4 案例分析
下面以中国建设银行北京分行某支行的为例，通过该支行在运用管理会计时遇到了传统方法解决不了的问题，使用数据挖掘技术对该问题进行详细分析并找到了合适的解决办法，使得管理会计在决策信息方面提供的信息更加全面，不仅包括财务指标的信息，还包括非财务信息，从而促使管理更加精准化，优化业务流程，降低成本，增加收益，起到四两拨千斤的效果。同时，通过该案例还提出了数据挖掘应用于管理会计的流程框架。
4.1 案例背景
中国建设银行北京分行某支行，现有 68 职工人，下辖 8 个营业网点。2015 年底该支行营业部个人存款规模达到 163199 万元，对公存款规模破百亿，对公结算账户数量 2000 余户。近年来，某支行以“综合网点、综合柜员、综合营销团队”的发展目标为主线，不断完善服务质量，在以服务带动效益的理念下，突出员工个人综合贡献度的考核，发挥每个人的优势特点，形成鲜明的团队特色，在各项业务迅猛发展，电子支付大势所趋的情形下，在力保负债业务稳步增长的提前下，大刀阔斧进行业务转型，大力推进资产业务发展，在维护传统对公放贷规模的前提下，大力发展个人贷款业务，增加信用贷款规模力度，陆续推展分期业务，同时加强行外吸金业务，确保资金的流动性。截至 2015 年年底，该营业部对公、对私客户数量飞速增长，客户质量更是节节攀升，在建行北分中的排名一直名列前茅。该支行一直不断的努力探索如何提升管理水平，并进行积极的尝试，可以算是建行北分眼中改革的试验田和桥头堡。
虽然近年来银行的传统存款、理财等业务不断受到互联网金融的冲击，人员流失率逐年上升，以该营业部为例，2013 年，人员流失率高达 30%,且大部分为柜面人员。而且目前银行面临着产品同质化的问题，即各银行所提供产品大同小异，差异不大，不能让客户足够的粘性。因此，如何在现在的激烈竞争环境下的情况下，降低成本，提高收入，挖掘更有价值的客户，从而增强自身的竞争能力，就成为了该支行的最大问题。
2013 年该支行结合该自身的业务特点、人员特点，通过对相关数据的科学理论，在保证会计核算业务不受影响的前提下，主动探索“减高增低、流程再造”方案将岗位设置重新进行流程再造，即减少柜面核算人员这种固定成本，深入挖掘贡献价值大的客户，重新分配资源，将更多的成本放在有价值的客户身上，增加更多的收入，让20%的客户创造 80%的利润。借助于数据挖掘技术，通过对近年该支行的所有数据的大量研究分析，提出了一套行之有效的方案：通过改造柜台，实行“减高增低”的柜台设置，对物理区域实行改造，提高效能，降低成本；针对不同客户进行分层，深入了解不同客户需求，全面提升营销业绩，加强自身的软实力。通过上述方案，该支行降低了成本，增加了收入，提升了自身的核心竞争力，发生了翻天覆地的大变化。下表为该支行实施改革前后的业务规模、岗位配置、业务量和业务指标的概况进行简要对比，可见改革前后的变化情况：
4.2 案例具体分析
4.2.1 发现问题
随着国内经济的发展，外资银行的不断进入以及互联网金融的崛起，再加上国内现有银行的激烈竞争，银行业务的发展面临着重大的压力，原有的运营体系已经不能完全适应现在的业务发展。基层网点作为银行体系的终端，每个网点都是一个独立的核算主体，其中贷款利息收入、营销理财产品、保险销售等中间收入构成了网点的主营业务收入，房租、水电费、人员的基本工资为固定成本，业绩提成为变动成本，基层网点的利润是银行利润的重要来源。但现在这些基层网点却面临着严重问题：客户的流失导致了收入的减少，同时为提升客户的服务体验而增加人员，导致进一步增加了成本，进而使利润下滑；虽然在努力提升客户的服务体验和粘性，但带来的收入增加却微乎其微，陷入了一个停滞的状态。因此，如何增加收入，减少成本，成了每个网点面临的重要问题。
4.2.2 解决思路
该支行面临上述问题，经过仔细研究和多方论证，确定了如下解决思路：增加收入可以从产品和客户两方面着手，因为银行出售的理财产品等都由总行和分行统一安排，产品方面该支行无法进行改动。因此，该支行需要通过对客户进行分类，找出更有价值的客户，进行精准营销，从而使其创造更多的收入；同时合理分配现有资源，达到合理控制成本的目的。
第一，需要对客户进行细分，将具有相似需求的客户分到一类，为其提供相似的产品和服务，对需求差异较大的客户分到另一类，对其进行差别化服务，这样不仅能最大限度的提高客户满意度，进行精准营销，而且还能极大的节省成本。
第二，需要进行客户行为预测。银行客户的数据资料庞大而且复杂，日常业务数据的简单分类汇总，已经不能对客户的需求进行较为准确的预测。需要其他方法进行准确预测，以便银行能够进行精准营销，提高销售的效率。
第三，减少重要客户流失。每个行业都有二八法则，即 20%的客户会创造 80%的利润，银行业当然也不例外。因此，需要找出那 20%的客户，并投入更多的资源，分析此类客户的购买习惯和个性需求，银行据此开展针对性的营销服务，让他们感受到自身受到的重视和获得的不可代替的感受，减少客户流失。同时，通过重要客户的口碑来吸引更多的新客户，实现良性循环。
第四，有效控制成本。根据不同价值的客户，有效的进行成本分配，价值高的客户可以适当多分配些成本，价值低的客户，可以适当削减些成本支出，避免之前盲目浪费人力成本和营销成本的做法。
4.2.3 现有方法面临的问题
上述方案虽然可行，但却面临着重要问题：
（1）上述方案所需数据量大，如果对客户按价值贡献率进行分类，需要各个方面的数据，既包括财务数据，如中间收入额、产品手续费等，也包括很多非财务数据，如客户满意度等。银行每天几百笔业务，不仅有员工录入信息，还有扫描的单据信息等，数据量极大，传统的管理会计对于处理大量数据显然没有合适的方法。
（2）上述方案所需数据已经超出了管理会计上传统的财务数据范畴。客户分类的依据、价值贡献率等数据，已经不能简单的依靠传统财务数据来切分，如根据存款额、购买产品的金额等简单数据虽然可以进行客户划分，但与现行做法无差异，不能有效的解决问题。因此，需要更多的非财务数据来进行分析。因为与财务数据相比，非财务数据的能够弥补财务数据的局限性，提供更加全面的信息，有助于提高企业决策的科学性和有效性。非财务数据较财务数据有以下明显优点：第一、非财务数据来源广泛，不仅可以来源于企业内部，也可以来源于企业外部的竞争者；既可以来源于财务部门，也可以来源于企业经营的各个环节，内容更加广泛。第二、非财务数据形式较为灵活。既可以用数字来表示，也可以通过图表等更为直观的形式进行展现。第三、非财务数据具有前瞻性。由于不受会计准则的约束，其提供信息能够更加灵活的反映经营上各个时点的信息，并能通过过去与现在的实时信息，进行前瞻性预测，使管理会计的预测职能得以更好的发挥。反观财务数据，其数来源较为单一，数量有限，且经过相关部门的加工，可能会造成信息丢失，不能充分反映现在企业经营所面临的困难和问题。因此，只有将非财务数据和财务数据结合起来，才能形成更加全面和真实的信息，为管理者的决策提供更加有效的参考信息。
（3）管理会计传统的分析方法不能很好的对非财务数据进行处理。非财务数据不仅种类繁多而且数据量较大，且多为非结构化数据。传统的分析方法如本量利分析、线性回归分析法、资金增长趋势分析法、弹性定价法等，对于处理数量较少、数据结构单一的财务数据尚可，但面对着非财务数据在数据量级和结构上的明显差异，则显得束手无策。
4.2.4 解决方案
面临上述问题，管理会计上传统方法已经不能解决，有必要引进新的方法来进行大量复杂数据的处理，数据挖掘技术正是这样一种能够从海量的、庞杂的数据中提炼出有效的信息的一种工具。
因此该支行与相关部门合作，运用数据挖掘技术对有关数据进行挖掘，主要通过以下几个步骤进行。
（1）业务理解。业务理解主要是要对银行目前的业务状况进行诊断，以便确定需要哪些数据。哪些业务会创造收入，哪些客户的业务会创造利润，哪些不会，如同行汇款、银行卡挂失就属于不产生利润的业务，客户流失的原因，如对银行的排队等待时间不满意，对银行办理业务服务态度不满意等等，对银行业务涉及到的一些因素进行理解。
（2）数据获取。银行的客户分为对公客户和对私客户，对公客户是指公司类的客户，对私客户是指个人类的客户，因此，获得的数据也分为对公和对私两类。数据主要从银行的会计核算部门和银行的营销部门获取，对公类的数据主要包括客户的性质、银行存款余额、业务规模、信用状况等；对私类的数据主要包括客户的年龄、婚姻状况、是否是本行的开卡户、信用卡情况、存款余额等。下表就是获取的对公客户和对私客户的信息表，其中包括客户的各种相关信息：
（3）数据预处理。数据挖掘需要进行大量的数据处理，因此数据质量显得尤为重要，数据预处理做为数据挖掘前的准备工作，对数据挖掘的质量起着至关重要的作用。而此次数据挖掘的对象，既包括客户的一些财务类数据，如资产规模、信用状况、盈利能力等，也包括一些非财务类数据，如办理业务的频率、是不是本行开卡户、投诉率、满意度等。这些数据不仅复杂庞大，而且还可能会包含很多重复无用的信息，因此对数据的清洗、整合、转换为标准化的过程就显得及其重要。
1）数据清洗
数据清洗非常繁杂，但又尤为重要，主要包括：第一，去除不相关数据。为了提高数据挖掘的速度，保证挖掘的效率，需要对不相关数据进行去除，以便减少数据量1在数据的收集存储过程中会有丢失，也可能是因为原始录入时没有记录，有些数据可能对数据挖掘无影响，但有些数据就必须填补。如上述信息中的单位性质（国企、民营、事业单位等划分），对于数据的分类就比较重要，如果缺失该类数据，就需要进行填补。第三，噪声处理，因为人工录入错误或者系统处理问题，在数据的收集和整理过程中，可能会出现一些与同类数据相比偏差较大的个别数据，这些数据的存在，可能会影响到对数据挖掘结果的一些规律性的结论的判断。因此，需要找到合适的方法妥善处理这些噪音数据，以确保数据挖掘结果的准确性。噪声处理的主要方法有：
计算机和人工检查相结合、回归方法（此两类类方式适合于数据挖掘量适中的数据库）、聚类方法（此类方式适合数据量大的数据库。聚类方法的实施主要是通过对数据中各属性的聚类分析，找出数据当中的孤立点，将其从数据中删除，或者用聚类中心来替代）。由于此次数据挖掘量较大，且数据间的关系较为复杂，如果采取人工与计算机相结合的检查方式或者回归方法的工作量都比较大，且不易操作，因而本案例是采用聚类的方法来排除噪声数据。
2）数据构造
通过数据的清洗工作之后，不相关属性、空缺值、噪声数据以及数据类型的不一致等问题就得到了基本的解决，然而现在得到的数据并不能满足处理业务的需要，要求对这些数据进行进一步的构造，以便更好地反映业务目标的需求。
3）数据标准化
因为数据是从不同的系统中取得，数据的度量方式不一样，为方便分类，需要将数据的度量标准进行统一，数据的标准化有很多种，最常见的标准化处理方法是标准差标准化，经过处理的数据符合标准正态分布。
（4）数据挖掘
本次采用聚类法进行数据挖掘。聚类常用两种方法包括层次聚类法和 K-means 聚类法。层次聚类方法对给定的数据集进行层次的分解，直到某种条件满足为止。
K-means 算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。
因为数据量较大，数据分布复杂，直接用 K-means 算法确定 K 值，较为困难。因此，首先采用层次聚类法，不断的对数据之间的距离进行计算，逐一将数据归类，得到 K-means 算法的 K 值。再通过 K-means 算法将数据分类。将对公客户和对私客户按照收入贡献值的大小分别进行了分类。
（5）实施效果和评估
通过上述数据挖掘后，将对公客户和对私客户进行了分类，通过对不同类的客户进行差别化的营销，如对于优质类客户，一般是国有大型企业、企业高官，这类客户有一定的经济实力和社会地位，更加注重的是服务的品质和受到尊重的程度以及服务的便利性，普通的打折优惠对其心理的影响不是很大，因此需要增加附加的客户服务，投入更多的营销成本，如增加其消费的便利性。因为他们的身份和地位，需要经常进行社交活动，如果能够向他们推出大额的公务信用卡或者个人用的高端信用卡，作为其身份识别的象征，并且可以在其他网点也可以享受更多的特约权利，会使他们产生更多的粘性，使其得到更好的服务体验，虽然会加收一定的卡费，但相比服务得到的感受相比，高端客户人员不会太在意。又如低端客户，可能是资金较小的企业或者年轻的学生群体，其往往会对价格比较敏感，更加注重打折优惠信息，对于这类客户，可适当的控制对其投入的营销成本，以往的现场营销和电话营销可以改成通过手机推送各类优惠信息，一是增加他们的消费力度，二是通过一些超出其消费能力范围的服务产品推送，来引导他们提高自身的资产价值从而提高客户等级，从而享受更多的优惠，同时也为银行带来了更多的收益。
4.2.5 案例评价
在本案例中，该支行作为一个独立核算主体，虽然有着明显的成本构成和收入来源，如果通过传统的管理会计，可能也会考虑成本收入的变化，考虑到收支平衡点和边际效应。但因缺乏全面的成本和收入分析，如人员的营销业绩、营销人员成本、柜面人员的人力成本等，没有合适的因素去进行量化，因此也就无法全面的分析问题，做出的结果可能也与设想大相径庭。
而通过数据挖掘技术，对数据进行收集、整理，形成庞大的数据库，再根据管理会计中的很多影响成本和收入的因素等，对客户根据不同贡献值进行分类，得到不同的客户群体，进而制定不同的营销策略，激发潜在消费；同时又根据不同等级的客户进行不同成本分配，在有效的成本控制下实现了收入的增加，增加了利润，提升了自身的核心竞争力。
4.2.6 总结提升
结合上述案例分析，可以发现数据挖掘技术在管理会计中的应用方法有一定的规律性，因此可以简单的建立应用数据挖据的管理会计的流程框架：
（1）建立流程框架的目标
依据管理会计的基本原则，围绕数据挖掘技术在企业管理会计中的应用，构建基于数据挖掘的管理会计的流程框架。该流程框架的构建以期达到以下目标：探寻在知识经济时代企业充分利用信息的有效途径，加深企业对数据和信息的理解；指导数据挖掘技术在管理会计中的运用，提高管理会计的决策相关性，增强企业的竞争。
（2）流程框架
1）定义问题
定义问题即发现经营管理中遇到的问题并进行深入分析。如为什么收入会下滑，通过什么方法可以提高收入，提高收入涉及哪些方面的因素，竞争对手是如何做的，他们又没有类似的问题等，通过对问题的层层分析后，对问题的理解会更加深刻，信息的收集就会更加系统，来源也会更加有效。
2）确定信息源
在明确上述问题后，可以确定所需的信息从那几方面去寻找。对于信息来源，可大致分为内部信息和外部信息两大类：
第一，内部信息。
内部信息是企业内部产生的信息，首先可以从企业的职能部门去获取，如财务部门、销售部门、生产部门等。此类信息一般都是结构化信息，处理起来较方便；其次，可以从企业内部的其他来源获得信息，如日常的电子信息交流平台，企业内部刊物、会议纪要、企业文化等方面，此类信息一般是非结构化信息，处理起来较为复杂。
第二、外部信息。
外部信息是指从企业外部获得的信息，首先可以从竞争对手处获得信息，如产品信息，经营信息，其公开的财务信息等，宣传资料等；其次，可以从第三方获得信息，如相关的数据库，咨询公司，互联网等公开媒体，都可以很方便的获得所需信息。
3）数据的搜集与整理
通过上述确定信息源，可以进行数据的搜集，但搜集到的信息往往是不成体系的、零散的信息，并会夹杂着很多噪音，这就需要用到信息整理技术，如典型的数据清洗等，将数据整理为标准统一的、便于进行数据挖掘的。同时，企业应建立数据搜集方案或系统，对于日常企业经营的相关信息，鼓励员工在经营中可以随时收集并系统化标准化的存入企业数据库，但要注意成本效益原则，即某项数据的收集成本如果大于它所带来的价值，那企业可以通过别的方式予以代替。
4）数据挖掘
经过上流程，就可以进行数据挖掘了。数据挖掘的常用算法以在前文表述，此处不再重述。但需要注意的是，数据挖掘一定要紧紧围绕管理会计的基本原则和所要解决问题的目的进行，不能为了数据而挖掘，毕竟数据量很大，每挖据一次都会产生相当多的信息，如果脱离了最初的挖掘目标，会因得到数据太多而迷失了决策的方向。
5）结果分析与表达
通过数据挖掘得出相应的数据，面对需要解决的问题，需要与企业自身的特点和经营环境结合起来进行分析，得出更加合理的解决方案。数据挖掘的结果可以是数据，也可以通过清晰的图表或者表格呈现出来。
6）决策者使用和反馈
决策者对数据挖据的结果进行决策分析，并需要在决策过程中发现数据挖掘结果与期望的结果之间的差异，并反馈给相关部门，特别是确定需要改进的环节，是数据收集还是数据挖掘算法，并不断的改进、更新方法。
（3）实施保障
1）需要高层重视才能顺利实施
为使数据挖掘在管理会计中的应用发挥更大的作用，整个流程框架的构建需要高层管理者的大力支持，制定从上到下的体系框架构建和从下到上的数据传导机制。因为数据挖掘往往会涉及不同的部门和不同的员工，仅凭数据挖掘人员无法调动各部门的资源，只有高层重视并支持，才能从企业的体制上予以数据挖掘的实施的许可，才能顺利实施数据挖据。
2）需要全员参与发挥员工主观能动性
信息的最初收集离不开相关人员，信息的最初来源决定了信息的质量，而信息质量决定了数据挖掘的结果。再好的算法和模型如果没有可靠的信息来源，也不能产生正确的挖掘结果。因此，需要每个员工都提高数据收集的意识，并能够主动的进行数收集，形成企业数据库中有效的数据源。
3）需要一套有效的信息系统
企业需要建立一套行之有效的信息系统，一是可以让信息收集者可以方便的收集信息，收集到的信息可以系统化的、标准化的存入系统数据库；二是数据库要方便信息检索，方便数据的加工，挖掘其中的价值；三是要注意保密，企业的某些信息关系到企业的关键战略，一旦泄露后果不堪设想，所以数据库的保密措施一定周全，防止泄密风险。
