2 相关概念和理论分析
2.1 相关概念
2.1.1 大数据
（1）大数据的概念
大数据（big data），指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
（2）大数据的特点
大数据的特点可以用 4V（Volume、Variety、Value、Velocity）来概括：
Volume 是指数据的规模大。当前的数据量已经不能用 TB 来衡量，而更多的使用 PB、EB 或 ZB 这样的计量单位。根据专家估计，从古至今，对所有的印刷材料所适用的数据量都是 200PB.与这个形成鲜明对比的是，由大型跨国企业所产生的数据总量早已达到 EB 级别，由于这种情况的发生，迫使我们必须进行大数据的探索和研究。
Variety 是指数据类型多种多样。以文本的形式出现的数据占据了历史的绝大篇幅，但是现在，以图像、声音、视频、位置信息等多种形式出现的数据已经越来越多，且这些信息正在以几何级的速度增长，所以我们必须能够对这些数据进行检索、筛选和处理。
Value 是指数据的价值密度低。正式迈入大数据时代后，数据正以前所未有的速度增长着，我们可用的信息迅速增加，但同时也带来了问题，就是在庞杂的数据中，会有大部分冗余的数据，能够对我们产生价值的数据并不多。
Velocity 是指数据处理速度。面对着飞速增长的海量数据，只有打破原有的思维方式，通过不断的创新，找到新的高效的处理数据的方法，才能更快更好的进行数据处理，让数据为我们创造更多的商业价值。
2.1.2 数据挖掘
（1）数据挖掘概念
数据挖掘（date mining）是通过某种算法在计算机系统中对大量的数据进行分析和挖掘产生有用的信息，然后得到所希望的信息或寻求某种趋势和模式的过程。数据挖掘是现代统计，计算机算法，离散数学，信息处理系统，机器学习，人工智能知识，数据库管理和决策理论和以及其他交叉的学科一起形成的。它可以有效地从复杂的、冗余的数据中找到相应的规律，获得潜在的有价值的信息，帮助企业利用数据进行分析，帮助他们改善管理流程，并提供给管理者有参考价值的判断。
（2）数据挖掘的几种主要方式
数据挖掘常用的方法有分类、回归分析、聚类分析、关联规则等等。这些方法是从不同的角度来挖掘和分析数据的。下面就来简单介绍前几类最典型的方法：
1）分类。该方法指的是找到一组数据对象分析有什么都存在的特征，然后按照固定模式进行分类，这样做是为了通过构造分类模型，把原本在数据库里的零散数据映射到某一个具体的类别之中。这样的分类可以应用于产品归类和预测产品生产趋势等等许多方面，最为典型的例子就是天猫商城，通过运用数据分类，把一段时间内不同的消费者的消费情况划分成许多类别，根据统计到的类别来针对每个消费者进行个性化的推送，从而成功地使店铺营业额大大攀升。
2）回归分析。回归分析能够表明数据的属性值这一特点，并且用函数的形式来表达属性值之间的链接关系。这一方法通常被用在预测数据序列的走向和数据的相关性研究之中。最常见的应用就是在销售归因分析和销售预测方面，回归分析用途十分广泛。比如对某一季度的销售量的回归分析进行分析讨论，就能够预测下一季度的销售量，而且可以有针对性的改变营销策略。
3）聚类分析。聚类分析与分类方法十分相似，可是却拥有不同的目的，它往往是凭借数据之间的相似性和差异化来对数据进行分类。在聚类分析的分类结果之中，非常相似的数据被规划为一个类别，相反相似性比较小的数据一定是属于不同的类别之中，跨类别的数据之间往往关联性极低。
4）关联规则法。数据项之间的联系或相关性被称作关联规则，它通常隐藏在数据之中，利用这种关联规则我们可以基于某一数据项的出现来判断其他数据项是否会出现和出现频率等指标。如果要挖掘数据之间的关联规则，通常分为两个步骤：第一个步骤是在大量原始数据里找到全部的高频数据组；第二个步骤是发觉这些高频率项目群组之间的关联规则。在金融等行业中，关联规则法挖掘数据早已被广泛应用，该方法可以帮助银行等金融机构来对客户群体的需求展开判断与预测，许多银行在内部的自动取款机上通过记录客户或许感兴趣的信息，对客户的相关偏好进行更深入的分析研究，以此来获得反馈和回报以提高自己的营销业绩。
2.1.3 管理会计
管理会计（Management Accounting），又称“内部报告会计”,管理会计是会计的重要分支，主要服务于企业内部管理需要，旨在提高企业的经济效益，通过利用相关信息，有机融合财务与业务活动，在企业规划、决策、控制和评价等方面发挥重要作用的管理活动。管理会计是企业会计工作的重要组成部分，在企业的经营管理活动中的作用越发重要，是企业的战略、业务、财务一体化最有效的工具。而且随着管理会计越来越被管理层重视，其作用已经不再局限于财务领域，在企业的采购、销售、生产甚至整个企业流程的规划方面的管理都属于管理会计的范畴。
管理会计可以向决策层提供全面有效的经营信息从而使企业能利用有限度资源达到企业价值最大化，这不仅需要企业日常的财务信息，还需要适合企业自身特点和行业发展的内部综合管理信息。它们的表现形式多样，有财务信息和非财务信息，量化和非量化的信息，实际和预计的信息，历史和未来的信息，结构和非结构化的信息，内部和外部的信息、有形和无形的等信息。
2.2 相关理论分析
2.2.1 数据挖掘相关理论分析
2.2.1.1 数据挖掘目前应用状况
伴随着信息化程度逐步加深，数据积累程度越来越深，信息时代数据的潜力无疑是巨大的，信息技术部门成为了每个企业的核心部门，商业智能和数据挖掘手段也渐渐地开始形成了一个独立的产业。我们可以看到越来越多的企业利用这一项技术获得了成功，不只是金融业、保险业、电信业等行业，甚至政府机构和各个中小企业也正在逐渐加深在日常业务中对商业智能化的重视和应用。国际数据公司（IDC）对欧洲和北美的 62 家企业进行了调查研究，这 62 家企业都是采用了商务智能技术的企业，经过分析发现，这些企业的最近 3 年的平均投资回报率大概在 401%,其中的 25%的企业的这一投资回报率超过 600%,足足翻了六倍多。从调查结果中可以发现，在如今这种复杂的经济大环境中，一个企业如果想做大做强、获得成功，对数据信息的分析研究起到了相当大的作用，通过对数据背后内容的解读，高层领导者才能得对如此复杂的商业结构了如指掌，做出正确的经营决策。
利用数据挖掘来处理问题，一般都需要在大型数据库中探索和发现有价值但被掩埋的有用信息，并对这些信息进行分析和利用，并在此基础上总结得出适应于当下经营环境的有意义的结论，才可能被公司做为进行相关决策的重要依据。
例如，世界上最大的汽车销售网站 AutoTrader.com 是一个着名的美国网站，每天都会有数不清的信息访问量和页面点击统计量。因此，该公司利用 SAS 软件对大量数据进行挖掘，通过不断的数据分析，公司成功地捕捉到了网站用户访问模式，以及对各类产品受消费者的喜爱度数等都进行了准确判断，在此基础上建立起来一个个性的特殊的服务模式，结果不言而喻，网站经营大获全胜。Thomson Reuters 是全球有名的金融信息服务企业，该公司的数据主要是来自外部的数据，所以数据的质量大大关系着企业能否继续生存和发展，从数据中查找和甄别错误的地方就显得尤为重要。
该公司应用 SPSS 数据挖掘工具 Modeler,建立起相关的计量统计模型，大大提升了甄别错误的比例，对所用信息的正确性给予了极大地保障。只要一个行业拥有一个数据库，并且这个数据库具有分析价值和所需求信息，所有的企业都能利用数据挖掘工具去展开有针对性的数据挖掘活动。
因此，数据挖掘在现企业中的应用越来越广泛。企业通过数据挖掘能够对顾客的需求偏好、购买状况等信息进行深入挖掘和分析，并牢牢把握住顾客的需求，同时还可以适应顾客不断变化的新要求，提供满足其新要求的产品或服务，从而取得相应的成功。
2.2.1.2 数据挖掘的未来发展方向
如今，数据挖掘可以被称作是计算机科学领域的热门话题，伴随着数据挖掘技术和信息利用问题的讨论在持续升温，数据挖掘课题研究和利用的水平也在持续提高。
从现在来看，未来的发展的热点主要有五大方面：
第一，给予数据语言一个模式化的表达方法，或者说探索出专门进行数据挖掘的语言类型，甚至我们希望它能够像 SQL 语言一样形成一定的标准和强大的利用规模；第二，探索数据挖掘里含有的可视化形式。让我们普通用户也可以明白信息发现的真实流程，在此基础上对实践性的信息探索过程中达成人机交互的行动；第三，利用计算机网络等科技的大背景下对数据挖掘课题展开探索。如在互联网上构造数据挖掘所用的云存储服务器，让每个用户都可以高效率对数据库进行挖掘并且不同用户可以开展合作，共同研究某个课题；第四，加强探索和研究非结构化的数据信息。如图像数据、文字数据、音频数据、视像数据还有其他各种多媒体数据等诸如此类的非结构化数据都需要我们去加以重视和探索；第五，注重隐私保护的问题。数据挖掘可以在各种角度和各种层面上展开对数据的探索和研究，这无疑会对数据的安全性和隐私性产生一些威胁，所以将来的讨论某项重点将会是怎样在保护公众隐私权的根本前提下展开对数据的充分挖掘和深入探索。
2.2.1.3 数据挖掘应考虑的问题
在如今的大数据背景下，数据挖掘以其专业性、便捷性、系统性和价值性等优势无疑成为了一项最为重要的工作。虽然数据挖掘存在着数之不尽的优势，但每件事情都有有利的一面，也有不利的一面，数据挖掘因其涉及学科领域较多，应用的技术较复杂等原因，导致数据挖掘也存在着大量的问题，主要包括：
（1）数据挖掘最根本的问题在于数据数量和维度问题，由于数据数量和维度问题的多变性，数据结构也因此变得特别复杂，那么应该怎样进行分析研究和对变量进行筛选抉择，也因此变成了第一个需要处理的问题。
（2）在应对如此巨大的数据处理问题时，目前的统计方法等无疑都是行不通的，最直截了当的方法只有数据采样的方法。这样一来，如何采样、样本应该包含多少数据量、以及如何对抽样的效果进行评级，怎样才能以最小的成本采集到最多的数据，也是当下面临的一个问题。
（3）正是因为数据是如此大量的，那么数据或许会掩藏着某些趋势。如何才能做到不忽视这些趋势也是值得注意的问题之一。
（4）怎样使用不同类型的模型，以及它们的拟合效果怎样判断。即使所利用的数据相同，那最后出来的结果却仍然会因人而异，甚至大相径庭、截然相反。无疑这一关系到结论可靠性的课题也是值得注意的又一重大问题。
（5）现在互联网等高新技术产业发展很快，怎样利用互联网进行数据挖掘，怎样在互联网中成功挖掘到有用的信息，还有许多非标准数据的挖掘和利用等都是需要仔细考虑的尚未成熟的领域。
（6）数据挖掘还必须得考虑到数据的隐私和数据安全问题。比如越来越迅速的人肉搜索，越来越常见的信息泄露也都令我们不寒而栗。
（7）数据挖掘所涉及的某些结果是难以确定其真实性和完整性的。挖掘出来的数据信息只有需要结合专业知识和相应领域的个性特点来做出分析判断，才能发挥其相应的效果。因此如何解读数据挖掘的结果也是值得研究的课题。
2.2.2 管理会计相关理论分析
2.2.2.1 管理会计在企业管理决策中的作用
通过对国内外学者关于管理会计理论的研究，并从企业的实际经营管理情况出发，结合行业的普遍特点，认为管理会计有以下主要作用：
（1）提供全面的经营管理信息，包括财务信息和非财务信息
管理会计是为企业的经营管理服务，其主要作用就是为管理者提供全面有效的信息，以供其做出最优的决策。而现在管理层在进行决策时不只是参照传统的财务信息，而是全面综合考虑所有经营管理信息，既有其中既包括固定模式的财务报告等财务信息，也包括非财务信息，既包括结构化数据也包括非结构化数据。管理会计因为可以不按照会计准则和相关会计规定进行报告，因此，管理会计可以根据行业特点和企业自身的管理需要，提供更加灵活多变的报告，以便可以客观全面展示企业生产现状，反映公司经营状况，使企业管理层了解企业全貌，做到心中有数。
（2）分析相关指标，为经营决策提供建议
研究相关信息中的重要指标及其变化是管理会计的另一重要职能。通过分析企业现在所用指标所能反映的信息能够真实合理的反映企业目前的经营状况，以及指标的变化的背后所蕴含的真实信息，发现企业经营活动中面临的问题，及时提醒管理层。
管理会计首先会分析当前环境下企业需要哪些指标作为企业经营决策的依据，原有指标是否还适用，现有指标构建是否合理，能否更加全面的反映经营状况；然后，需要通过与历史数据的对比，发现企业经营情况的变化趋势，揭示企业财务状况、经营情况和现金流量变化趋势（纵向对比），分析引起公司业绩变化的主要原因，判断可能带来的影响；在通过与同行业（横向对比）、同类型公司的比较，了解公司在行业中所处地位，认识公司在与同业竞争中具备的优势和劣势，发现差距，找出原因，为企业未来的发展确定方向。
（3）预判分析，为企业未来发展提供依据
预判，也可以叫做预测，是管理会计的主要职能之一，主要通过历史数据以及当时的企业经营环境进行分析，并与当下的企业经营环境进行对比、分析，通过相关的数据模型来进行测算，从而得出在现有条件下企业的相关经营数据，并预测未来的经营状况，主要包括企业的财务状况预测、成本预测、利润预测、运营效益预测、现金流量预测等方面，从而为企业的经营决策提供有效、可靠的信息（4）通过考核和评价，为管理层的决策提供反馈
管理决策正确与否，需要通过不断的反馈来判断，管理会计通过定期和不定期的对经营状况的考核与评价，为管理者提供相应的反馈。考核虽然是针对员工任务的完成情况，但也从另一方面反映了布置任务的合理性，进一步反映出经营决策的合理性。
管理会计的考核不仅包括结构化的财务信息等业绩指标的考核，还包括日常办公中的非财务指标考核，如考勤结果，报告完成情况等；评价包括事前评价、事中评价和事后评价，事前评价主要对拟定方案进行评价，以论证是否可行；事中评价主要针对进行中决策进行评价，以便确定是否需要修正；事后评价主要针对某个决策实施后的效果如何进行评价。通过考核和评价，管理层可以及时了解当前的政策效果，从而决定是否需要继续执行或者修正、停止执行，避免造成更大损失。
2.2.2.2 管理会计的未来发展趋势
通过对国内外学者的研究并结合我国的市场经济发展状况综合来看，管理会计的未来发展趋势的基本特点应该是打破传统管理会计理念的约束，将研究的范围和目标进一步加大，研究方法进一步改善，并在此基础上形成更为强大和普遍的社会影响力。
具体而言，管理会计未来的发展趋势主要体现在以下几个方面：
（1）构建一套广义的管理会计体系
所谓的广义的管理会计，泛指一类最近兴起的管理会计理论体系，它拥有跨学科、跨层面、跨领域的诸多特点。首先，它打破传统管理会计理念的约束，在结构上有着根本的变革，无论在二维还是三维甚至四维的角度来看都拥有持续伸展的势头。比如，在立体的三维空间角度上，它包括经济、生态和社会这最基本的几个维度，内部所含的子领域更是数之不尽；而另一方面，在时间的角度上，它包括以前、如今和将来这三大角度，是一个持续而且保持动态性的研究学科。现在所处的时代是信息和知识以及经济飞速发展的时代，预计在未来的新时代背景下，管理会计的未来发展一定还会表现出不断扩张的前景。在这样一个巨型的管理会计结构面前，现今迫在眉睫的问题就是怎样在广义的角度上研究出最新的管理会计理论的体系构架。这一课题对管理会计理论体系的成立与实践技能的发展有着极为重大的意义。
（2）突出管理会计的整合研究
目前的管理会计学基本方法中，单一作业成本法、目标成本法、本量利分析、边际成本法、全面预算管理、企业战略分析、企业资源计划等均有着自己的长处，但也必定拥有许多弱点。所以，如果把这么多方法综合起来运用，理论上是可以达到更加理想的效果，例如这样的综合运用或许应该建立在单一作业成本法的基础之会收到更好的效果。这种最新的对管理会计方法理论的综合应遵循以下几个条件：比如相关性原则、适应性原则、责任权利相结合原则、战略原则、灵活性原则、成本效益原则和易于理解原则等等诸如此类的最基本的会计原则。在整合细节上，可以利用作业成本管理、作业预算管理、作业战略管理、作业弹性管理等等诸多先进而多样的会计形式。
（3）加强管理会计的规范研究与实证研究相结合
近年来，中国的社会主义市场经济不断发展，各类企事业单位的相关数据库变得越来越健全，实证研究的重要性也越来越被人们所重视，甚至有成为一种国内外普遍适用的标准的趋势。实证研究主要涉及的学科是计量经济学等相关学科，它与规范性的理论研究相比，可以更加直接和更加精确的对具体问题进行解释并对未来趋势进行估计。虽然有这些优点，但从另一方面看，这类方法也存在一定的使用障碍，比如研究人员在进行实证分析时候，往往利用的是回归分析，需要进行变量的选择，需要最后的结果进行取舍和解释，这样的行为往往主观性极强，而每位研究者在数据的选择和挖掘上也有一定的不同。所以，在管理会计迅速发展和市场经济不断完善的前提下，我们应该客观公正的对待规范研究和实证研究这两类截然不同的研究方法，通过两种方法的互为补充，相辅相成，才能使管理会计的研究结果更具客观性和科学性。
