La importancia de la minería de datos en la contabilidad de gestión

Resumen La minería de datos es el proceso de descubrir y extraer conocimiento e información a partir de datos masivos. El uso de tecnología de minería de datos en el campo de la contabilidad de gestión para buscar y descubrir más información sobre clientes corporativos, proveedores, mercados y optimización de procesos internos proporcionará a los tomadores de decisiones corporativas una base de toma de decisiones más extensa y efectiva y mejorará la competitividad estratégica corporativa. Este artículo presenta brevemente los conceptos y métodos básicos de la minería de datos. Sobre esta base, se centra en la aplicación de la tecnología de minería de datos en el análisis de costos y cadenas de valor, el análisis de productos, mercados y clientes, y la prevención de riesgos financieros.

Aplicación de contabilidad de gestión de información de minería de datos de palabras clave

Introducción

En los últimos años, la tecnología de minería de datos ha atraído una gran atención en la industria de la información. Existe una gran cantidad de datos, están ampliamente disponibles y existe una necesidad urgente de convertirlos en conocimientos e información útiles. Según un informe de la GAO (Oficina de Contabilidad General) de EE. UU., el gobierno federal utiliza tecnología de extracción de datos para desempeñar un papel muy importante en la mejora de los niveles de servicio gubernamental, el análisis de datos científicos, la gestión de recursos humanos y la detección de delitos y actividades terroristas. Especialmente después del 11 de septiembre, las actividades antiterroristas de Estados Unidos requirieron la búsqueda de información útil a partir de grandes cantidades de datos, y la tecnología de extracción de datos jugó un papel importante. Además, la minería de datos también se utiliza mucho en actividades empresariales. Según una encuesta realizada a directores financieros de empresas Fortune 500 realizada por Thomas G, John J e Il-woon Kim, entre los comentarios válidos recibidos, el 65% de las empresas utilizan tecnología de minería de datos. Las empresas que apoyan el uso de tecnología de minería de datos afirman que el uso eficaz de la tecnología de minería de datos puede generar una ganancia neta de 20 a 24 millones para la empresa. En una encuesta de los campos de uso de la minería de datos, se encontró que el 24% se usaba en el campo de la contabilidad, el 42% se usaba en el campo financiero y el 19% y el 5% se usaban en los campos de sistemas de información y marketing, respectivamente. En la actualidad, las aplicaciones de la tecnología de minería de datos se concentran principalmente en los sectores de seguros financieros, atención médica, comercio minorista y telecomunicaciones. Sin embargo, rara vez se menciona la aplicación de la minería de datos para mejorar la gestión empresarial interna y crear ventajas competitivas de las empresas.

1. El significado de la tecnología de minería de datos

La minería de datos es el proceso de descubrir tendencias y patrones a partir de datos. Integra estadísticas modernas, sistemas de información de conocimiento, aprendizaje automático y teoría de decisiones. y gestión de bases de datos y otros conocimientos multidisciplinarios. Puede extraer eficazmente información y conocimientos potencialmente útiles ocultos en una gran cantidad de datos de aplicaciones prácticas incompletos y confusos, revelar relaciones complejas y ocultas en una gran cantidad de datos y proporcionar referencias útiles para la toma de decisiones.

2. Métodos de minería de datos y pasos básicos

(1) Principales métodos de minería de datos

Los métodos de minería de datos comúnmente utilizados incluyen principalmente árboles de decisión), genéticos. Algoritmos, Análisis de Asociación, Análisis de Conglomerados, Análisis de Patrones Secuenciales, Redes Neuronales, etc.

(2) Pasos básicos de la minería de datos

El método SEMMA propuesto por SAS Research Institute es actualmente el método de minería de datos más popular. El proceso general de minería de datos que describe incluye Muestra, Explorar, modificar, modelar y evaluar.

1. Muestreo de datos

Antes de realizar la minería de datos, primero se debe seleccionar la base de datos relevante de acuerdo con el objetivo de la minería de datos. El muestreo se realiza creando una o más tablas de datos. La cantidad de datos de muestra extraídos debe ser lo suficientemente grande como para contener información práctica, pero no demasiado grande para procesarla.

2. Exploración de datos

La exploración de datos es el proceso de investigación en profundidad de los datos. A través de la exploración en profundidad de los datos, podemos descubrir relaciones esperadas o inesperadas y relaciones ocultas en ellos. los datos. Excepciones para ganar comprensión y conceptos de las cosas.

3. Ajuste de datos

Con base en los dos pasos anteriores, agregue, elimine y modifique los datos para hacerlos más claros y efectivos.

4. Modelado

Utilice redes neuronales artificiales, análisis de regresión, árboles de decisión, análisis de series temporales y otras herramientas de análisis para construir modelos, y descubra a partir de los datos aquellos factores que pueden ser confiables. predecir los resultados.

5. Evaluación

Consiste en evaluar la practicidad y confiabilidad de la información descubierta durante el proceso de minería de datos.

3. La aplicación de la minería de datos en la contabilidad de gestión

(1) La importancia de la aplicación de la minería de datos en la contabilidad de gestión

1. Proporcionar decisiones poderosas -Soporte para la toma de decisiones

Ante un entorno de competencia cada vez más feroz, los gerentes de negocios tienen una demanda cada vez mayor de información para la toma de decisiones. Como parte importante del sistema de apoyo a las decisiones de la empresa, la contabilidad de gestión tiene el deber de proporcionar información útil cada vez más eficaz. Por lo tanto, extraer y buscar conocimiento e información a partir de datos masivos para brindar un fuerte apoyo a la toma de decisiones se ha convertido en una poderosa motivación para que los contadores administrativos utilicen la minería de datos. Por ejemplo, la minería de datos puede ayudar a las empresas a fortalecer la gestión de costos, mejorar la calidad de los productos y servicios, aumentar el índice de ventas de bienes, diseñar mejores estrategias de transporte y distribución de bienes y reducir los costos comerciales.

2. Un arma poderosa para obtener una ventaja competitiva estratégica

La práctica ha demostrado que la minería de datos no solo puede mejorar significativamente los procesos internos de una empresa, sino que también puede analizar el entorno competitivo de la empresa. , mercado y clientes desde una perspectiva estratégica. Realizar análisis con proveedores para obtener valiosa inteligencia de negocios y mantener y mejorar la ventaja competitiva sostenible de la empresa. Por ejemplo, el análisis del valor del cliente puede identificar el 20% de los clientes que crean el 80% del valor para la empresa y brindarles mejores servicios para retener a estos clientes.

3. Prevenir y controlar los riesgos financieros

La tecnología de minería de datos se puede utilizar para establecer un modelo de alerta temprana para los riesgos financieros empresariales. La aparición de riesgos financieros empresariales no ocurre de la noche a la mañana, sino que es un proceso acumulativo y gradual. Al establecer un modelo de alerta temprana de riesgos financieros, se puede monitorear el estado financiero de las empresas en cualquier momento y prevenir la aparición de crisis financieras. Además, la tecnología de extracción de datos también se puede utilizar para monitorear los comportamientos de inversión y financiamiento corporativo para prevenir fraudes comerciales maliciosos y salvaguardar los intereses corporativos. Especialmente en las empresas financieras, mediante la extracción de datos se pueden resolver los fraudes que enfrenta la industria bancaria, como los sobregiros maliciosos de tarjetas de crédito y las transacciones sospechosas con tarjetas de crédito. Según el informe de la SEC, varios bancos, incluidos Bank of America, First Bank of America y Federal Home Loan Mortgage Corporation, han adoptado tecnología de extracción de datos.

(2) Aplicación de la minería de datos en la contabilidad de gestión

1. Análisis de la cadena de valor y costeo basado en actividades

Método de costeo basado en actividades con su cálculo preciso La reducción de costes y la plena utilización de los recursos han despertado un gran interés entre la gente, pero su complejo funcionamiento ha desanimado a muchos directivos. El uso de análisis de regresión, análisis de clasificación y otros métodos en la minería de datos puede ayudar a los contadores administrativos a determinar los factores que influyen en los costos y calcularlos con mayor precisión. Al mismo tiempo, también puede analizar la relación entre las operaciones y el valor para determinar las operaciones con valor agregado y las operaciones sin valor agregado para mejorar y optimizar continuamente la cadena de valor empresarial. En la encuesta realizada por Thomas G, John J e Il-woon Kim, la minería de datos se utilizó en la gestión de costos basada en actividades solo en un 3%.

2. Análisis predictivo

Los contadores administrativos necesitan predecir el futuro en muchos casos, y las predicciones se basan en una gran cantidad de datos históricos y modelos apropiados. La minería de datos busca automáticamente información predictiva en grandes bases de datos, utiliza análisis de tendencias, análisis de series de tiempo y otros métodos para establecer modelos de predicción de ventas, costos, fondos, etc., y predice de manera científica y precisa varios indicadores corporativos como base para la toma de decisiones. .

Por ejemplo, el análisis de datos de estudios de mercado puede ayudar a predecir las ventas; establecer modelos de pronóstico de ventas basados ​​en datos históricos, etc.

3. Análisis de decisiones de inversión

El análisis de decisiones de inversión en sí es un proceso muy complejo, que muchas veces requiere la ayuda de algunas herramientas y modelos. Las técnicas de minería de datos proporcionan herramientas eficaces. Extraer información sustantiva relacionada con la toma de decisiones a partir de una gran cantidad de datos, como los informes financieros de la empresa, el entorno macroeconómico y las condiciones básicas de la industria, para garantizar la exactitud y eficacia de las decisiones de inversión. Por ejemplo, los modelos de análisis de series de tiempo se utilizan para predecir los precios de las acciones para la inversión; la tecnología de procesamiento analítico en línea se utiliza para analizar la calificación crediticia de una empresa para prevenir riesgos de inversión, etc.

4. Gestión de las relaciones con los clientes

La gestión de las relaciones con los clientes es un arma poderosa para mejorar la ventaja competitiva de las empresas. Primero, necesitamos clasificar los grupos de clientes. A través de la clasificación y el análisis de conglomerados del almacén de datos, podemos descubrir las reglas de comportamiento de los clientes grupales, agrupando así a los clientes e implementando servicios diferenciados. En segundo lugar, analizamos el valor de los clientes. Según la ley de Pareto, el 20% de los clientes crean el 80% del total. valor de la empresa. En respuesta a esta situación, la empresa puede extraer a estos clientes de la base de datos de clientes, rastrear y monitorear dinámicamente el comportamiento, necesidades y preferencias de estos clientes, y proporcionar los productos y servicios correspondientes de acuerdo con las diferentes características de los diferentes grupos de clientes, estableciendo así relaciones de cooperación a largo plazo con los clientes y mejorar la retención de clientes. Por ejemplo, en el sector de las telecomunicaciones, el análisis multidimensional de los datos de telecomunicaciones puede ayudar a identificar y comparar las diferentes necesidades de productos de diferentes clientes, lo que permite a las empresas ofrecer productos más distintivos y ofrecer a los clientes mejores servicios.

5. Análisis de productos y mercados

La optimización de la variedad es el proceso de seleccionar una combinación de productos adecuada para lograr los mayores beneficios. Estos beneficios pueden ser ganancias a corto plazo o de mercado a largo plazo. compartir, también puede tratarse de construir una base de clientes a largo plazo y su complejo. Para lograr estos objetivos, los contadores administrativos no solo necesitan datos sobre precios y costos, sino que a veces también necesitan conocer el estado de los sustitutos y cómo compiten con el producto original en un determinado segmento del mercado. Además, las empresas también necesitan comprender cómo un producto estimula las ventas de otros productos, etc. Por ejemplo, un producto sin fines de lucro en sí no es rentable, pero si genera un tráfico considerable de clientes y estimula las ventas de productos con altas ganancias, entonces este producto es muy rentable y debe incluirse en la lista de productos. Esta información se puede obtener mediante análisis de correlación y otras técnicas basadas en datos reales.

6. Análisis de riesgos financieros

Los contadores administrativos pueden utilizar herramientas de extracción de datos para evaluar los riesgos financieros de las empresas, establecer modelos de alerta temprana de crisis financieras corporativas y predecir quiebras. La predicción de quiebras o el modelo de alerta temprana de crisis financieras pueden ayudar a los gerentes a comprender los riesgos financieros de las empresas de manera oportuna y tomar medidas de prevención de riesgos con anticipación para evitar la quiebra. Además, el modelo de predicción de quiebras también puede ayudar a analizar las causas de la quiebra, lo cual es de gran importancia para los directivos de empresas. En la década de 1930, Smith y Winakor fueron pioneros en los intentos de predicción de la quiebra. Luego, en la década de 1960, el modelo de predicción de quiebras con puntuación Z de Altman utilizando el método de análisis discriminante multivariante logró un gran éxito, con una precisión de predicción de más del 90%. Desde entonces, las tecnologías de extracción de datos, incluidos el análisis discriminante multivariante, el análisis de regresión logística, los algoritmos genéticos, las redes neuronales, los árboles de decisión y otros métodos, se han utilizado ampliamente en la predicción de quiebras corporativas.

IV. Conclusión

A medida que mi país se une a la OMC, las empresas se enfrentan a una presión competitiva cada vez mayor. Es urgente aprovechar plenamente los últimos logros de la tecnología de la información, aprovechar el potencial de las empresas, fortalecer la gestión interna y mejorar la competitividad empresarial.

Aunque la promoción y aplicación de la tecnología de minería de datos está limitada por el costo y la tecnología, si podemos obtener el apoyo de los altos directivos corporativos, la aplicación de la minería de datos tendrá grandes perspectivas de desarrollo.