数据挖掘在战略管理会计中的应用

《数据挖掘在战略管理会计中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数据挖掘在战略管理会计中的应用引言当人类步入21世纪时,企业的经济管理环境发生了巨大的变化,管理会计研究的焦点从企业内部挖潜(成本、预算、控制)逐渐地转移到对企业外部竞争环境的分析上,这一变化促使管理会计发展到战略管理会计阶段。战略管理会计的形成即是以企业生存环境不确定性的增强为背景的,其特别关注企业外部环境的变化,注重对竞争对手的分析,强调非财务信息的利用。然而企业外部环境是变幻莫测的,其信息(包括财务和非财务的信息)数量庞大,信息结构(半结构化数据、多维数据)复杂,信息传递的知识多是隐含的,这些特点决定了应用原有的技术分析方法(如差量

2、分析、比率分析等)无法实现战略管理会计的思想,在实施战略管理会计的过程中必然会遇到一些技术分析上的障碍。数据挖掘是近年来信息爆炸推动下的新兴产物,是从海量数据中提取有用知识的热门技术,其具有集成化、自动化和智能化的特征,在信息的深入加工、充分利用方面具有独到且强大的功能。数据挖掘恰恰适合于处理上述战略管理会计的环境信息,善于对那种数据海量、模式未知、结构复杂、知识隐含的信息的获得和利用,因此数据挖掘能够解决战略管理会计实施中的一些技术障碍问题,其必将成为战略管理会计实施的有力技术支持。一、数据挖掘及其实施流程(一)数据挖掘的概念和功能数据

3、挖掘是一个面向应用的,能够从大量的、不完全的、有噪声的、模糊的、在随机的实际应用数据中,提取隐含在其中的、人们事先不知道的,但又是潜在有用的信息或知识的技术,提取的知识表示为概念、规律、模式或规则。数据挖掘具有知识发现的功能:能够发现广义知识,并进行概念描述;能够发现关联知识,并进行关联分析;能够发现类知识,并进行分类或聚类;能够发现预测型知识,并进行趋势预测;能够发现特异型知识,并进行偏差检测。(二)数据挖掘的实施流程数据挖掘是一个反复的过程,通常包含以下几个相互联系的步骤:1.问题定义与主题分析;2.数据准备;3.建立模型;4.模型评

4、估;5.结果表达与实施。结合战略管理会计的应用领域,其具体流程如图1所示。二、数据挖掘在AB公司的应用本文以AB集团股份有限公司为应用背景进行实证研究,通过此实例探讨企业实施数据挖掘的具体步骤及方法。(一)主题确定美国哈佛工商管理学院的迈克尔·波特教授认为企业最关心的应该是它所处行业中的竞争强度。战略管理会计的主要特点之一是其超越了会计主体的限制,可以在与竞争对手对比的基础上提供比较性的管理会计信息。在信息经济的形态下,利用数据挖掘能够将大量看似无关的数据关联起来,发现其中的规则和知识,帮助企业判断其竞争能力和强度。AB公司是化工行业内的

5、上市公司。上市十年来,公司规模不断扩大。行业内日益激烈的竞争,使高层管理者更加关注公司在行业内的竞争地位,因此本次实证研究将数据挖掘的主题定义为对AB公司行业竞争能力的分析;挖掘任务确定为利用关联规则算法挖掘各项财务指标与企业竞争能力的内在联系,分析和研究财务指标与企业竞争能力之间的关联关系。如果两项或多项属性之间存在关联关系,利用关联算法,其中一项的属性值就可以依据其他属性值进行预测。因此,可以依据关联规则的挖掘结果,通过财务指标确定AB公司在其化工行业内的相对竞争地位,评价其竞争能力。(二)算法原理及工具软件选择1.关联规则算法的原理

6、。关联规则是数据挖掘的一种主要形式,最早产生于发现超市交易数据库中隐含的模式。关联规则是寻找在同一事件中出现不同项的相关性。关联规则挖掘可形式化地定义为:设I={i1,i2,...,im}为项的集合(称作项集),D为全体事件的集合,每个事件T有唯一的TID标识。若项集X?哿T时,称T包含X。关联规则的形式是X?圯Y,其中X?哿T,Y?哿T,且X∩Y=Φ,称X为规则的前件,Y为规则的后件,规则的支持度和可信度是关联规则的重要概念。支持度Support(X?圯Y)=P(X∪Y)。可信度Confidence(X?圯Y)=P(Y/X)。在挖掘过程

7、中,同时满足最小支持度和最小可信度的规则称作强规则。期望可信度(ExpectedConfidence),是在全体事件集中,所关注的项集出现的概率,即P(Y)。挖掘得到的规则未必都是有用的规则,有的可能是正确的,有的可能是错误的,还要通过规则的兴趣度(Interestingness)来判断规则的有效性、新颖性和可靠性。支持度和可信度是兴趣度客观度量的基本框架,应用最广泛。支持度衡量了规则的重要性。支持度越高,说明规则越重要。可信度衡量了规则的准确度、真实度。如果一条规则可信度较低,那么这条规则没有任何意义。当关联规则的可信度很高,支持度却很

8、低时,说明这条规则实用的机会很小,因此也不重要。应用这两个指标,可以过滤掉一些无趣的规则,但是仍然会产生一些对用户而言不感兴趣的规则。作用度Lift(X?圯Y)=P(Y/X)/P(Y)的引入,