數據挖掘技術在會計管理與分析的實用性研究分析論文

　　隨著會計現代化的發展，會計越來越多的運用計算機技術的拓展。

　　一、數據挖掘

　　數據挖掘是從數據當中發現趨勢和模式的過程，它融合了現代統計學、知識信息系統、機器學習、決策理論和數據庫管理等多學科的知識。它能有效地從大量的、不完全的、模糊的實際應用數據中，提取隱含在其中的潛在有用的信息和知識，揭示出大量數據中復雜的和隱藏的關系，為決策提供有用的參考。數據挖掘是從數據當中發現趨勢和模式的過程，它融合了現代統計學、知識信息系統、機器學習、決策理論和數據庫管理等多學科的知識。它能有效地從大量的、不完全的、模糊的實際應用數據中，提取隱含在其中的潛存有用的信息和知識，揭示出大量數據中復雜的和隱藏的關系，為決策提供有用的參考。

　　二、數據挖掘的現代最新方法介紹

　　常用的數據挖掘方法主要有決策樹(Decision Tree)、遺傳算法(Genetic Algorithms)、關聯分析(Association Analysis).聚類分析(C~smr Analysis)、序列模式分析(Sequential Pattern)以及神經網絡(Neural Networks)等。

　　三、數據挖掘的實際應用

　　由于數據挖掘市場還處于起步的階段，但是發展很快。在國外有一些著名的大公司對數據挖掘系統進行了開發。

　　1.Intelligent Miner這是IBM公司的數據挖掘產品，它提供了很多數據挖掘算法，包括關聯、分類、回歸、預測模型、偏離檢測、序列模式分析和聚類。有2個特點：一是它的數據挖掘算法的可伸縮性；二是它與IBM/DB/2關系數據庫系統緊密地結合在一起。

　　2.EineSet是由SGI公司開發的，它也提供了多種數據挖掘方法，包括關聯分析和分類以及高級統計和可視化工具。特色是它具有的強大的圖形工具，包括規則可視化工具、樹可視化工具、地圖可視化工具和多維數據分散可視化工具，它們用于實現數據和數據挖掘結果的可視化。

　　3.Clementine是由ISL公司開發的，它為終端用戶和開發者提供提供了一個集成的數據挖掘開發環境。

　　4.DBMiner是由DBMiner Technology公司開發的，它提供多種數據挖掘算法，包括發現驅動的OLAP分析、關聯、分類和聚類。特色是它的基于數據立方體的聯機分析挖掘，它包含多種有效的頻繁模式挖掘功能和集成的可視化分類方法

　　四、數據挖掘與管理會計

　　1.提供有力的決策支持

　　面對日益激烈的競爭環境，企業管理者對決策信息的需求也越來越高。管理會計作為企業決策支持系統的重要組成部分，提供更多、更有效的有用信息責無旁貸。因此，從海量數據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據挖掘的強大動力。例如，數據挖掘可以幫助企業加強成本管理，改進產品和服務質量，提高貨品銷量比率，設計更好的貨品運輸與分銷策略，減少商業成本。

　　2.贏得戰略競爭優勢的有力武器

　　實踐證明數據挖掘不僅能明顯改善企業內部流程，而且能夠從戰略的高度對企業的競爭環境、市場、顧客和供應商進行分析，以獲得有價值的商業情報，保持和提高企業持續競爭優勢。如，對顧客價值分析能夠將為企業創造80%價值的20%的顧客區分出來，對其提供更優質的服務，以保持這部分顧客。

　　3.預防和控制財務風險

　　利用數據挖掘技術可以建立企業財務風險預警模型。企業財務風險的發生并非一蹴而就，而是一個積累的、漸進的過程，通過建立財務風險預警模型，可以隨時監控企業財務狀況，防范財務危機的發生。另外，也可以利用數據挖掘技術，對企業籌資和投資過程中的行為進行監控，防止惡意的商業欺詐行為，維護企業利益。尤其是在金融企業，通過數據挖掘，可以解決銀行業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SEC的報告，美國銀行、美國第一銀行、聯邦住房借貸抵押公司等數家銀行已采用了數據挖掘技術。

　　五、數據挖掘在管理會計中的應用

　　1.作業成本和價值鏈分析

　　作業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，但其復雜的操作使得很多管理者望而卻步。利用數據挖掘中的回歸分析、分類分析等方法能幫助管理會計師確定成本動因，更加準確計算成本。同時，也可以通過分析作業與價值之間的關系，確定增值作業和非增值作業，持續改進和優化企業價值鏈。在Thomas G，John J和Il-woon Kim的調查中，數據挖掘被用在作業成本管理中僅占3%。

　　2.預測分析

　　管理會計師在很多情況下需要對未來進行預測，而預測是建立在大量的歷史數據和適當的模型基礎上的。數據挖掘自動在大型數據庫中尋找預測性信息，利用趨勢分析、時間序列分析等方法，建立對如銷售、成本、資金等的預測模型，科學準確的預測企業各項指標，作為決策的依據。例如對市場調查數據的分析可以幫助預測銷售；根據歷史資料建立銷售預測模型等。

　　3.投資決策分析

　　投資決策分析本身就是一個非常復雜的過程，往往要借助一些工具和模型。數據挖掘技術提供了有效的工具。從公司的財務報告、宏觀的經濟環境以及行業基本狀況等大量的數據資料中挖掘出與決策相關的實質性的信息，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測股票價格進行投資；用聯機分析處理技術分析公司的信用等級，以預防投資風險等。

　　4.產品和市場預測與分析

　　品種優化是選擇適當的產品組合以實現最大的利益的過程，這些利益可以是短期利潤，也可以是長期市場占有率，還可以是構建長期客戶群及其綜合體。為了達到這些目標，管理會計師不僅僅需要價格和成本數據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品競爭的狀況。另外企業也需要了解一個產品是如何刺激另一些產品的銷量的等等。例如，非盈利性產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，并刺激了高利潤產品的銷售，那么，這種產品就非常有利可圖，就應該包括在產品清單中。這些信息可根據實際數據，通過關聯分析等技術來得到。

　　5.財務風險預測與評估

　　管理會計師可以利用數據挖掘工具來評價企業的財務風險，建立企業財務危機預警模型，進行破產預測。破產預測或稱財務危機預警模型能夠幫助管理者及時了解企業的財務風險，提前采取風險防范措施，避免破產。另外，破產預測模型還能幫助分析破產原因，對企業管理者意義重大。，數據挖掘技術包括多維判別式分析、邏輯回歸分析、遺傳算法、神經網絡以及決策樹等方法在管理會計中得到了廣泛的應用。

　　六、結論

　　數據挖掘是個嶄新的領域，對于數字和信息的處理是非常科學和方便的，也是非常高效率和合理分析的非常好的工具，對于會計管理領域的應用在國際上只是剛剛開始，相信隨著會計的國際化的接軌和計算機科學的進步，在我國的會計領域中的數據挖掘理論會得到不斷的提升，在管理會計實際應用中的數據挖掘也越來越多樣化和普及化。

【數據挖掘技術在會計管理與分析的性研究分析論文】相關文章：

軟件工程數據挖掘進展分析論文04-27

基于數據挖掘技術的交通事故分析04-26

鉆井液的技術管理研究分析論文04-28

數據挖掘論文04-29

馬克威分析系統介紹(四)-數據挖掘05-02

小麥保護性耕作技術研究與分析05-02

基于決策樹的我國農業數據挖掘分析05-01

地理作用和集聚演化:基于數據挖掘的分析04-29

地理作用和集聚演化:基于數據挖掘的分析05-02

GPS起算數據兼容性分析04-27