英语原文共 20 页，剩余内容已隐藏，支付完成后下载完整资料

大数据，大变化：财务管理

近年来，“大数据”引起了越来越多的关注。它在航空航天研究、生物医学等领域已经证明了它的重要性和价值。在“大数据”时代，以交易、业务记录、会计、预警为主导的财务工作可能会焕发生机。本文通过对财务管理理念、功能、模式和方法的影响，分析了“大数据”对会计数据处理、全面预算管理和管理会计带来的变化。然后阐述了“大数据”给企业带来的挑战，旨在说明只有培育优势，克服弱点，企业才能在“大数据”时代立于不败之地。

1、大数据的介绍

近年来，“大数据”越来越多地被提及。它用于描述和定义信息爆炸时代产生的大量数据。纽约时报2012年2月的一篇专栏文章报道”大数据”时代已经到来。在商业、经济等领域，决策的基础是数据和分析，而不是经验和直觉。在“大数据”时代，以交易、业务记录、业务会计和预测为主导的财务工作可能会焕发生机。财务管理的理念、功能、模式和我自身都将发生颠覆性的变化。

尽管近年来人们越来越重视大数据，但对于“大数据”的定义还没有达成共识。Gartner 是 IT 研究和咨询公司的权威机构，它这样定义: “大数据是高容量、高速度和高多样性的信息资产，需要新的处理形式来支持增强的决策、洞察发现和过程优化。”IBM说: “大数据一直由我们周围的一切产生。每一个数字化过程和社交媒体交换都产生了它。系统，传感器和移动设备传输信号。海量数据正以惊人的速度、数量和多样性从多个来源涌入。”美国国家科学基金会(nsf)将大数据定义为“科学仪器、传感器、互联网、电子邮件、音频和视频软件、网络点击流数据源生成各种大规模、多样化、复杂和长期的分布式数据集”。

无论如何，大数据的特征通常被简化为4 vs：

1)音量。数据单元已经从 GB,TB发展到PB,EB,ZB，甚至YB。1YB = 1024ZB，1ZB = 1024EB，1EB= 1024PB，1PB = 1024TB，1TB = 1024GB。

2)速度。大数据的更新和变化速度令人惊讶，企业必须在短时间内持续处理从业务中产生或进入业务的大量数据。只有这样，大数据的商业价值才能最大化。

3)多样性。除了结构化数据之外，它还有多种数据类型，如文本、语音、图形、视频、点击流等。

4)价值。数据是有用的。它使企业能够发现并提出一些新的问题。IBM将第4v降低为准确性，原因是只有真实和准确的数据才能使对数据的控制有意义。

大数据也是不同类型颗粒数据的包装。大数据的五个关键来源是公共数据、私人数据、数据穷竭、社区数据和自我量化数据。“公共数据”通常由政府、政府组织和当地社区保存，可用于广泛的商业和管理应用。”私人数据”是由私营公司、非营利组织和个人持有的反映不能随时从公共来源估算的私人信息的数据。“数据排放”是指被动收集的环境数据，对原始数据收集伙伴具有有限或零价值的非核心数据。“社区数据”是将非结构化数据(尤其是文本)提炼成捕捉社会趋势的动态网络。“自我量化数据”是指个人通过量化个人行为和行为而揭示的数据类型。

大数据已经在几个领域证明了它的重要性和价值。美国国家海洋和大气管理局(NOAA)、美国国家航空航天局(NASA)、几家制药公司和众多能源公司等组织已经积累了大量的数据，现在每天都利用大数据技术从中提取价值。事实上，大数据应该引起各行各业财务人员和管理者的重视，以提高企业的核心竞争力。

2、大数据，大变化: 会计数据处理

会计数据作为企业的核心，反映和支持企业的正常经营和资本运营。通过对会计数据的处理，充分挖掘财务信息，可以提高企业的财务管理水平，降低资金成本，获得丰厚的利润。

2．1会计数据处理的发展历史

会计数据是企业经营活动中发生的各种经济事件的记录，它是财务信息的源头。会计数据的处理是对会计数据的采集、存储、加工、转移和分析。到目前为止，会计数据处理的发展历程大致可分为五个阶段：

手工操作: 在这个阶段，会计师把他们的眼睛、耳朵作为输入单位，用纸和笔记录经济事务，存储、处理，然后转移。手工操作有两个主要优点: 一是灵活性。会计事务处理方式和程序发生变化时，易于调整。另一个是可靠性。会计事务不会仅仅因为电或温度而完全中止。然而，手工操作的缺点是显而易见的，如速度慢，效率低，误差率高。

机械过程: 在十九世纪末和二十世纪初，工业经济发达，企业规模扩大，会计工作量增加。在这种情况下，机械过程出现了。会计人员使用打孔器、验证器和电子设备来收集、存储、处理和转移会计数据。与手工加工相比，机械加工提高了加工速度和精度。然而，设备太大太重了。很难操作。而且代价很高。

电子计算机过程: 电子计算机由输入、存储、算术、逻辑运算、控制和输出组成。集中存储和自动处理提高了会计数据处理的效率，增加了会计信息的及时性和准确性。然而，在这一阶段，信息主要通过光盘和软盘进行共享和交换。企业会计和操作程序只是模拟人工处理阶段。会计程序之间没有关系。

网络化过程: 随着网络技术的发展，财务部门可以利用计算机和网络来处理内部网、外部网、互联网等会计数据。现代信息技术，特别是 erp 系统，实现了业务流程与会计程序、业务会计与会计管理、财务信息与非财务信息的集成。它极大地提高了企业信息的共享。在这个阶段，数据类型只是结构化数据。

大数据处理: 随着物联网的发展和云计算的成熟，大数据时代正在到来。在这一阶段，会计数据的内涵更加丰富，结构更加复杂。分析方法更加智能化，分析和应用成为关键。值得注意的是，一旦会计数据被盗，损失会更大。

2.2大数据时代的会计数据处理

随着信息技术特别是物联网和云计算技术的发展，企业会计必须收集和处理大量不同结构的数据。与一般的大数据相比，会计大数据除了具有“寄生”特性外，还具有“寄生”特性，即会计数据寄生在企业数据之上。从商业数据中分离出来是不存在的。

大数据时代的会计数据具有数量性、速度性、变化性、价值性和寄生性等特点。因此，会计数据处理更加复杂。它需要多种解决方案，融合许多传统的和现代的技术。到目前为止，IBM、 INTEL、HP、SAP、Oracle 和EMC 都拥有各自的大数据解决方案[6]。值得注意的是，数据不仅是资产，也是垃圾。只有通过集成(作为语义多元数据)、选择(提取相关数据)、清理(删除冲突数据)、转换(转化为易于挖掘的形式)、挖掘(以智能方式提取数据模式)和估算(评估其价值) ，才能使会计数据成为资产和有用信息[7]。

3. 大数据，大变化: 全面预算管理

当前，企业预算管理面临着两大挑战: 一是提高企业的管理水平。二是监理部门提出的要求。首先，现代企业运用ERP软件进行事后管理并不满意。越来越多的企业希望提前控制。其次，随着竞争的加剧，制定合理的经营目标并实现这些目标显得尤为重要。再次，反复兼并和重组使得集团公司的管理水平参差不齐。因此，集团公司迫切需要提高管理水平。此外，大型集团公司的行业分布复杂，地理分布零散。所以需要合理分配资源。

Lukka 指出，在预算编制方面，由于难以编制充足和正确的预算，因此各组织在预算松弛的情况下运作，因此难以进行预算控制。目前，大多数企业还处于初级阶段。管理者很难判断数据的真实性和合理性，因为大量的数据都是经验推测出来的。预算编制者很少参考以往的数据和未来的市场前景来编制预算。和稀有企业进行合理的预算调整和滚动预测。预算控制缺乏综合控制体系。它依赖于管理者在事件发生后进行检查，而没有系统的信息化手段。在预算分析过程中，大多数企业仍然进行简单的图表分析。他们缺乏有效的访问控制，不分析针对不同管理目标的数据。

在大数据时代，构建预算信息管理平台可以解决全面预算管理的三个核心问题: 如何制定科学的管理目标？如何科学地分解尸体？如何通过执行和分析预算来实现管理者的目标？

以IBM TM1为例，它可以将所有的历史业务数据导入TM1系统。根据这些数据进行多维分析，并与前期数据进行比较，制定下期预算。同时，TM1可以根据管理者的目标，建立模型并进行分析、分解和科学地交付目标。更具体地说，在获得实际数据后，预算编制人员通过预算数据与实际数据的比较完成预算执行报告。管理者可以根据预算执行报告调整下期战略，制定下期管理目标。同时，我们认为预算不是财务部门的任务，而是整个人员的任务。所有部门都要参与预算的制定、控制和分析过程。销售预算产生成本预算、人力资源计划、采购计划、期间费用计划、财务计划，然后完成利润表中的预算信息。因此，预算员可以提供一套预算报告。在业务部门和财务部门的共同努力下，企业有限的资源可以分配到不同的地区、不同的部门、不同的部门。然而，预算执行控制需要被放入商业信息系统。由于企业信息系统时刻处于运行状态，而预算系统只能在预算期、预算调整期和预算分析期运行。因此，在预算系统与业务信息系统的整合下，战略规划、战略目标的构建、预算编制、预算执行控制、预算分析报告、预算评价以及下一时期的效益等可以形成一个闭环。

4. 大数据，大变化: 管理会计

大数据时代的到来使管理会计发生了很大变化。

4.1. 从基于结果的分析转变为基于过程的挖掘

以快速消费品(FMCG)行业的销售运作分析为例，传统的人工智能分析方法是根据终端、产品、渠道、数量、总和等统计数据进行多维分析。问题是当需要追溯源头的时候，我们可以做出粗略的定性判断。这意味着做决定的风险。

如果我们把数据天线延伸到面向消费者的终端，会发生什么？例如，当顾客来购买我们的产品时，销售人员可以与他们充满激情地交流。他们可以问他们对产品的评价，以及他们多久来一次。即使有些顾客选择竞争对手的产品，我们仍然可以问他们原因。为了方便起见，销售人员可以以实时录音的方式进行，然后将其传送到公司后台。从而减少了销售人员的工作量，保证了信息的真实性。在这个过程中，我们获得结构化的数据，如销售量，非结构化的数据，如消费者的评价，以及一些竞争对手的销售促销价格的信息。在大数据时代，所有信息都将成为企业的巨大价值财富，并在适当的时候转化为即将到来的财富。

4.2. 从单类型数据向多类型数据的转变

近年来，非结构化数据迅速增长。透过分析结构化数据以外的非结构化数据，我们可以更全面地进行财务分析。例如，当企业需要对客户信用进行评估时，不仅仅局限于财务报表、业务背景或发展状况。评估人员可以通过相关网站收集客户的正面评价、负面评价等信息，丰富了我们的信息，为交易提供了信息不对称。

从风险管理和风险控制的角度考虑，仅仅依靠一家客户企业的财务报表来估计其经营状况是不可靠的。需要收集多渠道的信息。2007年，中国总理李克强并没有太在意辽宁省官员提供给他的数据，当时他是辽宁省委书记。他倾向于通过观察其它指标来跟踪辽宁经济: 铁路货运量、电力消耗和银行贷款。在李先生的描述中，《经济学家》结合他的三个首选指标，为中国经济创建了一个“克强指数”。

4.3. 由定期报告向实时报告的转变

随着大数据技术的发展，实现了财务报告由定期报告向实时报告的转变。例如，当从终端收集的信息发生变化时，可以定期发布个性化的市场策略和区域化的营销分析报告。虽然很难每天都做，但在不久的将来，每周都做会成为现实。

5. 大数据，大挑战

大数据为企业带来了成本节约、风险控制、管理效率提高和价值增值。与此同时，大数据带来了一些挑战:

5.1. 数据质量不均匀

斯坦福大学(stanford university)统计学和生物统计学教授特雷弗哈斯蒂(trevor hastie)指出，当你想在一堆数据吸管中寻找一根有意义的针时，问题在于大量的吸管看起来像针。虽然处理会计数据的第一步是收集数据，但如果工人不顾质量收集所有数据，就有可能做出错误的预测和决定。针对这种情况，在收集数据后，有必要选择相关数据，清理相互冲突的数据。

5.2隐私威胁

2013年，欧洲议会发布的一份研究报告指出，在云计算时代，大数据对隐私的威胁是存在的，而且比想象的更为严重。多伦多大学(university of toronto)的一位教授表示，facebook、 twitter 等社交网络服务以及移动通信技术的结合，使得在大数据时代搜索个人信息变得容易。2011年，加拿大隐私委员会进行的一项调查显示，60%的受访者认为，与10年前相比，他们的隐私变得更加不安全，55% 的人认为社交网络会泄露他们的隐私。

5.3. 缺乏天赋

大数据应用要求企业设计新的数据分析模型。这是因为传统模型适合处理结构化数据，而不适合处理包含多类型数据的大数据。因此，需要一些数据科学来应用到企业数据管理中。企业缺乏能够设计新的数据分析模型的人才。不仅能够设计新的数据分析模型，而且了解财务管理的人才更少。人才短缺是一个长期而严重的问题。大数据就像一把双刃剑。通过影响财务管理的理念、功能、模式和方法，为企业带来成本节约、风险控制、管理效率提高和价值增值。同时，也带来了很多挑战。只有扬长避短，企业才能在大数据时代立于不败之地。

感谢

我们非常感谢一位不知名的裁判给我们提供了有用的意见。我们还要感谢《会计学公开杂志》的编辑助理对我们的帮助和建议。

2014年，财政部发布了《财政部关于全面推进管理会计制度建设的指导意

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[258132]，资料为PDF文档或Word文档，PDF文档可免费转换为Word