大数据将如何改变会计外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

毕业论文(设计)

文献翻译

题 目 大数据将如何改变会计

大数据将如何改变会计

J. Donald Warren, Jr., Kevin C. Moffitt, and Paul Byrnes

摘要：大数据对会计的影响越来越重要，即使新数据类型可以访问也是如此。通过大数据提供的视频，音频和文本信息可以改进管理会计，财务会计和财务报告实践。在管理会计中，大数据将有助于有效管理控制系统和预算流程的发展和演变。在财务会计中，大数据将提高会计信息的质量和相关性，从而提高透明度和利益相关方的决策。在报告中，大数据可协助创建和完善会计准则，有助于确保会计行业在动态，实时的全球经济发展过程中继续提供有用的信息。

关键词：大数据; 财务会计; 管理会计; 视频和图像数据; 音频数据; 文本数据。

介绍

会计记录在历史上是财务性质的，并且包括汇总的数据并用于为内部（例如管理）和外部（例如投资者和债权人）用户编制财务报表。 数据库系统带来了收集和评估财务和非财务数据类型的功能。 目前，相对于提供各种大量数据集和复杂分析，大数据提供了前所未有的潜力。大数据日益重要将会对会计产生重大影响。这将反映在数据如何积累和记录，管理层如何使用数据实现组织目标以及如何处理和汇总报告元素。

会计记录是“财务交易的记录，或为了会计目的而以货币形式表达的事件记录”（会计辞典2014）。尽管这些记录在历史上是有形的，但它们现在几乎完全数字化。例如，在2000年，所有存储信息中大约25％是数字化的，而目前超过98％的信息是电子化的（Cukier和Mayer-Schonberger，2013）。数据流促进了这一转变，因为自动传感器设备和机器对机器通信不断产生数据。

结合这一现象，过去两年中组织收集的数据比前两千年（Syed，Gillela和Venugopal 2013）收集的数据总和更多。这些数据的大部分都是非结构化的，通常来自传感器和社交媒体。企业组织利用这些数据来提高业务绩效和盈利能力。事实上，纳入数据和相关业务分析的公司有效地实现了5％到6％的生产力增长（Brynjolfsson，Hammerbacher和Stevens 2011）。事实上，大数据可以被看作是类似品牌形象的企业资产（Brown，Chui和Manyika 2011）。积累和评估大数据正在迅速成为建立和保持竞争优势的关键要素（Bughin，Livingston和Marwaha 2011）。

大数据收集和分析正在以指数速度扩展。这种正在发生的现象对财务和管理会计实践的发展产生了影响。在以下部分中，我们将讨论包含大数据的新数据类型，并考虑它们如何影响管理和财务会计 然后，我们解决归因于大数据的限制和风险并提供结论性意见。

不同类型的大数据作为对现有会计记录的补充

大数据由数据集组成，数据量庞大，无法使用数据库管理系统或传统软件程序进行合理分析。此外，大数据包含结构化和非结构化数据（大约90％是非结构化数据），并包含诸如电子邮件消息，社交媒体发布（例如，博客，推文，Facebooke条目），电话呼叫，网站流量和视频流等软信息Syed等，2013）。鉴于非结构化数据越来越多，本文中我们考虑存在的不同数据类型以及它们如何补充和增强传统财务信息。

由于大数据技术，公司可以利用任何计算技术从数据中生成信息，以便为决策制定提供巨大的数据集。感兴趣的数据可以包括非结构化视频，图像，音频和文本文件。在下面的章节中，我们将描述可以从这些数据类型生成的信息以及这将如何增加财务信息。.

视频和图像数据

随着视频和图像捕捉设备的普及，视觉数据比以往更加普遍。随着视频和图像存储，处理和分析技术的成熟，使用这些数据来增加会计记录正在迅速成为现实。

从视频中获取客观信息的演进方法增加了视频增强会计记录的可行性，特别是与内部控制相关的记录。最近Metaxas和Zhang（2013）的元分析描述了检测进入受限访问区域，计算对象，分析场景，监控车辆和检测情绪的算法。这些方法可以将重要信息添加到会计记录中，包括（1）监视画面以显示进入限制区域的时间和次数，（2）工作场所视频以跟踪工作人员的生产力（例如，谁花了太多时间在水冷器旁）（3）库存视频以评估实时数量变化以测量吞吐量并识别瓶颈;（4）将财产，工厂和设备状况视为解决潜在减损问题的附加组件。

采访视频数据也可能是会计信息的来源。分析管理层和董事会的周期性访谈以提取内容，情绪和欺骗行为将提供有关业务和审计风险的非语言信息。事实上，访谈中的这些非言语成分可能比言语内容更有价值和相关（Guffey 2006）。采访视频数据，结合声乐和语言元素，可以更全面地了解执行意图，并可能提供有关公司健康状况的见解。为了有效地收集采访数据，该过程可以自动进行（Pickard，Burns和Moffitt 2013）。

越来越复杂的计算机算法处理和解释静态图像。准确的对象检测和图像语义分割（Girshick，Donahue，Darrell和Malik 2014）可以帮助计算机自动分类和解释图像。目标和场景识别算法（Torralba，Fergus和Freeman 2008），物体探测器的群体源训练（Vijayanarasimhan and Grauman 2014）以及情感检测（Cowie et al。2001）都对这一过程有所贡献。与视频数据类似，这些方法可以从图像中提取有价值的业务数据，包括客户上传的与公司相关的图像中出现的对象和场景，这些图像中展示的产品用户的人口统计分布以及发现的公司产品的状况和使用情况图片。图像分析可以产生有用的商业洞察，包括但不限于有关产品使用倾向的知识，以及企业形象的准确评估。事实上，包含视频和图像等补充性非财务信息的商业披露甚至可以增强对投资质量的认识（Basoglu和Hess，2014）。.

音频数据

与商业活动有关的音频数据也可以提高会计记录和财务信息的质量。潜在重要的音频来源包括季度电话会议，股东和董事会会议，客户呼叫，内部员工电话，放置在公司场所进行监控的麦克风以及前一节中提到的视频源的音频。

支持上述断言，Mayew和Venkatachalam（2012a）分析了季度收益呼叫的音频，以检测首席执行官演讲模式中的认知失调。他们的研究表明，声音认知失调标记与归因于不规则行为的可能性之间存在正相关关系。在一项相关研究中（Mayew and Venkatachalam，2012b），盈余电话会议中的积极和消极情感状态与股票收益显着相关。最近，在评估信任（Elkins，Derrick，Burgoon和Nunamaker 2012）以及欺骗性采访者和受访者（Tower，Jensen，Dunbar和Elkins 2013）之间的互动同步中，声乐措施已被列为评估信任的独立变量。音频分析的其他应用包括犯罪检测（Radhakrishnan，Divakaran和Smaragdis 2005），音频流中的事件识别（M. Xu，Maddage，C. Xu，Kankanhalli和Tian 2003）以及情绪检测（Lu，Liu，and张2006）。

通过这些音频数据流，大数据可以提供额外的证据来支持会计记录。例如，在工厂资产建设阶段对建筑工程师的音频采访提供了额外的证据，表明其价值和估计的收益期。这将有助于未来的会计师了解评估这些长期资产的基础，并帮助他们解决潜在的减值问题。此外，来自客户电话的音频数据的增强分析可以产生额外的客户满意度和产品质量信息，并最终改善对保修责任的估计.

文本数据

文本数据包括非财务或软文档。一些重要的文本库是美国证券交易委员会提交的文件，电子邮件，网页（包括在公司网站上发现的公司文件），新闻媒体和社交媒体。社交媒体是相关文本数据的最大和增长最快的集合之一。例如，截至2013年，Facebook参与者，Twittere用户和公共博客的数量分别为7亿，2.5亿和1.56亿（Syed et al。2013）。来自这些来源的数据将有助于评估和改善业务表现。

电子邮件数据已经开始采集，以缓解美国的职业欺诈损失。仅在2009年，这些损失就达到了6520亿美元，而不满意的员工是主要贡献者（Holton 2009）。美国造成的欺诈损失继续攀升，2012年估计高达1万亿美元（ACFE 2013）。在寻求减少员工欺诈行为的措施中，电子邮件的文本挖掘可以识别出不满意的员工，并预测并解决组织欺诈风险（Holton 2009）。更重要的是，这种方法挖掘出传统欺诈审计中未披露的相关信息。欺诈三角分析法（一种欺诈发现方法）将欺诈三角原理应用于分析电子邮件，以检测员工是否有机会进行欺诈（Torpey，Walden和Sherrod 2009）。

随着公司从视频，音频和文本数据中提取和集成传统财务数据的信息，它们提高了他们评估和预测管理会计目的业务绩效的能力。例如，客户满意度是产品和公司价值的重要组成部分，高级分析技术可以衡量满意度。客户对网站和社交媒体（例如积极的词语和短语）的反馈，客户电话投诉和询问（例如，声音压力和紧张）以及由顾客和博主发布的互联网视频评论（例如皱眉和其他负面打手势）可以增加到客户满意度分析。最后，员工满意度是使用相似类型的数据进行衡量的。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24076]，资料为PDF文档或Word文档，PDF文档可免费转换为Word