【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(shí)和信息的過程。在管理會(huì)計(jì)領(lǐng)域中運(yùn)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(chǎng)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(jìng)爭(zhēng)能力。本文簡(jiǎn)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(diǎn)分析了數(shù)據(jù)挖掘技術(shù)在作用成本和價(jià)值鏈分析，產(chǎn)品、市場(chǎng)和顧客分析以及財(cái)務(wù)風(fēng)險(xiǎn)防范等方面的應(yīng)用。

　　【關(guān)鍵詞】數(shù)據(jù)挖掘 信息 管理會(huì)計(jì) 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(shí)和信息。根據(jù)美國(guó)GAO（General Accounting Office）的報(bào)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(dòng)等方面發(fā)揮了巨大的作用。尤其是在9·11以后，美國(guó)的反恐活動(dòng)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(dòng)。根據(jù)Thomas G, John J和Il-woon Kim對(duì)財(cái)富500強(qiáng)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?yàn)槠髽I(yè)創(chuàng)造2000到2400萬的凈利潤(rùn)。而在對(duì)數(shù)據(jù)挖掘使用領(lǐng)域的調(diào)查中發(fā)現(xiàn)：24％用在會(huì)計(jì)領(lǐng)域，42％用在金融領(lǐng)域，用在信息系統(tǒng)和市場(chǎng)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(xiǎn)、醫(yī)療保健、零售部門和電信部門。而對(duì)數(shù)據(jù)挖掘在提高企業(yè)內(nèi)部經(jīng)營(yíng)管理、構(gòu)筑企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)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(shì)和模式的過程，它融合了現(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)。它能有效地從大量的、不完全的、模糊的實(shí)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(shí)，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。

　?。ǘ?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(píng)價(jià)（Assess）。

　　1.數(shù)據(jù)取樣

　　在進(jìn)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(gè)或多個(gè)數(shù)據(jù)表進(jìn)行抽樣。所抽取的樣本數(shù)據(jù)量既要大到足以包含有實(shí)際意義的信息，同時(shí)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(duì)數(shù)據(jù)進(jìn)行深入調(diào)查的過程，通過對(duì)數(shù)據(jù)進(jìn)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(duì)事物的理解和概念。

　　3.數(shù)據(jù)調(diào)整

　　在上述兩個(gè)步驟的基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)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(shí)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(cè)結(jié)果進(jìn)行可靠預(yù)測(cè)的模型。

　　5.評(píng)價(jià)

　　就是對(duì)從數(shù)據(jù)挖掘過程中發(fā)現(xiàn)的信息的實(shí)用性和可靠性進(jìn)行評(píng)估。

　　三、數(shù)據(jù)挖掘在管理會(huì)計(jì)中的運(yùn)用

　?。ㄒ唬?shù)據(jù)挖掘在管理會(huì)計(jì)中運(yùn)用的重要意義

　　1.提供有力的決策支持

　　面對(duì)日益激烈的競(jìng)爭(zhēng)環(huán)境，企業(yè)管理者對(duì)決策信息的需求也越來越高。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(shí)和信息，為決策提供有力支持成為管理會(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)挖掘可以幫助企業(yè)加強(qiáng)成本管理，改進(jìn)產(chǎn)品和服務(wù)質(zhì)量，提高貨品銷量比率，設(shè)計(jì)更好的貨品運(yùn)輸與分銷策略，減少商業(yè)成本。

　　2.贏得戰(zhàn)略競(jìng)爭(zhēng)優(yōu)勢(shì)的有力武器

　　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，而且能夠從戰(zhàn)略的高度對(duì)企業(yè)的競(jìng)爭(zhēng)環(huán)境、市場(chǎng)、顧客和供應(yīng)商進(jìn)行分析，以獲得有價(jià)值的商業(yè)情報(bào)，保持和提高企業(yè)持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)。如，對(duì)顧客價(jià)值分析能夠?qū)槠髽I(yè)創(chuàng)造80％價(jià)值的20％的顧客區(qū)分出來，對(duì)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(cái)務(wù)風(fēng)險(xiǎn)

　　利用數(shù)據(jù)挖掘技術(shù)可以建立企業(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)生并非一蹴而就，而是一個(gè)積累的、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)控企業(yè)財(cái)務(wù)狀況，防范財(cái)務(wù)危機(jī)的發(fā)生。另外，也可以利用數(shù)據(jù)挖掘技術(shù)，對(duì)企業(yè)籌資和投資過程中的行為進(jìn)行監(jiān)控，防止惡意的商業(yè)欺詐行為，維護(hù)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(bào)告，美國(guó)銀行、美國(guó)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(huì)計(jì)中的應(yīng)用

　　1.作業(yè)成本和價(jià)值鏈分析

　　作業(yè)成本法以其對(duì)成本的精確計(jì)算和對(duì)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(huì)計(jì)師確定成本動(dòng)因，更加準(zhǔn)確計(jì)算成本。同時(shí)，也可以通過分析作業(yè)與價(jià)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(jìn)和優(yōu)化企業(yè)價(jià)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(cè)分析

　　管理會(huì)計(jì)師在很多情況下需要對(duì)未來進(jìn)行預(yù)測(cè)，而預(yù)測(cè)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(dòng)在大型數(shù)據(jù)庫中尋找預(yù)測(cè)性信息，利用趨勢(shì)分析、時(shí)間序列分析等方法，建立對(duì)如銷售、成本、資金等的預(yù)測(cè)模型，科學(xué)準(zhǔn)確的預(yù)測(cè)企業(yè)各項(xiàng)指標(biāo)，作為決策的依據(jù)。例如對(duì)市場(chǎng)調(diào)查數(shù)據(jù)的分析可以幫助預(yù)測(cè)銷售；根據(jù)歷史資料建立銷售預(yù)測(cè)模型等。

　　3.投資決策分析

　　投資決策分析本身就是一個(gè)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(cái)務(wù)報(bào)告、宏觀的經(jīng)濟(jì)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(shí)質(zhì)性的信息，保證投資決策的正確性和有效性。如利用時(shí)間序列分析模型預(yù)測(cè)股票價(jià)格進(jìn)行投資；用聯(lián)機(jī)分析處理技術(shù)分析公司的信用等級(jí)，以預(yù)防投資風(fēng)險(xiǎn)等。

　　4.顧客關(guān)系管理

　　顧客關(guān)系管理是提升企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的有力武器。首先，要對(duì)顧客群體進(jìn)行分類。通過對(duì)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(duì)顧客進(jìn)行分組，實(shí)行差別化服務(wù)；其次，對(duì)顧客的價(jià)值進(jìn)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(jià)值。針對(duì)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(duì)這部分顧客的行為、需求以及偏好進(jìn)行動(dòng)態(tài)跟蹤和監(jiān)控，并根據(jù)不同的顧客群的不同特點(diǎn)提供相應(yīng)的產(chǎn)品和服務(wù)，從而與顧客建立長(zhǎng)期的合作關(guān)系，提高顧客保持力。如在電信部門，對(duì)電信數(shù)據(jù)進(jìn)行多維分析有助于識(shí)別和比較不同顧客對(duì)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(chǎng)分析

　　品種優(yōu)化是選擇適當(dāng)?shù)漠a(chǎn)品組合以實(shí)現(xiàn)最大的利益的過程，這些利益可以是短期利潤(rùn)，也可以是長(zhǎng)期市場(chǎng)占有率，還可以是構(gòu)建長(zhǎng)期客戶群及其綜合體。為了達(dá)到這些目標(biāo)，管理會(huì)計(jì)師不僅僅需要價(jià)格和成本數(shù)據(jù)，有時(shí)還需要知道替代品的情況，以及在某一市場(chǎng)段位上它們與原產(chǎn)品競(jìng)爭(zhēng)的狀況。另外企業(yè)也需要了解一個(gè)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(rùn)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(rùn)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(shí)際數(shù)據(jù)，通過關(guān)聯(lián)分析等技術(shù)來得到。

　　6.財(cái)務(wù)風(fēng)險(xiǎn)分析

　　管理會(huì)計(jì)師可以利用數(shù)據(jù)挖掘工具來評(píng)價(jià)企業(yè)的財(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(cè)。破產(chǎn)預(yù)測(cè)或稱財(cái)務(wù)危機(jī)預(yù)警模型能夠幫助管理者及時(shí)了解企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，提前采取風(fēng)險(xiǎn)防范措施，避免破產(chǎn)。另外，破產(chǎn)預(yù)測(cè)模型還能幫助分析破產(chǎn)原因，對(duì)企業(yè)管理者意義重大。在20世紀(jì)30年代，Smith和Winakor率先進(jìn)行了破產(chǎn)預(yù)測(cè)的嘗試。隨后到了20世紀(jì)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(cè)模型取得了很大的成功，預(yù)測(cè)準(zhǔn)確率高達(dá)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(cè)中得到了廣泛的應(yīng)用。

　　四、結(jié)束語

　　隨著我國(guó)加入WTO，企業(yè)面臨的競(jìng)爭(zhēng)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(qiáng)企業(yè)內(nèi)部管理，提升企業(yè)競(jìng)爭(zhēng)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(huì)有很大的發(fā)展前景。