【摘要】數(shù)據(jù)挖掘是從海量數(shù)據(jù)中發(fā)現(xiàn)和提取知識和信息的過程。在管理會計領(lǐng)域中運用數(shù)據(jù)挖掘技術(shù)，尋求和發(fā)現(xiàn)更多的企業(yè)顧客、供應(yīng)商、市場以及內(nèi)部流程優(yōu)化的信息，將為企業(yè)決策者提供更為廣泛而有效的決策依據(jù)，提高企業(yè)戰(zhàn)略競爭能力。本文簡要介紹了數(shù)據(jù)挖掘的基本概念和方法，在此基礎(chǔ)上重點分析了數(shù)據(jù)挖掘技術(shù)在作用成本和價值鏈分析，產(chǎn)品、市場和顧客分析以及財務(wù)風(fēng)險防范等方面的應(yīng)用。

　　【關(guān)鍵詞】數(shù)據(jù)挖掘 信息 管理會計 應(yīng)用

　　引言

　　近年來，數(shù)據(jù)挖掘技術(shù)引起了信息產(chǎn)業(yè)界的極大關(guān)注，其主要原因是存在大量數(shù)據(jù)，可以廣泛使用，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的知識和信息。根據(jù)美國GAO（General Accounting Office）的報告，聯(lián)邦政府利用數(shù)據(jù)挖掘技術(shù)在提高政府服務(wù)水平、分析科學(xué)數(shù)據(jù)、管理人力資源、偵察犯罪和恐怖活動等方面發(fā)揮了巨大的作用。尤其是在9·11以后，美國的反恐活動需要從大量的數(shù)據(jù)中搜尋有用的信息，數(shù)據(jù)挖掘技術(shù)功不可沒。除此以外，數(shù)據(jù)挖掘也被廣泛用于商業(yè)活動。根據(jù)Thomas G, John J和Il-woon Kim對財富500強企業(yè)的CFO的調(diào)查，在收到的有效反饋中，65％的企業(yè)正在使用數(shù)據(jù)挖掘技術(shù)。支持使用數(shù)據(jù)挖掘技術(shù)的企業(yè)稱數(shù)據(jù)挖掘技術(shù)的有效使用能夠為企業(yè)創(chuàng)造2000到2400萬的凈利潤。而在對數(shù)據(jù)挖掘使用領(lǐng)域的調(diào)查中發(fā)現(xiàn)：24％用在會計領(lǐng)域，42％用在金融領(lǐng)域，用在信息系統(tǒng)和市場領(lǐng)域分別占19％和5％。目前數(shù)據(jù)挖掘技術(shù)的應(yīng)用多集中在金融保險、醫(yī)療保健、零售部門和電信部門。而對數(shù)據(jù)挖掘在提高企業(yè)內(nèi)部經(jīng)營管理、構(gòu)筑企業(yè)競爭優(yōu)勢方面的應(yīng)用鮮有提及。

　　一、數(shù)據(jù)挖掘技術(shù)的含義

　　數(shù)據(jù)挖掘是從數(shù)據(jù)當(dāng)中發(fā)現(xiàn)趨勢和模式的過程，它融合了現(xiàn)代統(tǒng)計學(xué)、知識信息系統(tǒng)、機器學(xué)習(xí)、決策理論和數(shù)據(jù)庫管理等多學(xué)科的知識。它能有效地從大量的、不完全的、模糊的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的潛在有用的信息和知識，揭示出大量數(shù)據(jù)中復(fù)雜的和隱藏的關(guān)系，為決策提供有用的參考。

　　二、數(shù)據(jù)挖掘的方法和基本步驟

　?。ㄒ唬?shù)據(jù)挖掘的主要方法

　　常用的數(shù)據(jù)挖掘方法主要有決策樹（Decision Tree）、遺傳算法（Genetic Algorithms）、關(guān)聯(lián)分析（Association Analysis）、聚類分析（Cluster Analysis）、序列模式分析（Sequential Pattern）以及神經(jīng)網(wǎng)絡(luò)（Neural Networks）等。

　　（二）數(shù)據(jù)挖掘的基本步驟

　　SAS研究所提出的SEMMA方法是目前最受歡迎的一種數(shù)據(jù)挖掘方法，其描述的數(shù)據(jù)挖掘的大致過程包括取樣（Sample）、探索（Explore）、修改（Modify）、模型（Model）和評價（Assess）。

　　1.數(shù)據(jù)取樣

　　在進行數(shù)據(jù)挖掘之前，首先要根據(jù)數(shù)據(jù)挖掘的目標(biāo)選定相關(guān)的數(shù)據(jù)庫。通過創(chuàng)建一個或多個數(shù)據(jù)表進行抽樣。所抽取的樣本數(shù)據(jù)量既要大到足以包含有實際意義的信息，同時又不至于大到無法處理。

　　2.數(shù)據(jù)探索

　　數(shù)據(jù)探索就是對數(shù)據(jù)進行深入調(diào)查的過程，通過對數(shù)據(jù)進行深入探察以發(fā)現(xiàn)隱藏在數(shù)據(jù)中預(yù)期的或未被預(yù)期的關(guān)系和異常，從而獲取對事物的理解和概念。

　　3.數(shù)據(jù)調(diào)整

　　在上述兩個步驟的基礎(chǔ)上對數(shù)據(jù)進行增刪、修改，使之更明確、更有效。

　　4.建模

　　使用人工神經(jīng)網(wǎng)絡(luò)、回歸分析、決策樹、時間序列分析等分析工具來建立模型，從數(shù)據(jù)中發(fā)現(xiàn)那些能夠?qū)︻A(yù)測結(jié)果進行可靠預(yù)測的模型。

　　5.評價

　　就是對從數(shù)據(jù)挖掘過程中發(fā)現(xiàn)的信息的實用性和可靠性進行評估。

　　三、數(shù)據(jù)挖掘在管理會計中的運用

　?。ㄒ唬?shù)據(jù)挖掘在管理會計中運用的重要意義

　　1.提供有力的決策支持

　　面對日益激烈的競爭環(huán)境，企業(yè)管理者對決策信息的需求也越來越高。管理會計作為企業(yè)決策支持系統(tǒng)的重要組成部分，提供更多、更有效的有用信息責(zé)無旁貸。因此，從海量數(shù)據(jù)中挖掘和尋求知識和信息，為決策提供有力支持成為管理會計師使用數(shù)據(jù)挖掘的強大動力。例如，數(shù)據(jù)挖掘可以幫助企業(yè)加強成本管理，改進產(chǎn)品和服務(wù)質(zhì)量，提高貨品銷量比率，設(shè)計更好的貨品運輸與分銷策略，減少商業(yè)成本。

　　2.贏得戰(zhàn)略競爭優(yōu)勢的有力武器

　　實踐證明數(shù)據(jù)挖掘不僅能明顯改善企業(yè)內(nèi)部流程，而且能夠從戰(zhàn)略的高度對企業(yè)的競爭環(huán)境、市場、顧客和供應(yīng)商進行分析，以獲得有價值的商業(yè)情報，保持和提高企業(yè)持續(xù)競爭優(yōu)勢。如，對顧客價值分析能夠?qū)槠髽I(yè)創(chuàng)造80％價值的20％的顧客區(qū)分出來，對其提供更優(yōu)質(zhì)的服務(wù)，以保持這部分顧客。

　　> 3.預(yù)防和控制財務(wù)風(fēng)險

　　利用數(shù)據(jù)挖掘技術(shù)可以建立企業(yè)財務(wù)風(fēng)險預(yù)警模型。企業(yè)財務(wù)風(fēng)險的發(fā)生并非一蹴而就，而是一個積累的、漸進的過程，通過建立財務(wù)風(fēng)險預(yù)警模型，可以隨時監(jiān)控企業(yè)財務(wù)狀況，防范財務(wù)危機的發(fā)生。另外，也可以利用數(shù)據(jù)挖掘技術(shù)，對企業(yè)籌資和投資過程中的行為進行監(jiān)控，防止惡意的商業(yè)欺詐行為，維護企業(yè)利益。尤其是在金融企業(yè)，通過數(shù)據(jù)挖掘，可以解決銀行業(yè)面臨的如信用卡的惡意透支及可疑的信用卡交易等欺詐行為。根據(jù)SEC的報告，美國銀行、美國第一銀行、聯(lián)邦住房貸款抵押公司等數(shù)家銀行已采用了數(shù)據(jù)挖掘技術(shù)。 （二）數(shù)據(jù)挖掘在管理會計中的應(yīng)用

　　1.作業(yè)成本和價值鏈分析

　　作業(yè)成本法以其對成本的精確計算和對資源的充分利用引起了人們的極大興趣，但其復(fù)雜的操作使得很多管理者望而卻步。利用數(shù)據(jù)挖掘中的回歸分析、分類分析等方法能幫助管理會計師確定成本動因，更加準(zhǔn)確計算成本。同時，也可以通過分析作業(yè)與價值之間的關(guān)系，確定增值作業(yè)和非增值作業(yè)，持續(xù)改進和優(yōu)化企業(yè)價值鏈。在Thomas G, John J和Il-woon Kim的調(diào)查中，數(shù)據(jù)挖掘被用在作業(yè)成本管理中僅占3％。

　　2.預(yù)測分析

　　管理會計師在很多情況下需要對未來進行預(yù)測，而預(yù)測是建立在大量的歷史數(shù)據(jù)和適當(dāng)?shù)哪Ｐ突A(chǔ)上的。數(shù)據(jù)挖掘自動在大型數(shù)據(jù)庫中尋找預(yù)測性信息，利用趨勢分析、時間序列分析等方法，建立對如銷售、成本、資金等的預(yù)測模型，科學(xué)準(zhǔn)確的預(yù)測企業(yè)各項指標(biāo)，作為決策的依據(jù)。例如對市場調(diào)查數(shù)據(jù)的分析可以幫助預(yù)測銷售；根據(jù)歷史資料建立銷售預(yù)測模型等。

　　3.投資決策分析

　　投資決策分析本身就是一個非常復(fù)雜的過程，往往要借助一些工具和模型。數(shù)據(jù)挖掘技術(shù)提供了有效的工具。從公司的財務(wù)報告、宏觀的經(jīng)濟環(huán)境以及行業(yè)基本狀況等大量的數(shù)據(jù)資料中挖掘出與決策相關(guān)的實質(zhì)性的信息，保證投資決策的正確性和有效性。如利用時間序列分析模型預(yù)測股票價格進行投資；用聯(lián)機分析處理技術(shù)分析公司的信用等級，以預(yù)防投資風(fēng)險等。

　　4.顧客關(guān)系管理

　　顧客關(guān)系管理是提升企業(yè)競爭優(yōu)勢的有力武器。首先，要對顧客群體進行分類。通過對數(shù)據(jù)倉庫的分類和聚類分析，可發(fā)現(xiàn)群體顧客的行為規(guī)律，從而對顧客進行分組，實行差別化服務(wù)；其次，對顧客的價值進行分析，根據(jù)帕累托定律，20％的客戶創(chuàng)造了企業(yè)80％的價值。針對這種情況，公司可以從客戶數(shù)據(jù)庫中挖掘出這部分顧客，對這部分顧客的行為、需求以及偏好進行動態(tài)跟蹤和監(jiān)控，并根據(jù)不同的顧客群的不同特點提供相應(yīng)的產(chǎn)品和服務(wù)，從而與顧客建立長期的合作關(guān)系，提高顧客保持力。如在電信部門，對電信數(shù)據(jù)進行多維分析有助于識別和比較不同顧客對于產(chǎn)品的不同需求，從而使企業(yè)提供更有特色的產(chǎn)品，為顧客提供更優(yōu)質(zhì)的服務(wù)。

　　5.產(chǎn)品和市場分析

　　品種優(yōu)化是選擇適當(dāng)?shù)漠a(chǎn)品組合以實現(xiàn)最大的利益的過程，這些利益可以是短期利潤，也可以是長期市場占有率，還可以是構(gòu)建長期客戶群及其綜合體。為了達到這些目標(biāo)，管理會計師不僅僅需要價格和成本數(shù)據(jù)，有時還需要知道替代品的情況，以及在某一市場段位上它們與原產(chǎn)品競爭的狀況。另外企業(yè)也需要了解一個產(chǎn)品是如何刺激另一些產(chǎn)品的銷量的等等。例如，非盈利性產(chǎn)品本身是沒有利潤可言的，但是，如果它帶來了可觀的客戶流量，并刺激了高利潤產(chǎn)品的銷售，那么，這種產(chǎn)品就非常有利可圖，就應(yīng)該包括在產(chǎn)品清單中。這些信息可根據(jù)實際數(shù)據(jù)，通過關(guān)聯(lián)分析等技術(shù)來得到。

　　6.財務(wù)風(fēng)險分析

　　管理會計師可以利用數(shù)據(jù)挖掘工具來評價企業(yè)的財務(wù)風(fēng)險，建立企業(yè)財務(wù)危機預(yù)警模型，進行破產(chǎn)預(yù)測。破產(chǎn)預(yù)測或稱財務(wù)危機預(yù)警模型能夠幫助管理者及時了解企業(yè)的財務(wù)風(fēng)險，提前采取風(fēng)險防范措施，避免破產(chǎn)。另外，破產(chǎn)預(yù)測模型還能幫助分析破產(chǎn)原因，對企業(yè)管理者意義重大。在20世紀30年代，Smith和Winakor率先進行了破產(chǎn)預(yù)測的嘗試。隨后到了20世紀60年代，Altman利用多維判別式分析（Multivariate Discriminant Analysis）方法提出的Z-score破產(chǎn)預(yù)測模型取得了很大的成功，預(yù)測準(zhǔn)確率高達90％以上。此后，數(shù)據(jù)挖掘技術(shù)包括多維判別式分析（Multivariate Discriminant Analysis）、邏輯回歸分析（Logistic Regression Analysis）、遺傳算法、神經(jīng)網(wǎng)絡(luò)以及決策樹等方法在企業(yè)破產(chǎn)預(yù)測中得到了廣泛的應(yīng)用。

　　四、結(jié)束語

　　隨著我國加入WTO，企業(yè)面臨的競爭壓力也越來越大。充分利用信息技術(shù)的最新成果，挖掘企業(yè)自身潛力，加強企業(yè)內(nèi)部管理，提升企業(yè)競爭力刻不容緩。數(shù)據(jù)挖掘技術(shù)的推廣應(yīng)用雖然受到成本和技術(shù)的限制，但是如果能取得企業(yè)高層管理者的支持，數(shù)據(jù)挖掘的應(yīng)用將會有很大的發(fā)展前景。