2020年數(shù)據(jù)挖掘技術(shù)在會(huì)計(jì)管理與分析的實(shí)用性研究分析論文

數(shù)據(jù)挖掘技術(shù)在會(huì)計(jì)管理和分析中的實(shí)用研究分析論文隨著會(huì)計(jì)現(xiàn)代化的發(fā)展，會(huì)計(jì)應(yīng)用了越來越多的計(jì)算機(jī)技術(shù)。數(shù)據(jù)挖掘在從數(shù)據(jù)中發(fā)現(xiàn)傾向和模式的過程中，融合了現(xiàn)代統(tǒng)計(jì)學(xué)、知識(shí)信息系統(tǒng)、機(jī)器學(xué)習(xí)、決策理論和數(shù)據(jù)庫管理等多學(xué)科的知識(shí)。 它從大量、不完全、模糊的實(shí)際應(yīng)用數(shù)據(jù)中有效地提取其中隱藏的潛在有用信息和知識(shí)，弄清大量數(shù)據(jù)中復(fù)雜隱藏的關(guān)系，為決策提供有用的參考。 數(shù)據(jù)挖掘在從數(shù)據(jù)中發(fā)現(xiàn)傾向和模式的過程中，融合了現(xiàn)代統(tǒng)計(jì)學(xué)、知識(shí)信息系統(tǒng)、機(jī)器學(xué)習(xí)、決策理論和數(shù)據(jù)庫管理等多學(xué)科的知識(shí)。 它從大量、不完全、模糊的實(shí)際應(yīng)用數(shù)據(jù)中有效地提取其中潛在的有用信息和知識(shí)，揭示大量數(shù)據(jù)中復(fù)雜隱藏的關(guān)系，為決策提供有用的參考。常用的數(shù)據(jù)挖掘方法主要是決策樹、遺傳算法、相關(guān)分析、聚類分析、序列模式分析等(sequation analysis )。因?yàn)閿?shù)據(jù)挖掘市場還處于開始階段，所以發(fā)展很快。 國外著名的大企業(yè)開發(fā)了數(shù)據(jù)挖掘系統(tǒng)。1.IBM的數(shù)據(jù)挖掘產(chǎn)品1 .智能挖掘器提供了多種數(shù)據(jù)挖掘算法，包括關(guān)聯(lián)、分類、回歸、預(yù)測模型、偏離檢測、序列模式分析和聚類。 有兩個(gè)特點(diǎn)：一是數(shù)據(jù)挖掘算法的可擴(kuò)展性，二是它與IBM/DB/2關(guān)系數(shù)據(jù)庫系統(tǒng)密切合作。2.EineSet由SGI公司開發(fā)，提供相關(guān)分析和分類、高級統(tǒng)計(jì)和可視化工具等各種數(shù)據(jù)挖掘方法。 特征包括規(guī)則可視化工具、樹可視化工具、地圖可視化工具、多維數(shù)據(jù)分散可視化工具等強(qiáng)大的圖形工具，用于數(shù)據(jù)和數(shù)據(jù)挖掘結(jié)果的可視化。3.Clementine由ISL公司開發(fā)，提供了與最終用戶和開發(fā)者集成的數(shù)據(jù)挖掘開發(fā)環(huán)境。4.DBMiner是4.DBMiner技術(shù)開發(fā)的，提供以發(fā)現(xiàn)為主導(dǎo)的OLAP分析、關(guān)聯(lián)、分類、聚類等各種數(shù)據(jù)挖掘算法。 特征是基于數(shù)據(jù)立方體的在線分析挖掘，包括與有效的頻繁模式挖掘功能集成的可視化分類方法。面對越來越激烈的競爭環(huán)境，企業(yè)管理者對決策信息的需求也越來越大。 管理會(huì)計(jì)作為企業(yè)決策支持系統(tǒng)的重要組成部分，提供了更多更有效的有用信息責(zé)任。 因此，我們從大量數(shù)據(jù)中挖掘和尋找知識(shí)和信息，為決策提供有力的支持，成為會(huì)計(jì)師使用數(shù)據(jù)挖掘的強(qiáng)大動(dòng)力。 例如，數(shù)據(jù)挖掘有助于企業(yè)加強(qiáng)成本管理，改善產(chǎn)品和服務(wù)質(zhì)量，提高商品銷售比例，設(shè)計(jì)更好的商品運(yùn)輸和流通戰(zhàn)略，降低商業(yè)成本。實(shí)踐證明數(shù)據(jù)挖掘不僅能明顯改善企業(yè)內(nèi)部流程，還能從戰(zhàn)略高度分析企業(yè)的競爭環(huán)境、市場、客戶和供應(yīng)商，獲得有價(jià)值的業(yè)務(wù)信息，保持和提高企業(yè)的持續(xù)競爭優(yōu)勢。 例如，客戶價(jià)值分析可以把創(chuàng)造80%價(jià)值的20%的客戶區(qū)分開來，提供更高質(zhì)量的服務(wù)，保持這一部分的客戶?？梢岳脭?shù)據(jù)挖掘技術(shù)構(gòu)建企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。 企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生不是一蹴而就，而是一個(gè)積累漸進(jìn)的過程，通過建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，可以隨時(shí)監(jiān)測企業(yè)財(cái)務(wù)狀況，防止財(cái)務(wù)危機(jī)的發(fā)生。 此外，還可以利用數(shù)據(jù)挖掘技術(shù)監(jiān)測企業(yè)融資和投資過程中的行為，防止惡意商業(yè)欺詐行為，保護(hù)企業(yè)利益。 特別是在金融企業(yè)，數(shù)據(jù)挖掘可以解決銀行業(yè)面臨的惡意透支和可疑交易等欺詐行為。 SEC報(bào)告稱，美國銀行、美國第一銀行、聯(lián)邦住房貸款抵押公司等幾家銀行采用了數(shù)據(jù)挖掘技術(shù)。工作成本法以精確的成本計(jì)算和資源的利用引起了人們的關(guān)注，但其復(fù)雜的操作卻使很多管理者失望。 在數(shù)據(jù)挖掘中利用諸如回歸分析和分類分析之類的方法有助于會(huì)計(jì)師識(shí)別成本因素，并且更準(zhǔn)確地計(jì)算成本。 同時(shí)，通過分析工作與價(jià)值的關(guān)系，可以確定增值工作和非附加值工作，持續(xù)改善和優(yōu)化企業(yè)價(jià)值鏈。 根據(jù)Thomas G、John J和Il-woon Kim的調(diào)查，數(shù)據(jù)挖掘僅被用于工作成本管理的占3%。管理員通常需要預(yù)測未來，但預(yù)測是基于大量的歷史數(shù)據(jù)和適當(dāng)?shù)哪Ｐ汀?數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫中查找預(yù)測_ _，利用趨勢分析、時(shí)序分析等方法，建立對銷售、成本、資金等的預(yù)測模型，科學(xué)準(zhǔn)確地預(yù)測企業(yè)的各指標(biāo)，作為決策的依據(jù)。 例如，市場調(diào)查數(shù)據(jù)的分析從有助于預(yù)測銷售的歷史數(shù)據(jù)中建立銷售預(yù)測模型等。投資決策分析本身是一個(gè)非常復(fù)雜的過程，經(jīng)常需要利用一些工具和模型。 數(shù)據(jù)挖掘技術(shù)提供了一個(gè)有效的工具。 從公司財(cái)務(wù)報(bào)告、宏觀經(jīng)濟(jì)環(huán)境、行業(yè)基本情況等大量數(shù)據(jù)中發(fā)掘決策的實(shí)質(zhì)信息，保證投資決策的正確性和有效性。 利用時(shí)間序列分析模型預(yù)測股價(jià)進(jìn)行投資的時(shí)候，用在線分析處理技術(shù)分析公司的信用等級，預(yù)防投資風(fēng)險(xiǎn)等。品種優(yōu)化是選擇合適的產(chǎn)品組合實(shí)現(xiàn)最大利益的過程，這些利益無論是短期利益還是長期市場占有率，都是構(gòu)建長期客戶群及其整合體。 為了實(shí)現(xiàn)這些目標(biāo)，管理員不僅要知道價(jià)格和成本數(shù)據(jù)，還必須知道替代品的狀況，以及在某個(gè)市場段位和原來的產(chǎn)品競爭的狀況。 另外，企業(yè)有必要知道一個(gè)產(chǎn)品如何刺激其他產(chǎn)品的銷售等。 例如，雖然可以說非營利產(chǎn)品本身沒有好處，但如果它給大客戶帶來了流量，并刺激了高利潤產(chǎn)品的銷售，則該產(chǎn)品非常有利，應(yīng)該包含在產(chǎn)品列表中。 這些信息可以通過諸如相關(guān)分析之類的技術(shù)基于實(shí)際數(shù)據(jù)來獲得。會(huì)計(jì)師可以利用數(shù)據(jù)挖掘工具評估企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，建立企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，進(jìn)行破產(chǎn)預(yù)測。 破產(chǎn)預(yù)測或財(cái)務(wù)危機(jī)預(yù)警模型有助于管理員及時(shí)了解企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，提前實(shí)施風(fēng)險(xiǎn)對策，避免破產(chǎn)。 另外，破產(chǎn)預(yù)測模型也有助于破產(chǎn)原因的分析，對企業(yè)管理者具有重要意義。 數(shù)據(jù)挖掘技術(shù)中多維判別式分析、邏輯回歸分析、遺傳算法、神經(jīng)網(wǎng)絡(luò)、決策樹等方法廣泛應(yīng)用于管理會(huì)計(jì)。數(shù)據(jù)挖掘是