英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
会计视野
第29卷 第二期
2015
页码：397-407
大数据将如何改变会计
J. Donald Warren, Jr., Kevin C. Moffitt, and Paul Byrnes
摘要：随着新型数据愈发可获得,大数据将对会计产生越来越重要的影响。制作的视频，音频和文本信息通过大数据可获得的资源可以改善管理会计，财务会计和财务报告惯例。在管理会计中，大数据将为有效的管理控制系统的发展和发展做出贡献和预算流程。在财务会计中，大数据将提高质量和会计信息的相关性，从而提高透明度和利益相关者做决定。在会计报告中，大数据可以帮助创建和完善会计准则，有助于确保会计职业将继续在动态，实时的全球经济发展中提供有用的信息。
关键字：大数据；金融会计；管理会计；视频和图像数据；音频数据；文字数据
引言
会计记录从历史上讲是财务性质，由汇总数据共同用于内部用户（例如,管理层）和外部用户（例如，投资者和债权人）。数据库系统带来了收集和收集数据的能力评估财务和非财务数据类型。目前，大数据提供了前所未有的与提供各种庞大数据集和复杂数据集相关的潜在水平分析。大数据日益重要的地位将对会计产生重大影响。这将反映在如何累积和记录数据，管理层如何使用数据来实现组织目标以及如何处理和组合报告元素。
会计记录是“金融交易记录或货币事件的记录”为会计目的而制作的术语”（Accounting Dictionary 2014）。虽然从历史上来看，这样的记录是物理的，但现在几乎都是数字化的。例如，在2000年，大约25%所有存储的信息中有90%是数字的,而目前，其中超过98%是数字的信息是电子的（Cukier and Mayer-Schouml;nberger 2013）。数据流推动了这一转变，因为自动传感器设备和机器对机器的通讯持续不断生成数据。
结合这种现象，组织在过去两个月收集了更多数据比以前的2,000年高（Syed,Gillela,and Venugopal2013）。这些数据的大部分是非结构化的，通常来自传感器和社交媒体。组织利用这些数据改善业务绩效和盈利能力。确实，合并了数据和相关内容的公司业务分析有效地提高了5％到6％的生产力（Brynjolfsson，Hammerbacher，and Stevens2011）。实际上，大数据可以看作是类似公司的资产品牌形象（Brown,Chui,and Manyika2011）。积累和评估大数据是迅速成为建立和维持竞争优势的关键要素（Bughin，Livingston,and Marwaha2011）。
大数据的收集和分析正以指数级的速度扩展。这正在展开这种现象对财务和管理会计惯例的发展有影响。在在以下各节中，我们讨论构成大数据的新型数据，并考虑它们如何可能会影响管理会计和财务会计。然后，我们解决局限性和风险归因于大数据并提供结论性意见。
1.大数据的不同类型作为对现有数据的补充会计记录
大数据包含大量数据集，因此无法使用数据库进行合理分析管理系统或传统软件程序。此外，大数据包括结构化和非结构化数据（大约90％是非结构化），并包含诸如电子邮件之类的软信息消息，社交媒体发布（例如博客、推文、Facebook条目），电话，网站流量和视频流（Syed等，2013）。鉴于非结构化数据越来越多，本文我们考虑存在的不同数据类型以及它们如何补充和增强传统财务信息。
由于有了大数据技术，公司可以利用任何能够从数据生成信息，以使庞大的数据集对决策有用。感兴趣的数据可以包括非结构化视频，图像，音频和文本文件。在以下各节中，我描述可以从这些数据类型生成的信息，以及如何扩展财务信息。
1.1视频和图像数据
随着视频和图像捕获设备的普及，视觉数据比以往任何时候都更为普遍。随着视频和视频的不断发展，使用这些数据来增加会计记录正迅速成为现实。图像存储，处理和分析技术已经成熟。
不断发展的从视频中获取客观信息的方法，增加了视频采集的可行性视频增强的会计记录，尤其是与内部控制有关的会计记录。最近 Metaxas 和Zhang（2013） 的荟萃分析描述了检测进入受限访问的算法区域，计算物体，分析场景，监视车辆并检测情绪。这些方法可以向会计记录中添加重要信息，包括（1）监控录像以揭示输入限制进入区域的时间和次数，（2）用于跟踪工作人员的工作场所视频生产率（例如，谁在水冷却器上花了太多时间），（3）库存视频评估实时数量变化以测量吞吐量并确定瓶颈，以及（4）视频物业，厂房和设备状况的补充，以解决潜在问题减值问题。
采访视频数据也可能是会计信息的来源。定期分析管理层和董事会的访谈，以提取内容，情感和欺骗，将提供有关业务和审计的非语言信息。其实这些非语言访谈的内容比言语内容更有价值和更相关（Guffey 2006）。采访视频数据，结合语音和语言元素，可以创建更完整的高管意图的图片，并可能提供有关公司健康状况的见解。去收集要有效地访问数据，流程可以自动化（Pickard，Burns和Moffitt 2013）。
越来越复杂的计算机算法处理和解释静态图像。准确图像的对象检测和语义分割（Girshick，Donahue，Darrell和Malik 2014）帮助计算机自动对图像进行分类和解释。对象和算法场景识别（Torralba，Fergus和Freeman，2008年），目标检测器的众包训练（Vijayanarasimhan and Grauman 2014）和情感检测（Cowie etal 2001）有助于这个过程。与视频数据类似，这些方法可以从图像中提取有价值的业务数据包括出现在客户上传的公司相关图片中的对象和场景，这些图片中所显示的产品用户的受众特征，以及在图片中找到公司产品。图像分析可以产生有用的业务见解，包括但不限于有关产品使用趋势的知识以及准确的信息企业形象评估。确实，包含补充内容的业务披露包括视频和图像在内的非财务信息甚至可以增强对投资质量（Basoglu and Hess，2014）。
1.2音频数据
与业务活动有关的音频数据也可以提高会计记录和质量财务信息。潜在的重要音频来源包括季度电话会议，股东和董事会会议，客户电话，内部员工电话，放置在公司场所的麦克风进行监视，以及来自视频源的音频在上一节中提到过。
为支持上述主张，Mayew和Venkatachalam（2012a）分析了音频从季度收益电话中找出首席执行官讲话模式中的认知失调长官。他们的研究表明人声认知失调标记之间存在正相关以及因违规行为而重述的可能性。在相关研究中（Mayew and Venkatachalam 2012b），收益电话会议中的正面和负面情感状态与股票收益显着相关。最近，已将声音措施包括在评估信任的独立变量（Elkins，Derrick，Burgoon and Nunamaker 2012）作为欺骗性访调员和被访者之间的互动同步（Tower, Jensen,Dunbar and Elkins 2013 ）。音频分析的其他应用包括犯罪检测（Radhakrishnan，Divakaran and Smaragdis 2005），音频流中的事件识别（M.Xu，Maddage，C.Xu，Kankanhalli and Tian 2003），以及情绪检测（Lu，Liu，and Zhang 2006）。
通过这些音频数据流，大数据可以提供其他证据来支持会计记录。例如，工厂资产提供了其价值和预计受益期的其他证据。这会有所帮助未来的会计师了解评估这些长期资产的基础并协助他们解决潜在的减损问题。此外，增强了对客户电话音频数据的分析致电可以带来额外的客户满意度和产品质量信息，并最终改进保修责任估算。
1.3文字数据
文本数据包括非财务或软件文档。一些重要的文本库是SEC文件，电子邮件，网页（包括在公司网站上找到的公司文件），新闻媒体和社交媒体。社交媒体是相关文本数据的最大，增长最快的集合之一。例如，Facebook参与者，Twittere用户和公众的数量截至2013年，博客分别为7亿，2.5亿和1.56亿（Syed等，2013）。这些来源的数据将有助于评估和改善业务绩效。
电子邮件数据已经被挖掘出来，以减轻美国的职业欺诈损失。这些仅在2009年，损失就估计达到6520亿美元，不满意的员工是主要的贡献者（Holton 2009年）。美国欺诈损失持续攀升，估计在2000年达到1万亿美元2012（ACFE 2013）。在寻求减少员工欺诈行为的措施时，文本挖掘的电子邮件标识了心怀不满的员工，并预测并解决了组织欺诈风险（Holton 2009）。更重要的是，这种方法可以挖掘出传统欺诈审核。欺诈三角分析（欺诈发现方法）应用了原理分析电子邮件中的欺诈三角以发现机会的员工，进行欺诈的动机和合理性（Torpey，Walden and Sherrod，2009）。
随着公司从视频，音频和文本数据中提取和整合信息，传统的财务数据，它们增强了评估和预测业务绩效的能力用于管理会计目的。例如，客户满意度是产品和公司价值以及先进的分析技术可以衡量满意度。客户在网站和社交媒体上的反馈（例如，正面的单词和短语），客电话投诉和询问（例如，声音压力和紧张感）以及发布的互联网视频评论客户和博客作者（例如皱眉和其他负面手势）可能会增加客户满意度分析。最后，使用相似类型的数据来衡量员工满意度。
2.大数据对会计的影响
2.1管理会计
管理会计是指将会计记录产生的信息用于帮助经理履行职责。管理会计师的一项重要任务是创建使组织目标与管理层和员工的行为保持一致的系统。这些行为调节设备被称为管理控制系统（MCS）（Malmi and Brown 2008）。它们与帮助管理人员的信息和决策支持系统区分开来做决定。
研究表明，管理者将改变其行为以实现与行为相关的激励（Ullrich and Tuttle 2004 ）。因此，在制定措施和相关激励措施时，管理者必须考虑激励措施是否符合公司目标。一个MCS，可将指标与公司的目标是平衡计分卡（BSC）（Kaplan and Norton 1996）。该系统识别针对最符合业务目标的行为的财务和非财务指标。怎么样组织单位的统计数据与确定的措施和相关目标进行比较构成管理绩效。结果，BSC和其他MCS识别出积极（消极）管理行为，然后奖励做出（避免）行为的管理。
大数据可以通过发现与特定目标相关的行为在MCS中发挥作用结果，这将促使制定相应的绩效指标。例如，BSC收集四个方面的数据：财务，客户，内部业务流程以及学习和增长。在每个区域内，大数据可以识别影响各自目标结果的新行为。对于例如，工作中的网络使用可能与学习和成长目标相关，内部电子邮件可能相互关联内部业务流程的有效性以及客户服务质量和客户服务质量可能与从客户服务电话中获取的语音提示有关。
一般而言，大数据分析可促进发现重要指标纳入MCS。公司可以使用元数据，例如花费在元数据上的时间电话，以跟踪生产力。在销售中，更多地使用手机可能意味着更高的生产率，相反，在制造业中可能是正确的。还可以监视员工计算机以生成活动日志，其中包含有关Web使用，点击流和使用时间的数据生产力软件，例如MSExcelt。公司还可以监控员工的电话，电子邮件和办公室行为。此外，公司可以跟踪员工的工作公司在办公室以外的资源，包括车辆，手机和P卡。大数据可以将MCS转换为全面的监视和控制系统（CMCS）。
CMCS的可能缺点，或总体上增加了对员工的监控，涉及经济，法律和道德问题引起的强烈反对（Martin and Freeman 2003）。也，过多的跟踪可能会抑制员工的创造力和/或动力。如果雇主不断微观管理的员工，那么他们可能会害怕表现出独创性或主动性。霍普伍德（1972）证明通过绩效评估进行监督可能会损害士气和如果测量了错误的结构，则会提高生产率。例如，在经理的心中，基于利润这些措施比以预算为导向的指标更为“公平”。确实不公平（据认为经理）绩效衡量会导致负面行为，包括避免管理棘手的问题，做出在短期内增加利润（或降低成本）的决策，以及对公司造成损害，以换取短期收益。
监视和性能评估的目标应该是提高生产率。因此，学术研究集中于确定适当激励措施。工人（Carmona，Iyer and Reckers 2014）。大数据可能是发现新事物的关键激励措施和识别有害措施。关联规则学习是一种用于发现非常大的数据集中的相关性，例如良好管理之间的关系性能和以前没有考虑过的变量。例如，电子邮件和电话的语气在公司设备上进行的对话可能是员工士气的指标。号码经理发送的电子邮件中的一部分可以作为生产力的代理，以及视频捕获的肢体语言客户可以代表客户满意度。捕获的数据越多，则发现有用知识的机会。
预算代表了管理控制的一个领域，该领域从传统的方法分支出来数据源，并采用了新的控制方法。传统的预算编制活动一直是因过于专注于内心，扼杀创造力和阻碍竞争优势而受到批评信息经济（Bourmistrov and Kaarboe 2013）。由于与之相关的问题预算，许多公司都放弃了传统方法，并实施所谓的（Bourmistrov and Kaarboe 2013）。预算之外的用途是用于运营计划，绩效评估，沟通的替代信息源目标和战略形成。它可以通过新的信息流来启用，例如企业资源计划（ERP）系统（Hanse and Van der Stede 2004）。大数据，包括ERP系统之外的其他数据流（例如，气候，卫星，人口普查，劳动力和宏观经济数据）可用于增强预算之外的实践。公司也可以使用内部生成的数据，包括上面讨论的非传统会计数据。
大数据可以帮助管理会计，尤其是MCS。在此之前，但是，数据存储库必须转换为可操作的信息。这个中间层数据和打包信息之间是统计学家和数据分析师（也是被称为数据科学家）的谎言。为了使管理会计师能够使用大数据，那些具有专业知
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[258285]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
