第 3 章 相关理论基础
战略管理会计的产生源于 20 世纪 80 年代激烈的市场竞争和企业外部环境的变化，同时也是顺应组织内外部信息技术、制造技术和管理方法变革的需要，反映了会计实务界和理论界对管理变革的调整与适应。随着科学技术的发展，战略管理会计也在不断汲取相关理论与方法来适应商业环境的变化。因此，本章将从系统论、决策支持系统、大数据、智能商务、竞争情报系统等方面分析相关理论，并简要介绍数据挖掘与战略管理会计的基本概念与方法。
3.1 信息论与系统论
信息论是研究信息传输与信息处理的基础理论。克劳德·香农奠定了现代信息论的基础。信息论已成为现代管理思想的重要科学方法论之一。信息价值、信息量、信息反馈、信息的时效性、真实性，信息处理、信息传递等概念贯穿现代管理理论与实践的始终。数据挖掘是对数据的深度学习与处理，挖掘出潜在有用的信息为决策提供支持。
数据、信息、知识、智慧是不同的概念，有必要加以区分。荆宁宁综述了国内外学者的观点认为：“反映客观事物运动状态的信号通过感觉器官或观测仪器感知，形成了文本、数字、事实或图像等形式的数据。大脑对数据进行加工处理，使数据之间建立相互联系，形成回答了某个特定问题的文本，以及被解释具有某些意义的数字、事实、图像等形式的信息。知识是在特殊背景一下，人们在头脑中将数据与信息、信息与信息在行动中的应用之间所建立的有意义的联系，体现了信息的本质、原则和经验。它是人所拥有的真理和信念、视角和概念、判断和预期、方法论和技能等。智慧是人类所表现出来的一种独有的能力，主要表现为收集、加工、应用、传播信息和知识的能力，以及对事物发展的前瞻性看法。它是一种推测的、非确定性的和非随机的过程。[51]”基于数据挖掘的战略管理会计就是一个从数据到信息，从信息到知识，再从知识上升为智慧的过程。
系统是具有特定功能的、相互间具有有机联系的许多要素构成的一个整体.系统论由 20 世纪 40 年代美籍奥地利学者 L.V.贝塔朗菲所创立，其核心思想是系统的整体观念。随着系统科学的发展，逐步形成的“老三论”、“新三论”等亚哲学方法论为管理会计信息系统的研究提供了指导。
第一，系统由密切联系的不同元素组成。战略管理会计作为外向型的信息系统，其组成元素、内部结构、功能实现以及与环境之间的相互作用，离不开对系统概念的运用。第二，系统具有五项基本特征，即：整体性、目的性、相关性、有序性和环境适应性。战略管理会计作为会计信息系统的组成部分，同样需要考虑系统的一般特征。第三，从系统论的角度看，战略管理会计信息系统是由硬件、软件和“人件”三部分构成的。因此，本文强调在数据挖掘应用于战略管理会计领域时，特别需要注意“人”的因素，倡导会计人的经验知识与数据挖掘结果的结合。会计作为一个人造系统，其开发与应用应当遵循系统论的基本规律[53].系统论与信息论为本文的研究提供了理论基础。
3.2 决策支持系统
决策支持系统（Decision Support System,DSS）是在管理信息系统的发展过程中，为满足中高层管理者的决策需要而形成的信息系统。决策支持系统是一个不断发展的领域，不同学者从不同角度给予决策支持系统不同的解释，一个较为经典的定义是：“一个基于计算机的人机交互系统，它帮助决策者应用数据和模型解决非结构化或半结构化的问题”[54].20 世纪 70 年代初，由莫斯特·莫顿首先提出决策支持系统以来，相关理论与应用得到不断发展。随着软、硬件平台的不断更新，人工智能、机器学习等技术的发展，决策支持系统领域形成了众多前沿的课题，如智能决策支持系统（intelligence decision supporting system,IDSS）、分布式决策支持系统（distributed decision support system,DDSS）、群体决策支持系统（group decision support system,GDSS）、决策支持中心（decision support center,DSC）、战略决策支持系统（strategic decision support system,SDSS）等。数据仓库、联机分析处理和数据挖掘等技术都是决策支持系统的关键技术，战略管理会计的决策支持作用的实现也遵循着决策支持系统的发展轨迹。
3.3 商务智能
当前，企业信息化的发展呈现出集成化和智能化两大趋势。在集成化方面，从传统的物料需求计划系统、制造资源计划系统中发展出了企业资源计划系统，将采购、生产、销售、财务、人力资源等信息系统基本功能连为一体，形成了整个组织范围内的集成化信息系统。同时，电子数据交换技术和电子商务的发展也不断推动着企业间信息系统的集成。而在智能化方面，信息系统应用正在与商务智能结合，成为提升企业竞争力水平的一个新的突破点。
高德纳咨询公司的霍华德·德雷斯纳于 1989 年首次提出商务智能（BusinessIntelligence），认为它是通过应用基于事实的支持系统提供商业决策支持的一系列概念和方法①。商务智能是信息社会的产物，它可以在企业各个层面和职能中发挥作用。在业务战略决策支持上，商务智能可以进行企业外部因素分析，如宏观环境分析、行业状况分析、竞争环境分析、竞争对手分析等，以帮助各战略业务单元制定竞争策略。在职能战略决策支持上，商务智能可以在分析企业内外部因素（如技术实力、资源能力、投资方案等）的基础上为职能战略的决策提供科学的依据。
与战略管理会计外向型特征类似，商务智能是一个面向企业内外环境，同企业外部环境保持动态互连的开放系统。在企业战略管理中，商务智能至少有以下四个方面的作用：（1）对各项业务进行评估，识别对业务产生影响的关键因素，推动业务的发展，规避潜在的风险；（2）能够从企业各种应用系统中提取各种基础绩效指标与关键绩效指标（KPI），对员工的工作业绩进行追踪、衡量和评价；（3）有利于加强客户、供应商等利益相关者的联系，维持良好的合作关系；（4）掌握商业信息并从中创造商业机会。
3.4 竞争情报系统
美国管理会计师协会（IMA）发布的管理会计公告认为，竞争情报系统是制定、评估和修订组织目标、战略和策略的基础。组织既可以利用它们评估行业生命周期，又可以利用他们评估现有和潜在竞争者的能力以维持或发展竞争优势。竞争情报系统为决策提供了信息，比如，投资和发展哪种产品、哪个市场或哪个行业；在哪种产品、哪个市场或哪个行业收购或建立合资企业；剥离或退出哪种产品、哪个市场或哪个行业[55]87.
情报与信息不同，它是为特定主体决策和行动提供信息服务的。竞争情报（Competitive Intelligence,CI）是能够系统地对那些可能影响公司计划、决策和运营的外部信息进行采集、分析和管理所形成的知识性信息。它主要通过合法手段从公开资源中收集信息并进行分析，并且这种行为是与战略管理联系起来的。对许多公司而言，设计和实施竞争情报系统就表示管理中心的重大转变，企业必须从强调历史、财务、内部导向型的信息转向强调未来、质量、外部市场以及竞争者的信息。
3.5 数据挖掘
3.5.1 数据挖掘的内涵
3.5.1.1 数据挖掘的定义
数据挖掘（Data Mining,DM）广义的概念是由 Piateski G 等学者提出的，即从大量的数据中发现有效的、新颖的、潜在有用的、最终能被用户理解的模式和信息的非平凡过程[56].狭义概念则认为数据挖掘只是知识发现（Knowledge Discoveryin Databases,KDD）的一个核心步骤或者一个阶段，主要涉及算法的衍生、推理、建模与实现等[57].
3.5.1.2 数据挖掘的特点
虽然数据挖掘和其他决策分析工具一样具有对数据进行归纳与分析的功能，但是除此之外它还有一些传统的决策分析工具不具有的特点，正是其独特的优点使得数据挖掘能够得到传统分析工具所得不到的、潜在有用的管理知识和业务规则。
第一，数据挖掘是数据驱动的，它并不始于一个有待证明的具体逻辑模式，而是始于纷繁复杂的海量数据，并利用强大的数据分析工具和特定的知识提取方法，从数据出发，对各种模式进行匹配，经过筛选，获得潜在的、新颖的、有用的知识。也就是说，数据挖掘与传统的数据分析的本质区别在于数据挖掘是在没用明确假设的前提下去挖掘信息、发现知识，具有自我学习的能力。因此，数据挖掘所得到的知识具有先前未知、潜在有效等特征。第二，统计学和其他分析方法很少对数据进行实时追踪分析，而数据挖掘可借助计算机信息系统实现实时分析，这对不断变化着的环境数据和企业经营数据分析是十分有用的。第三，数据挖掘是一种集成化的技术，融合了数量统计、人工智能、机器学习、模式识别、自然语言理解等多种技术，能够对结构化、半结构化和非结构化的数据进行有效分析与挖掘。因此，对处理战略管理会计中的财务与非财务信息，数据挖掘技术具有独特的优势。
3.5.2 数据挖掘的功能
（1）概念描述（Concept Description）
概念描述通过将数据进行一般化、汇总或将可能矛盾的数据的特征进行说明，来寻求对一个数据子集的简约化描述。例如将“合格品”和“非合格品”的概念进行数据上的说明。
（2）分类和预测（Classification and Prediction）
分类在数据挖掘中是一项非常重要的任务，其目的是学会一个分类函数或分类模型（或称为分类器），该模型能把数据库或数据仓库中的数据映射到给定类别中的某个类别。分类可用于预测，目前在商务上应用非常广泛，如信用分级、市场调查、金融市场走势分析、图像分析处理等。
（3）聚类分析（Clustering Analysis）
将一组个体按照某种标准进行汇总，形成新的类，即为聚类。与分类不同，聚类要划分的类不是预先给出的，而是通过学习自动识别某个或某些特征，从而聚成不同的类别。这个过程类似于“物以类聚，人与群分”.例如在商务应用中，将客户进行聚类，以寻找客户的分布模式。
（4）关联规则分析（Association Analysis）
关联规则分析用于寻找数据库中值的相关性，或者说，是发现那些在数据集中频繁出现的属性值，并以关联规则的形式表现出来。频繁和并发出现即可称为关联（Association）。在商务领域，关联规则常用于客户行为分析、产品和服务分析、竞争对手信息分析等。
（5）孤立点分析（Outlier Analysis）
孤立点分析又称为离群点或异常点分析。孤立点分析与其他数据挖掘方法相互配合对发现企业经营管理过程中的异常值或异常现象十分有用，因此，将其用于企业风险识别和危机预警是行之有效的。传统的统计分析方法常常将异常值视为噪声而删掉，但在某些情况下，如商业欺诈、信用风险、经营环境的突变等，小概率事件往往比常规事件更具有分析价值。
（6）数据演变分析（Evolution Analysis）
数据演变分析是对时序数据、序列数据或周期性数据进行分析，用来描述随着时间的变化研究对象的变化规律和趋势。
3.6 战略管理会计
（1）战略管理会计的定义
20 世纪 80 年代，企业竞争加剧，为适应企业战略管理的需要，战略管理会计应运而生。1981 年，西蒙德斯首先提出“战略管理会计是一个在实践中迅速扩展的领域，因为许多管理会计师花费很多时间和精力用于收集和评估有关竞争者的成本、产量和价格的信息，并计算公司与其竞争对手的相对战略地位，作为构建业务战略的基础。”本文认为战略管理会计作为管理会计的新发展，是以创造和保持组织的长期竞争优势为目标，从战略视角审视组织内外部信息，为企业战略及战术的制定、执行和评价提供决策相关信息的一种信息系统。
（2）战略管理会计的特点
战略管理会计以提高企业的长期竞争优势为目标，具有以下特点：战略管理会计是外向型的信息系统；战略管理会计着眼于企业的长远目标整体利益；战略管理会计提供多样化的信息；战略管理会计是一种综合性的风险管理；战略管理会计对会计人员的素质和能提提出了更高的要求。
（3）战略管理会计内容
战略管理会计作为不同学科交叉的一个新兴的领域，目前它的边界是自由的。理论和实务界并没有统一的观点说明它是什么、向各处发展，而且这个领域的现存文献既分散又杂乱。总的来说，战略管理会计的研究具有探索性，一般包括企业竞争环境分析、价值链分析、战略成本管理、战略综合业绩评价和企业危机预警等方面。
（4）战略管理会计方法
王满，顾维维以 EBSCO 数据库和中国学术期刊网络出版总库中有关战略管理会计的文献为样本，总结了较受关注的十二种战略管理会计方法，按文献出现的频率排列如下：价值链分析；竞争对手分析；作业成本管理；预警分析；全面质量管理；产品生命周期法；成本动因分析；平衡计分卡；综合业绩评价；目标成本管理；企业竞争环境分析；市场定位分析[58].随着环境的变化、管理理论与实践的发展、企业战略管理需求的变化，战略管理会计所使用的方法也是在不断发展变化的。
