新时期下，大数据技术方兴未艾，市场环境的变化也在促使银行等金融机构经济形态的转型。传统的经营模式和管理会计方法也在此形势下受到了冲击。

　　在这一新的背景下，商业银行如何有效运用大数据技术来充分推动管理会计的转型发展也成为了一个重要的研究课题。本文先阐述了大数据时代下商业银行以及管理会计的发展背景，并分析了大数据在管理会计应用中的现状困境和不足，并据此提出相应的改善对策。

　　商业银作为经营资金和信用的组织机构，数据就成为其最重要的资源之一。近年来商业银行客户的生活和经济随着互联网的高速发展，也在不断的向着数据化领域发展，而越来越多的客户数据也呈现出半结构化和非结构化的特点，这也为商业银行内部积累了海量的信息资源。而商业银行现在所面临的课题就是如何利用大数据技术和管理会计工具来发掘海量数据中的商业价值。

　　我国经济发展进入调整转型期，国内经济增速放缓，出现了新的阶段性特征。自2015年国内经济增长速度减缓，再加上银行业自身所面临的金融脱媒、利率市场化、资产质量劣变等问题和挑战，国内银行业的生存发展环境已经出现了广泛变化，以往高盈利和高扩张的时代已逐渐远去，商业银行的经营发展模式也会进入新的阶段。经济新常态下，商业银行的经营观念、盈利水平、收入结构也都会面临巨大冲击。

　　国内管理会计发展很明显的落后于财务会计，相比于国外的行业水准也有所差距，所以管理会计在商业银行的发展实践中还留存着巨大的上升空间。尤其对于银行业的管理会计，无论在理论或是实践方面都远远落后于财务会计。在国际上已经可以成熟运用的经济增加值、作业成本法、经济资本回报率等管理会计工具与方法在国内还处于起步发展阶段，实际发挥的效用尚不明显。

　　由于大数据技术是在近几年互联网高速发展中所诞生的产物，许多银行单位或个人对于大数据的认知并不清楚，具体表现为：第一，不少人只是听说过“大数据”一词，但对其理解仅停留于表面意思;第二，部分行业银行没有充分关注和了解到大数据在当前信息化时代下产生的重大影响，无法将大数据技术应用到经营和管理会计领域中;第三，部分银行不愿意耗费太多精力和资金购置设备、软件，只重视眼前利益，忽略了银行长远发展。此类对大数据认知不到位、不深入的理念势必会影响大数据技术在管理会计工作中的应用和推广。

　　海量的数据信息也是大数据技术的特点之一。互联网中的信息每天都在以惊人的速度增长，数据储量单位也已经从TB向PB级别迈入，并已经有向ZB迈入的趋势。管理会计完成高质量的分析决策是建立在全面的信息基础之上，只有利用大数据来全面收集信息，才能将筹划、控制、决策等工作做好。诸如建行、工行等规模较大等商业银行，每天新增数据量都在10TB以上。因此，现有银行的数据库和硬件设备已经无法满足海量数据的存储需要和高效率的分析需求，直接影响了管理会计工作的发挥[1]。

　　庞大的数据量也就导致了大数据中价值密度低的特点。面对海量的信息，就需要应用专门的数据挖掘、分析方法来提炼出其中有价值的数据。但以目前的实际情况来看，可以高效利用的大数据分析技术和工具还相对较少，而传统的信息分析技术对于结构化的数据虽然有效，但是对于一些非结构化的数据还缺少合理的分析办法。

　　所以综合来看，传统的信息分析技术依旧有其局限性，而未来大数据的发展趋势也需要更新更成熟的信息分析技术来促进大数据在管理会计中更好的应用。

　　第一，从以往基于结果论向着过程论的发掘转变，如部分商业银行传统的分析手段是依据各网点发卡量、存款额以及业务收入等因素进行统计，而后进行多维度分析。若同时向前延伸数据触角，多方收集客户的基本信息、家庭经济情况和产品服务意见反馈，后续在对此类数据进行深度整合分析后可能会发挥重要作用;

　　第二，从结构化数据向非结构化数据转型。如需要判断某一贷款客户的经济状况，不仅可以从客户所提交的财务报表获取信息，还可以同时了解其网上消费、社交、阅读等行为习惯，从而尽早的判断客户的信用风险;第三，银行在意识到大数据的巨大潜力下，要考虑逐步更新相关技术和设备。

　　大数据技术是对互联网中海量信息进行筛选分析的一个过程。利用信息系统将大数据源中的海量信息进行拉取和清洗后整合是大数据技术的第一步，即数据储存。

　　数据抽取可以依据银行的信息需要，通过设置一定的规则来驱动一系列的数据算法，来搜索和筛选出相匹配的信息数据;而数据清洗则是对搜索出的相匹配的数据进行高质量的筛选。

　　而当前，部分商业银行的在面对大量信息和数据处理的需求上，应该及时更新软硬件设备，如信息系统应用上可以引入Hadoop大数据应用平台[2]。

　　Hadoop是一个可以进行大量数据处理的分布式软件框架，可以存储海量的半结构化数据，并且不用担心单个数据磁盘的损坏会带来数据信息的丢失，可以高速跨多台机器进行数据集合处理。

　　Hadoop技术现已经被诸多互联网、金融、商业机构所广泛使用。而对于每天需要处理海量客户信息、交易信息、借贷信息的商业银行而言，引入该软件框架无疑可以为管理会计的信息处理提供强大的助力。

　　针对大数据技术下的管理会计信息应用框架需要涵盖到五个层级：从起始端的基础信息层、数据输入层，到中端的数据聚集层，再到顶端的处理分析层、应用报告层，大数据分析平台的搭建需要的是一个完整信息应用框架，包括主机服务器、网络、系统框架等。

　　第一，基础信息层。该模块是对银行在经营管理中所需要的各类信息进行多渠道搜集，可以包括行业信息、竞争对手信息、客户信息等。以往传统的管理会计在进行决策分析时，主要依靠内部财务信息和有限的外部公开信息，参考意义较低。但是大数据时代下为信息的获取提供了便捷高效的手段。基础信息层的搭建就是为收集客户服务、业务订单、资金往来等一系列财务或非财务信息。

　　第二，数据输入层。该模块是将基础信息层中的原始数据传输录入存储系统。由于大数据技术下信息来源渠道的多样化，数据输入层可以根据银行的需求重点设置数据输入控制逻辑，保证同类型的数据来源渠道一致。

　　同时还可以在银行系统中搭建数据共享中心，实现一次录入，所有系统共享，提升信息集中化处理速度。同时引入相关的IT运维团队在各部门系统中建立数据对接口，方便实现数据传输自动化和共享便捷化。

　　第三，数据聚集层。该模块是根据银行的经营需求来对数据输入层中所传输的数据进行初步汇总和筛选。将复杂多样的信息进行分门别类的处理，并将其存储在系统数据库中的各子模块中，作为后续的信息模型搭建和数据分析提供信息基础。

　　通过一定的数据分析逻辑将各类财务或者业务数据进行处理后存储在管理会计的应用数据库中，管理会计可以依据自身的管理需要实时拉取数据。当然，银行需要定期对数据库中的信息进行更新，以此为后续的数据分析报告提供实时可靠的数据支持。

　　第四，分析处理层。该模块就是为管理会计提供信息分析处理的应用工具。管理会计依据自身的专业知识，基于数据库中的信息、系统分析工具、数据分析方法对已有数据进行计算、建模分析，从中提炼出对银行有价值的信息。

　　传统管理会计数据样本有限，但大数据可以针对分析事项，拉取网络中所有与此事项有关的数据，将过去、当前、未来的信息连成整体，以此来发掘信息中潜藏的价值[3]。在基于大数据分析平台的基础上，管理会计还需要掌握时间序列分析、聚类分析、决策树分析等工具方法来加速对海量信息的处理。

　　第五，应用报告层。该模块旨在利用分析处理层的数据提炼后，基于多维度生成业财融合型的管理会计报告机制。管理会计报告有别于财务会计报告的是，其是根据管理者的实际信息需要对数据进行分析的结果。

　　报告时间、类型、内容并不像财务会计报告一样固定。而基于多维度的管理会计报告可以大致包含以下方面：经营战略报告(银行经营状况、竞争对手、业务以及客户分析等)、经营预算报告(收入、成本等)、经营决策报告(营销、贷款业务等)、经营规划报告、业绩考核报告。当然，由于各商业银行具体的经营模式不一，这里所提到的报告体系可作为一个参考，管理会计对于报告内容的变更可以自行考量。

　　以上即为商业银行管理会计系统的大致系统框架搭建。管理会计作用的充分发挥需要完善的大数据分析平台提供海量的基础数据来作为管理、分析的前提。银行和个人要对此有充分认知。

　　本文在分析了部分商业银行和会计人员在对大数据认知不足等问题的基础上，提出了以完善大数据分析系统以及相关软硬件设施等方法，作为管理会计转型升级的基础，并同时强调了大数据技术对管理会计转型和企业发展的重要性。

　　商业银行本身已经具备了多年的信息治理经验，面对大数据的新挑战，银行只需尽快完善顶层设计，以科学的方法加强对内部大数据平台的构建以及管理会计体系的完善，就可以为经营机制的转变提供有力的信息和技术支持。返回搜狐，查看更多