智谋未来——大数据时代的财务经营分析

主讲老师  侯振兴

导言

“大数据时代，手指每敲击一下键盘，将自动上传为互联网数据的一部分。我们每播出一条新闻，也将上传为互联网数据”。——中央广播电台广告

今天，当我们每个人打开网页，特别是电商网页，所看见的都不一样。

大数据在我国电商、网络公司已经得到广泛应用，例如，百度旗下的“百度迁徙”“百度精算”“百度舆情”“百度大数据预测引擎”，阿里巴巴的“阿里云”“支付宝”“芝麻信用”“蚂蚁金融”，腾讯的“腾讯广点通”“腾讯云分析”和微信等都引用了大数据技术。

大数据的定义现在并没有完全统一，这里给出两个定义：

大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。——《促进大数据发展行动纲要》

麦肯锡全球研究所给出的定义是：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。

国务院发布的《促进大数据发展行动纲要》强调了大数据发展与相关政策的衔接配合，国家相继出台了有关物联网、云计算、宽带中国、智慧城市、信息消费、信息惠民、“互联网＋”《中国制造2025》，以及大众创业、万众创新等一系列信息化政策文件。从本质上讲，这些政策与《促进大数据发展行动纲要》都属于“中国信息化”这同一事物的不同侧面，即通过新一代信息技术创新应用，切实促进国民经济和社会事业发展。因此，加强对上述相关政策文件的整体性解读和关联性分析，避免政策碎片化、孤立化和割裂化，是至关重要的。

一、大数据时代财务经营分析的特点

新一轮信息技术革命与人类经济社会活动的交汇融合，引发了数据爆炸式增长，大数据随之产生。现在一天之间内，互联网上要发生多少事，没人知道准确数字，据有关机构估计：每天互联网上要发出2 940亿封邮件，发出200万篇博客，1 288个新应用可供下载，数据流量可以刻1.68亿张DVD光盘。百度每天处理的数据量将近100个PB，相当于5 000个国家图书馆的信息量的总和。

维基百科提出：“大数据”无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理。企业通常是将自己可利用到的海量数据视为大数据。政府如果将部门数据都整合起来会基本掌握每家公司、每一个人各方面情况，政府的“大数据”就是整合后的政府数据资源。虽然到现在为止，全社会对“大数据”的认识并没有达成一致。但在学术界有一种普遍认可观点，即“4V”：“大数据”是以体量巨大（Volume）、类型繁多（Variety）、存取速度快（Velocity）、价值密度低（Value）为基本特征的数据集。我们也按照这个观点进行介绍。

（一）体量巨大（Volume）

互联网时代，社交网络、电子商务与移动通信能记录每个人的一举一动，一言一行，一直有专家认为，可以通过网络数据对人“画像”，并且这个画像不仅外形形似，而且能描述人的内心世界。这是因为他们拥有一个以“PB”为单位的大数据。1PB就等于100万个G。假如一个人每秒看100个字，一天86 400秒，用三分之一时间阅读，从7岁会开始，一辈子阅读一百年，那么一生能阅读100年×360天/年×86 400秒/天×100字/秒÷3×2=207 360 000 000字节，最多就是207G。

大数据来源主要有两个来源：

（1）企业外部

伴随着各种随身设备、物联网和云计算、云存储等技术的发展，互联网数据已经不局限于传统意义上的网页、论坛，人和物的所有轨迹都可以被记录，数据因此被大量生产出来。移动互联网的核心网络节点是人，不再是网页。人人都成为数据制造者，短信、微博、照片、录像都是其数据产品。

（2）企业内部

企业内部也从传统的纸质或电子形式存在的文字、表格，扩展为电子设备、传感器、刷卡机、收款机、网站浏览记录等设施可视或非可视数据之海。

（二）类型繁多（Variety）

在大数据这个房间里，住着各种各样的“人”，它们分别叫做视频、聊天记录、注册信息、传感信号等。

在公司，随着传感器、智能设备以及社交协作技术的飞速发展，企业中的数据也变得更加复杂，因为它不仅包含传统的关系型数据，还包含来自网页、互联网日志文件（包括点击流数据）、搜索索引、社交媒体论坛、电子邮件、文档、主动和被动系统的传感器数据等原始、半结构化和非结构化数据。

在大数据时代，数据格式变得越来越多样，涵盖了文本、音频、图片、视频、模拟信号等不同的类型。Facebook的18亿张照片，移动设备传感器用户点击行为数据，电子地图行为、习惯数据，社交网络行为特点和生活习惯，电商户交易数据，互联网搜索引擎搜索行为和提问行为，这些数据格式不尽相同。即使同一个领域内，收集数据的格式也有很大差异。

例如，在交通领域，北京市交通智能化分析平台数据来自路网摄像头/传感器、公交、轨道交通、出租车以及省际客运、旅游、化危运输、停车、租车等运输行业，还有问卷调查和地理信息系统数据。4万辆浮动车每天产生2 000万条记录，交通卡刷卡记录每天1 900万条，手机定位数据每天1 800万条，出租车运营数据每天100万条，电子停车收费系统数据每天50万条，定期调查覆盖8万户家庭等，这些数据在体量和速度上都达到了大数据的规模，而且形态各异、快慢不一。

多样化的数据来源正是大数据的威力所在。例如，交通状况与其他领域的数据都存在较强的关联性。研究发现，可以从供水系统数据中发现早晨洗澡的高峰时段，加上一个偏移量（通常是40～45分钟）就能估算出交通早高峰时段；同样可以从电网数据中统计出傍晚办公楼集中关灯的时间，加上偏移量估算出晚上的堵车时段。

（三）存取速度快（Velocity）

以一个存储1PB的数据为例，即使带宽（网速）能达到1G/s，且电脑的容量足够且24小时运行，要将1PB的数据存入电脑也需要12天。大数据通过云计算，可以实现将12天才能存储完毕的数据，在20分钟之内完成。

在大数据处理速度方面，有一个著名的“1秒定律”，即要在秒级时间范围内给出分析结果，超出这个时间，数据就失去价值了。

IBM有一则广告，讲的是“1秒，能做什么”？1秒，能检测出台湾的铁道故障并发布预警；也能发现得克萨斯州的电力中断，避免电网瘫痪；还能帮助一家全球性金融公司锁定行业欺诈，保障客户利益。

在商业领域，“快”也早已贯穿企业运营、管理和决策智能化的每一个环节。实时数据分析一般用于金融、移动和互联网B2C等产品，往往要求在数秒内返回上亿行数据的分析，从而达到不影响用户体验的目的。

英特尔中国研究院首席工程师吴甘沙认为，快速度是大数据处理技术和传统的数据挖掘技术最大的区别。大数据是一种以实时数据处理、实时结果导向为特征的解决方案，它的“快”有两个层面。

一是数据产生得快。有的数据是爆发式产生，例如，欧洲核子研究中心的大型强子对撞机在工作状态下每秒产生PB级的数据。有的数据是涓涓细流式产生，但是由于用户众多，短时间内产生的数据量依然非常庞大。例如，互联网企业的海量数据采集工具，有Facebook、淘宝、百度、谷歌等，均可以满足每秒数百MB点击流、日志、射频识别数据、GPS（全球定位系统）位置信息的采集和传输需求，并将这些数据上载到中央系统上。

二是数据处理得快。正如水处理系统可以从水库调出水进行处理，也可以处理直接对涌进来的新水流。大数据也有批处理（“静止数据”转变为“正使用数据”）和流处理（“动态数据”转变为“正使用数据”）两种范式，以实现快速的数据处理。

吴甘沙（英特尔中国研究院的第一位“首席工程师”）提出，“天下武功，唯快不破”。

第一，时间就是金钱。如果说价值是分子，那么时间就是分母，分母越小，单位价值就越大。面临同样大的数据“矿山”，“挖矿”效率是竞争优势。

第二，像其他商品一样，数据的价值会折旧，等量数据在不同时间点价值不等。

第三，数据跟新闻一样具有时效性。很多传感器的数据产生几秒之后就失去意义了。美国国家海洋和大气管理局的超级计算机能够在日本地震后9分钟计算出海啸的可能性，但9分钟的延迟对于瞬间被海浪吞噬的生命来说还是太长了。即使对于大多数反馈时间要求不是那么严苛的应用，比如离线统计分析、机器学习、搜索引擎的反向索引计算、推荐引擎的计算等，考虑到面对的是海量数据，也与传统运算速度不可同日而语。

（四）价值密度低（Value）

大数据能做一个预言家。谷歌和推特都曾用大数据，提前7天到一个月，在2009年准确预测当年的流感趋势。

但是大数据应用的本质是类似沙里淘金、大海捞鱼、废品利用的过程，大数据并不直接意味大价值，实际上大数据的价值之低，也是非日常可以想象，大数据的价值是指经过分析发掘后可以释放潜在的价值。

上亿微信用户可能起床后的第一件事发微信的人并不多，一项火热的话题后50 000条评论中可能就有几条具有价值，公司1 000个客户代表也许只有3个客户只喝某个牌子的酒，3 000进店消费者大概只有1个人手中拿着软中华旁若无人进来，高炉1 000个传感器每分钟上报一个信号，几个月可能仅有2个信号接近临界值，许多产品类别和品牌几乎从来没有在社会化媒体上被提及，样本量可能微乎其微。社交媒体评论受复杂因素影响，如新闻、特别活动、媒体广告、促销、宣传、电影、竞争活动和电视节目等，发出的议论并不能代表其个人真实观点。如果再考虑，由于数据采集的不及时，数据样本不全面，数据不连续等因素，大数据的含金量可想而知。

与传统数据相比，大数据本质不同就在于需要进行筛选，如何才能将有用的信息在浩瀚的数据中过滤出来。传统意义上的数据基本真实可靠，会计结转成本无论金额采取那种方法，但数量一般都是准确的，可以说会计资料的每一个数据都基本准确、可以信赖，利用一年或者一个大修周期就能建立一个基本准确的产品评价模型。

大数据的有价值信息与之相比，价值太低，警察可能看上百个小时视频，可能有用的数据仅仅只有一两秒。大家都知道，网页浏览数据、微博数据能够得到，必然对很多生意都非常有帮助，但是一天网页浏览数据、微博数据都是个天文数字，这里面有用的信息有多少？可能仅仅是万分之几。从PB级的数据中寻找有用数据，无异于大海捞针。以股市为例，真正有价值的数据都只会在很小范围内（例如庄家之间）传播，极少可能会流落到互联网上来，所以你如果想去只靠分析微博上网民对股票涨跌的评论来做行情预测的话，真的是要小心了。

尤其不能忽视的是，目前许多数据仍处于“孤岛”状态，单一或少数领域的大数据不仅价值有限，还存在片面性的危险。社交媒体评论是通过网页抓取识别和收集的，我们几乎从来不知道确切的来源，背景，刺激因素，或评论背后的历史。只有数据跨越了行业领域间的界限，关联性加强时，数据的准确性才会提高。打通数据“孤岛”，融合数据还要走很长的路。另外，数据的收集、存储和搬运虽然越来越便利，但从技术上看，如何从海量数据中淘出有价值的信息，还缺少强大的工具。

二、大数据收集途径

（一）数据分析应从数据积累做起。

国家信息技术专家指出，开展数据分析首先应该从数据积累做起。例如，有个公司希望推出一种最新的饮料，希望知道到底是男性还是女性对这个饮料会更喜欢。如果做市场调研、问卷调查，找300个人，其中150个男人和150个女的，肯定会得出一定的数据量，但这一数据量只在几个KB而已，而真正需要数据量则应该达到几个MB或者到一个GB。单纯从数据量上面来讲，不仅是大企业，中小型企业，如有若干年的积累，也可以去做数据挖掘跟预测性分析。

举例来说，积累10万条消费者的完整记录，每个记录设置20个左右的变量，这个数据量可能在20个DB，就可以开展数据分析了。

拥有的数据量越大，数据分析的成功率也就越大。所以无论是大型企业，还是中小型企业都应该从数据积累做起，并通过有效的算法，进行深度分析，才能得出具有商业价值的结论。

与一般公司相比，一些网络巨头提前敏锐的察觉大数据的作用，积累掌握大量的数据。阿里巴巴创办人马云在台湾的一次演讲中就提到，未来的时代将不是IT时代，而是DT的时代。从这个讲话中，可以看出阿里巴巴已经基本完成了大数据的发展布局。

国内移动互联网大数据监测平台Trust Data于2015年11月14日发布两份报告。《2015年双十一中国移动互联网电商行业发展分析报告》报告指出，自十一月以来，淘宝日活跃用户逐渐扩大，双十一当天爆发到达峰值，超过一个亿。2015年11月10日，有这样一篇报道：微信用户超越移动QQ！微信月活跃用户数高达6.5亿。但这些数据属于各自公司，属于商业秘密，被视为财富，其他公司一般情况不可能掌握，即使出钱购买，相关公司也仅仅提供购买信息，购买企业也很难知道他们收集相关信息全部具体内容。

（二）外部数据来源

1．最可靠免费的数据平台即将开放

我国各级政府、公共机构汇聚了存量大、质量好、增长速度快、与社会公众关系密切的海量数据资源，除了部分自用和信息公开外，大部分没有充分发挥数据资源作为“生产要素、无形资产和社会财富”的应有作用。具体表现在：

第一，不愿共享开放。这一方面是认识的问题，一些政府部门和公共机构尚未意识到数据共享开放的价值。另一方面也是利益分配的问题，有些政府部门和公共机构把自己掌握和获取的数据，作为自己利益和权力的一部分，甚至看成是私有财产不愿共享开放，造成不同部门之间甚至同一部门不同机构之间都难以实现数据共享开放。另外，我国在数据共享开放方面的法律法规、制度标准建设相对落后，没有形成数据共享开放的刚性约束，数据共享开放缺乏考核管理体系，数据共享开放价值不明确、市场不健全、动力不充足。

第二，不敢共享开放。主要是由于我国当前尚缺乏严格规范数据共享开放的法规制度，相关人员担心政务数据共享开放会引起信息安全问题，担心数据泄密和失控，对数据共享开放具有恐惧感，不敢把自己掌握的数据资源向他人共享开放。在我国，对于保密文件以外的政府数据是否应该共享开放一直没有统一的规定，造成了定保密范围过大。我国《保密法》中对定密、解密程序、泄密处罚以及救济机制等重要制度设置已落后于实际发展的需要，导致政府部门对共享开放数据过度谨慎。

第三，不会共享开放。政府数据共享开放是一个高度专业化的工作，需要分级分类、收放结合、科学把握。政府数据该共享开放而不共享开放会引发数据隔离与封闭、价值损耗、信息孤岛等一系列问题。相反，不该共享开放而共享开放、或者不该大范围共享开放而大范围共享开放也可能带来更大的损失，甚至危及国家安全。目前我国尚未出台法律对数据共享开放原则、数据格式、质量标准、可用性、互操作性等做出规范要求，导致政府部门和公共机构数据共享开放能力不强、水平不高、质量不佳，严重制约了大数据作为基础性战略资源的开发应用和价值释放。

对此，《促进大数据发展行动纲要》提出，将加强数据资源的国家统筹管理，优先推进与民生保障服务相关的信用、交通、医疗、卫生、就业、社保、地理、文化、教育、科技、环境、金融、统计、气象等领域政府数据集向社会开放。

同时，建立健全相关法规制度，实现最大程度开放。并且要建立国家大数据统筹发展协调和监督机制，加强对政府信息化项目的后评价和项目稽察，强化对数据资源建设以及数据共享开放、数据质量和安全的审计监督。

2．购买第三方购买数据或者服务

互联网周刊发布的《2015年度中国大数据综合服务提供商TOP100》，前三名分别是IBM、oracle、SAP，中国本土比较靠前华为、阿里巴巴、百度。通过表单，不难发现，传统IT厂商正加速向大数据方案提供商转型。大数据解决方案提供商面向企业用户提供大数据一站式部署方案，覆盖数据中心和服务器等硬件、数据存储和数据库等基础软件、大数据分析应用软件以及技术运维支持等方面内容。其中，大数据基础软件和应用软件是大数据解决方案中的重点内容。

国内华为、联想、浪潮、曙光等一批IT厂商也都纷纷推出大数据解决方案。但总体上，国内大数据解决方案提供商实力较弱，产品在一些关键行业还未形成影响力，新兴大数据解决方案初创企业也凤毛麟角。

除此之外，Google、百度、亚马逊等互联网巨头也正着手建立完善的大数据服务基础架构及商业化模式，从数据的存储、挖掘、管理、计算等方面提供一站式服务，将各行各业的数据孤岛打通互联。

3．用爬虫爬取需要数据

网络爬虫（又叫网络蜘蛛，即Web Spider），是一个很形象的名字。把互联网比喻成一个蜘蛛网，那么爬虫就是在网上爬来爬去的蜘蛛。网络爬虫是通过网页的链接地址来寻找网页。它从网站某一个页面（通常是首页）开始，读取网页的内容，找到在网页中的其它链接地址，然后通过这些链接地址寻找下一个网页，这样一直循环下去，直到把这个网站所有的网页都抓取完为止。

如果把整个互联网当成一个网站，那么网络蜘蛛就可以用这个原理把互联网上所有的网页都抓取下来。从这个角度讲，网络蜘蛛就是一个爬行程序，一个抓取网页的程序。网络爬虫从本质上讲是搜索引擎的一个变种。搜索引擎就是自动从因特网搜集信息，经过一定整理以后，提供给用户进行查询的系统。因特网上的信息浩瀚万千，而且毫无秩序，所有的信息像汪洋上的一个个小岛，网页链接是这些小岛之间纵横交错的桥梁，只有通过搜索引擎，则为你绘制一幅一目了然的信息地图，供你随时查阅。

需要指出的是：爬虫软件不同于收索引擎，可能违反相关法律法规。例如，在未经他人允许的情况下，收集他人个人信息，可能侵犯他人的隐私权。

4．通过企业、开发者等授权积累数据

除了上网搜索、购物外，我们在使用Web邮箱时，发了一个邮件给朋友讨论下一个长假到哪个旅游胜地去度假，你会发现下次你再打开邮箱时，旁边的广告都和当地度假酒店或往返度假地的机票有关。这些都与一个网络专有名词“Cookie”有关。

Cookies是什么意思？字面上Cookies是“小甜饼”，但在网络世界，Cookies就是服务器暂存放在你的电脑里的资料（.txt格式的文本文件），让服务器用来辨认你的计算机。当你在浏览网站或发送Web邮件的时候，Web服务器会先送一个小资料放在你的计算机上，Cookies会帮你在网站上所打的文字或是一些选择都记录下来。当下次你再访问同一个网站，Web服务器会先看看有没有它上次留下的Cookies资料，有的话，就会依据Cookie里的内容来判断使用者，送出特定的网页内容给你。

透过Cookies，我们每个人都被数字化了，我们的个人资料，个人喜好，日常活动范围，购买偏好，通通以一串数字的形式展现在网络世界。

也就因为这个Cookies，每当我们在卓越网或当当网购买一本书后（甚至只是在他们网站上浏览了几本书），下次再去他们的网站，网站就会推荐和你上次购买有相关主题的书籍。好像知道你的喜好一样。当然服务器能够得到这些信息，如果与服务器的拥有者合作，你也能得到这些信息。

（三）内部信息收集

1．内部信息重点是全

内部信息收集应该尽可能全面，不仅涉及传统的生产、销售、财务等数据，也要涉及人事、战略、公共策略、企业文化等非结构化等信息数据。从反方向讲，只要是企业发生的事项都应该被收集，也可以说只要知道的信息就应该被记录。在大数据时代，没有无用数据，即使当时开展大数据分析，认识不到它的作用，可能几年后或其他人能够识别它的价值。

2．内部信息生命是准

数据质量是数据的生命线，只有准确的数据才有使用价值。在企业内部收集数据，与互联网不同，可以控制数据质量。数据质量与数据本身反应事项的成功和失败没有关系，成功的经验很宝贵，失败的教训可能更难求，在收集数据是，一定要关注失败经验的信息的准确性，由于种种原因，失败的原因可能被放大，失败的教训可能被修正。

3．企业内部信息应该从以下四大系统收集：

（1）事务处理系统：即针对管理中的具体事务如财务、销售、库存等发生的数据进行记录、传票、记账、统计和分类，制成报表等，主要存在于如财务处理系统、工资管理系统、物资进出库存管理系统、合同管理系统等。

（2）办公系统：办公人员管理各项办公信息，包括文字、数据、语言、图像为一体的综合性、跨学科的信息资料。

（3）知识储备系统：任何一个企业都需要具备依靠特定领域的知识专业技能，相关专业知识的专业人员是企业财富，为了留住他们的知识，应该建立一个平台，记录收集他们的“一言一行”。例如，开发某一新产品，设计人员就要开始收集、检查大量的资料，包括与新产品相关的专业领域的知识、企业内外部的各种信息等。

（4）决策咨询系统

①提供与决策有关的各种信息。

②与决策问题相关的各种模型和求解方法。

③决策问题综合分析，候选方案及其评价。

三、大数据分析方法

“不会酿酒，也能成为好的品酒师。”在IBM数据分析沙龙中，Asia Analytics首席执行官莫利伟通过品酒师的事例，说明企业应该如何正确进行数据分析，为大数据的应用作准备。作为一个企业的管理者，并不需要成为数据分析的天才或科学家，但需要将自己站在一个消费者的立场，体验、并理解数据分析带来的作用，从而更好地利用数据分析，实现最佳的收益。

莫利伟表示，数据分析对于公司来说，从财务以及业务的状况方面都可以带来很多的好处。根据麦肯锡的一份报告指出，能够善于运用这些数据分析的公司，平均的生产率和利润额都会比不采用这一方面的技术公司都要高5到6个百分点。以市场部作为一个例子来讲，同一份报告指出，如果能够以数据为中心来进行市场营销规划和决策，它的投入产出比会比其他不采用这一类方式的公司能够高15～20%。

在《财政部关于全面推进管理会计体系建设的指导意见》（财会〔2014〕27号）中指出：管理会计是会计的重要分支，主要服务于单位（包括企业和行政事业单位）内部管理需要，是通过利用相关信息，有机融合财务与业务活动，在单位规划、决策、控制和评价等方面发挥重要作用的管理活动。

楼继伟部长在《加快发展中国特色管理会计促进我国经济转型升级》讲话中指出：管理会计主要是利用有关信息预测前景、参与决策、规划未来、控制和评价经济活动，为企业和行政事业单位内部管理服务。与美英等发达国家相比，我国管理会计发展相对滞后。美国具备一定规模的企业，其经营部门（如生产和销售）都设有管理会计师岗位。90%的会计人员从事管理会计工作，75%的工作时间用于决策支持。在西方公共管理领域，管理会计也得到了广泛应用。

（一）大数据分析是管理会计发展方向

管理会计从发展历程看，西方管理会计是随着经济社会环境、企业生产经营模式以及管理科学和科技水平的不断发展而逐步发展起来的，大致经历了三个阶段：

1．成本决策与财务控制阶段（20世纪20年代－50年代）

管理会计萌芽于20世纪初，由于生产专业化、社会化程度的提高以及竞争日益激烈，企业的生存和发展不仅取决于产量的增加，更重要的是成本的降低，管理效率的重要性日益凸显。

20世纪20年代，泰罗提出的以提高劳动生产率、标准化生产和专业化管理为核心的科学管理学说在美国许多企业中受到重视，“标准成本控制”“预算控制”和“差异分析”等旨在提高企业生产效率和经济效益的管理方法被引入企业内部的会计实务中。

但由于泰罗的科学管理学说重局部、轻整体，二战后期逐步被现代管理科学所取代，形成了主要致力于加强企业内部生产经营与管理，尤其是对企业的未来进行科学预测与决策、对生产经营活动进行事前事中规划的相对独立的理论与方法体系。

在此基础上，以杜邦公司为代表的大型企业倡导并发展了以投资净利率指标为核心的杜邦财务指标体系，用来衡量各个部门的效率和整个企业的业绩。管理会计形成了以预算体系和成本会计系统为基础的成本决策和财务控制体系。1952年，国际会计师联合会年会正式采用“管理会计”来统称企业内部会计体系，标志着管理会计正式形成，自此现代会计分为财务会计和管理会计两大分支。

2．管理控制与决策阶段（20世纪50年代－80年代）

随着信息经济学、交易成本理论和不确定性理论被广泛引进到管理会计领域，加上新技术如电子计算机大量应用于企业流程管理，管理会计向着精密的数量化技术方法方向发展。投入产出法、线性规划、存货控制和方差分析等计划决策模型在这一时期发展起来，建立了有关流程分析、战略成本管理等理论与方法体系，极大推动了管理会计在企业的有效应用，管理会计职能转向为内部管理人员提供企业计划和控制信息。

但由于管理会计对高新技术发展重视不足，且依旧局限于传统责任范围并主要强调会计方面，其发展不仅落后于技术革命，而且落后于新的企业经营管理理论。为了改变这一状况，管理会计学者对新的企业经营环境下管理会计发展进行了探索，质量成本管理、作业成本法、价值链分析以及战略成本管理等创新的管理会计方法层出不穷，初步形成了一套新的成本管理控制体系。管理会计完成了从“为产品定价提供信息”到“为企业经营管理决策提供信息”的转变，由成本计算、标准成本制度、预算控制发展到管理控制与决策阶段。

3．强调企业价值创造阶段（20世纪90年代以后）

随着经济全球化和知识经济的发展，生产要素跨国跨地区流动不断加快，世界各国经济联系和依赖程度日益增强，技术进步导致产品寿命缩短，企业之间因产品、产业链的分工合作日趋频繁，准确把握市场定位、客户需求等尤为重要。在这样的背景下，管理会计越来越容易受到外部信息以及非财务信息对决策相关性的冲击，企业内部组织结构的变化也迫使管理会计在管理控制方面要有新的突破，需要从战略、经营决策、商业运营等各个层面掌握并有效利用所需的管理信息，为此管理会计发展了一系列新的决策工具和管理工具。

主要包括两个方面：

一是宏观性的决策工具和管理工具。比如，阿里巴巴的阿里云，可以通过云计算对客户的所有信息进行全面分析，从而判断客户的信用情况、供货或消费倾向、是否可以放贷等。这是管理会计未来的一个发展方向。

二是精细化的决策工具和管理工具。主要是在企业内部管理方面更加精细。比如，运用平衡计分卡将企业战略目标逐层分解，不但克服了信息的庞杂性和不对称性的干扰，也为企业提供了有效运作所需的可量化、可测度、可评估的各种信息，有利于推动企业战略目标的实现。

（二）大数据的开发与应用有着三个特点

1．数据样本，不再是抽样，而就是数据的总体。

分析数据是把所有搜集到的数据包括在内。过去开展数据分析，一般会使用样本，最简单的是两点确定一条直线，精确一点可以用算术平均值、几何平均值修正比率。《大数据时代》这本书介绍说：只有5%的数据是结构化能适用于传统数据库的，如果不接受混杂性，剩下的95%的非结构化数据都无法被利用，比如视频、语音、图片，无法打开另一扇窗户。

淘宝网上交易数据，可以很清楚揭示哪些品种的商品走俏，用以指导供货和生产。“以销定产”不再仅仅是一句口号，而变成了现实。随着人类交易活动全面数字化，这种清晰可见的经营模式将极大地节约资源、提高效率。有人说，用户体验是互联网时代最优秀的商业智慧，乔布斯的苹果、马化腾的微信、周鸿祎的360、雷军的小米等，无不因重视用户体验而获得巨大成功。而从另一个角度看，只有在大数据时代，才可能有真正的用户体验，因为这些大佬们的决策，所依据的不再是样本数据、抽样数据，更不是个案感觉，而是全样本大数据。

2．数据量的巨大，溶解存在的错误。

数据不必百分之百地准确，不必剔除特例，而是从“海量”的数据中总结出绝大部分人的共同特性。用“绝大多数的特性”代表“总体的特性”。过去的数据要绝对准确，现在这么大的数据量怎么绝对准确？

试错是自然科学研究的方法，科学家能够做自然科学的试错实验，爱迪生发明都是在千百次反复的失败实验中最后成功的。但我们不能做企业管理实验，因为有路径依赖，“开弓没有回头箭”，一旦管理变革试错，影响的不是一个人、一个项目，影响的是整个企业！大数据为我们创造了一个通过“瞬间互动”的纠错机制。我们可以通过“排队买包子”的方式，与网友进行充分互动，以检验政策效果。瞬间互动最大限度减少试错成本、节约了交易费用，最明显的改进是大大减少决策的失误，不犯颠覆性错误。

3．不再注重数据之间的“因果性”，而只注重于它们之间的“相关性”。

相关分析是大数据时代的一个代表性方法论。在“大数据时代”以前，因为无法获得全样本数据，我们只能做一些基于抽样数据的相关性分析，所得到的结论也只能是局部的、参考性的。依据这些结论作出的决策，需要根据实践效果的反馈来检验、修补、完善。这个方法成本高、效率低不说，还很容易产生失误，有时候甚至是重大失误。利用大数据时对全样本相关分析，就很容易克服上述难题了。

比如，人们可以通过到景区游玩所以人的面部表情的相关分析，验证景区建设风格究竟是不是受到游客的好评，这比对游客进行调查问卷更靠谱；对生产的所有民爆产品进行追踪，可以找到从原材料运输到成品产出，及其后期销售、使用，是否脱离监管体系，产生风险的环节在哪；我们在预测销售额时，可以通过直接统计销售量，也可以利用数据一致性法，考核用电量、包装袋、绩效工资、增值税等指标，甚至也还可以考察办公用品消耗、请教旅游的人数这些没什么因果关系但有很好的相关性指标。

（三）在大数据时代，数据挖掘是最关键的工作

大数据的挖掘是从海量、不完全的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识的过程，也是一种决策支持过程。在很多领域尤其是在商业领域如银行、电信、电商等行业，数据挖掘已经基本成熟，解决了很多问题，包括市场营销策略制定、背景分析、企业管理危机等。大数据的挖掘方法仍然在探索阶段，由于信息形式不同、使用目的不同，使用的挖掘方法也不尽相同。下面简单介绍几种数据常用分析方法：

1．分类。分类是找出大数据中的一类数据对象的共同点，并按照分类模式将其划分为不同的类，其目的是通过分类模型，将大数据库中的数据项映射到某个特定的类别中。需要注意的是，在分类时不是一个非此即彼的过程，同一类数据由于具有不同特征，可以被分到多个类别中去。如淘宝商铺将用户在一段时间内的购买情况划分根据品牌偏爱、年龄、婚姻状况、消费层次等指标将同一个用户分到不同的类别。

2．聚类。在进行分类后，按照分析目的，按照分类数据的相似性和差异性将一组数据分为几个大的聚类。属于同一聚类的数据间具有某种相似性指标，但不同聚类之间数据的相似性很小，跨类的数据关联性很低。例如：已婚的27岁女性，与未婚的27岁女性，在购买化妆品上没有太大区别。

3．关联规则。关联规则是隐藏在数据项之间的关联或相互关系，即可以根据一个数据项的出现推导出其他数据项的出现。这是开展数据挖掘的关键，假如，根据智能终端记录，晚上步行的人去药店的频率高于早上步行人群，可以关联出雾霾影响身体健康，并且主要来源于汽车尾气。反之，雾霾则可能主要来源于白天禁止生产企业的工业污染。

4．Web数据挖掘。指当网上出现A事项是可能出现与之表面无任何联系的C结果，暂且称之为乱关联——“懵”。当然大数据专家有固定的算法。假如，美国发生地震，中国股票大涨，台湾地区股票大跌；欧洲杯开幕，某个大型养鸡场的出蛋会提高20%。当然，上述例子是假的，任何两个能够产生关联关系的事件，必定存在某种内在联系，只是我们个人不能发现、或者现在还没有被发现而已。

四、财务经营细化方向

（一）经济环境、行业分析

1．传统经济环境、行业分析方法

（1）传统经济环境分析或者利用“产业生命周期”和“波特五力模型”进行行业分析，一般要掌握以下几个方面情况：

社会经济结构：是指国民经济中不同的经济成分、不同的产业部门及社会再生产各方面在组成国民经济整体时相互的适应性、量的比例及排列关联的状况，主要包括：产业结构（最重要）、分配结构、交换结构、消费结构、技术结构。

经济发展水平：是指一个国家经济发展的规模、速度和所达到的水平。主要指标：国内生产总值（GDP）、人均GDP和经济增长速度。

经济体制：国家经济组织的形式，它规定了国家与企业、企业与企业、企业与各经济部门之间的关系，并通过一定管理手段和方法来调控或影响社会经济流动的范围、内容和方式。

宏观经济政策：是指实现国家经济发展目标的战略与策略，包括综合性的全国发展战略和产业政策、国民收入分配政策、价格政策、物资流通政策等，（货币＋财政＋收入分配＋对外经济政策）。

当前经济状况：影响一个企业的财务业绩。经济的增长率取决于商品和服务需求的总体变化。其他经济影响因素包括：税收水平、通货膨胀率、贸易差额和汇率、失业率、利率、信贷投放以及政府补助等。

行业内新建项目：如果行业进入门槛较高，新进入行业很难进入行业，那么就能保证现有企业利益；如果行业进入门槛较低，新进入行业相对容易，那么必将引起新的市场分割。影响这些因素：审批条件、资金规模、技术含量等行业壁垒。

行业消费人群增长率：消费人群增长是拉动整个行业利润的动力，也是判断行业生命周期的主要依据。判断消费人群增长的主要依据：行业内企业销售增长率、目标销售人群的产品拥有量。可以通过：调查问卷、回访客户。

供应商（销售商）集中情况：当购买者（销售者）的集中，他们讨价还价能力就会增加。供应商（销售商）现有数量及发展情况。

新产品（替代品）研发情况：如果市场上即将出现功能类似或者更加强大的新产品或替代品，可能将影响整个行业的盈利水平。

（2）传统分析方法

①汇总企业现有资料。但除了自己相关的财务数据或者调查问卷外，收集政府的公告、公报，收集党报党刊，相关学术杂志。但除了大企业有专门部门或人员能收集相对完整外，一般中小企业很难收集，并且这些材料都是纸质资料，分类汇总困难较大。

②分析方法主要集中于单位内部管理人员讨论，聘请专家学者的观点。

③汇总各方面意见和建议，提交董事会决策。

上面所说的数据资料，大多为行业数据、宏观数据，如果没有很好的收集资料，相关人员没有敏锐的洞察力，很难做好，所以行业分析过去一般都依靠外部机构进行。

【案例分析】

某企业收购一家专用汽车生产厂家（上装厂），在进入实质谈判前期，进行行业分析，研判涉足专用汽车行业风险。该厂基本情况：该厂属于市属企业，是本市唯一一家专用汽车生产企业，在岗职工350人，退休人员120人。在市中心、工业园区各有一处厂房，生产地点在该市工业园区，市中心厂房仅用于售后维修，企业累计亏损1.2亿。

接到任务后公司由战略部门牵头，组织财务、人力资源、采购、办公室等部门30人的前期调查组，进行入组前准备工作。拟定初步收集下列信息：资产情况，本市购买专用汽车情况，行业销售特点，专用汽车生产要求，其他厂家分布情况等。

收集结果及过程：

资产情况：拟从税务局和银行得到财务报表，税务局内部制度规定，需要为纳税人保密，非司法部门因工作需要不得向外提供；银行也有类似规定，即使贷款卡的打印也需要出去被收购企业证明；仅从外部测量出，位于市区厂房面积50余亩，通过询问周边群众，大致建于1982年左右，工业园区厂房土地面积400余亩，大致建于2003年左右。资产收集情况基本无果。

本市购买专用汽车情况：同样从国税局车辆购置税分局和公安局车管所没得到官方的准确数据，通过路边人工统计，该专用汽车厂本地市场占有率40%左右，从本公司销售、采购人员询问负责本公司运输人员了解到，最近两年购买车辆不少，10年左右国家推出“混凝土”集中搅拌时，购买了一大批混凝土运输车，从一个领导在专汽行业的亲戚打听到，2013年国家要求扬尘企业必须配备洒水车，当时销售量不错。

行业销售特点：在向工商局申请调取专汽生产销售情况无果后，向运输单位和个人了解到，专用汽车销售与其他汽车销售相比，具有自己独特的销售渠道，几乎没有销售店，采用厂家直销模式开展。通过互联网查询、周边地市实际观察得知，一般地市都拥有一家或多家生产企业，除本市外地专用汽车较多外，周边地市一般购买外地生产车辆较少。

专用汽生产要求：从国家相关网站获悉，生产专用汽车，需要企业具备相关资质，没有生产企业开具的生产合格证，不得办理牌照。每一个车型都需要国家有关部门审批，车架生产厂家研发相关“上装”车型，供专汽生产厂家使用。但从运输人员处得知，专汽生产技术含量较低，汽修厂比较专业的师父都能个人生产，并且能够办理牌照，具体原因不详。

其他厂家分别情况：专用汽车行业地域性较强，尚未形成影响全国品牌，听运输师傅谈到，附近省份山东梁山是较大的专汽生产基地，实地考察后情况属实，郑州某专汽具有因具备客车生产资质，具有一定品牌影响力，本市北部某市、东北部某市尚未没有专汽生产厂，其他地市具有生产企业。

从上面数据可以看到，收集相关信息的难度之大，由于国家部门收相关规定现在，不能公开咨询信息，而从个人处收集的信息，受到个人认识、掌握情况等局限性，难以作为决策依据。

2．大数据开展经济环境、行业分析方向

（1）数据来源多元化

①建立政策监控机制。

可以利用基于大数据的网络信息抓取与挖掘方法对行业产生影响的相关因素进行监测。将影响企业所在行业的法律法规、项目审批信息、新产品替代品研发情况设置成相关指标，计算机会不间断的监测相关数据，并提供相关信息甚至研判。

以汽车企业为例，影响汽车行业的相关政策因素包括新能源汽车优惠政策、汽车进口关税、汽油价格等方面；影响汽车行业的经济环境包括国内宏观经济运行情况相关数据、国内金融运行情况相关数据以及国际宏观经济运行相关数据等，甚至年龄结构、收入分布、消费心理等。

②全面掌握对手情况。

竞争对手情况可以通过大数据手段来辅助抓取和挖掘。关于产品构成以及新产品相关的情况，可以抓取竞争对手的网站、微博、产品发布的一些常见网站和网络渠道来获得；关于产品的价格以及促销行为情况，可以抓取产品的官方网站、电商网站等来获得；研发能力和专利情况也可以通过抓取企业官方网站、相关的技术网站和论坛、专利查询网站等渠道来获取；组织结构和人力资源变动情况可以通过抓取其企业官方网站、主流的招聘网站或者高端人才的猎聘类等网站；生产和经营情况这方面的网上资料可能偏少，如果是上市企业，可以通过财经类的网站、上市公司财报等渠道获取。

相对于宏观环境分析、行业市场分析，大数据在企业竞争分析所起到的作用更为关键，对企业的用处也更为直接。企业需要高度重视这个方向，以通过大数据的手段获得更为及时和有效的竞争情报。

（2）快速的建议，更靠谱的决策

①已经拥有一部分成功经验

在经历了喊口号、布局深耕之后，大数据应用开始显现出巨大的商业价值，触角已延伸到零售、金融、教育、医疗、体育、制造、影视、政府等各行各业。这些行业积累了一定的经验教训，在开展大数据分析时，可以借鉴，提高工作效率。随着中国企业数据中心数据存储量的快速增长，非结构化数据呈指数级增长，有效地处理和分析结构化数据和非结构化数据中所富含的对企业和政府有价值的信息将带动新的盈利模式、管理模式、创新模式以及思维模式。

②免费专家的观点

对于行业市场分析中相关的行业市场规模、增速速度预测、产业集中度的分析、细分市场的分析以及行业发展趋势等方向，对于常人来说，判断存在一定困难，首先是掌握数据不足，其次是缺少相关知识。大数据时代，可以通过爬虫技术抓取财经类网站如金融界、证券公司网站、第三方市场研究公司网站、投资机构网站等抓取相关市场分析的有用信息，以辅助分析师进行行业市场分析。

（二）市场营销分析

市场营销分析，是指企业在规定时间，对各个营销区域的各项销售工作进行的总结、分析、检讨及评估，并对下阶段的营销工作提出修正建议，对某些区域的营销策略进行局部调整，甚至对某些区域的销售目标计划予以重新制定。

1．传统市场营销分析

（1）市场营销分析应该注重以下几方面内容：

①分析产品是否适应目标市场

中国地域广阔，各地消费习惯差异很大，这些差异受文化、气候、宗教信仰等诸多因素影响，在短期内不会得到根本改变，甚至不会改变。在进行市场开发或者开发前期，首先要对目标市场进行调研，分析产品是否适合当地市场。一旦发现你的产品不适应度当地市场，就应当立即调整销售战略战略方向。

例如，有一个面食餐饮连锁企业，在进入北京市场时，选址在繁华地段，投入了大量广告宣传，但最终没有取得理想业绩。对产品在北京市场的适应度进行分析，会发现面食企业所经营主要产品具有强烈的地域色彩，在当地很受追捧的饮食并不适合其他地域口味。

②消费者对产品的关注度与喜好度

一般来说，广告投入多，消费者的关注度相应也高，但关注度高不等于喜好度高。当产品的品牌知名度与消费者对产品的喜好度产生较大差异时，就应当尽快查找这种差异产生的原因，使局面尽快得到扭转。

我国某家大型饮料生产企业，在推出一款新产品是直接与两大国际饮料生产企业的同类产品进行竞争，在投入大量的广告费用后，并没有取得理想的销售业绩。公司在分析后，把营销重点从城市转到农村，取得良好的业绩。

③分析价格促进消费需求

价格在市场营销中一般是最敏感的因素，新产品上市采用“撇脂”定价还是“渗透”定价取决于很多因素。企业的知名度、顾客的忠诚度、产品的可替代性及转换成本等等。

英特尔公司是市场撇脂定价法的最初使用者。当英特尔公司开发出一种电脑芯片时，如果该芯片明显优于竞争芯片，那么英特尔就会设定它能够设定的最高价格。当销售量下降时，或者当受到竞争对手开发出类似芯片的威胁时，英特尔就会降低芯片价格，以便吸引对价格敏感的新顾客层。现在苹果公司采用的是“类撇脂”定价方法，之所以称之为“类”是因为苹果产品价格并没有随着时间推移而大幅度降低，而是以推出新产品代替老产品的方法取代代替了降价。

④分析渠道提升运作效率

在市场营销中渠道为王，它是产品通向消费者的桥梁。渠道分析主要是现在的渠道是否畅通销售渠道的类型选择（直接式销售策略和间接式销售策略）是否正确；分销商的满意程度；销售渠道管理和控制是否有效。

⑤分析广告与促销与销量增长关系

广告宣传费与促销费是企业营销费用投入最多的两个方面。而这两大投入的有效性，直接影响着企业的营销结果。对广告有效性的评价应该从以下三个方面进行：

第一，广告表达方式和诉求点选择是否到位。通常，企业在委托广告代理公司发布广告一个阶段后，都会要求对广告受众作一个效果调查，以便及时掌握其目标消费者对广告的表达方式和诉求点的接收与否。一般来说，这种广告效果调查应当委托第三者执行，以求得客观、公正的评价。

第二，媒体的选择是否准确。任何一种媒体（节目）都有基本固定的受众，如果发现所选择的媒体（包括时段、频道）并非是企业产品目标消费群最佳的接收对象，就应当及时提出异议，并建议做出调整。

第三，媒体投放量是否适宜。而对推广活动和促销活动的效果分析则主要体现在两方面：一方面是推广活动的受众面。另一方面是促销活动的“促销”效果。

应该注意：归因模型在将消费者的最终购买转化归因给不同的广告渠道上显然是有效的。然而，在一个多渠道的环境中，仅仅从购买层面去考察互联网广告渠道的贡献度并不足以完整地刻画不同广告渠道的表现。

2．大数据时代营销分析方向

（1）大数据时代营销分析数据来源

①建立企业内部进行信息共享机制

首先共享销售人员之间信息，客户名单及其具体信息，例如客户的年龄、性别、文化程度、收入情况等等信息尽可能收集全面，以供分析产品潜在消费人群。其次共享部门间信息，建立统一的信息平台。销售部门掌握的营销情况，例如企业形象的宣传，产品介绍应该及时共享给受理咨询部门、售后服务部门。而受理咨询部门应该及时把顾客咨询问题反馈该销售部门和研发部门、生产部门。

②利用互联网收集产品情况

产品网页的浏览情况、产品评价情况、产品引发评论、网上调查情况、意见征集情况、目标市场的生活习惯等外部因素。

（2）大数据时代营销分析方法

许多人感觉到大数据时代正在到来，但往往只是一种朦胧的感觉，对于其真正对营销带来的威力可以用一个时髦的词来形容——不明觉厉。实际上，还是应尽量弄明白，才会明白其厉害之处。对于多数企业而言，大数据营销的主要价值源于以下几个方面：

①实现顾客被脸谱化

因为大数据时代能够积累足够的用户数据，可以通过用户行为和特征分析出用户的喜好与购买习惯，做到“比用户更了解用户自己购买需求”。当网页浏览记录、购买习惯、生活规律等等个人信息数据化以后，你已经变成了透明人，行为学专家很容易判断你在想什么，你要做什么？

②营销对象更加明确

通过顾客脸谱化后，已经掌握了顾客需要或者潜在需求，营销对象清晰可见。

③营销成效成倍递增

大数据可以给出各个年龄阶段、不同性别、各个阶层、不同收入水平所喜欢的营销方式。集合你的产品及目标销售人群、潜在客户营销方式肯定能做到可投其所好，成效倍增。比如《纸牌屋》之前，通过大数据分析知道了潜在观众最喜欢的导演与演员，大获成功。

④提高应变能力

媒体报道315晚会期间，多家上市公司集中高管观看晚会。通过“爬虫”软件可以及时掌握负面报道，缩短反应时间。同时，大数据甚至还可以方案，以供高管选择。

⑤指引研发方向

一个优秀的公司应该做的引导消费，通过大数据可以找出客户的潜在需求，研发新产品，保证新产品在上市后销售量。沃尔玛“啤酒与尿布”营销模式就是很好的例子。

⑥全程监控竞争对手

“知己知彼，百战不殆”，通过大数据监测分析，得知竞争对手在干什么，将要干什么。

（三）销售分析

销售分析又称销售数据分析，主要用于衡量和评估相关人员所制定的计划销售目标与实际销售之间的关系。

1．销售与营销的区别

营销与销售虽然都有一个“销”字，并且在工作中都有同一个部门负责，营销与销售的范围在工作中往往被模糊。美国知名营销专家菲利普•科特勒在其书中说到营销与销售的区别：营销是企业关于如何发现，创造和交付价值以满足一定目标市场的需求，同时获得利润的一门学科。而销售则指的是向顾客介绍商品，以满足客户特定需求的过程。

营销是一门系统工程，涉及到众多领域和理论概念。比如市场细分、目标市场选择、市场供给品、品牌、价值和营销策划、营销方案等数十多种领域。而销售，在国外则被称之为推销。这就要求销售人员要有足够的热情、执着的最求、非一般的忍耐力与勇气。有效地销售会利用各种身体语言吸引客户的关注。从营销和销售的侧重点不同可以看出营销与销售的区别之大，可以谓之是不同的两个领域。

为此开展销售分析与营销分析的重点、给出的结论也不同。

2．传统的销售分析

销售分析可以采用销售差异分析和微观销售分析两种方法。

（1）销售差异分析

主要用于分析各个不同的因素对销售额的贡献。如：品牌、价格、售后服务、销售策略。主要包括营运资金周转期分析、销售收入结构分析、销售收入对比分析、成本费用分析、利润分析、净资产收益率分析等。

针对同一区域不同产品的销售差异分析，主要是为企业的销售策略提供建议和参考。

针对不同区域的同一产品的销售差异分析，主要是为企业的区域策略提供建议和参考。

（2）微观销售分析

主要分析决定未能达到销售额的特定产品、地区等。微观销售分析可以决定一个企业或公司的销售方向。

同一地区产品销售数据分析。畅、滞销产品分析是同一地区产品销售数据分析中最简单、最直观、也是最重要的数据因素之一。畅销产品即在一定时间内销量较大的产品，而滞销产品则相反，是指在一定时间内销量较小的产品。产品的畅滞销程度主要跟各产品的可支配库存数有关。

产品销售生命周期分析。产品销售生命周期是指产品销售的总时间跨度以及该时间段的销售状况（一般是指正价销售期）。产品销售周期分析一般是适用于重点产品来做分析，以判断出是否缺货或产生库存压力，从而及时做出对策。

销售/库存对比分析。区域之间的销售对比与产品调配能有效提升总仓的物流管理能力以及各区域销售水平和解决库存能力。可以通过某一时间段内所选定的区域之间的销售/库存对比分析表格比较不同区域之间的产品销售数据分析管理。

顾客忠诚度分析。对企业开发新产品，分析就显得尤为重要了。新产品需要对老顾客（特别是持VIP卡的顾客）率先购买，为企业提供资金，并引领其他消费者购买使用。

个人销售能力分析。通过员工个人销售能力分析，可及时了解和掌握每个员工的工作能力和工作心态，以便对症下药，提高个人销售业绩。

个人销售业绩分析。个人销售业绩主要有两个因素构成：个人的销售能力和工作积极性。

传统销售分析法的不足是没有反应企业相对于竞争者的状况，没有能够剔除掉一般的环境因素对企业经营状况的影响。

3．大数据时代销售分析方向

（1）完善客户信用体系

通过大数据，可以得到更多的客户信息，充实客户信用资料，改变原来依靠印象、宣传册等客户单方资料建立信用体系的情况，实时关注重要客户资信变动情况，采取有效措施，防范信用风险。特别随着国家机关行政数据的公开，可以通过相关数据的查询，全方位了解客户，建立真正意义上的客户信用体系。

（2）综合利用各种信息，提高市场占有率

企业可以在充分调查市场的基础上，合理确定定价机制和信用方式，并根据市场变化及时调整销售策略，灵活运用销售折扣、销售折让、信用销售、代销和广告宣传等多种策略和营销方式，促进销售目标实现，不断提高市场占有率。

（3）准确划分战略群组

大数据时代行业内各企业分销渠道、市场定位、产品质量、技术领先、用户服务、价格政策、广告政策及促销等方面已经不再是内部信息。

（4）掌握行业数据，评价销售成果

可以将自己的销售数据与行业特别是同一战略群组中企业数据进行比较，客观分析企业销售情况。

（5）满意度、需求分析更可靠

网络调查结果比面对面调查结果更可信，范围更广，更具有针对性。结合从其他方面得到的信息（产品评论），能得到更加真实的满意度评价和产品需求信息。

（四）供应链分析

供应链是指围绕核心企业，通过对商流，信息流，物流，资金流的控制，从采购原材料开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中的将供应商，制造商，分销商，零售商，直到最终用户连成一个整体的功能网链结构。

1．传统供应链分析

供应链从企业的范围，可以分为内部供应链和外部供应链。内部供应链是指企业内部产品生产和流通过程中所涉及的采购部门、生产部门、仓储部门、销售部门等组成的供需网络。外部供应链是指与企业同处一个利益链条上的上下游企业，供给原来的上游企业，销售企业产品的下游企业。

内部供应链和外部供应链的关系：二者共同组成了企业产品从原材料到成品到消费者的供应链。可以说，内部供应链是外部供应链的缩小化。

（1）供应链分析的目的是满足客户需求，降低成本，实现利润：

①提高客户满意度。这是供应链管理与优化的最终目标，供应链管理和优化的一切方式方法，都是朝向这个目标而努力的，这个目标同时也是企业赖以生存的根本。

②提高企业管理水平。供应链管理与优化的重要内容就是流程上的再造与设计，这对提高企业管理水平和管理流程，具有不可或缺的作用。同时，随着企业供应链流程的推进和实施、应用，企业管理的系统化和标准化将会有极大的改进，这些都有助于企业管理水平的提高。

③节约交易成本。结合电子商务整合供应链将大大降低供应链内各环节的交易成本，缩短交易时间。

④降低存货水平。通过扩展组织的边界，供应商能够随时掌握存货信息，组织生产，及时补充，因此企业已无必要维持较高的存货水平。比如：丰田零库存。

⑤降低采购成本，促进供应商管理。由于供应商能够方便地取得存货和采购信息，应用于采购管理的人员等都可以从这种低价值的劳动中解脱出来，从事具有更高价值的工作。

⑥减少循环周期。通过供应链的自动化，预测的精确度将大幅度的提高，这将导致企业不仅能生产出需要的产品，而且能减少生产的时间，提高顾客满意度。

⑦收入和利润增加。通过组织边界的延伸，企业能履行它们的合同，增加收入并维持和增加市场份额。

⑧网络的扩张。供应链本身就代表着网络，一个企业建立了自己的供应链系统，本身就已经建立起了业务网络。

（2）供应链管理涉及的基础理论

供应链管理是企业组织生产、采购、销售的基础，是实行产品增值的关键环节，其中涉及很多管理学基础理论。

库存管理：循环库存的部署策略，安全库存的部署策略，季节库存的部署策略。

运输管理：运输方式的选择如何，路径和网络选择如何，自营与外包，反应能力和盈利水平的权衡。

生产方式管理：订单生产，按库存生产。

信息传递：与进行供应链协调与信息共享。

在传统生产模式下，假如生产商，由于不掌握市场情况，只能按照以往经验预估市场需求，采购、组织生产、销售。由于信息梗阻和延迟，在购买原材料时，为确保生产顺利进行，需要多采购一定量原材料建立安全库存，销售渠道中有的销售商可能缺货而有的销售商可能形成沉淀，在组织生产时，需要提前生产。上述管理方法，随着信息技术发展和生产力的进步，都正在发生变化，并逐步成为企业核心竞争力关键。

在链条管理上，日本丰田公司可以堪称楷模。

2．大数据时代供应链分析方向

大数据时代让企业信息越来越多的被有意无意的公开，行业利润透明化已经成为趋势，利润空间将被逐步压缩。在这种情况下，开展供应链管理，提高企业自身附加值已经成为利润增长或保持的途径之一。

准确的需求量。需求从生产企业销售人员分析到分析商的预测，甚至到订单确定数字，准确程度大幅度提高，直接关系到库存策略，生产安排以及对终端客户的订单交付率，能最大限度降低因产品的缺货或者滞销将给企业带来的损失。

全球化市场采购。在寻找供货商时，可以进行全球比较，寻找最合格供应商满足生产需求。

实现链条合作。通过实现上下游双方或多方信息的交互，库存与需求信息交互，采购订单与生产订单打通，可以使整个链条利润最大化，提高链条上各企业利润。

最优库存量。成熟的补货和库存协调机制消除过量的库存，降低库存持有成本。通过从需求变动、安全库存水平、采购提前期、最大库存设置、采购订购批量、采购变动等方面综合考虑，监理优化的库存结构和库存水平设置。

大数据时代整个供应链变成一个整体，从客户需求产生，产品设计到采购、制造、订单、物流以及协同的各个环节，信息共享互通有无，形成利益共同体。链条各企业应冲洗优化供应链战略和网络，形成便捷的物流体系，建立高效的运输与配送中心管理，推动供应链成为企业发展的核心竞争力。

（五）成本分析

成本分析是指按照一定的原则，采用一定的方法，利用成本计划、成本核算和其他有关资料，控制实际成本的支出，揭示成本计划完成情况，查明成本升降的原因，寻求降低成本的途径和方法，以达到用最少的劳动消耗取得最大的经济效益的目的。

1．传统成本分析

（1）成本分析具体项目

①产品生产成本

直接材料成本：原材料、辅料、燃料动力、包装物料等的费用。

直接人工成本：生产人员的工资、福利、社会保险等的费用。

制造费用：生产系统管理人员的工资、福利等开支，生产设备的折旧费、维修费、设备财产保险费等。

②期间费用

管理费用包括：

采购费用：正式购买前的订购成本，长期维持物资储存量的维持成本，没有及时购回造成的缺料成本（损失）；

产品研发费用；

设备管理费用；

质量管理费用；

安全环保管理费用；

人力资源管理费用；

行政经营管理费用：生产部门以外的其他各部门人员的工资、福利、社会保险、住房公积金、补贴等，办公费，招待费，通信费，交通费，差旅费，会议费，劳动保护费，工会经费，董事会会费，印刷费，咨询费，诉讼费，审计费，固定资产折旧费，设施维修费，水电费，绿化费，排污费，税金，企业上交的各项专项费用等。

销售费用包括：

销售人员薪酬；

销售业务费用：办公费、通信费、差旅费、招待费、销售折扣、坏账损失等；

公关费用；

广告费用；

售后服务费用；

销售物流费用：产品库存费、包装费、运费、装卸费等。

财务费用：

筹资费用：利息损失、汇兑损失等；

资金运行费用：银行手续费、现金折扣等。

（2）成本分析方法

成本分析方法主要分为对比分析法，连锁替代法，相关分析法。

对比分析法是通过成本指标在不同时期（或不同情况）的数据的对比，来揭露矛盾的一种方法，成本指标的对比，必须注意指标的可比性。

比较形式：

①绝对数比较，如上年产品单位成本10元，本年产品单位成本为9.5元；

②增减数比较，如本年成本比上年降低0.5元；

③指数比较，如本年成本比上年降低5%。

连锁替代法也称连锁置换法、连环替代法。它是确定引起某经济指标变动的各个因素影响程度的一种计算方法。

相关分析法：企业的各种经济指标，存在着相互依存关系，一个指标变了，就会影响到其他经济指标。例如：生产数量的变化，必然会引起成本的相应变化，利用数学方法进行相关分析，找出有关经济指标之间规律性的联系，即为相关分析法。

（3）成本分析的意义

成本分析是根据成本资料对成本指标所进行的分析。其包括成本的事前、事中和事后三个方面。

成本的事前分析是指在成本未形成之前所进行的成本预测。进行事前成本分析，可使企业的成本控制有可靠的目标。

成本的事中分析是指对正在执行的成本计划的结果所进行的分析。事中分析主要是为了进行成本控制，防止实际成本超过目标成本的范围。

成本的事后控制是指对成本实际执行的结果所作的分析。事后分析主要是对成本执行的结果进行评价，分析产生问题的原因，总结成本降低的经验，以利于下一期的成本控制活动的开展。

（4）成本分析的任务

①正确计算成本计划的执行结果，计算产生的差异；

②找出产生差异的原因；

③正确对成本计划的执行情况进行评价；

④提出进一步降低成本的措施和方案。

（5）成本分析的原则

①全面分析与重点分析相结合的原则；

②专业分析与群众分析相结合的原则；

③纵向分析与横向分析相结合的原则；

④事后分析与事前、事中分析相结合的原则。

2．大数据时代成本分析方向

全面成本分析变为现实。使用大数据进行成本分析，只需对相关指标进行关联，以后各期都会实现自动分析，大大降低了人工成本，并且可以对一个项目进行多侧面分析，以取得最佳效果。

分析具有可扩充性和修正性。大数据分析可以随时扩充分析指标，对分析指标也可以按照管理目的及时调整，并能进行修改前后单个修改指标进行对比，也能对修改前后整体指标进行对比。

实时监督、快速选择。在生产经营过程中将，实时可以与历史数据、计划数据等方面进行对比分析，找出偏差较大的科目，分析原因，发现问题，最终采取针对性措施解决“问题”。结果瞬间产生。只要预设好分析公式，指标调整或者变动后，结果瞬间产生。如果设置了相关的计算方法，能够实现该任何一项成本变化对企业最终经营结果影响的绝对值和相对值。

提高新的比较“标杆”。大数据可以轻易获得行业平均，甚至动态平均数据、标杆企业数据等。

（六）预算分析

1．《企业内部控制应用指引第15号——全面预算》

【文件摘要】

第一章  总则

第二条  本指引所称全面预算，是指企业对一定期间经营活动、投资活动、财务活动等作出的预算安排。

第三条  企业实行全面预算管理，至少应当关注下列风险：

（一）不编制预算或预算不健全，可能导致企业经营缺乏约束或盲目经营。

（二）预算目标不合理、编制不科学，可能导致企业资源浪费或发展战略难以实现。

（三）预算缺乏刚性、执行不力、考核不严，可能导致预算管理流于形式。

第四条  企业应当加强全面预算工作的组织领导，明确预算管理体制以及各预算执行单位的职责权限、授权批准程序和工作协调机制。

企业应当设立预算管理委员会履行全面预算管理职责，其成员由企业负责人及内部相关部门负责人组成。

预算管理委员会主要负责拟定预算目标和预算政策，制定预算管理的具体措施和办法，组织编制、平衡预算草案，下达经批准的预算，协调解决预算编制和执行中的问题，考核预算执行情况，督促完成预算目标。预算管理委员会下设预算管理工作机构，由其履行日常管理职责。预算管理工作机构一般设在财会部门。

总会计师或分管会计工作的负责人应当协助企业负责人负责企业全面预算管理工作的组织领导。

第二章  预算编制

第六条  企业应当根据发展战略和年度生产经营计划，综合考虑预算期内经济政策、市场环境等因素，按照上下结合、分级编制、逐级汇总的程序，编制年度全面预算。

企业可以选择或综合运用固定预算、弹性预算、滚动预算等方法编制预算。

第三章  预算执行

第十三条  企业预算管理工作机构和各预算执行单位应当建立预算执行情况分析制度，定期召开预算执行分析会议，通报预算执行情况，研究、解决预算执行中存在的问题，提出改进措施。

企业分析预算执行情况，应当充分收集有关财务、业务、市场、技术、政策、法律等方面的信息资料，根据不同情况分别采用比率分析、比较分析、因素分析等方法，从定量与定性两个层面充分反映预算执行单位的现状、发展趋势及其存在的潜力。

2．传统预算分析

（1）全面预算信息分析所涉范围

全面预算信息分析范围包括：

预算编制：主要分析目的是预算目标分析。

预算执行：主要分析目的是预算执行差异分析。

预算执行结果分析：主要分析目的是目标的实现和公司经营状况财务分析。

预算信息分析范围包括：公司内外部资源状况、公司整体经营状况、各责任主体预算执行情况、产品盈利等等情况。

全面预算信息分析应以定期与不定期两种形式开展。

定期分析一般针对预算编制及执行过程中常规项目进行的分析，包括月度、季度、半年度及年度。

不定期分析针对预算执行过程中出现的重大问题或内外部环境变化情况、公司经营管理的需要对预算编制或调整所需信息进行的相关分析。

（2）全面预算的内容

①经营预算：开发预算、销售预算、销售费用预算、管理费用预算等。

②财务预算：投资预算、资金预算、预计利润表、预计资产负债表等。

（3）全面预算的目的

①资源配置。预算管理能将企业资源加以整合与优化，通过内部化来节约交易成本，达到资源利用效率最大化。

②管理协调。对于企业尤其是大企业，管理跨度加大，需要通过一个机制来强化管理的协调。预算管理通过制度运行来代替管理，是一种制度管理而不是人的管理。

③全员参与。预算管理决不只是财务部门的事情，而是企业综合的全面的管理。预算管理过程涉及企业的各个部门及所有员工，那种将预算管理视为部门管理的想法是错误的。

④战略支持。预算管理通过规划未来的发展指导当前的实践，因而具有战略性。战略支持功能最充分地体现在动态预算上，通过滚动预算和弹性预算形式，将未来置于现实之中。

⑤自我控制。预算管理是一种控制机制，预算作为一根“标杆”，使所有预算执行主体都知道自己的目标是什么？

（4）全面预算信息分析采用的方法

全面预算信息分析的方法由于公司性质、规模、公司要求、相关人员看法不同而不尽相同，但一个公司应该在编制预算时确定相关方法，并执行下去，除非变化经公司管理层同意。一般可以从下面几个方面进行分析：

①结构分析法：是指通过计算某项经济指标各个组成部分占总体的比重，探讨各个部分在结构上的变化规律。

②对比分析法：是指将各项报表资料中不同时期的同项数据进行对比，反映报表中的项目与总体关系情况及其变动情况。

③趋势分析法：是指根据连续几个时期的分析资料，运用指数或完成率的计算，确定分析期各有关项目的变动情况和趋势。

④因素分析法：是指用来确定几个相互联系的因素对分析对象（如某项综合财务指标或经济指标）的影响程度的一种分析方法。

⑤比率分析法：是指以同一期财务报表上的相关项目互相比较，求出它们间的比率，以说明财务报表上所列项目与项目之间的关系，从而揭示公司的财务状况，是财务分析的核心。

⑥边际分析法：是指产品扣除自身变动成本后给公司所做的贡献，用以分析确定在什么样的业务量下公司将盈利，在什么样的业务量下公司会出现亏损，以及有关因素变动对盈亏的影响。

敏感性分析：是指通过对影响企业目标利润不确定因素的分析，找出其中的敏感因素，并确定其影响程度的一种分析方法。

预算目标分析：一般通过本量利关系。本量利分析应该关注两点：一是合理划分共同成本费用，二是对关键成本费用进行成本性态分析。

全面预算是由一系列预算构成的体系，各项预算之间相互联系、相互影响，关系十分复杂，以下是一个简化后的示意图。

全面预算编制简单要点：

①全面预算的主线是从销售预算到生产预算，进而细分到原材料、人工、制造费用预算等，最后汇总成生产成本预算。

②在做全面预算时，一般应对各项费用做成本性态分析，尽可能的转化成固定成本和变动成本，以求预算数据接近真实情况；例如人工成本，可以分为固定工资，包括：基本工资，养老保险、工伤保险等五险一金，以及包括女职工卫生费在内的所有固定不变部分；变动工资，与生产数量具有线性关系部分。

③关注成本费用中相互联系和相互转换关系，避免重复或者漏记。例如制造费用中固定资产折旧，需要考虑新购买机器设备等固定资产的如何核算。

某企业销售预算中预计销售量、销售价格的讲解：

表格说明：

指标设置依据：该公司认为，与当月销售量和价格最相关的两个月份是上月和去年同期，故从这两个维度预计当月的销售量和价格，然后加权平均，预计当月销售量和价格。

指标具体含义：同期单价是指去年同期的单价；上年同比增长是指上年同期单价与上期相比的增长率；同比三期平均是指包含上期增长率的前三期算术平均值；同比异常是指（1－上年同步增长率/三期平均）＞10%，则评价为异常；预计同比增长率是指，如果异常指标为否，按照上年同比增长率与同比三年平均增长率的平均值确定预计同比增长率，如果异常指标为是，则由相关人员确定预计同比增长率；同期拟定单价是指根据同期价格与拟定同比增长率确定的价格。

上月价格是指通过全面预算确定的上月预计销售价格；同期环比是指上年同期单价与当年上一月度相比的增长率；环比三期平均是指包含同期环比的前三期算术平均值；环比异常是指（1－上年同比增长率/环比三期平均）＞10%，则评价为异常；预计环比增长率是指，如果环比异常指标为否，按照同期环比增长率与环比三月平均增长率的平均值确定预计环比增长率，如果异常指标为是，则由相关人员确定预计环比增长率；环比拟定单价是指根据同期价格与拟定同比增长率确定的价格。

加权平均单价是通过环比拟定单价和同比拟定单价，按照各自增长率比重加权平均最终确定的单价。具体公式：

加权平均单价＝同期拟定单价×预计同比增长率（预计同比增长率＋预计环比增长率）＋环比拟定单价×预计环比增长率（预计同比增长率＋预计环比增长率）

全面预算编制是开展管理会计的前提之一，各个单位应该积极开展，在初期可以完成简单的预算编制，然后逐步扩充完善。

3．大数据时代预算分析方向

提高预算水平。建立统一的预算编制平台，可以实现实时交互，能够成倍提传递效率，降低预算编制时间。

收集信息更全面。我们不仅可以收集到财务、生产、销售和资金等组织内部信息，还可以对外部同行业市场、人力等成本数据进行筛选和测算。

信息共享程度高。因为所有部门的预算平台进行，促进组织内部的沟通与联系。对预算执行实现实时控制。

预算分析更便捷。通过统一预算编制平台，可以实时掌握企业各项业务的实际数据，并能与预算数据进行比较，查看分析预算执行情况。由于预算数据是电子形式存在，便于修改个调整，管理层可以通过预算执行情况，调整下一期的预算，并能在当时获得调整后新预算结果。

自动生成预算分析报告。如果创建标准报告模型，对相关数据进行指定，可以实现定量分析报告。如果引进智能分析系统，系统可以根据企业情况和外部信息完成格式化的定性分析，并能提高相关分析依据，以便报告编制人员依据相关信息对报告进行调整修改。

企业开展大数据分析，内部业务大数据具有应用价值远远高于外部大数据，外部数据在分析企业外部环境时，具有不可替代的优势，但在完善内部管理、提升流程效率上只能起到辅助作用。当前企业热衷于引入来自外部的大数据（如互联网/电商/移动互联网）和相关服务应用，而忽视了一个不争的事实：现有的内部业务大数据才是最大的价值挖掘目标。

大中型企业在信息化与数据应用过程中，大都已经完成了数据积累工作，它们可能分散于不同的信息化系统中，原材料采购系统、生产系统、销售系统、办公自动化系统、费用报销系统等等，现在仅仅需要进行数据整合，其已经可以称之为“大数据”了。在大数据挖掘过程中，应重视这部分数据的含金量与外部大数据相比不在一个数据级上。

加快发展中国特色管理会计任重道远。当前和今后一个时期，要结合我国实际，充分借鉴和吸收国际先进经验，构建中国的管理会计体系，是企业管理者、相关政府部门、学术界、行业协会、学会等各方面的共同使命，各司其职、各负其责，共同促进企业提高管理水平和经济效益，促进行政事业单位提高理财水平和预算绩效，推动经济转型和产业升级，为实现国家治理体系和治理能力现代化做出积极贡献。