大数据下的云会计特征及应用_樊燕萍

大数据下的云会计特征及应用当今，我们每个人都在接收很多数据，也在制造很多数据。

人类社会的数据种类和规模正以前所未有的速度增长，人类的生存、发展方式可以归结为获取信息、处理信息，而这就是智力。

对数据的认识史就成了人类的发展史。

数据不等于信息，数据不等于智慧。

目前，大数据现象正以前所未有的速度颠覆人们探索世界的方法，引起各领域的深刻变革。

大数据并不仅仅指其数据量之大，更代表着其潜在的数据价值之大。

大数据现象，通常用来形容人们创造的大量结构化和非结构化数据，具有4V 特点。

即数据体量巨大（Volume ），数据规模不是用GB 、TB 为单位而是用PB 为单位来衡量；类型繁多（Variety ），不仅包括数字这样结构化的数据，而且主要包括图像、声音等非结构化的数据，如网络日志、视频、图片、地理位置信息等；处理速度快（Velocity ），数据产生与处理需要具有实时性；同时，其价值密度低（Value ），数据量呈指数增长的同时，隐藏在海量数据的有用信息却没有以相应比例增长。

目前，随着“云”计算的发展和普及，云计算对企业会计信息化应用和建设模式产生了较大影响，为中小企业的发展提供了便利条件。

云计算环境下的会计工作，其实质是利用云技术在互联网上构建的虚拟会计信息系统，完成企业的会计核算和会计管理等内容。

而所谓的云会计就是利用云计算技术和理念构建的会计信息化基础设施和服务，其内涵可从软件服务提供商与企业用户两个方面来理解。

[1]一、文献综述1.大数据时代的数据研究数据无处不在，充斥于社会生活中的每一个角落。

目前，随着数据生成的自动化以及数据生成速度的加快，需要处理的数据量急剧膨胀。

李国杰、程学旗[2]阐述了大数据的研究现状与重大意义，探讨了大数据的科学问题，介绍了大数据应用与研究所面临的问题与挑战；宗威、吴锋[3]在梳理大数据基本特征的基础上，结合中国当下企业发展现状及大数据在国内的发展态势，从流程、技术和管理视角讨论了大数据时代企业保证数据质量的挑战、重要性及应对措施；韩晶[4]针对目前大数据服务的研究还处于概念讨论阶段，提出大数据研究所面临的挑战，并就大数据服务的理论模型、服务模型、实现方法等进行了系统研究；俞立平[5]首樊燕萍，曹薇（太原理工大学经济管理学院，山西太原030024）摘要：大数据引发了思维模式和发展模式的改变，大数据联合云会计引领会计信息化模式变革。

大数据下会计数据的特殊性主要体现在会计数据的空间分离、安全性、及时获取性、相关性等方面；大数据下云模型可以解决云会计核算中的不确定性和模糊性问题；大数据下的云会计应用应加强云会计计算平台建设，完善云会计计算的功能与服务，建立云会计下会计信息安全风险评估机制，确保云会计数据的安全。

关键词：大数据；云会计；云模型；会计数据中图分类号：F279.15文献标识码：A文章编号：1007－8266（2014）06－0076－06□企业管理中国流通经济２０14年第6期DOI:10.14089/11-3664/f.2014.06.002次提出了大数据经济学的概念，认为大数据经济学具有智能经济学的特点；陶雪娇等[6]在分析大数据相关概念、特点的基础上，阐述了大数据技术特别是数据挖掘方面在大数据时代面临的挑战；孟小峰、慈祥[7]阐述了大数据处理的基本框架，并就云计算技术对于大数据时代数据管理所产生的作用进行分析，最后归纳总结了大数据时代所面临的新挑战。

2.云会计的研究“云会计”一词最早由程平、何雪峰[8]提出，是指构建于互联网上，并向企业提供会计核算、会计管理和会计决策服务的虚拟会计信息系统。

在会计领域，云会计作为一种新兴的基于云计算技术和理念的会计信息化模式，可实现企业信息系统的有效集成，提高企业的管理能力，增强企业的竞争优势。

虽然云会计为实现企业会计信息化提供了一种新的途径，但要应用于企业会计工作中仍面临着多种问题，[9]会计信息是否安全仍是企业选择云会计时最为担忧的问题之一。

[10]纵然有很多困难，但建立基于云计算的企业管理信息系统也将成为下一代企业信息化的发展趋势，把云计算应用于会计信息系统可助推企业会计信息化建设，降低企业成本，完成企业的会计核算和会计管理等内容。

[11]上述众多学者虽然已对大数据下的数据进行了研究，而且也有众多学者从不同角度对云会计进行了研究，但鲜有学者对大数据下的云会计特征及应用进行研究，本文将对此展开论述。

二、大数据下的会计数据处理“大数据现象”还引发了思维模式和发展模式的改变，大数据分析应从寻求事物的因果关系转向寻求其相关关系。

这种深层次的终极关系要从事物间的同构性中寻找。

如果两个问题的结构是同构的，那么对该对象会有相似的属性和操作，对该结构成立的命题，在另一个与之同构的结构上也成立。

实际上，同构是数学研究中在研究对象之间定义的一类映射，它能揭示出这些对象的属性。

若两个数学结构之间存在同构映射，那么这两个结构就称为同构。

研究同构的主要目的是为了把数学理论应用于不同的领域。

一般地，单从结构上讲，同构的对象是完全等价的。

数据反映的是具有同构关系的两个序列的信息。

一个对象的运动轨迹通过另一个序列的载体编码来表达。

认识者获得的不是对象本身的绝对映像，而是离开了对象，从对象中抽象出来的、关于对象运动轨迹的数据。

数据反映的是具有同构关系的两个或多个序列相互关系的信息，大数据更像是一种连续不断的论证和数据流、信息流、知识流。

这使人们意识到，知识永远不会被完全确定，永远不会终止。

大数据的出现或许让人工智能超越人类成为可能。

1.会计数据的特点会计数据来源广泛，连续性强，数据量大，存储周期长，类型较为复杂，输入时要进行严格的审核。

虽然其工作比较简单，但准确性要求非常高，信息输出频繁且量大，输出形式多种多样。

会计数据直接黏合在业务数据之中，不能够脱离业务数据而存在，脱离了业务数据就失去意义。

因此，会计数据具有无形性与黏性。

2.大数据下会计数据的处理企业要参与全球化、网络化、信息化的经济竞争，首先必须融入全球信息网络组织之中，而企业要转变成网络型企业，必须能对信息进行有效收集、分类、处理、分析。

如今，面对大数据规模，必然要求企业会计工作由传统形式的信息化模式发生革命性变化，而云会计的出现恰能解决这一难题。

3.大数据下会计数据的特殊性大数据下会计数据的特殊性主要体现在以下几个方面：（1）会计数据出现空间分离。

大数据下会计数据的存储与其所在物理位置出现空间上的分离，因为大数据下会计数据并非存储在企业所在地的计算机内，而是存储在互联网的数据中心或云存储平台上。

大数据下会计数据通过浏览器进入会计软件就可以获取，并不受空间的限制。

另外，大数据下会计数据的形式发生变化，转化为以非结构性为主的会计数据，比如图像、视频、办公文档、XML或HTM等，而传统的会计数据主要以数值型数据为主，使用度量衡单位或自然数计量。

（2）会计数据的安全性受到挑战。

会计数据存储在云环境下，使得会计的安全性以及完整性面临着严重挑战。

相关统计表明，当前有70%左右的企业并不愿意将企业的会计数据信息存储在云环境下，担心企业的会计数据泄露。

（3）会计数据以服务形式提供。

大数据下会计数据的使用者与提供者相分离，使用者向提供者购买相关的服务，用户可以按照自身需求向提供者订购服务，按照享受服务的数量或者使用时间的长短付费。

（4）会计数据可以及时获取。

大数据下会计数据可以通过网络在云计算平台上获取，方便快捷，有利于实现会计信息的移动管理以及会计信息共享。

另外，异地办公的财务会计人员可以随时随地处理企业会计数据，[12]不受时间与空间的限制，及时作出相关决策。

（5）大数据下更重视会计数据分析的效果，而小数据时代由于信息相对缺乏，更加关注数据的精确性。

在大数据下，某个数据的精确性并不会对整个数据的分析造成不利影响，大数据下会计数据分析带来的收益超过小数据下确保会计数据精确性带来的收益。

据相关统计，在小数据下，如数据为500万时，简单的计算结果并不理想，但是在大数据下，如数据达到10亿时，简单算法的准确率显著提高，达到95%。

（6）大数据下更注重会计数据的相关性，通过相关关系而非因果关系从而了解经济事项。

大数据下对会计数据的分析主要是通过分析相关性从而预测经济事项发展趋势，而非弄清经济事项发生的原因。

[13]小数据下，更加关注会计数据所能反映的企业财务状况、经营成果和现金流量，而大数据下通过对会计数据的分析，可以与企业的产品研发、供应链管理、人力资源管理以及企业战略等联系起来，整体上提高企业竞争力。

4.大数据下的云模型信息数量巨大且来源庞杂、快速，非结构性强，含有很多不确定性、随机性和模糊性，是大数据时代的特点。

人们分析研究认知问题的核心是把数学计算运用到海量数据上来预测事情发生的可能性、随机性，所以通常用“概率”来表达，而难以给出“精确”的判断。

这时，必然要采用云模型，以云的数字特征来反映其主要内涵和外延。

云模型可以描述人们对问题了解的两种不确定性：模糊性，即对问题的边界不清，是这样还是那样，或即定量不确定；随机性，即此事件发生的概率不清，或即定性不确定。

云模型可实现定性与定量之间的转换。

云模型是由李德毅[14]院士提出的把随机性和模糊性集成到一起的一种模型，它是用语言值表示的定性概念与定量表示之间的不确定转换模型。

云模型的定义如下：设U为定量数据论域，C为U上的定性概念，若定量值x∈U，且x是概念C的一次随机实现，x 对于C的确定度为y=μc（x），是具有稳定倾向的随机数，则云滴（x，y）在论域U上的分布称为云（或云模型）。

云的数字特征用期望Ex、熵En和超熵He来表示，这三个数值反映了定性概念的定量特征。

而在云模型中最重要的一种是正态云模型，它具有良好的数学性质，可以用来表示自然科学和社会科学中大量的不确定现象。

正态云定义：若x满足x~N（Ex，En'2），其中En'~N（En，He2），且对于定性概念C的确定度满足μc（x）=e-（x-Ex）2，则x在论域U上的分布称为正态云。

正态云模型用一组参数来表达定性概念的数字特征，用来反映概念的不确定性。

云由云滴组成，一个云滴是定性概念的一个数值化的表示。

云的厚度（或宽度，或密集度）反映了确定度随机性的大小。

在以上讨论的正态分布和模糊度概念的基础上，令这组参数为：期望值Ex是概念在论域中的中心值，是最能代表这个定性概念在论域中的中心值，是云中心对应的x值。

熵En是定性概念模糊度的度量，是信息不充分程度的度量，即不清楚的范围（或称为裕度）的大小。

熵越大，裕度越大。

超熵He，为熵的熵，是熵的模糊度的度量，超熵越大，云滴的离散度越大，即确定性的随机性越大，云的“厚度”也越大。

所以正态云的期望曲线是一个正态曲线，故离中心值（即Ex）较远区域的元素可以忽略不计（所谓“3σ”原则）。