流程的高級商業分析指南［M］.北京：人民郵電出版社，2016.

［2］（美）DursunDelen著，丁曉松等譯.大數據掘金：挖掘商業世界中的數據價值［M］.北京：中國人民大學出版社，2016.

［3］AppelbaumD，KoganA，VasarhelyiM，etal.Impactofbusi⁃nessanalyticsandenterprisesystemsonmanagerialaccount⁃ing［J］.InternationalJournalofAccountingInformationSys⁃tems，2017，（25）：29-44.

［4］（美）MicheleChambers等著，韓光輝等譯.大數據分析方法：用分析驅動商業價值［M］.北京：機械工業出版社，2016.

［5］潘珠.基于BP神經網絡的供應商選擇與評價研究［D］.中國地質大學（北京），2010.

［6］易劍波.基于文本挖掘的電商用戶評論分析與系統實現［D］.東南大學，2017.

［7］司玉娟.以S公司為例談平衡計分卡績效評價體系的構建［J］.商業會計，2015，（01）：68-69.

［8］楊興月.基于平衡計分卡的績效評價指標體系的構建［J］.商業會計，2011，（32）：45-46.

作者:李愛敏 李燕 單位:青島科技大學經濟與管理學院