前言：本站為你精心整理了大數(shù)據(jù)環(huán)境下會(huì)計(jì)云服務(wù)平臺(tái)構(gòu)建范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

摘要:為了解決大數(shù)據(jù)環(huán)境下會(huì)計(jì)數(shù)據(jù)的獲取成本高、處理效率低以及挖掘周期長(zhǎng)等問(wèn)題，研究了會(huì)計(jì)云服務(wù)平臺(tái)的構(gòu)建．分析了會(huì)計(jì)云服務(wù)平臺(tái)的可行性;設(shè)計(jì)了平臺(tái)的體系架構(gòu)，構(gòu)建了會(huì)計(jì)云服務(wù)平臺(tái)的功能．并對(duì)平臺(tái)進(jìn)行測(cè)試仿真分析，結(jié)果表明所設(shè)計(jì)的平臺(tái)效果良好．

關(guān)鍵詞:大數(shù)據(jù)環(huán)境;會(huì)計(jì);云服務(wù)平臺(tái)

在大數(shù)據(jù)環(huán)境下，企業(yè)最為重要的資源是各種信息和內(nèi)部數(shù)據(jù)［1］．隨著企業(yè)的交流，企業(yè)內(nèi)部會(huì)產(chǎn)生大量數(shù)據(jù)，如何篩選和利用大數(shù)據(jù)，從而提取出有效數(shù)據(jù)則會(huì)為企業(yè)帶來(lái)不可估量的產(chǎn)業(yè)價(jià)值．以會(huì)計(jì)信息系統(tǒng)為對(duì)象，面對(duì)海量的會(huì)計(jì)數(shù)據(jù)需求的壓力與日俱增．考慮到會(huì)計(jì)數(shù)據(jù)的獲取成本高、處理效率低以及挖掘周期長(zhǎng)等原因，現(xiàn)階段構(gòu)建的會(huì)計(jì)信息系統(tǒng)無(wú)論在會(huì)計(jì)數(shù)據(jù)處理方面還是提供有效科學(xué)的決策方面都缺乏競(jìng)爭(zhēng)力．因此，本文利用云計(jì)算處理技術(shù)來(lái)幫助構(gòu)建高效的大數(shù)據(jù)處理平臺(tái)，這不僅可以完善會(huì)計(jì)信息系統(tǒng)的各項(xiàng)功能，而且還能夠提供更有效的商業(yè)決策，具有較高的應(yīng)用價(jià)值．

1大數(shù)據(jù)環(huán)境下會(huì)計(jì)云服務(wù)平臺(tái)構(gòu)建的可行性分析

在企業(yè)內(nèi)部構(gòu)建基于大數(shù)據(jù)環(huán)境的會(huì)計(jì)云服務(wù)平臺(tái)的前提條件就是進(jìn)行系統(tǒng)的可行性分析，首先論證開(kāi)發(fā)此平臺(tái)的理論是否科學(xué)合理，然后對(duì)于后期的構(gòu)建和維護(hù)成本進(jìn)行預(yù)算，最后估計(jì)該服務(wù)平臺(tái)的經(jīng)濟(jì)效益．

1．1理論可行性分析利用連續(xù)性隨機(jī)變量期望的定義方式［2］，構(gòu)建基于企業(yè)的會(huì)計(jì)方面的大數(shù)據(jù)(用Y表示)，其數(shù)學(xué)表達(dá)式為Y=∫ρ(x)dx(1)其中，ρ(x)表示會(huì)計(jì)大數(shù)據(jù)的概率密度函數(shù)，利用式(1)得到會(huì)計(jì)大數(shù)據(jù)的客觀信息，然后利用有效會(huì)計(jì)大數(shù)據(jù)V修正客觀會(huì)計(jì)大數(shù)據(jù):V=Yr(2)其中，該表達(dá)式的價(jià)值系數(shù)為r∈［0，1］，而且當(dāng)r=1時(shí)，V=Y，此時(shí)會(huì)計(jì)大數(shù)據(jù)可認(rèn)定為具有價(jià)值;當(dāng)r=0時(shí)，V=1，則表示只有一條會(huì)計(jì)大數(shù)據(jù)具有價(jià)值．知識(shí)數(shù)據(jù)K與有價(jià)值的會(huì)計(jì)大數(shù)據(jù)V的關(guān)系為K=∫iVdV(3)其中，參數(shù)i表示有價(jià)值信息的知識(shí)轉(zhuǎn)化參數(shù)．具體來(lái)講，會(huì)計(jì)信息處理系統(tǒng)會(huì)針對(duì)客觀數(shù)據(jù)Y進(jìn)行分類、篩選、整理以及深度挖掘處理，然后自動(dòng)生成決策信息K．本文設(shè)計(jì)的會(huì)計(jì)云服務(wù)平臺(tái)就是擴(kuò)大會(huì)計(jì)數(shù)據(jù)的處理范圍，利用先進(jìn)的信息處理技術(shù)來(lái)分析和挖掘會(huì)計(jì)大數(shù)據(jù)，并提供有效的企業(yè)決策．因此，在可行性方面，該平臺(tái)有較好的可行性．

1．2經(jīng)濟(jì)可行性分析企業(yè)可以將內(nèi)部的會(huì)計(jì)數(shù)據(jù)全部存儲(chǔ)在專業(yè)云端平臺(tái)上，任何授權(quán)的機(jī)構(gòu)可以通過(guò)云端獲取到所需的會(huì)計(jì)數(shù)據(jù)，這樣將大大減少企業(yè)成本［3］．首先，在前期構(gòu)建會(huì)計(jì)云服務(wù)平臺(tái)時(shí)，企業(yè)可以節(jié)約一部分存儲(chǔ)成本;其次，企業(yè)也無(wú)需在投入系統(tǒng)擴(kuò)展以面對(duì)高峰期數(shù)據(jù)服務(wù)需求．需要說(shuō)明的是，企業(yè)應(yīng)用的高端服務(wù)器的應(yīng)用率不到20%，因此借助于云端平臺(tái)企業(yè)將不再受到存儲(chǔ)容量以及高端服務(wù)器的使用限制，從而進(jìn)一步地節(jié)約成本;最后云計(jì)算服務(wù)提供商可以為企業(yè)提供具有不同應(yīng)用層次的服務(wù)，而企業(yè)只需按照服務(wù)級(jí)別付費(fèi)即可，無(wú)需購(gòu)買多余設(shè)備，這也節(jié)約了一些硬件成本．利用云計(jì)算技術(shù)來(lái)構(gòu)建會(huì)計(jì)云服務(wù)平臺(tái)不僅可以加快數(shù)據(jù)傳輸速度，而且還支持多數(shù)據(jù)格式相互轉(zhuǎn)換，讓企業(yè)的工作人員可以隨時(shí)隨地通過(guò)網(wǎng)絡(luò)訪問(wèn)云端，并從中獲取到所需的數(shù)據(jù)信息，從而加強(qiáng)了企業(yè)內(nèi)部的相互交流和協(xié)作，保障了部門之間的資源共享，整體上提高了工作效率．因此，本文設(shè)計(jì)的大數(shù)據(jù)環(huán)境下會(huì)計(jì)云服務(wù)平臺(tái)具有良好的經(jīng)濟(jì)可行性．

2平臺(tái)體系架構(gòu)設(shè)計(jì)

按照層次來(lái)分，基于大數(shù)據(jù)環(huán)境的會(huì)計(jì)云服務(wù)平臺(tái)主要包括數(shù)據(jù)輸出展示層、數(shù)據(jù)加工存儲(chǔ)層以及數(shù)據(jù)獲取層等，并且將大數(shù)據(jù)安全機(jī)制以及標(biāo)準(zhǔn)化方式應(yīng)用到整個(gè)云服務(wù)平臺(tái)當(dāng)中，具體平臺(tái)整體框架圖如圖1所示．其中云服務(wù)平臺(tái)主要由系統(tǒng)的存儲(chǔ)設(shè)施、網(wǎng)絡(luò)設(shè)施以及相應(yīng)的操作系統(tǒng)構(gòu)成，其工作模式為云計(jì)算提供的服務(wù)模式，因此該系統(tǒng)的基礎(chǔ)運(yùn)行環(huán)境還是由云計(jì)算服務(wù)提供商來(lái)提供的．該系統(tǒng)的數(shù)據(jù)獲取層主要功能為從企業(yè)內(nèi)部或者外部獲取所需的會(huì)計(jì)業(yè)務(wù)類型數(shù)據(jù)、財(cái)務(wù)管理類型數(shù)據(jù)以及公開(kāi)的企業(yè)會(huì)計(jì)信息數(shù)據(jù)等;系統(tǒng)的數(shù)據(jù)加工存儲(chǔ)層主要功能為統(tǒng)一整合會(huì)計(jì)大數(shù)據(jù)，然后將加工后的數(shù)據(jù)保存在相應(yīng)的數(shù)據(jù)庫(kù)中，比如關(guān)于客戶信息的會(huì)計(jì)數(shù)據(jù)、銷售類型的會(huì)計(jì)數(shù)據(jù)以及人力資源類型的會(huì)計(jì)數(shù)據(jù)統(tǒng)一存儲(chǔ)在基礎(chǔ)數(shù)據(jù)庫(kù)中，而關(guān)于知識(shí)庫(kù)、模型庫(kù)以及方法庫(kù)等信息數(shù)據(jù)統(tǒng)一存儲(chǔ)在分析類型的數(shù)據(jù)庫(kù)中，從而為后續(xù)的分析使用提供相應(yīng)的數(shù)據(jù)支持．?dāng)?shù)據(jù)輸入輸出層的主要功能為利用多種數(shù)據(jù)挖掘技術(shù)來(lái)分析和處理會(huì)計(jì)數(shù)據(jù)，并從不同模塊中輸出處理后的會(huì)計(jì)數(shù)據(jù)．

2．1會(huì)計(jì)大數(shù)據(jù)加工存儲(chǔ)會(huì)計(jì)大數(shù)據(jù)加工存儲(chǔ)功能就是利用存儲(chǔ)器收集、整理以及存儲(chǔ)不同來(lái)源和不同類型的會(huì)計(jì)大數(shù)據(jù)，并構(gòu)建不同的數(shù)據(jù)存儲(chǔ)庫(kù)．當(dāng)然還可以參照大數(shù)據(jù)的中高度維度和粒度分析會(huì)計(jì)大數(shù)據(jù)，并利用ETL工具轉(zhuǎn)換原始的大數(shù)據(jù)，并將轉(zhuǎn)換后的數(shù)據(jù)存儲(chǔ)在不同維度表中以便進(jìn)行有效的調(diào)用和管理．加工存儲(chǔ)的工作重點(diǎn)在于如何幫助簡(jiǎn)化數(shù)據(jù)的結(jié)構(gòu)化、非結(jié)構(gòu)化以及半結(jié)構(gòu)化等特點(diǎn)，從而顯著提高數(shù)據(jù)的可存儲(chǔ)性、可傳輸性、可表示性以及可處理性等［4］．與此同時(shí)，還可以將人工智能技術(shù)以及Hadoop架構(gòu)技術(shù)應(yīng)用到加工存儲(chǔ)功能中，這不僅可以有效去除數(shù)據(jù)的冗余度，優(yōu)化數(shù)據(jù)結(jié)構(gòu)和存儲(chǔ)成本，而且還能夠優(yōu)化大數(shù)據(jù)的非關(guān)系類型，為后續(xù)的可視化顯示提供便利．

2．2會(huì)計(jì)大數(shù)據(jù)分析輸出會(huì)計(jì)大數(shù)據(jù)的分析輸出功能主要是在現(xiàn)有數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上改進(jìn)數(shù)據(jù)挖掘技術(shù)，將現(xiàn)有的財(cái)務(wù)分析模型、數(shù)據(jù)判別方法以及運(yùn)算方式進(jìn)行統(tǒng)一整理，并進(jìn)行集成化處理，從而實(shí)現(xiàn)對(duì)于分布式數(shù)據(jù)庫(kù)中的會(huì)計(jì)大數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘以及多維分析處理等，然后再利用操作交互界面顯示數(shù)據(jù)挖掘結(jié)果，從而滿足企業(yè)的數(shù)據(jù)需求．一般來(lái)講，系統(tǒng)的實(shí)時(shí)性分析工具可以使用Oracle公司的Exadata軟件，還可以利用Hadoopl軟件來(lái)處理半結(jié)構(gòu)化或者非結(jié)構(gòu)化數(shù)據(jù)［5］．

3平臺(tái)功能構(gòu)建

3．1財(cái)務(wù)綜合分析本文在基于大數(shù)據(jù)的財(cái)務(wù)綜合分析功能中添加了哈佛分析功能，從而為企業(yè)提供會(huì)計(jì)數(shù)據(jù)分析、財(cái)務(wù)分析、企業(yè)戰(zhàn)略分析以及企業(yè)發(fā)展前景分析等功能．具體來(lái)講，在企業(yè)戰(zhàn)略分析過(guò)程中，專門設(shè)立基于企業(yè)經(jīng)營(yíng)、行業(yè)發(fā)展以及競(jìng)爭(zhēng)決策等功能［6］．在整個(gè)行業(yè)發(fā)展過(guò)程中，企業(yè)可以通過(guò)分析市場(chǎng)需求、行業(yè)特點(diǎn)、企業(yè)競(jìng)爭(zhēng)力以及企業(yè)發(fā)展戰(zhàn)略等方面找到該企業(yè)的生存和發(fā)展策略，比如在企業(yè)產(chǎn)品、企業(yè)技術(shù)以及企業(yè)員工等方面進(jìn)行突破，并利用大數(shù)據(jù)技術(shù)挖掘企業(yè)的潛在價(jià)值．

3．2財(cái)務(wù)綜合決策大數(shù)據(jù)技術(shù)的應(yīng)用為平臺(tái)的財(cái)務(wù)綜合決策提供了海量的會(huì)計(jì)數(shù)據(jù)，而且該綜合決策也不能再單一依賴于決策者的經(jīng)驗(yàn)和基本財(cái)務(wù)數(shù)據(jù)來(lái)進(jìn)行判斷，因此該平臺(tái)的綜合決策更多地依賴于數(shù)據(jù)的收集、分析、整理以及應(yīng)用水平．具體的財(cái)務(wù)綜合決策分析流程如圖2所示，該平臺(tái)使用的數(shù)據(jù)源主要來(lái)自于互聯(lián)網(wǎng)、社會(huì)化網(wǎng)絡(luò)、物聯(lián)網(wǎng)以及移動(dòng)互聯(lián)網(wǎng)等，當(dāng)然還可以從企業(yè)內(nèi)部系統(tǒng)、工商管理部門以及銀行等機(jī)構(gòu)獲取．財(cái)務(wù)綜合決策系統(tǒng)規(guī)范處理大數(shù)據(jù)的同時(shí)還可以利用數(shù)據(jù)分析和挖掘技術(shù)來(lái)挖掘和篩選出相關(guān)的出納、審計(jì)以及稅收等信息，然后利用可視化技術(shù)、基于文本分析技術(shù)、智能搜索技術(shù)以及智能化技術(shù)等幫助進(jìn)行財(cái)務(wù)決策．

3．3財(cái)務(wù)綜合預(yù)測(cè)在財(cái)務(wù)綜合預(yù)測(cè)過(guò)程中，應(yīng)該根據(jù)內(nèi)部企業(yè)資料、外部環(huán)境因素以及財(cái)務(wù)綜合分析的結(jié)果進(jìn)行分析，并利用基于單變量和多變量的線性回歸方式來(lái)預(yù)測(cè)未來(lái)企業(yè)的財(cái)務(wù)狀況，為企業(yè)規(guī)避風(fēng)險(xiǎn)和提高利潤(rùn)提供幫助．營(yíng)業(yè)成本預(yù)測(cè)技術(shù)利用作業(yè)成本技術(shù)將分配成本方案應(yīng)用到各個(gè)作業(yè)中，然后利用聚類分析方法來(lái)分析各個(gè)因素對(duì)于成本的影響，最后根據(jù)以往成本和營(yíng)業(yè)數(shù)據(jù)來(lái)選擇與之相似的營(yíng)業(yè)趨勢(shì)模型，從而更好地預(yù)測(cè)企業(yè)未來(lái)成本．財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)技術(shù)利用了周首華等學(xué)者提出的F計(jì)分模型來(lái)預(yù)測(cè)企業(yè)未來(lái)財(cái)務(wù)風(fēng)險(xiǎn)，還可以利用Kalman濾波技術(shù)以及BP神經(jīng)網(wǎng)絡(luò)模型來(lái)針對(duì)企業(yè)的財(cái)務(wù)狀況進(jìn)行智能預(yù)警．比如利用Kalman濾波技術(shù)以及BP神經(jīng)網(wǎng)絡(luò)模型來(lái)構(gòu)建財(cái)務(wù)預(yù)警動(dòng)態(tài)模型，從而提供智能動(dòng)態(tài)預(yù)警功能．由于財(cái)務(wù)危機(jī)的誘因就是企業(yè)財(cái)務(wù)狀況惡化，而企業(yè)經(jīng)營(yíng)不善又是財(cái)務(wù)狀況惡化的主導(dǎo)因素，內(nèi)部和外部因素是財(cái)務(wù)惡化的推動(dòng)器，公司財(cái)務(wù)管理力度不強(qiáng)又是財(cái)務(wù)惡化的內(nèi)在原因，因此本文從上述4個(gè)方面收集相關(guān)企業(yè)數(shù)據(jù)資源，然后利用會(huì)計(jì)大數(shù)據(jù)技術(shù)來(lái)分析企業(yè)的經(jīng)營(yíng)環(huán)境，從而更好地整理出準(zhǔn)確反映企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的因素．財(cái)務(wù)動(dòng)態(tài)預(yù)警分析體系可以將各項(xiàng)指標(biāo)進(jìn)行量化處理，從而構(gòu)建合理的綜合指標(biāo)監(jiān)測(cè)體系，然后進(jìn)行財(cái)務(wù)預(yù)警，并針對(duì)相關(guān)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)及時(shí)進(jìn)行提示和報(bào)警．

4平臺(tái)核心功能的測(cè)試分析

4．1測(cè)試營(yíng)業(yè)收入和營(yíng)業(yè)成本預(yù)測(cè)情況會(huì)計(jì)云計(jì)算服務(wù)平臺(tái)根據(jù)從2000年到2013年的營(yíng)業(yè)成本和營(yíng)業(yè)收入數(shù)據(jù)來(lái)自動(dòng)預(yù)測(cè)未來(lái)5年的財(cái)務(wù)狀況，其具體的平臺(tái)營(yíng)業(yè)收入和營(yíng)業(yè)成本預(yù)測(cè)圖如圖3所示．本文設(shè)計(jì)的預(yù)測(cè)模型預(yù)測(cè)該企業(yè)的2010年的營(yíng)業(yè)收入約為417．34億元，企業(yè)實(shí)際的營(yíng)業(yè)收入為386．87億元，其誤差率約為7．8%;預(yù)測(cè)模型預(yù)測(cè)2011年企業(yè)的營(yíng)業(yè)收入為545．57億元，企業(yè)實(shí)際的圖3會(huì)計(jì)云平臺(tái)營(yíng)業(yè)收入與成本預(yù)測(cè)營(yíng)業(yè)收入為549．01億元，其誤差率約為0.6%;預(yù)測(cè)模型預(yù)測(cè)2012年企業(yè)的營(yíng)業(yè)收入為674.11億元，企業(yè)實(shí)際的營(yíng)業(yè)收入為680.67億元，其誤差率約為0．96%;預(yù)測(cè)模型預(yù)測(cè)2013年企業(yè)的營(yíng)業(yè)收入為781.24億元，企業(yè)實(shí)際的營(yíng)業(yè)收入為783．11億元，其誤差率為0．23%，從中不難看出，除了2010年的預(yù)測(cè)誤差較大之外，其余幾年的預(yù)測(cè)誤差都比較理想．考慮到2010年企業(yè)的營(yíng)業(yè)收入小于預(yù)測(cè)的營(yíng)業(yè)收入，究其原因，主要是因?yàn)樾箩t(yī)改政策帶來(lái)的企業(yè)結(jié)構(gòu)調(diào)整，當(dāng)然宏觀經(jīng)濟(jì)環(huán)境、相關(guān)政策法規(guī)以及市場(chǎng)整理都對(duì)企業(yè)的營(yíng)業(yè)收入產(chǎn)生了一定的影響，在這之后企業(yè)及時(shí)進(jìn)行戰(zhàn)略調(diào)整，所以在2011年企業(yè)的營(yíng)業(yè)收入有了顯著提高．以企業(yè)在2010年的營(yíng)業(yè)收入作為觀測(cè)對(duì)象，點(diǎn)擊可以詳細(xì)查看企業(yè)不同產(chǎn)品在不同區(qū)域的銷售柱狀圖，如果點(diǎn)擊收入還能夠查看不同產(chǎn)品的銷售記錄．如果點(diǎn)擊營(yíng)業(yè)成本點(diǎn)，還可以查看該行業(yè)的營(yíng)業(yè)成本關(guān)系，具體數(shù)據(jù)通過(guò)點(diǎn)擊營(yíng)業(yè)成本選項(xiàng)．

4．2測(cè)試3項(xiàng)費(fèi)用預(yù)測(cè)情況本文設(shè)計(jì)的預(yù)測(cè)模型預(yù)測(cè)2010年企業(yè)的銷售費(fèi)用為28.57億元，企業(yè)實(shí)際的銷售費(fèi)用為30.56億元，其誤差率為5%;預(yù)測(cè)2011年企業(yè)的銷售費(fèi)用為32.69億元，企業(yè)實(shí)際銷售費(fèi)用為32.46億元，其誤差率為0．67%;預(yù)測(cè)2012年企業(yè)銷售費(fèi)用38.36億元，企業(yè)實(shí)際銷售費(fèi)用為45.21億元，其誤差率為2．9%;預(yù)測(cè)2013年企業(yè)銷售費(fèi)用43.83億元，企業(yè)實(shí)際銷售費(fèi)用為45.26億元，其誤差率為2．8%．預(yù)測(cè)模型關(guān)于企業(yè)的財(cái)務(wù)費(fèi)用和管理費(fèi)用的預(yù)測(cè)示意圖如圖4所示．圖4會(huì)計(jì)云平臺(tái)3項(xiàng)經(jīng)費(fèi)預(yù)測(cè)從圖4中不難看出，企業(yè)的2010年與2012年的銷售費(fèi)用和管理費(fèi)用存在較大的誤差，主要原因是在2010年和2012年有很多企業(yè)進(jìn)行整合，因此在報(bào)表合并時(shí)會(huì)產(chǎn)生高昂的銷售費(fèi)用和管理費(fèi)用．企業(yè)在2011年財(cái)務(wù)費(fèi)用增加的主要原因是大量匯兌造成的，而且2012年企業(yè)恢復(fù)正常，利用內(nèi)部融資方案來(lái)盡量降低相關(guān)財(cái)務(wù)費(fèi)用．正是由于預(yù)測(cè)模型的匯率與實(shí)際匯率存在一定的誤差，從而造成了預(yù)測(cè)模型在2010年和2012年產(chǎn)生較大的誤差率．上述這些因素都是突發(fā)性的，而會(huì)計(jì)云服務(wù)平臺(tái)無(wú)法應(yīng)對(duì)，這也是平臺(tái)設(shè)計(jì)的缺陷．

4．3財(cái)務(wù)預(yù)警預(yù)測(cè)分析測(cè)試會(huì)計(jì)云服務(wù)平臺(tái)利用Z值模型來(lái)預(yù)測(cè)集團(tuán)財(cái)務(wù)狀況．Z=1．2X1+1．4X2+3．3X3+0．6X4+X5(4)其中當(dāng)Z＜1．80時(shí)，企業(yè)存在嚴(yán)重的財(cái)務(wù)危機(jī)，預(yù)測(cè)一年內(nèi)會(huì)出現(xiàn)破產(chǎn);當(dāng)1．80＜Z＜2．66時(shí)，企業(yè)存在一般財(cái)務(wù)危機(jī);當(dāng)Z＞2．66時(shí)，企業(yè)沒(méi)有存在財(cái)務(wù)風(fēng)險(xiǎn)，預(yù)計(jì)企業(yè)不會(huì)出現(xiàn)財(cái)務(wù)危機(jī)．該平臺(tái)還專門設(shè)定自動(dòng)報(bào)警功能，當(dāng)Z值一旦低于1．80時(shí)，系統(tǒng)會(huì)自動(dòng)提醒企業(yè)注意．從表1可以看出:集團(tuán)Z值主要受到X這一因素的影響，而且系統(tǒng)會(huì)實(shí)時(shí)觀測(cè)這個(gè)影響因素．本文專門針對(duì)預(yù)測(cè)結(jié)果和企業(yè)具體運(yùn)行數(shù)據(jù)進(jìn)行分析比對(duì)，從中發(fā)現(xiàn)該集團(tuán)在年初會(huì)出現(xiàn)一定的財(cái)務(wù)危機(jī)，主要是因?yàn)槟瓿趸蛘咴鲁醯匿N售計(jì)劃剛剛開(kāi)啟，企業(yè)比較容易陷入財(cái)務(wù)危機(jī)．尤其是企業(yè)在2012年中上旬出現(xiàn)財(cái)務(wù)報(bào)表造假現(xiàn)象，而該預(yù)測(cè)系統(tǒng)預(yù)測(cè)企業(yè)在該年3月或4月出現(xiàn)財(cái)務(wù)危機(jī)，企業(yè)實(shí)際情況與預(yù)測(cè)情況相符;但是企業(yè)在2014年3月并沒(méi)有出現(xiàn)財(cái)務(wù)危機(jī)，這與預(yù)測(cè)的結(jié)果有一定出入，因此預(yù)測(cè)模型還需進(jìn)一步改進(jìn)．5結(jié)論在大數(shù)據(jù)時(shí)代，會(huì)計(jì)部門將面臨海量的企業(yè)數(shù)據(jù)，這已經(jīng)成為會(huì)計(jì)部門重要工作之一．通過(guò)大數(shù)據(jù)技術(shù)以及云計(jì)算技術(shù)等，可以幫助挖掘和分析會(huì)計(jì)大數(shù)據(jù)的特點(diǎn)，為進(jìn)一步解決數(shù)據(jù)資源匱乏、信息孤島以及企業(yè)決策困難等問(wèn)題提供一體化的解決方案，從而有效管理企業(yè)數(shù)據(jù)，為企業(yè)管理者提供科學(xué)合理的決策．

參考文獻(xiàn)：

［1］成靜靜，喻朝新．基于云計(jì)算的大數(shù)據(jù)統(tǒng)一分析平臺(tái)研究與設(shè)計(jì)［J］．廣東通信技術(shù)，2013(1):6－10．［2］何曉行，王劍虹．云計(jì)算環(huán)境下的取證問(wèn)題研究［J］．計(jì)算機(jī)科學(xué)，2012(39):105－108．

［3］孫琪華．新形勢(shì)下高校財(cái)務(wù)信息化建設(shè)的思考［J］．會(huì)計(jì)之友，2013(12):77－79．

［4］徐立冰．云計(jì)算和大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)技術(shù)揭秘［M］．北京:人民郵電出版社，2013:2－7．

［5］許金葉，徐琳．構(gòu)建會(huì)計(jì)大數(shù)據(jù)分析型企業(yè)［J］．會(huì)計(jì)之友，2013(8):97－100．

［6］程平，韓佳佚．大數(shù)據(jù)時(shí)代基于云會(huì)計(jì)的企業(yè)固定資產(chǎn)投資決策［J］．會(huì)計(jì)之友，2015(4):128－131．

作者:楊瑾淑 單位：1．臺(tái)州經(jīng)濟(jì)研究所;2．臺(tái)州職業(yè)技術(shù)學(xué)院管理學(xué)院