키워드 데이터 마이닝 정보 관리 회계 응용 프로그램
소개하다
최근 몇 년 동안 데이터 마이닝 기술은 정보 산업의 큰 관심을 불러일으켰다. 주된 이유는 널리 사용할 수 있는 대량의 데이터가 있어서 유용한 지식과 정보로 전환해야 하기 때문입니다. GAO 보고서에 따르면 연방 정부는 정부 서비스 수준 향상, 과학 데이터 분석, 인적 자원 관리, 범죄 감지, 테러 활동 등에 큰 역할을 했다. 특히 911이후 미국의 대테러 활동은 대량의 데이터에서 유용한 정보를 검색해야 하며 데이터 마이닝 기술이 중요한 역할을 했다. 또한 데이터 마이닝은 비즈니스 활동에도 널리 사용됩니다. Thomas G, John J, Il-woon Kim 이 Fortune 500 대 기업의 CFO 를 조사한 결과, 65% 가 데이터 마이닝 기술을 사용한 것으로 나타났습니다. 데이터 마이닝 기술을 지원하는 기업들은 데이터 마이닝 기술을 효과적으로 사용하면 기업에 2 천만 ~ 2 천 4 백만 달러의 순이익을 창출할 수 있다고 주장합니다. 데이터 마이닝 설문 조사에 따르면 24% 는 회계, 42% 는 재무, 정보 시스템 및 시장은 각각 65,438+09%, 5% 로 나타났다. 현재 데이터 마이닝 기술의 응용은 대부분 금융 보험, 의료, 소매 부문 및 통신 부문에 집중되고 있습니다. 그러나 기업 내부 관리 개선 및 기업 경쟁 우위 확립에 대한 데이터 마이닝의 적용은 거의 언급되지 않습니다.
첫째, 데이터 마이닝 기술의 의미
데이터 마이닝은 현대 통계, 지식 정보 시스템, 기계 학습, 의사 결정 이론, 데이터베이스 관리 등의 지식을 결합한 데이터에서 추세와 패턴을 발견하는 프로세스입니다. 대량의 불완전하고 모호한 실제 애플리케이션 데이터에서 잠재적으로 유용한 정보와 지식을 효과적으로 추출하여 대량의 데이터에서 복잡하고 숨겨진 관계를 드러내고 의사 결정에 유용한 참조를 제공합니다.
둘째, 데이터 마이닝 방법 및 기본 단계
(a) 데이터 마이닝의 주요 방법
일반적으로 사용되는 데이터 마이닝 방법에는 의사 결정 트리, 유전 알고리즘, 상관 분석, 클러스터 분석, 시퀀스 패턴 분석 및 신경 네트워크가 포함됩니다.
(b) 데이터 마이닝의 기본 단계
SAS 연구소에서 제안한 SEMMA 방법은 현재 가장 널리 사용되는 데이터 마이닝 방법으로 샘플링, 탐색, 수정, 모델링 및 평가를 포함한 일반적인 데이터 마이닝 프로세스를 설명합니다.
1. 데이터 샘플링
데이터 마이닝을 수행하기 전에 데이터 마이닝의 대상에 따라 관련 데이터베이스를 선택해야 합니다. 하나 이상의 데이터 테이블을 만들어 샘플링합니다. 추출된 샘플 데이터의 양은 의미 있는 정보를 포함할 수 있을 만큼 커야 하지만 처리할 수 없을 정도로 크지 않아야 합니다.
2. 데이터 탐색
데이터 탐색은 데이터에 대한 심층 조사 프로세스입니다. 데이터에 대한 심층적인 탐구를 통해 데이터에 숨겨진 기대나 의외의 관계와 이상을 발견하여 사물에 대한 인식과 개념을 얻을 수 있다.
3. 데이터 조정
위의 두 단계를 기초로 데이터를 추가, 삭제, 수정하여 더욱 명확하고 효과적으로 만들 수 있습니다.
4. 모델링
인공 신경망, 회귀 분석, 의사 결정 트리, 시계열 분석 등의 분석 도구를 사용하여 예측 결과를 안정적으로 예측할 수 있는 모델을 데이터에서 찾을 수 있습니다.
5. 평가
데이터 마이닝 과정에서 발견된 정보의 실용성과 신뢰성을 평가하는 것입니다.
셋째, 경영 회계에 데이터 마이닝 적용
(a) 경영 회계에서 데이터 마이닝의 중요성.
1. 강력한 의사 결정 지원 제공
갈수록 치열해지는 경쟁 환경에 직면하여 기업 관리자들의 의사 결정 정보에 대한 수요도 갈수록 커지고 있다. 경영 회계는 기업 의사 결정 지원 시스템의 중요한 구성 요소로서 점점 더 효과적인 유용한 정보를 제공할 책임이 있습니다. 따라서 방대한 양의 데이터에서 지식과 정보를 발굴하고 찾고, 의사결정을 위한 강력한 지원을 제공하고, 회계사가 데이터 마이닝을 활용할 수 있는 강력한 동력이 됩니다. 예를 들어, 데이터 마이닝은 비용 관리 강화, 제품 및 서비스의 품질 향상, 상품 판매 비율 향상, 더 나은 상품 운송 및 배송 전략 설계, 비즈니스 비용 절감에 도움이 될 수 있습니다.
2. 전략적 경쟁 우위를 확보하는 강력한 무기
데이터 마이닝은 기업의 내부 프로세스를 크게 개선할 수 있을 뿐만 아니라 기업의 경쟁 환경, 시장, 고객 및 공급업체를 전략적으로 분석하여 귀중한 비즈니스 정보를 얻고 기업의 지속적인 경쟁 우위를 유지하고 향상시킬 수 있음을 입증했습니다. 예를 들어, 고객 가치에 대한 분석은 기업에 80% 의 가치를 창출하는 20% 의 고객을 구분하고, 기업에 더 나은 서비스를 제공하고, 이러한 고객을 유지할 수 있습니다.
3. 재무 위험 예방 및 통제
데이터 마이닝 기술을 이용하여 기업 재무 위험 경보 모델을 만들 수 있다. 기업 재무 위험의 발생은 단번에 이루어지는 과정이 아니라 누적과 점진적인 과정이다. 재무 위험 경보 모델을 구축함으로써 언제든지 기업의 재무 상태를 모니터링하고 재무 위기 발생을 예방할 수 있습니다. 또한 데이터 마이닝 기술을 사용하여 자금 조달 및 투자 과정에서 기업의 행동을 모니터링하여 악의적인 상업 사기를 방지하고 기업의 이익을 보호할 수 있습니다. 특히 금융업체에서는 데이터 마이닝을 통해 은행업계가 직면한 사기 문제 (예: 신용 카드 악의적 대월, 신용 카드 의심 거래 등) 를 해결할 수 있다. 증권거래회에 따르면 미국은행, 제 1 미국은행, 연방담보대출회사와 같은 여러 은행들은 이미 데이터 마이닝 기술을 채택하고 있다.
(b) 경영 회계에 데이터 마이닝 적용
1. 활동 기반 비용 및 가치 사슬 분석
활동 원가법은 원가 계산이 정확하고 자원 활용이 충분하기 때문에 사람들의 큰 흥미를 불러일으켰지만, 그 복잡한 조작은 많은 관리자들을 뒷걸음치게 했다. 데이터 마이닝에서 회귀 분석 및 분류 분석을 사용하면 회계사가 비용 드라이버를 결정하고 비용을 보다 정확하게 계산할 수 있습니다. 또한 활동과 가치의 관계를 분석하여 부가가치 활동과 비부가가치 활동을 파악하여 기업 가치 사슬을 지속적으로 개선하고 최적화할 수 있습니다. Thomas G, John J 및 Il-woon Kim 설문 조사에서 데이터 마이닝은 활동 기반 비용 관리에만 사용되며 3% 를 차지했습니다.
2. 예측 분석
관리회계사는 많은 경우 미래에 대한 예측이 필요하며, 예측은 대량의 역사적 데이터와 적절한 모델을 기반으로 합니다. 데이터 마이닝은 대규모 데이터베이스에서 예측 정보를 자동으로 검색하고, 추세 분석 및 시계열 분석을 통해 판매, 비용, 자금 등의 예측 모델을 구축하여 기업의 지표를 과학적으로 정확하게 예측할 수 있도록 합니다. 예를 들어, 시장 조사 데이터에 대한 분석은 판매량을 예측하는 데 도움이 될 수 있습니다. 과거 데이터 등을 기준으로 판매 예측 모델을 설정합니다.
3. 투자 결정 분석
투자 결정 분석 자체는 매우 복잡한 프로세스이며, 종종 도구와 모델을 이용해야 합니다. 데이터 마이닝 기술은 효과적인 도구를 제공합니다. 회사의 재무 보고, 거시경제 환경 및 업계의 기본 상황, 대량의 데이터에서 의사 결정과 관련된 실질적인 정보를 발굴하여 투자 결정의 정확성과 유효성을 보장합니다. 예를 들어, 시계열 분석 모델을 사용하여 투자에 대한 주가를 예측합니다. 온라인 분석 처리 기술을 이용하여 회사의 신용 등급을 분석하여 투자 위험을 방지하다.
4. 고객 관계 관리
고객 관계 관리는 기업의 경쟁 우위를 강화하는 강력한 무기이다. 우선 고객층을 분류해야 한다. 데이터 웨어하우스의 분류 및 클러스터 분석을 통해 그룹 고객의 행동 규칙을 파악하여 고객을 그룹화하고 차별화 서비스를 구현할 수 있습니다. 둘째, 고객의 가치를 분석했다. 파레토의 법칙에 따르면 고객의 20% 가 기업의 80% 가치를 창출했습니다. 이 경우 회사는 고객 데이터베이스에서 이러한 고객을 발굴하고, 행동, 수요 및 선호도를 동적으로 추적하고, 다양한 고객 집단의 특성에 따라 적절한 제품과 서비스를 제공함으로써 고객과의 장기적인 협력 관계를 구축하고, 고객 보유율을 높일 수 있습니다. 예를 들어, 통신 분야에서는 통신 데이터에 대한 다차원 분석을 통해 서로 다른 고객의 제품에 대한 다양한 요구를 식별하고 비교함으로써 기업이 보다 특색 있는 제품을 제공하고 고객에게 더 나은 서비스를 제공할 수 있도록 합니다.
5. 제품 및 시장 분석
품종 최적화는 이익을 극대화하기 위해 적절한 제품 포트폴리오를 선택하는 과정으로, 단기 이익, 장기 시장 점유율, 장기 고객 기반 및 그 조합이 될 수 있습니다. 이러한 목표를 달성하기 위해 관리 회계사는 가격 및 비용 데이터뿐만 아니라 대체품 및 특정 세그먼트 시장에서 원본 제품과의 경쟁 상황도 이해해야 합니다. 또한 기업은 한 제품이 다른 제품의 판매를 어떻게 자극하는지 알아야 합니다. 예를 들어, 비영리 제품 자체에는 이윤이 없지만, 상당한 고객 트래픽을 가져와 고수익 제품의 판매를 자극한다면, 이 제품은 매우 수익성이 높기 때문에 제품 목록에 포함되어야 한다. 이 정보는 실제 데이터를 기준으로 관련성 분석과 같은 기술을 통해 얻을 수 있다.
6. 재무 위험 분석
관리 회계사는 데이터 마이닝 도구를 사용하여 기업의 재무 위험을 평가하고, 기업 재무 위기 경보 모델을 구축하고, 파산 예측을 할 수 있습니다. 파산 예측 또는 금융 위기 경보 모델은 관리자가 기업의 재무 위험을 적시에 이해하고, 조기 위험 예방 조치를 취하고, 파산을 방지하는 데 도움이 될 수 있습니다. 또한 파산 예측 모델은 파산 원인을 분석하는 데 도움이 되며, 이는 기업 관리자에게 큰 의미가 있습니다. 1930 년대에 스미스와 비나클은 먼저 파산 예측 시도를 했다. 이후 1960 년대에 Altman 은 다원 판별 분석 방법으로 제시된 Z-score 파산 예측 모델을 이용해 90% 이상의 예측 정확도로 큰 성공을 거두었다. 이후 다원차별 분석, 논리 회귀 분석, 유전 알고리즘, 신경망, 의사결정트리를 포함한 데이터 마이닝 기술이 기업 파산 예측에 광범위하게 적용되었다.
넷. 끝말
중국이 WTO 에 가입함에 따라 기업이 직면한 경쟁 압력이 갈수록 커지고 있다. 정보기술의 최신 성과를 최대한 활용하고, 기업의 잠재력을 발굴하고, 기업 내부 관리를 강화하고, 기업 경쟁력을 높여야 할 필요성이 절실하다. 데이터 마이닝 기술의 보급은 비용과 기술의 제약을 받지만, 기업 고위 경영진의 지원을 받을 수 있다면 데이터 마이닝의 응용은 큰 발전 전망을 가질 것이다.