信息越发达，管理会计越重要。
根据世界著名的咨询公司美国兰德公司统计，每100家破产的大型企业中，有85%是因为企业管理者的决策不慎重造成的，由此可见决策对于企业生存发展的重要性。仅靠经验和直觉来进行经营决策将给企业带来巨大风险。
管理会计正是运用科学、量化的方法客观地进行数据计算和分析，为企业的预测、决策和控制提供有力依据。
随着大数据时代的到来，整个社会出现了数据大爆炸。会计人员要想更高效地实现其管理会计职能，就必须借助一定的技术支持。会计接口标准化下的数据仓库为数据的集成、清理、存取和使用提供了载体，也为从大数据中挖掘出有价值的信息提供了平台。基于大数据下的数据仓库和数据挖掘技术，使管理会计能够更精细化、更有效率地为企业提供决策有用的信息。
数据仓库和数据挖掘的应用框架
企业从生产计划、供应链存货管理、销售管理再到最后的业绩评价，都需要管理会计提供信息，并且信息的质量直接影响着企业的生存发展。
在大数据时代，只有从海量的数据中寻找和挖掘到有价值的信息，才能为管理者做出准确的经营决策服务。利用数据仓库和数据挖掘技术，可以使企业更好地了解自身的生产状况、物料需求、与客户和供应商的关系、财务风险等。
在管理会计领域寻求和发现更多、更有效的信息，在技术层面上主要依赖于数据仓库和数据挖掘技术。而成功的数据挖掘又建立在数据仓库能够提供完整、准确和集成的数据的基础之上。
企业数据仓库的功能结构包括数据源、数据准备区、数据仓库、数据集市/知识挖掘库和数据仓库的数据存取与使用。数据源是企业数据仓库的数据来源。满足企业管理会计需要的数据源主要包括来自供产销等系统的业务数据、大量历史数据、非结构化的办公数据以及从外部获得的Web数据和市场中同行业、同领域的其他外部数据。
同时，数据源中还包括这些数据的描述性信息，即数据源元数据，便于管理会计更好地了解这些数据的来源、用途和属性进行后续的处理和分析。由于大量的源数据来源不同，内容、结构复杂，所以管理会计人员利用这些数据之前，要对其进行筛选、净化等标准化处理。
例如，从外部源数据中获取的会计科目编号规则与企业自身的会计科目编号规则不同，为了避免在数据挖掘中识别不出同类信息，就需要在数据准备区对会计科目编号规则进行标准化处理。经过筛选、净化后的数据进入到数据仓库数据库，然后根据管 理会计的需要，按照不同部门或领域设置不同的主题，从而构造不同的模型。管理会计从大体上分可以分为本量利分析、短期预算、业绩评价等模块。根据这些模块，在数据集市/知识挖掘库中设置相应的主题，使每种主题都有自己的物理存储区。在每个模块的存储区中建立管理会计分析模型，进行概括、聚类、建立结构化查询。
由于在数据仓库已经对海量的源数据进行了集成和处理，所以，人们可以直接利用数据仓库中的数据进行数据挖掘。首先，要明确挖掘对象，进行聚类分析。回归分析也是数据挖掘技术在管理会计中应用的一个基础性分析工具，可以描述自变量与因变量之间的关系。例如，进行销售分析时，要把产品进行适当的分类，以该产品为主题词，把影响该产品销售的所有相关信息进行聚类分析。其次，利用回归分析，可以找出销售收入与各个因素之间的数学关系，科学的进行分析和预测。
在进行投资决策分析时，可以利用决策树算法，从企业数据仓库中比较历史资料、业务数据和相关外部数据，运用模型进行分析，把决策数算法推算出的结论反映给管理会计人员。框架结构如图1所示。（见图1）
在管理会计业绩评价中的应用
一个公司业绩的好坏受到来自各个利益主体的关注。
股东希望通过业绩的增加来增加自己的财富，经营者通过业绩的考核来实现自身价值并获取收益，投资者通过评判业绩的好坏来决定是否进行投资。所以，业绩的评判和考核就显得尤为重要。
为了实行权责利相结合，管理会计产生了责任会计这一子系统，并将其分为成本中心、利润中心和 投资中心。各责任中心提供相应的会计数据与预算进行比较，进而对经营者的业绩进行评价。
要进行准确的业绩评价，必须从源头上保证业绩数据的真实性、完整性和可靠性。而这些原始数据都可以从数据仓库中挖掘出来。
成本中心是着重考虑所发生成本和费用的责任中心。成本中心分为标准成本中心和费用中心。在生产制造过程中，每种产品成本都是由材料、人工和制造费用加总得来。利用数据挖掘技术中的聚类分析可以把归属于某一产品的全部成本进行汇总。然后利用回归分析对数据仓库中归属于该产品成本的所有影响因素的数据建立数学关系模型，找出每种因素对产品总成本的影响。既能精确了解产品的成本动因，也能从多角度与预算进行比较。利用传统的技术手段对费用中心的考核相对困难，因为费用中心的业绩考核涉及的费用预算很难确定。而预算是建立在大量历史数 据和模型的基础上的，可以利用趋势分析、时间序列分析等方法，建立销售-费用模型，通过销售百分比的方法预计费用，同时，为了符合市场的发展，还可以利用数据仓库中的外部数据进行比较，客观真实地对费用中心进行评价。
利润中心是能同时控制生产和销售，既要对成本负责，又要对收入负责，根据利润的多少来评价业绩的责任中心。成本和收入都可以直接从数据仓库的数据集市/知识挖掘库中按不同的主题利用数据挖掘技术获得。但是当企业涉及内部转移价格时，通常要使用完全竞争市场情况下的市场价格。这时，数据仓库中的Web数据和外部数据对于获取的市场价格的准确性提供了保证。
投资中心是不仅能够控制成本、创造利润，还拥有投资决策权的责任中心。投资中心的考核指标通常是投资报酬率。投资报酬率的真实性来源于会计数据的质量。而预期投资报酬率的计算依赖于数据仓库的历史数据、市场数据和数据挖掘技术中的投资决策分析功能。所以，不管是预期投资报酬率的估计还是真实投资报酬率的计算都离不开数据仓库和数据挖掘技术的支持。
借助数据仓库和数据挖掘技术，既开拓了管理会计的视野，使其运用科学的手段进行预测、决策和业绩评价，同时也提高了管理会计人员的工作效率，促进了企业核心竞争力的发展。 | 
