基于云计算的中小企业会计电算化应用研究外文翻译资料

中文参考译文

会计记录历史,金融在本质上和由数据聚合和准备财务报表用于内部(如。、管理)和外部(如。用户、投资者和债权人)。数据库系统带来了收集和评估财务和非财务数据类型的能力。目前，大数据提供了前所未有的潜在水平，相对于提供丰富多样的数据集和复杂的分析。大数据的重要性日益上升将对会计产生重大影响。这将反映在数据是如何累积和记录的，管理如何使用数据来实现组织目标，以及如何处理和组装报表元素。

会计记录”记录金融交易或事件的用货币来表示,为会计”的目的(会计词典》2014)。尽管这些记录在历史上是物理的，但它们现在几乎都是数字化的。例如,2000年,大约25%的存储的信息是数字,而目前98%以上的这些信息是电子(Cukier和Mayer-Schouml;nberger 2013)。数据流推动了这一结果转变,因为自动传感器设备和机器对机器通信不断生成数据。

结合这一现象,组织收集更多的数据在过去两年比过去2000年(Syed、Gillela Venugopal 2013)。这些数据的大部分是非结构化的，通常来自传感器和社交媒体。组织利用这些数据来提高业务表现和盈利能力。事实上,公司合并数据和相关业务分析有效地达到5 - 6%的产量收益(史蒂文斯布哈默巴赫尔,2011)。事实上,大数据可以被视为一个企业资产类似于品牌形象(2011年布朗,崔,艾斯曼)。积累和评估大数据正在迅速成为关键元素在建立和维持竞争优势(Bughin,利文斯顿,Marwaha 2011)。

大数据收集和分析正在以指数速度扩张。这种不断发展的现象对金融和管理会计实务的演变有一定的启示。在下面的部分中，我们将讨论组成大数据的新类型的数据，并考虑它们如何影响管理和财务会计。然后，我们讨论了大数据所带来的限制和风险，并提供了结论。

不同类型的大数据作为现有的补充

会计记录

大数据由大量的数据集组成，它们不能用数据库管理系统或传统软件程序进行合理的分析。此外,大数据包括结构化和非结构化数据的非结构化(大约90%),包括软信息,如电子邮件、社交媒体信息(例如、博客、微博、Facebooke条目)、电话、网站流量、视频流(Syed et al . 2013年)。考虑到非结构化数据的日益增多，我们考虑了存在的不同数据类型以及它们如何补充和增强传统的财务信息。

由于大数据技术，公司可以利用任何从数据中生成信息的计算技术，从而使巨大的数据集可以用于决策。感兴趣的数据可以包括非结构化的视频、图像、音频和文本文件。在下面的部分中，我们将描述可以从这些数据类型生成的信息，以及这些信息将如何增强财务信息。

随着视频和图像捕捉设备的普及，可视化数据比以往任何时候都更加流行。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迅速成为现实。

从视频中获取客观信息的演变方法，增加了视频增强会计记录的可行性，尤其是与内部控制有关的情况。最近一次迈塔克瑟白兰地、张(2013)分析描述算法,检测进入要求限制访问权限的区域,计算对象,分析场景,监控车辆,检测的情绪。这些方法可以将重要的信息添加到会计记录包括(1)时,监控录像显示,要求限制访问权限的区域输入多少次,(2)工作场所的视频跟踪工人的生产力(如。,花太多时间在水冷却器),(3)库存评估实时的视频数量变化来测量吞吐量和识别瓶颈,和(4)视频条件的财产,工厂和设备作为额外的组件,以解决潜在的障碍问题。

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定期采访，以提取内容、情感和欺骗。将提供有关业务和审计风险的非语言信息。事实上,这些非语言组件的采访可以比语言更有价值和相关内容(古费2006)。采访视频数据，结合了词汇和语言元素，创造了一种更全面的高管意图，并潜在地对公司的健康状况有了深入的了解。有效收集访谈数据,这个过程可以自动化(莫菲特皮卡德烧伤,2013)。

越来越复杂的计算机算法处理和解释静态图像。准确的对象检测和语义分割图像(Darrell Girshick,多纳休,马利克2014)有助于计算机自动分类和解释图像。对象和场景识别算法(弗里曼Torralba,费格斯,2008年),众包的培训对象探测器(Vijayanarasimhan和好莱坞2014),和情感检测(考伊et al . 2001年)有助于这一过程。类似于视频数据,这些方法可以从图像中提取有价值的业务数据包括对象和场景出现在公司里面能激发客户上传的图像,人口细分产品的用户出现在那些图片,和公司产品的条件和使用图片。图像分析可以生成有用的商业见解，包括但不限于关于产品使用趋势的知识，以及对公司形象的准确评估。实际上,业务信息披露纳入补充非金融信息,包括视频和图像,甚至可以提高投资质量的感知(Basoglu和赫斯2014年)。

音频数据

与业务活动相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、客户电话、内部员工电话,话筒放在公司为监测、前提和音频视频来源上一节中提到的。

支持上述论断,Mayew和Venkatachalam(2012)分析了季度收益电话的音频检测认知失调在首席执行官的说话方式。他们的研究表明，声音认知失调的标记与不正常行为引起的重新陈述的可能性之间存在着积极的关系。在一个相关的研究(Mayew和Venkatachalam 2012 b),积极和消极情感状态在财报电话会议与股票收益显著相关。最近,元音的措施作为独立变量在评估信任(Elkins,吊杆,Burgoon Nunamaker 2012),以及欺骗面试官和面试者之间的相互影响的同步(邓巴塔,Jensen和Elkins 2013)。音频分析的其他应用程序包括犯罪检测(Radhakrishnan、Divakaran Smaragdis 2005),事件识别音频流(m .徐Maddage,c .徐Kankanhalli,和田2003),和情绪检测(陆、刘和张2006)。

有了这些音频数据流，大数据可以提供更多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进行的音频采访提供了额外的证据，证明他们的价值和估计的效益。这将帮助未来的会计师理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，对来自客户电话的音频数据的进一步分析可以产生额外的客户满意度和产品质量信息，并最终提高对保修责任的估计。

文本数据

文本数据包括非财务或软文档。一些重要的文本存储库包括SEC的文件、电子邮件、网页(包括公司网站上的公司文件)、新闻媒体和社交媒体。社交媒体是规模最大、增长最快的系列之一。相关的文本数据。例如,Facebook的参与者的数量,Twittere用户,和公共博客在2013年是7亿年,2.5亿年和1.56亿年,分别(Syed et al . 2013年)。来自这些来源的数据将有助于评估和改善业务表现。

电子邮件数据已经被挖掘出来，以减轻美国的职业欺诈损失。这些损失估计达到6520亿美元,仅2009年一年,和不满意的员工是主要贡献者(霍尔顿2009)。美国欺诈损失继续攀升,在1万亿年估计为1万亿美元(2013年ACFE)。寻求措施减少欺诈行为归因于员工,文本挖掘的邮件标识不满的工人和组织欺诈风险预测和地址(霍尔顿2009)。更重要的是，这种方法揭示了在传统的欺诈审计中没有揭示的相关信息。舞弊三角分析(一个欺诈的发现方法)舞弊三角的原则适用于分析邮件发现员工有机会,动机,和合理化实施欺骗行为(2009年汤培,《瓦尔登湖》,Sherrod)。

随着公司从视频、音频和文本数据中提取和整合传统财务数据的信息，它们提高了评估和预测管理会计目的的业务绩效的能力。例如，客户满意度是产品和公司价值的重要组成部分，而先进的分析技术可以衡量满意程度。客户在网站和社交媒体上的反馈(例如:、积极的单词和短语)、客户电话投诉和调查(如。声乐的压力和紧张情绪),由客户发布的网络视频评论和博客(例如、皱眉和其他消极的手势)可能会增加客户满意度分析。最后，使用相似类型的数据来衡量员工满意度。

管理会计

管理会计是指利用会计记录产生的信息来帮助经理履行职责。管理会计师的一个重要任务是创建能够将组织目标与管理层和员工行为结合起来的系统。这些behavior-regulating设备被称为管理控制系统(mcs)(2008年Malmi和棕色)。它们区别于帮助管理人员做出决策的信息和决策支持系统。

研究表明,经理们会改变他们的行为来实现激励与行为(乌尔里希和塔特尔2004)。因此，当制定措施和相关激励措施时，管理者必须考虑这些激励措施是否与公司目标相一致。一个MCS,将指标与公司的目标是平衡计分卡(BSC)(卡普兰和诺顿,1996)。该系统确定了与业务目标最匹配的行为的财务和非财务度量。组织单元的统计数据与已识别的度量和相关目标的比较，构成了管理性能。因此,平衡计分卡和其他mcs识别正(负)管理行为,然后奖励管理做(避免)。

通过发现与特定目标结果相关的行为，大数据可以在MCSs中扮演一个角色，这将促使创建相应的性能度量。例如，BSC在四个方面收集数据:财务、客户、内部业务流程、学习和增长。在每个领域内，大数据可以识别影响各自目标结果的新行为。例如,web使用在工作时可能与学习和成长目标、内部邮件可能与内部业务流程的有效性以及客户服务质量和客户服务质量可能与元音的线索挖掘从客户服务电话。

一般来说，大数据分析有助于发现在MCSs中加入重要措施的发现。公司可以使用元数据，比如在电话上花费的时间来跟踪生产力。在销售中，使用更大的手机可能意味着更高的生产率，反之，在生产中反之则是正确的。员工电脑也可以monitoredto生成包含web数据使用的活动日志,点击流,时间使用办公软件如Excelt女士。公司还可以监控员工的电话、电子邮件和办公室内的行为。此外，公司还可以追踪员工在办公室里使用的资源，包括车辆、手机和p卡。大数据可以mcs转化为全面监控和控制系统(cmc)。

cmc的一个可能的缺点,或增加员工监测,包括反弹归因于经济、法律和伦理问题(2003年马丁和Freeman)。此外，过度的跟踪可能会抑制员工的创造力和/或动机。如果雇主经常对员工实施微观管理，那么他们可能会害怕表现出原创性或主动性。霍普伍德(1972)通过绩效评估表明,监测可能不利于士气和生产力是否测量错误的构造。例如,在管理者的思想,以利润为基础的措施方案比消费市场更“公平”指标。的确不公平(被管理者)性能措施会导致消极的行为包括管理避免困难的问题,做出决策,虚报盈利(或降低成本)在短期内,并损害公司以换取短期利益。

监控和绩效评估的目标应该是提高生产力。因此,学术研究都集中在识别措施,适当的激励员工(卡蒙,艾耶,莱克尔2014)。大数据可能是发现新的激励措施和识别有害因素的关键。关联规则学习是一种在非常大的数据集中发现相关性的技术，例如良好的管理性能和以前不考虑的变量之间的关系。例如，公司设备上的电子邮件和电话交谈的语气可能是员工士气的指示器。管理人员发送的电子邮件数量可能是生产力的一个代表，而视频捕捉的客户语言可能是客户满意度的代表。捕获的数据越多，发现有用知识的机会就越大。预算代表了一个管理控制领域，它已经从传统的数据源分支出来，并采用了新的控制方法。传统预算活动已被批评为过于专注内在,扼杀创造力和阻碍竞争优势在信息经济(Bourmistrov和Kaarboe 2013)。因为与预算有关的问题,许多公司都做了与传统方法和实施所谓的超出预算技术(Bourmistrov和Kaarboe 2013)。除了预算之外，还可以使用其他的信息来源来进行业务规划、绩效评估、目标沟通和战略形成。通过新的信息来源,如在企业资源规划(ERP)系统(汉森和范德Stede 2004)。大数据，包括ERP系统之外的额外数据流(例如:、气候、卫星、人口普查、劳动和宏观经济数据)可以用来提高超出预算实践。公司还可以使用内部生成的数据，包括上面讨论的非传统的会计数据。

大数据对管理会计和MCSs尤其有帮助。然而，在此之前，数据存储库必须被转换为可操作的信息。数据和包装信息之间的中间层是统计学家和数据分析师(也称为数据科学家)的角色所在。对于管理会计来说，要使用大数据，那些有专业知识的人必须首先理解、挖掘、转换和分析数据。尽管对其他活动来说，积累数据是很容易的，有时是偶然的，但如果没有额外的资源，管理就无法获得好处。

财务会计

在美国，财务会计主要是根据公认会计原则(GAAP)和随后的会计准则编制财务报表。

传播信息的外部利益相关者组(Accountingverse 2014)。这一会计分支与管理会计区分开来，因为它提供了与一组标准相一致的财务信息(例如:在美国,美国公认会计原则)以外的利益相关者的组织。大数据可能会显著影响财务报告的未来，以及公认会计原则的演变。

本文讨论的大数据形式(即:、视频、图像、音频和文本)补充传统的财务信息,可以为决策提供提高透明度和有效性。例如，相对于固定资产，ERP系统可以通过视频剪辑和其他类型的多媒体来增加记录。通过这种方式，用户可以获得对每个资产的条件、特性和特征的更全面的视图。这种改进的透明度不仅有助于满足涉众的需求，而且还为审计人员解决有关固定资产的相关断言提供了好处。例如，如果每个资产记录都与相关的音频、视频和文本信息相辅，那么一个寻求测试相对于固定资产的存在断言的审计员将面临一个不那么具有挑战性的任务。使用大数据技术，这些数据也可以通过数据挖掘进行分析，以检测异常值或其他异常，从而帮助审计人员、管理人员和其他涉众。

表外资产报告

省略一些无形资产负债表项目的意义,因为它们的值很难确定客观(Kieso,Weygandt,Warfield 2013)。这样的表外资产包括客户基础、人力资源、承诺、产品质量、供应商基础、公司声誉等等。由于这些资产能够区分组织和提供竞争

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[140780]，资料为PDF文档或Word文档，PDF文档可免费转换为Word