大数据与会计感悟心得

大数据下企业会计信息质量研讨论文

摘要： 大数据时代，对企业会计信息质量也带来了深远的影响。本文针对大数据时代企业会计信息质量，首先简要概述了大数据时代对会计信息质量的影响，并就大数据时代提升企业会计信息质量进行了详细的论述分析。

关键词： 大数据时代；企业会计信息质量；影响分析

会计信息作为企业经济活动中的重要信息数据，也是企业进行经济决策的重要数据基础，对于经济运行也有着非常重要的影响。随着当前经济社会发展信息化智能化的迈进，大数据时代来临，大数据由于具有信息来源纷繁多样、信息规模海量化等一系列的特点，信息数据质量出现了参差不齐的问题。同样，在大数据时代，会计信息质量也深受影响，会计信息质量控制方面出现了不少的问题。因此，做好大数据时代企业会计信息质量控制，增强大数据时代财务数据分析能力，不论是对于企业长远发展，还是对于经济社会有序运行，都具有重要意义。

一、大数据对企业会计信息质量影响分析

在会计信息数据的可靠性方面，以往会计信息披露主要为纸质方式，会计信息需要经过层层审批，一定程度上来说有利于提高会计信息质量。在大数据背景下，会计信息获取更加容易，会计信息的发布更加便捷，再加上会计信息容易受到网络安全影响，导致了会计信息的可靠性也会受到相应的影响。在会计信息数据的及时性方面，由于大数据时代在智能化网络化的迅速发展下，会计信息数据披露的时效性也得到了大幅改善提升。然而越是会计信息披露的及时性得到了大幅改善提高，越是对会计信息数据质量提出了较高的要求，如果会计信息数据出现失真问题，其大范围快速传播对经济活动造成的损失也将是非常严重的。在会计信息数据的相关性方面，大数据时代下会计信息数据统计范围大幅增加，与传统的会计信息数据有重点有侧重的抽样统计相比，会计信息数据的相关性降低。同时会计信息数据统计范围的扩大，造成了会计信息数据筛选难度大幅增加，会计信息数据归集分析的工作量和工作难度也大幅增加。在会计信息数据的完整性方面，大数据时代下会计信息数据出现了碎片倾向，海量的信息数据下，财务会计信息数据通常会独立披露，由于会计信息数据发布的系统性统一性受到影响，造成了数据分析容易出现片面性的问题。

二、大数据时代提高企业会计信息数据质量的措施分析

大数据时代，从企业外部环境来分析，应该重视良好网络环境建设、强化会计信息质量外部监督。从企业内部分析，更主要的是应该适应大数据时代，积极地完善内部管理，可以从以下几方面采取措施：

(一)利用大数据优势丰富会计信息数据内容

传统会计信息数据归集分析方面，通常主要是集中在结构化和货币化度量数据方面，对有形资产反映准确，而对无形资产缺少必要的.记录、反应和监督。在大数据时代，应该充分利用大数据优势解决这些问题，按照结构化和非结构化、静态和动态数据进行会计信息归集分析。静态结构化数据，主要是企业的会计信息系统和管理信息系统形成的一系列非实时项目数据，比如期末的计提、结转、税费结算等数据。静态非结构数据主要是源于互联网和移动互联网等设备，难以用结构化数据表示的。动态数据主要是实时性数据，动态结构数据主要是企业的会计系统中各类日常业务数据，动态非结构数据则主要是企业技术研发、产品市场信息、企业社会关系以及企业管理能力等数据。

(二)强化对企业会计信息数据发布及分析的监管

在大数据背景下，由于企业的会计信息数据归集分析的工作量大幅度增加，因此为了保证企业会计信息数据披露水平以及各类财务信息数据的分析水平，企业应该设立相应的会计信息披露和企业的财务数据分析中心，专门负责对企业内部各项财务会计信息和数据的归集、分析、披露。需要注意的是，在企业会计信息数据的披露和财务数据分析方面，既应该对企业内部财务数据进行全方面和深入地分析，形成标准化高质量的财务会计信息报告，同时也应该注意对企业相关行业的会计信息进行全面的收集分析，为企业经济活动决策提供数据基础。

(三)积极推进管理会计与财务会计融合

促进提升会计信息数据质量大数据时代下提高企业会计信息质量，必须注重推进管理会计与财务会计的深度融合。以往情况下，财务会计主要对外披露数据，管理会计主要对内决策服务，一定程度上存在着企业会计信息处理效率低下和会计信息资源浪费的问题。充分运用大数据技术，实现财务会计和管理会计的融合，可以将企业内部的各类会计活动以及非会计活动进行分类整理后，构成财务会计信息数据库，依托数据库既可以提升财务会计数据质量提高财务报告水平，也可以为管理会计提供全面的各项基础数据，进一步改进会计信息数据的不对称性，为企业决策提供科学系统的信息数据支持。

三、结语

大数据时代，影响企业会计信息质量的因素多种多样，既有外部环境因素，也有企业自身原因。从企业角度出发，应该更加注重强化企业内部会计信息化建设，提升数据资源水平，提高会计信息发布以及财务数据分析专业化水平，进而确保大数据背景下企业会计信息质量得到提升。

参考文献：

[1]温航，沈英.大数据时代对企业会计信息质量的影响[J].科技展望，2015，(22)：1+3.

[2]俞常娥.独立董事特征对会计信息披露质量的影响研究[D].江西财经大学，2015.

[3]孙玥璠，杨超，张梦实.大数据时代中小企业信用评价指标体系重构[J].财务与会计，2015，(06)：47

从实践应用层面看，财务人员运用EXCEL的领域大致可分为三个：1、EXCEL在财务会计中的运用。在这个层次中，主要运用的是EXCEL的基础功能，如数据录入、公式填充、条件格式、查找替换、有效数据、数据的自动筛选、分类汇总、合并计算以及简单的数据透视表及图表功能。涉及到的函数，一般也仅限于常用的10个左右的函数，且很少涉及数组公式。通常理解，EXCEL在财务会计中的运用实际上就是将EXCEL用于日常会计核算，主要目的在于帮助会计人员提升工作效率，大家应该有所体会，很多基础财务工作，有的财务人员需要画一个礼拜的时间才能做好，但有的财务人员却只要花三个小时。这就是效率的差异。2、EXCEL在管理会计中的运用。在这个层次中呢，我认为离不开EXCEL的中高端功能，如数据透视表及图表的高级运用，高级筛选、单变量求解、规划求解以及假设分析（模拟运算表）等，可能有的时候还会涉及到需要编写简单一点的宏代码或自定义函数以及运用数组公式。使用者或许经常要制作一个综合性强的解决方案，来整合EXCEL的各个单项功能。EXCEL在管理会计中的运用实际上就是运用EXCEL让数字自己开口说话，为决策提供强有力的数据支持，解决的是工作效能的问题。3、EXCEL作为信息系统的重要组成部分大家都知道，构成大型信息系统的核心必然是ERP系统，但是ERP系统不是万能的。信息系统好比是我们国家的交通网络，ERP系统好比是这个网络中的干线（如高铁和高速公路等），但我们的出行很多时候不能寄希望于我们的目的地位于高铁车站附近，所以在这个干线之外，我们还需要建设很多国道、省道甚至乡道，这样才能做到对老百姓出行的全方位支持。信息系统也是如此，单靠ERP系统里提取出来的数据就能够直接为管理决策服务，我认为是非常不现实的，当我们把海量数据从ERP系统的各个模块中提取出来后，剩下的工作就是如何对这些数据进行加工，这些加工的过程好比是：我们从广州出发到东北的一个农村，坐高铁到了北京后，当我们出了北京高铁车站之后，剩下的行程如何规划，往往是影响整体效率的关键。最好的出行方案就是若是有专车直接到高铁车站迎接我们，否则我们可能要倒换普通货车到长春火车站，出了长春火车站后还要倒换班车到县城，出了县城汽车站后还要倒换公交车到村口。所以借助刚才这个比喻，我认为EXCEL第三层次的应用就是作为信息系统的重要组成部分，和ERP各个模块相辅相成，点对点地为管理决策提供信息支持。从技术上讲，实现这个层面的运用，除了需要运用到前述功能之外，还要用到EXCEL的数据查询功能，能够从其他应用程序（如SQL数据库以及ORACLE数据库中直接取数），还要能够编写SQL查询语言等等。

excel在会计核算中的应用的总结与心得体会：

EXCEL在财务会计中的运用。在这个层次中，主要运用的是EXCEL的基础功能，如数据录入、公式填充、条件格式、查找替换、有效数据、数据的自动筛选、分类汇总、合并计算以及简单的数据透视表及图表功能。涉及到的函数，一般也仅限于常用的10个左右的函数，且很少涉及数组公式。

通常理解，EXCEL在财务会计中的运用实际上就是将EXCEL用于日常会计核算，主要目的在于帮助会计人员提升工作效率，大家应该有所体会，很多基础财务工作，有的财务人员需要画一个礼拜的时间才能做好，但有的财务人员却只要花三个小时。这就是效率的差异。

大数据与会计主要学习的课程包括基础会计、财务会计、成本会计、管理会计、智能财税、会计信息系统运用。

行业会计、出纳实务、经济法、理财规划、纳税筹划、互联网+会计综合实训、Excel在会计中的应用、ERP财务业务一体化、大数据财务分析、智能审计、财务机器人等。

大数据与会计专业的就业方向。

1、行政、事业、企业单位出纳、会计、财务管理、内部审计等工作。

2、会计师事务所、评估师事务所、税务师事务所。

3、可以通过自考、专升本、成人函授、专项技能培训等渠道获得更高层次的学历或技能等级证书。

以上内容参考 许昌经济职业技术学院——大数据与会计专业

什么是大数据大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。麦肯锡全球研究所给大数据出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。