發布時間：2020-11-11所屬分類：經濟論文瀏覽：1次
摘 要： 摘要：現階段，大數據會計受到會計學領域的廣泛關注，若想推動大數據會計的順利發展，應先明確大數據會計數據選擇與結構，及大數據會計與財務信息之間的密切聯系，只有厘清兩者的相關性，才能更好地開展大數據會計工作。 關鍵詞：大數據會計;財務信息;相關性
摘要：現階段，大數據會計受到會計學領域的廣泛關注，若想推動大數據會計的順利發展，應先明確大數據會計數據選擇與結構，及大數據會計與財務信息之間的密切聯系，只有厘清兩者的相關性，才能更好地開展大數據會計工作。
關鍵詞：大數據會計;財務信息;相關性
大數據時代，企業需收集和處理對企業發展具有獨特價值的多種非系統和碎片式數據，創建新型會計數據信息系統，從而為企業提供更加準確、全面的信息支持，加強經濟決策的科學性。
1大數據
大數據是一行業術語，主要指無法在特定時間范圍內使用常規軟件工具完成捕捉、管理及處理的集合，只有不斷更新傳統模式，方可使大數據更具決策力和洞察力，進而形成海量、高效和多樣的信息資產。研究專著提出，大數據主要指無需使用隨機分析法的方式，對所有數據進行全方位分析處理的數據處理方式。大數據技術具有海量、高速、多樣、低價值密度和真實性等特征。大數據在諸多領域發揮著重要的作用，大數據在日后的生產生活和社會發展中也將成為十分重要的基礎保障力，深入研究大數據具有極其深遠的現實意義(圖1)。
2大數據會計的數據選擇與結構分析
2.1思維方式變化有效彌補了會計定性信息數據的不足
由于導向思維模式是一種長期影響人類歷史發展的傳統思維模式，大數據背景下，這種思維模式也會發生較大變化。大數據技術使非結構化、非系統化和碎片化數據成為數據類型的主流，會使因果性思維導向無法發揮作用。大數據技術具有多樣性和速度快的優勢，可為受眾傳遞大量信息。該技術的思維方式主張平等、動態、關聯和開放，人們也在適應過程中形成了大數據時代背景下的整體性及相關性思維模式。大數據特有的碎片化及單一化信息數據無法全面展現企業經營的動態過程，但是做好碎片式數據的整合工作則能夠展現出企業存在的意義。在以往的會計工作中其主要內容是將貨幣作為計量單位，對其進行定性的描述，這樣做是因為貨幣計量不能充分體現定性描述的數據信息。同時，定性描述所涉及的數據信息多數借助相關關系的分析和推導得出，其結果具有較強的隨機性，與因果導向得出的結果相比，準確性明顯不足(圖2)。從某種角度來看，傳統會計選擇定量數據來核算、反映企業的信息，受時代局限的影響。而大數據背景下，可充分利用大樣本數據完成相關性分析，得出結果的準確性較以往明顯提高。傳統會計數據信息僅包括貨幣計量定性的描述性數據，無法滿足工作的基本需求。而在大數據時代下，不同定性描述的碎片式和非結構化的數據能夠彌補傳統會計數據的局限。
2.2大數據背景下的會計數據體系結構
客觀、獨立并且價值較高的結構化與碎片化數據信息歸屬于會計數據體系。在此過程中，人們會將關注的重點放在傳統數據與碎片式、結構式數據信息之間的關系上，以及系統中以上數據類型的具體定位。從真實可靠的角度來看，會計數據主要分為直接和間接兩種形式。傳統會計數據信息多為直接數據，碎片式或非結構化數據通常為間接會計數據。首先，與碎片式或非結構化的間接數據相比，傳統會計直接數據可真實展現經濟業務的本質，主要是由于傳統的結構化數據在業務流程中需要嚴格按照相關規范要求進行，強化數據的安全性，展現真實的交易事件。其次，碎片化、非結構化的間接數據相比傳統會計的直接數據，其與企業的價值相關性更強，具有獨立性和客觀性，可提高現代會計數據體系展現經濟業務實質的真實性，有利于優化會計信息水平。隨著時代的發展，會計數據體系應具備較強的真實性。大數據時代的會計數據體系基于傳統結構化數據，將獨立客觀且與企業價值相關的碎片化信息數據作為輔助信息和補充信息，兩者的深度融合可改善會計數據信息質量，保證會計信息與企業價值之間的相關性。傳統會計的直接數據信息獲取與處理，包含與企業生產經營相關的每個環節，數據處理的成本也列入了職工的薪酬中，企業無需額外支出成本。但很多企業的信息化程度有限，能夠建設大數據平臺并展開合理應用的企業更是極為少數。企業若想將非結構性或碎片式的數據歸入新的會計數據體系中，需要其他平臺的支持，做好信息收集與整理工作，將會加大企業的成本投入，延長工作周期，在未來較長一段時間內，大數據會計體系仍會以貨幣定量描述而產生的直接數據信息作為主導。
3構建企業價值與碎片式或非結構化數據的相關關系
傳統的可量化結構化數據通常以貨幣方式計量，這也與企業價值有著十分密切的聯系，工作人員可合理應用因果導向核算來體現企業多種經濟和商業活動。而碎片式或非結構化數據一般屬于簡潔數據，雖然與企業價值存在著緊密的聯系，但是傳統的因果導向無法確定該要素與企業價值是否具有密切的聯系，所以在分析碎片式或非結構化數據與企業價值關系的過程中，也應采取滿足要求的分析方式加以確認。企業估值理論以未來現金凈流量的現值為基礎，企業核算展現的會計核算賬面機制主要為歷史現金流量。企業價值評估與企業賬面價值存在明顯差異，為更加準確地評估和判斷企業機制，工作人員可全面考量企業歷史及未來與企業價值相關的現金流量。歷史現金通常是指企業的財務信息，未來現金流量則主要指企業的非財務信息。現行的會計準則當中，上述信息并未直接列入會計數據體系。而在日后的建設和發展中，可能會以結構化形式呈現潛在或間接的現金流量，也可以碎片化或非結構化的形式呈現潛在或間接現金流量。
相關知識推薦：財務管理專業可以發表什么期刊
如要充分展現企業的機制，工作人員需合理把握潛在或間接現金流量及歷史先進流量間的關系，密切未來現金流量與企業價值的聯系，從而創建完整的映射關系。目前，采取有效措施計算未來間接或潛在的現金流成為企業同碎片式或非結構化數據產生相關關系的基礎，工作人員要將數據列入現代會計數據體系中。相關方法操作性強，流程簡單，且容易理解。采用轉換的方式可在未來潛在或間接現金流轉換為企業的賬面價值，更加準確地反映企業的實際價值。未來，企業現金流有可能包含在碎片化或結構化或非結構化的非財務數據信息中。
為了讓潛在現金流中的碎片式或非結構式數據與企業管理深度融合，要采取相應方式轉換為結構化數據，經轉換后，潛在或間接的現金流轉換微結構化的數據信息，此種數據信息主要有三種活動所產生的現金流，分別為投資活動、經營活動與籌資活動，將三種變量的轉換率函數有效利用，可以實現現金流潛在的價值。企業潛在價值中碎片式、非結構化數據信息主要是對企業經營活動的總體評價，企業潛在價值主要來源于評價，兩者成正相關，但評價結果會受到不同群體自身的特征影響，例如不同的消費人群針對企業價值的評價是不同的，故而將其分為不同消費特征，如收入高低的差異可直接影響不同人群的購買力，而消費行為也會影響企業的潛在價值。影響企業潛在價值的因素主要有人群特征、消費特征和評價三個要素。
可比性是企業價值所涉數據信息的主要功能，主要是不同企業之間價值的可比性。管理人員和與其信息使用者應對比不同企業的企業價值，保證經濟決策的科學性與合理性，這也是衡量企業價值評估合理性及可行性的重要方式。不同企業間的可比性也逐漸成為企業價值評估中不可忽視的重要元素。準確的企業賬面價值及潛在價值核算工作重要性則不僅于此。研究中，筆者主要選擇上述三個元素作為關鍵變量，以加強企業潛在價值評估的科學性與合理性。
4大數據背景下如何做好會計與財務信息利用
會計是企業價值數據管理中的一員。大數據背景下，會計管理工作也要與時代發展相結合。首先，在數據需求上與傳統會計數據一致，但是需要制定規范標準，滿足不同企業的會計需求。標準應由政府行政部門統一制定，在全國推行，并強制使用。大數據時代下，碎片式和非結構化的數據與企業價值之間存在密切關系，需要政府部門和學術機構積極實踐，加大研究力度，創建標準分析模型。大數據背景下需要將多種碎片化或非結構化數據信息列入到財務會計報告當中，真實展現企業的財務概況。為此，大數據財務信息需合理分層，基于傳統貨幣計量數據，以碎片化和非結構化數據作為補充。
5結語
綜上所述，目前大數據會計與財務信息相關性研究日漸深入，人們對大數據與財務信息相關性的認識更加清晰，相關機構有必要組建模型分析兩者的相關性，以促進大數據會計的穩定發展。——論文作者：王文萍
SCISSCIAHCI
