前言：想要寫出一篇引人入勝的文章？我們特意為您整理了談數字化會計人才數據挖掘能力培養范文，希望能給你帶來靈感和參考，敬請閱讀。

關鍵詞：數據挖掘；會計專業；大數據；職業能力

大數據已經成為當今世界重要的發展領域。2015年8月國務院了《促進大數據發展行動綱要》，指出數據已成為“國家基礎性戰略資源”，綱要旨在全面推進我國大數據發展和應用，加快建設數據強國。接著黨的十八屆五中全會提出實施國家大數據戰略，報告則進一步強調，要“推動互聯網、大數據、人工智能和實體經濟深度融合”。財政部《會計改革與發展“十三五”規劃綱要》中也隨之提出，要“密切關注大數據、‘互聯網+’發展對會計工作的影響，及時完善相關規范。”大數據技術的發展，對會計既是挑戰也是機遇。越來越多的會計工作逐漸被信息系統所替代，但同時，大數據時代也衍生出數據分析等新的崗位。這些崗位不僅要求掌握傳統會計知識，還要求具備數據采集、數據清洗、數據挖掘等知識和技能。面對大數據時代對會計人員提出的新要求，高校會計專業必須在課程體系中增加數據挖掘課程模塊，培養學生數據分析能力，適應社會發展的需要。

一、文獻回顧

在今天的大數據時代，許多先進的管理思想與信息技術，如企業資源規劃（ERP）、制造執行系統（MES）、供應鏈管理（SCM）、客戶關系管理（CRM）等，相繼在企業中應用，這些信息系統里積累了大量的原始數據，而這些數據主要用于業務處理，由于數據量龐大，幾乎不可能做到靠人工逐條查看數據并從中找到有價值的信息。數據挖掘技術因此應運而生。從廣義上講，數據挖掘是從大量的、不完整的、有噪聲的隨機數據中提取出隱含的、有用的信息和知識的過程。它源于數據庫理論，是融合了機器學習、人工智能、現代統計學的交叉學科。在會計領域中，學界和業界研究和探索了數據挖掘在會計舞弊的識別、客戶貢獻率評價、成本管理、企業危機預警等領域應用的可行性和有效性，探討了在會計信息系統中引入數據挖掘、將數據挖掘工具用于會計決策支持系統的可行性，同時也對大數據時代數據挖掘技術對管理會計變革的影響進行了探討和展望。在以往數據挖掘課程教學實踐中，往往存在課程內容多、理論性強，實踐教學使用的數據量小、操作難度大，學時少，傳統教學形式效果差等問題。針對這些問題，相關學者也提出了一些建設性的意見，而傳統數據挖掘課程的教學內容與實踐環節針對的是計算機、統計學等專業的學生，而經管類專業學生的數學基礎與編程能力偏弱，在經管類專業開設數據挖掘課程，無論是對教師還是學生都是一個具有挑戰性的任務。

二、大數據時代對會計職業能力框架的影響

會計職業能力框架是提升會計人員的整體素質和會計工作質量的有效保證。國內外從上世紀80年代開始進行會計職業能力框架的系統研究，綜合這些研究成果，可將會計人員職業能力框架表述為專業知識與技能、通用能力和職業道德三個維度，每個維度又由若干子維度組成。大數據、人工智能、區塊鏈技術的發展對會計人員職業能力框架的影響是全方位的。人工智能使得基礎的會計核算工作逐步被電腦取代，大數據技術實現了業務與財務數據的無縫對接，會計的功能由“價值反映”提升為“價值創造”，財務會計的重要性下降，相比之下管理會計重要性則日益凸顯。與財務會計不同，管理會計面向企業管理決策，需要會計人員具備較強的分析和解決問題的能力以及較高的信息素養，能夠利用信息技術和數據分析挖掘工具，以更高級的數據分析方法處理海量數據，理解日益復雜的商業環境。會計由核算型向決策型轉變，職業道德變得更加重要，不可或缺。2018年，美國管理會計師協會（IMA）將其管理會計人員職業能力框架由規劃與報告、制定決策、技術、運營、領導力修改為戰略管理、報告與控制、技術與分析、商業能力與運營、領導力、職業道德與價值觀，其中技術與分析能力包括信息系統、數據治理、數據分析與挖掘、數據可視化，均與大數據密切相關，這一變動清晰地反映了大數據對會計職業能力框架的影響。但目前來看，大多數高校會計專業計算機課程開設較少，學生普遍缺乏數據處理與分析能力，這顯然無法適應未來會計職業的發展。在大數據背景下，高校會計專業應及時調整人才培養目標，注重提高知識結構的通用性，加強通用能力特別是數據分析與挖掘能力的培養。在課程設置上改變過分強調規則性和專業化的傾向，加快課程改革，開設數據挖掘及相關系列課程，以全面提升學生的數據分析與挖掘能力，增強學生未來的發展潛力。

三、數據挖掘課程教學現狀

①課程涉及的內容廣泛，理論性強，教學難度較大，對本科生而言，知識不夠系統，短時間難以掌握如此多的理論，更談不上自如運用，容易失去學習興趣。②各學科專業需要掌握內容差異較大，可供利用和借鑒的資源較少。③實驗設計與課程內容配合不夠，測試數據集局限性大，多采用平臺自帶測試數據，數據量小，且已經過數據預處理，涉及環節少，不能體現數據收集與數據預處理環節。④學時較少，傳統的課堂教學模式效果不如人意，學生主動性不夠，在有限課時內達到教學目標難度大。

四、以實踐應用能力為導向培養學生數據挖掘能

力（一）重構會計專業信息技術課程體系縱觀各高校會計專業課程體系，開設的信息技術的課程并不多，通常只包含計算機基礎、會計信息系統等課程，這些課程顯然已經無法滿足社會對會計人員數據分析能力的要求，對于學習數據挖掘更是不夠。因此會計專業應考慮增加以下信息技術課程：①數據庫原理及應用課程應重點關注數據庫的邏輯結構、數據查詢設計、視圖等內容，對數據庫物理結構、系統管理與調優、編程等內容應較少涉及，教學選用的數據庫系統只需符合SQL標準、具備數據倉庫功能即可，SQLServer、Oracle等商業數據庫或者mysql、postgresql等開源數據庫均可，但應考慮與后續數據挖掘課程的銜接。②python編程應用（或R語言基礎）會計專業培養的不是程序員，編程語言課程不應過分關注編程語言和工程細節，而應該重點關注編程語言在經濟和管理領域的應用，培養學生利用python等腳本類語言提升工作效率的能力，同時也為使用數據挖掘類工具打下編程基礎。③Excel在財務中的應用Excel是電子表格類軟件，是數據收集整理的常用工具。因具備基礎的數據分析能力，也常用于簡單的數據分析處理。Excel還可通過VBA擴展其數據處理能力。熟練掌握Excel軟件的數據透視圖、函數等工具能夠解決財務預算、財務分析、財務決策領域眾多問題。但由于其本身的限制，Excel不適合處理大規模數據。④統計學統計學是收集、整理和分析數據的方法科學，是數據分析、數據挖掘和機器學習的理論基礎。無論是宏觀經濟管理、企業的經營決策，還是科學研究都越來越倚重于數量分析和統計建模，具備一定的統計學基礎理論也有助于學生更好地適應未來的工作。課程內容應偏重于數據分析和常用統計模型的應用，避免繁瑣的數學推導。⑤商業數據分析與挖掘數據挖掘在公司運營中的應用場景包括企業經營情況評估、員工管理、生產流程監管、產品結構優化、新產品開發、財務成本優化、市場結構分析、客戶關系等領域。掌握數據挖掘基礎理論和其在商業場景中的應用，培養從大數據中獲取信息的意識和能力，可以大大增加學生專業能力的寬度和厚度。

（二）弱化數據挖掘理論推導，重點培養學生數據挖掘應用能力目前，各高校已開設的數據挖掘課程普遍存在內容龐雜，深奧難懂的問題。數據挖掘涉及算法、機器學習、模式識別、數據可視化等內容，內容多理論深。從培養目標來說，會計專業培養的不是程序員，也不是算法設計人才，因此沒有必要對數據挖掘算法的細節、大數據基礎設施的建設等內容涉及過多，而應該在理論教學和實踐教學環節體現“重思想，輕細節”，教學中重點強調對數據挖掘結果的解釋，闡明其經濟學意義，使學生理解數據挖掘技術如何應用在會計工作中，更好發揮會計在企業管理中的作用。至于算法則可以直接使用成熟的數據挖掘算法，目前R語言和python等語言都已經有較為成熟的數據挖掘算法模塊，可以直接拿來使用。因此，會計專業數據挖掘課程應該確定與計算機專業相異的課程目標：了解掌握數據挖掘的基本理論，基本掌握當前較成熟的數據挖掘算法，熟練掌握數據挖掘工具；能夠根據應用場景選擇數據挖掘方法，收集所需數據，利用數據挖掘工具實施數據挖掘，并對結果進行解釋，服務于企業經營管理決策。基于上述目標，會計專業數據挖掘課程應該以應用場景為導向，突出數據挖掘的應用場景，以及相應的解決方案設計。

（三）建設教學資源庫，構建數據挖掘實踐平臺數據挖掘是實踐性很強的課程，單純地灌輸理論知識并不足以培養學生數據挖掘應用能力。搭建數據挖掘實踐教學平臺，讓學生在完成一個個項目的過程中對數據挖掘產生感性認識，是掌握數據挖掘技術的必由之路。目前，部分高校經管類專業數據挖掘課程在實踐教學環節給學生提供的往往是已經經過預處理的或系統自帶的數據集，數據集的數據量小，操作步驟已經由教師設計好，學生只需要按步驟進行驗證，沒有機會了解數據挖掘的項目如何設計，數據如何獲取。為了使學生能夠接觸數據挖掘項目的全過程，課程應基于應用場景建立教學資源庫，提供各種層次的數據集，如已整理完畢可直接用于模型的數據集、未經過加工整理的原始數據集等，并提供數據挖掘各步驟的相關程序代碼和使用說明。限于數據的可獲得性，數據集以可獲得的公開數據集為主，如股市數據、社交數據，以及網絡上可公開下載使用的數據集等。對于文本挖掘類項目甚至可以不提供數據集，由學生自行根據教學資源庫的指導從各類數據源收集數據再完成后續任務。

（四）充分利用MOOC等教學手段提升理論講授效果MOOC（MassiveOpenOnlineCourses）即大型開放式網絡課程的簡稱。美國頂尖大學從2012年起陸續建立網絡學習平臺，在網絡上提供以視頻為主體的免費課程，為更多學生系統學習相關課程提供可能。2014年中國大學MOOC平臺成立，全國所有高校都可申請利用該平臺進行課程建設，隨后又有更多的MOOC平臺出現。這一新型教學手段突破了時間與空間的限制，提高了教師的授課效率，也增加了學生的學生自主性，日益受到廣泛重視。數據挖掘課程范圍廣、內容深、課時數量有限的特點非常適合采用MOOC、SPOC等方式輔助課堂教學，將傳統的以“教師講授為主”的模式向以“學生自主學習為主”的模式轉變。如果所有課程內容都放在課堂講授，即使滿堂灌也無法在有限的時間內完成教學內容，而在MOOC平臺的支持下，教師可以更加有效地利用課堂時間。對部分相對容易的知識點，教師可在課前通過MOOC課程平臺給學生布置課前學習任務，并通過練習題、作業、考試和答疑等方式反饋學生的學習效果，鍛煉學生獨立思考和解決問題的能力，取得最優化的效果。

五、結語

在大數據技術快速發展的宏觀背景下，如何培養、引進數字化會計人才，已經成為企業提升競爭力的重要環節，在培養人才過程中，要對如何提升會計人才數據挖掘能力的問題給予足夠重視，通過提升其數據挖掘能力，提升大數據價值，確保企業穩定發展。

參考文獻：

[1]許亞湖,王婷.大數據時代管理會計的變革[J].財會通訊,2015(16):13-15.

[2]何棟.關于“數據挖掘”的項目驅動教學探討[J].教育理論與實踐,2018,38(06):52-53.

[3]趙磊.基于管理會計視角的財務大數據框架的構建[J].財務與會計,2016(01):51-52.

作者：杜海波 單位：湖北商貿學院會計學院