第 4 章 数据挖掘与战略管理会计的关系
4.1 战略管理会计相关性面临的挑战
20 世纪 80 年代，管理会计的创新学派和传统学派就管理会计的发展问题进行了激烈争论，争论中双方都提出战略管理会计相关性的丧失问题。作为创新学派的代表人物，美国哈佛大学卡普兰教授提出现有的管理会计不适应环境的变化。
在其与约翰逊的合着《管理会计的兴衰》中批评传统学派视野狭隘、观念陈旧、方法落后，指出管理会计的相关性已经消失。而传统学派则认为创新学派所推出的数学模型过于复杂，理论严重脱离实际，这反而削弱了管理会计的相关性。此次争论推动了管理会计的快速变革与创新，在此之后，及时生产制（JIT）、作业成本法（ABC）、作业成本管理系统（ABM）、平衡计分卡（BSC）以及战略管理会计等概念纷纷出现。
战略管理会计是为适应战略管理的需要而逐渐形成的，战略管理会计分析和提供与企业战略相关的信息，并为企业的战略管理和战略控制提供支持。战略管理会计的相关性是指战略管理会计能够为企业战略管理提供决策支持。
在知识经济时代，商业环境的变化从以下几个方面对战略管理会计的相关性提出了挑战。第一，信息的及时性、可靠性。随着信息技术的普遍使用和大数据时代的来临，信息生成、搜集、传递、加工和利用的方式已经发生重大变革。季报、月报逐渐向日报发展。企业不仅需要获得静态的数据，还要追踪动态的数据，数据管理不仅要看到表面的数据，而且要看到数据背后的信息。会计人员应将繁杂的日常会计核算工作交由会计信息系统自动处理，把更多的时间和精力投入到对大数据的多维度实时分析和对例外事项的管理中，实时提供与优化业务流程、提高产品或劳务质量、降低成本、增强风险防控能力和可持续发展能力等相关的信息，充分发挥战略管理会计在价值创造、绩效考核和战略管理等领域的作用。第二，信息的收集与处理。信息技术的发展改变了企业信息的收集和处理方式，例如物联网技术的发展使得企业在生产过程中自动记录生产成本信息；再如在为客户服务的同时，客户的行为偏好等信息不知不觉地被储存于企业的服务器。与此类似，产品从生产到销售再到最终使用和报废回收的整个生命周期都有可能被轻松记录下来。企业通过分析信息系统、传感器、仪表和定位设备捕获的动态机器数据，可以实时了解运营、客户体验、交易和行为。第三，组织结构、管理方式的变化。在运营管理方面，出现了包括适时制（JIT）、全面质量管理（TQM）、作业基础管理（ABM）、弹性工作系统（FWS）等新的制造或运营模式。
在组织方面，结构扁平化、战略联盟、虚拟组织、企业社会化等新组织形式影响着企业的管理模式和决策流程。随着信息技术的创新和发展以及信息化进程的深入，信息资源日益成为企业的战略性资源。对信息资源的开发和利用已经成为企业在竞争中求得生存并获得优势的必要途径。战略管理会计如果不能随着经济、技术、社会的进步而不断发展，提高自身的环境适应性和决策相关性，就可能丧失其存在的价值，抑或是其职能被其他先进的管理理念与方法所取代。
4.2 数据挖掘对提升战略管理会计信息相关性的分析
在知识经济时代，企业信息化的一个典型特征是以数据重构商业模式、服务与产品和经营理念。数据是基础性资源，也是重要的生产力。随着信息资源的进一步开放、共享和挖掘，企业迎来了更多的发展机会。在大数据环境下，企业信息化架构强调云计算、大数据、社交网络和移动应用，用新技术不断改变传统企业的运营模式，帮助企业实现差异化创新。
（1）能够应对大数据的挑战。通常而言，较多的信息意味着较少的不确定性。但是这两者间的关系正在发生变化，尽管处理信息的能力已得到改进，但是新增的信息太多是非结构化的。信息的过载常常导致管理者迷失在大数据之中。战略管理会计的核心作用是及时地让决策者获得相关的信息，而不是庞杂的、无关紧要的大量数据。在大数据平台下应用数据挖掘技术，战略管理会计能够更精细化、更有效率地为企业决策提供有用的信息。对战略管理会计而言，数据挖掘技术的应用能为企业合理配置资源和优化决策并对当前和未来的经济活动进行预测、决策、规划、控制和考核评价等，提供了更多可能。
（2）能够为战略管理会计处理多样化的数据提供技术支持。一方面，在计算机软硬件技术迅速发展的带动下，企业的办公自动化程度越来越高，企业在各种商务活动中获得了与销售、成本、质量控制、库存、客户服务等方面相关的大量数据，分别存储在数据库和各类应用文件中。另一方面，战略管理会计具有外向性的特征，更注重环境的适应性，需要分析企业外部环境和竞争对手的信息，并且强调非财务信息的获得和利用。由此可见，战略管理会计所需处理的数据体量巨大、结构复杂、来源多样。而数据挖掘善于处理那些结构化、半结构化和非结构化的大数据集，例如公司所有职工的数据、价值链成本数据、散落在互联网上的竞争对手信息等。
（3）能够应对组织结构扁平化、决策分散化的挑战。知识经济时代，组织结构呈现出扁平化、网络化、虚拟化的特点。组织结构的变化，必将引发企业管理决策过程和决策程序的变化。例如在客户订制制造中，由于要对分散的、需求多变的消费者进行随时随地的响应，为此要把决策从后台转向前端，向位于前沿的工作人员充分授权，这是知识经济时代企业管理决策的特色。在这种环境下，传统集中控制思维方式和惯性将发生变化。结合数据挖掘技术、网络技术、信息共享技术和可视化技术，可以将企业的信息资源通过客户定制的模式分享给每一位员工，在不同工作领域的员工都可以结合工作的实际情况和企业决策支持系统提供的数据经验做出合理的判断。
随着科学技术的不断发展，企业面对不断变化的竞争环境需要获取大量的相关数据，但是这些数据的存在并不是都是有用的，如何利用数据挖掘技术在大量不完全、有杂音、模糊的、随机的数据中发现有用的信息，对企业来说非常重要。正如赫伯特·西蒙所说，在信息爆炸时代，重要的不是获取信息，而是在于对信息进行加工和分析，使之对决策有用。
4.3 数据挖掘应用于战略管理会计的可行性分析
下面从技术与经济两个方面论述数据挖掘应用于战略管理会计的可行性。
（1）技术上可行性分析
①信息时代会计人员的信息胜任能力的要求，为数据挖掘在会计中的应用提供了人才保障；②计算机硬件的快速发展，为会计信息系统的发展提供了物质基础保证；③数据库技术的发展，如数据仓库、Web 数据库、物联网数据库、云数据库、知识与智能数据库等数据库技术为多样化、智能化、集群化的数据管理系统提供了支持；④数据库软件、数据挖掘软件的发展，为信息的识别、收集、确认、准备、存储和分析提供了基础，为数据挖掘的应用提供了必要的软件支持；⑤存储技术的发展，为数据挖掘的应用提供了海量了空间；⑥云计算技术的发展，为数据挖掘的应用提供了性能保证；⑦互联网、物联网、智能终端、移动终端的发展，丰富了战略管理会计信息的采集、获取渠道；⑧大数据的发展，使得非结构化数据在企业管理中的价值得到提升；⑨可扩展商业语言（XBRL）等会计信息资源交互标准的制定和推广，为会计数据的应用、整合和共享奠定了技术标准；⑩从数据到图形的可视化技术，为数据挖掘的应用和用户对挖掘结果的理解提供了便利。
（2）经济上可行性分析
企业经营的目的就是以最小的成本获得最大的利润，实现经济效益最大化。基于数据挖掘技术的战略管理会计是降低投入成本、节约投资、充分利用企业现有资源的有效手段。在效益方面，使用数据挖掘技术后，系统可以更深层次地对数据资源进行挖掘，提高数据资料的利用率，为企业创造价值。在成本方面，将数据挖掘建立在企业原有的信息系统之上，此时系统不需要投入大量的人力、物力、财力。它的实现是系统对各个方面的资源进行自动采集与整理，尤其是对 Web资源的有效利用，成本低，收益高。数据挖掘技术的应用不仅增强了企业的核心竞争力，同时还可以降低竞争对手的攻击。
4.4 数据挖掘应用于战略管理会计的原则
战略管理会计为提高组织的竞争优势而收集、分析、传递和使用与决策相关的财务和非财务信息。将数据挖掘技术应用于战略管理会计，可以从大量非结构化的数据中凝练出有用的知识，为非结构化问题提供结构化的解决方案；可以从信息中提取价值，从经验中寻找答案，帮助组织更好地进行决策，并将决策建立在可知的判断而不是主观判断之上。将数据信息与经验知识相融合，旨在提高在新商业环境下战略管理会计的决策相关性。数据挖掘应用于战略管理会计的原则都以此为目标。
（1）以战略管理、战略管理会计基本原理为指导的原则
仅仅靠算法得到那种知识非常快，但是从效果来看，错误率是极高的。例如，用不同的分类算法得出企业财务危机预警的结论往往是不同的。对于市场经济中的数据分析师而言，是否具有足够的商业意识对其数据分析和评价的影响是巨大的。战略管理与战略管理会计基本原理在企业应用数据挖掘的过程中具有指导性作用。第一，有助于正确地识别和定义数据挖掘主题，选取恰当有效的数据挖掘方法。在数据分析思路的形成中，商业意识起着非常重要的作用。因此，战略管理、战略管理会计决定数据挖掘和数据分析的基本思路。第二，可以指导修正数据挖掘的决策和评价模型。数据挖掘所采用的模型不能一味地追求“高精尖”,模型的设计必须既考虑科学性又考虑其与企业的具体经营实际相适应。这就要求，在实施数据挖掘时，能够从专业的角度，综合看待大数据与行业、企业的关系。第三，有助于对数据挖掘结果的理解和表达，从而使数据分析结果真正发挥决策支持作用。数据挖掘只是一个工具，挖掘出来的信息并不能替代基础知识，如果管理者仅仅沉迷于数学模型和数据知识，可能会歪曲事实，导致做出错误的决策。因此，数据挖掘技术应用于战略管理会计过程中，必须以战略管理、战略管理会计基本原理为指导。
（2）数据支持与经验判断相结合的原则
从现代决策理论的发展可以看出，在管理决策中并不存在“最优化准则”,为寻求最优解而建立复杂的数学模型并不是最好的选择。如果我们把重获管理会计相关性的希望寄托在更为精确的数学模型、更为精准的产品定价方法、更为精确的成本计算分摊方法时，这就反而陷入了 20 世纪 80 年代管理会计创新学派的误区。例如，作业成本法之所以在实务中广泛使用，不是因为其成本分摊的精确性，而是它包含的成本增加须对价值增值有作用的理念，以及由此来判断作业是否增值、成本的增加是否有价值。可以说作业成本法的目标是提高利润，而不是为了获得精确的成本。数据挖掘技术能够提供相对精确的信息，复杂的算法可以挖掘出未知的、潜在有用的知识，但商业意识对数据挖掘思路、模型以及挖掘结果的使用具有重大影响。管理者不能仅仅幻想通过机器的输出结果来提高自身的决策能力。决策层次越高、涉及的面越广、情况越复杂，就越需要决策者拥有非凡洞察力和卓远见识。因此，将数据挖掘应用于战略管理会计须将挖掘的知识与决策者高屋建瓴式的综合判断经验相结合。
（3）人机结合，以人为主的原则
任何组织都是由人组成的，在知识经济时代，一个企业或组织中人的价值是最重要的。战略管理会计旨在提高组织的环境适应性与保持组织的长期竞争优势，研究的对象是“人文世界”,它是“以人为本”的“软科学”,是关于“价值的科学”.在社会经济系统中，人的因素总是居于主导地位的，浩瀚的大数据仍需人的思维加以判断。显然，人机交互系统是以人为主，机器不能替代人，而是协助人。信息技术虽然拥有强大的功能，但其本身也有局限性。面对信息时代的挑战，必须认识到，最佳方案是把人的心智与计算机的高性能结合起来，才能发挥科技的力量和人的主观能动性，提高集体的智慧。正如钱学森先生所提出的“大成智慧工程”,即倡导一种从定性到定量的综合集成技术，其目的是把各种数据、信息、情报和资料以及人的思维、经验、知识和智慧都集成起来[59].
（4）与企业组织流程、文化相协调的原则
企业作为一个利益相关者组成的契约组织，对人的行为的任何一种简单假设都是不完全的，这就使得企业组织系统内部的运转不具有可精确计算的规律，因此试图通过先进的信息计算科学来解决组织面临的问题，显然是不切实际的。战略管理会计的实施，强调战略性、系统性和组织性，其中战略管理的组织保障是关键。将数据挖掘应用于战略管理会计必须注重组织的文化和组织的行为特点。
例如在企业竞争环境分析中，分散于企业组织内部大量杂乱无章的信息，需要通过合理的渠道和方式收集、确定、储存与传递。再如，设计和实施基于数据挖掘的战略管理会计流程是需考虑组织原有的结构、信息传递方式、决策过程、决策风格、决策的透明度以及信息的安全性等问题。技术的应用不是简单的附加，而是组织管理的有机组成部分，信息技术的发展替代不了管理的社会文化性，正如余绪缨教授所言“管理会计的研究不能局限在其技术层面，必须同社会文化观相结合”[60].因此，数据挖掘应用于战略管理会计必须注重与企业组织流程、文化相协调的原则。
综上所述，数据挖掘技术应用于战略管理会计的原则框架如图 4-1 所示。
4.5 小结
本章分析了数据挖掘与战略管理会计的关系。将数据挖掘技术应用于战略管理会计是可行的，它能够在数据处理、应对组织变化、应对大数据的挑战等方面提高战略管理会计的相关性，在分析数据挖掘与战略管理会计特点的基础上，提出了数据挖掘技术应用于战略管理会计的原则。
