数字化会计人才数据挖掘能力研究

导语：数字化会计人才数据挖掘能力研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：大数据技术的迅猛发展，对会计人员职业能力提出新的要求。本文分析了大数据时代对会计职业能力框架的影响，提出高校会计专业应调整专业培养目标，加快课程改革，开设数据挖掘课程。针对数据挖掘课程内容多理论深而学生基础弱的问题，提出重构信息技术课程体系，增加统计学、编程语言、数据挖掘类课程，突出数据挖掘应用能力培养，建设数据挖掘教学资源库等教学改革建议。

关键词：数据挖掘；会计专业；大数据；职业能力

大数据已经成为当今世界重要的发展领域。2015年8月国务院了《促进大数据发展行动纲要》，指出数据已成为“国家基础性战略资源”，纲要旨在全面推进我国大数据发展和应用，加快建设数据强国。接着党的十八届五中全会提出实施国家大数据战略，报告则进一步强调，要“推动互联网、大数据、人工智能和实体经济深度融合”。财政部《会计改革与发展“十三五”规划纲要》中也随之提出，要“密切关注大数据、‘互联网+’发展对会计工作的影响，及时完善相关规范。”大数据技术的发展，对会计既是挑战也是机遇。越来越多的会计工作逐渐被信息系统所替代，但同时，大数据时代也衍生出数据分析等新的岗位。这些岗位不仅要求掌握传统会计知识，还要求具备数据采集、数据清洗、数据挖掘等知识和技能。面对大数据时代对会计人员提出的新要求，高校会计专业必须在课程体系中增加数据挖掘课程模块，培养学生数据分析能力，适应社会发展的需要。

一、文献回顾

在今天的大数据时代，许多先进的管理思想与信息技术，如企业资源规划（ERP）、制造执行系统（MES）、供应链管理（SCM）、客户关系管理（CRM）等，相继在企业中应用，这些信息系统里积累了大量的原始数据，而这些数据主要用于业务处理，由于数据量庞大，几乎不可能做到靠人工逐条查看数据并从中找到有价值的信息。数据挖掘技术因此应运而生。从广义上讲，数据挖掘是从大量的、不完整的、有噪声的随机数据中提取出隐含的、有用的信息和知识的过程。它源于数据库理论，是融合了机器学习、人工智能、现代统计学的交叉学科。在会计领域中，学界和业界研究和探索了数据挖掘在会计舞弊的识别、客户贡献率评价、成本管理、企业危机预警等领域应用的可行性和有效性，探讨了在会计信息系统中引入数据挖掘、将数据挖掘工具用于会计决策支持系统的可行性，同时也对大数据时代数据挖掘技术对管理会计变革的影响进行了探讨和展望。在以往数据挖掘课程教学实践中，往往存在课程内容多、理论性强，实践教学使用的数据量小、操作难度大，学时少，传统教学形式效果差等问题。针对这些问题，相关学者也提出了一些建设性的意见，而传统数据挖掘课程的教学内容与实践环节针对的是计算机、统计学等专业的学生，而经管类专业学生的数学基础与编程能力偏弱，在经管类专业开设数据挖掘课程，无论是对教师还是学生都是一个具有挑战性的任务。

二、大数据时代对会计职业能力框架的影响

会计职业能力框架是提升会计人员的整体素质和会计工作质量的有效保证。国内外从上世纪80年代开始进行会计职业能力框架的系统研究，综合这些研究成果，可将会计人员职业能力框架表述为专业知识与技能、通用能力和职业道德三个维度，每个维度又由若干子维度组成。大数据、人工智能、区块链技术的发展对会计人员职业能力框架的影响是全方位的。人工智能使得基础的会计核算工作逐步被电脑取代，大数据技术实现了业务与财务数据的无缝对接，会计的功能由“价值反映”提升为“价值创造”，财务会计的重要性下降，相比之下管理会计重要性则日益凸显。与财务会计不同，管理会计面向企业管理决策，需要会计人员具备较强的分析和解决问题的能力以及较高的信息素养，能够利用信息技术和数据分析挖掘工具，以更高级的数据分析方法处理海量数据，理解日益复杂的商业环境。会计由核算型向决策型转变，职业道德变得更加重要，不可或缺。2018年，美国管理会计师协会（IMA）将其管理会计人员职业能力框架由规划与报告、制定决策、技术、运营、领导力修改为战略管理、报告与控制、技术与分析、商业能力与运营、领导力、职业道德与价值观，其中技术与分析能力包括信息系统、数据治理、数据分析与挖掘、数据可视化，均与大数据密切相关，这一变动清晰地反映了大数据对会计职业能力框架的影响。但目前来看，大多数高校会计专业计算机课程开设较少，学生普遍缺乏数据处理与分析能力，这显然无法适应未来会计职业的发展。在大数据背景下，高校会计专业应及时调整人才培养目标，注重提高知识结构的通用性，加强通用能力特别是数据分析与挖掘能力的培养。在课程设置上改变过分强调规则性和专业化的倾向，加快课程改革，开设数据挖掘及相关系列课程，以全面提升学生的数据分析与挖掘能力，增强学生未来的发展潜力。

三、数据挖掘课程教学现状

①课程涉及的内容广泛，理论性强，教学难度较大，对本科生而言，知识不够系统，短时间难以掌握如此多的理论，更谈不上自如运用，容易失去学习兴趣。②各学科专业需要掌握内容差异较大，可供利用和借鉴的资源较少。③实验设计与课程内容配合不够，测试数据集局限性大，多采用平台自带测试数据，数据量小，且已经过数据预处理，涉及环节少，不能体现数据收集与数据预处理环节。④学时较少，传统的课堂教学模式效果不如人意，学生主动性不够，在有限课时内达到教学目标难度大。

四、以实践应用能力为导向培养学生数据挖掘能力

（一）重构会计专业信息技术课程体系。纵观各高校会计专业课程体系，开设的信息技术的课程并不多，通常只包含计算机基础、会计信息系统等课程，这些课程显然已经无法满足社会对会计人员数据分析能力的要求，对于学习数据挖掘更是不够。因此会计专业应考虑增加以下信息技术课程：①数据库原理及应用课程应重点关注数据库的逻辑结构、数据查询设计、视图等内容，对数据库物理结构、系统管理与调优、编程等内容应较少涉及，教学选用的数据库系统只需符合SQL标准、具备数据仓库功能即可，SQLServer、Oracle等商业数据库或者mysql、postgresql等开源数据库均可，但应考虑与后续数据挖掘课程的衔接。②python编程应用（或R语言基础）会计专业培养的不是程序员，编程语言课程不应过分关注编程语言和工程细节，而应该重点关注编程语言在经济和管理领域的应用，培养学生利用python等脚本类语言提升工作效率的能力，同时也为使用数据挖掘类工具打下编程基础。③Excel在财务中的应用Excel是电子表格类软件，是数据收集整理的常用工具。因具备基础的数据分析能力，也常用于简单的数据分析处理。Excel还可通过VBA扩展其数据处理能力。熟练掌握Excel软件的数据透视图、函数等工具能够解决财务预算、财务分析、财务决策领域众多问题。但由于其本身的限制，Excel不适合处理大规模数据。④统计学统计学是收集、整理和分析数据的方法科学，是数据分析、数据挖掘和机器学习的理论基础。无论是宏观经济管理、企业的经营决策，还是科学研究都越来越倚重于数量分析和统计建模，具备一定的统计学基础理论也有助于学生更好地适应未来的工作。课程内容应偏重于数据分析和常用统计模型的应用，避免繁琐的数学推导。⑤商业数据分析与挖掘数据挖掘在公司运营中的应用场景包括企业经营情况评估、员工管理、生产流程监管、产品结构优化、新产品开发、财务成本优化、市场结构分析、客户关系等领域。掌握数据挖掘基础理论和其在商业场景中的应用，培养从大数据中获取信息的意识和能力，可以大大增加学生专业能力的宽度和厚度。（二）弱化数据挖掘理论推导，重点培养学生数据挖掘应用能力。目前，各高校已开设的数据挖掘课程普遍存在内容庞杂，深奥难懂的问题。数据挖掘涉及算法、机器学习、模式识别、数据可视化等内容，内容多理论深。从培养目标来说，会计专业培养的不是程序员，也不是算法设计人才，因此没有必要对数据挖掘算法的细节、大数据基础设施的建设等内容涉及过多，而应该在理论教学和实践教学环节体现“重思想，轻细节”，教学中重点强调对数据挖掘结果的解释，阐明其经济学意义，使学生理解数据挖掘技术如何应用在会计工作中，更好发挥会计在企业管理中的作用。至于算法则可以直接使用成熟的数据挖掘算法，目前R语言和python等语言都已经有较为成熟的数据挖掘算法模块，可以直接拿来使用。因此，会计专业数据挖掘课程应该确定与计算机专业相异的课程目标：了解掌握数据挖掘的基本理论，基本掌握当前较成熟的数据挖掘算法，熟练掌握数据挖掘工具；能够根据应用场景选择数据挖掘方法，收集所需数据，利用数据挖掘工具实施数据挖掘，并对结果进行解释，服务于企业经营管理决策。基于上述目标，会计专业数据挖掘课程应该以应用场景为导向，突出数据挖掘的应用场景，以及相应的解决方案设计。（三）建设教学资源库，构建数据挖掘实践平台。数据挖掘是实践性很强的课程，单纯地灌输理论知识并不足以培养学生数据挖掘应用能力。搭建数据挖掘实践教学平台，让学生在完成一个个项目的过程中对数据挖掘产生感性认识，是掌握数据挖掘技术的必由之路。目前，部分高校经管类专业数据挖掘课程在实践教学环节给学生提供的往往是已经经过预处理的或系统自带的数据集，数据集的数据量小，操作步骤已经由教师设计好，学生只需要按步骤进行验证，没有机会了解数据挖掘的项目如何设计，数据如何获取。为了使学生能够接触数据挖掘项目的全过程，课程应基于应用场景建立教学资源库，提供各种层次的数据集，如已整理完毕可直接用于模型的数据集、未经过加工整理的原始数据集等，并提供数据挖掘各步骤的相关程序代码和使用说明。限于数据的可获得性，数据集以可获得的公开数据集为主，如股市数据、社交数据，以及网络上可公开下载使用的数据集等。对于文本挖掘类项目甚至可以不提供数据集，由学生自行根据教学资源库的指导从各类数据源收集数据再完成后续任务。（四）充分利用MOOC等教学手段提升理论讲授效果。MOOC（MassiveOpenOnlineCourses）即大型开放式网络课程的简称。美国顶尖大学从2012年起陆续建立网络学习平台，在网络上提供以视频为主体的免费课程，为更多学生系统学习相关课程提供可能。2014年中国大学MOOC平台成立，全国所有高校都可申请利用该平台进行课程建设，随后又有更多的MOOC平台出现。这一新型教学手段突破了时间与空间的限制，提高了教师的授课效率，也增加了学生的学生自主性，日益受到广泛重视。数据挖掘课程范围广、内容深、课时数量有限的特点非常适合采用MOOC、SPOC等方式辅助课堂教学，将传统的以“教师讲授为主”的模式向以“学生自主学习为主”的模式转变。如果所有课程内容都放在课堂讲授，即使满堂灌也无法在有限的时间内完成教学内容，而在MOOC平台的支持下，教师可以更加有效地利用课堂时间。对部分相对容易的知识点，教师可在课前通过MOOC课程平台给学生布置课前学习任务，并通过练习题、作业、考试和答疑等方式反馈学生的学习效果，锻炼学生独立思考和解决问题的能力，取得最优化的效果。

五、结语

在大数据技术快速发展的宏观背景下，如何培养、引进数字化会计人才，已经成为企业提升竞争力的重要环节，在培养人才过程中，要对如何提升会计人才数据挖掘能力的问题给予足够重视，通过提升其数据挖掘能力，提升大数据价值，确保企业稳定发展。

参考文献：

[1]许亚湖,王婷.大数据时代管理会计的变革[J].财会通讯,2015(16):13-15.

[2]何栋.关于“数据挖掘”的项目驱动教学探讨[J].教育理论与实践,2018,38(06):52-53.

[3]赵磊.基于管理会计视角的财务大数据框架的构建[J].财务与会计,2016(01):51-52.

作者:杜海波 单位:湖北商贸学院会计学院