劉峰

（山西水利職業(yè)技術(shù)學(xué)院 山西省太原市 030006）

在大數(shù)據(jù)時代降臨后，數(shù)據(jù)挖掘技術(shù)為信息資料的提取與整理提供了新的方向，為進一步提升管理會計的工作效率，則需要探索數(shù)據(jù)挖掘技術(shù)運用的新方向，這也是本文研究的主要目的。

1 數(shù)據(jù)挖掘技術(shù)的關(guān)鍵技術(shù)

1.1 數(shù)據(jù)挖掘?qū)ο?/h3>

數(shù)據(jù)挖掘?qū)ο笾饕歉鶕?jù)組織形式的不同，將數(shù)據(jù)來源分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)三種類型，通過文字、圖像、音頻以及視頻等諸多媒體文件數(shù)據(jù)完成數(shù)據(jù)提取。

根據(jù)不同企業(yè)的生產(chǎn)流程，數(shù)據(jù)挖掘的數(shù)據(jù)來源存在明顯差異，以鋼鐵生產(chǎn)企業(yè)為例，在一般的鋼鐵企業(yè)生產(chǎn)過程中，高爐將原材料以及輔助材料熔煉成高溫鐵水之后，再運轉(zhuǎn)至煉鋼爐中做進一步處理；根據(jù)產(chǎn)品的化學(xué)以及物理標準將熔煉好的高溫鋼水通過模鑄等技術(shù)手段澆筑成鋼錠；同時企業(yè)可以根據(jù)訂單的工藝要求，對鋼錠做粗軋、熱軋等一系列處理與深加工等。根據(jù)上述流程，管理會計利用數(shù)據(jù)挖掘技術(shù)，所獲得的成本費用主要包括直接材料費用、直接人工費用以及制造費用等，并根據(jù)每個費用對應(yīng)的環(huán)節(jié)完成數(shù)據(jù)資料抓取與挖掘，實現(xiàn)了整個技術(shù)中數(shù)據(jù)信息的初步提煉。

1.2 數(shù)據(jù)的預(yù)處理

在進行數(shù)據(jù)分析之前，數(shù)據(jù)挖掘需要對初步提煉的數(shù)據(jù)進行標準化，只有標準化的數(shù)據(jù)才能進行數(shù)據(jù)分析，目前學(xué)術(shù)界針對上述數(shù)據(jù)處理流程所采取的方法包括無量綱化處理以及同趨化處理處理等，其中數(shù)據(jù)同趨化處理主要是用來解決具有不同性質(zhì)的數(shù)據(jù)問題，針對不同性質(zhì)的數(shù)據(jù)指標進行整合后，根據(jù)逆變指標數(shù)據(jù)實現(xiàn)所有數(shù)據(jù)的同趨化，此時所獲得的數(shù)據(jù)可以真實反映出企業(yè)的實際問題。數(shù)據(jù)無量綱化處理方法主要是要解決各類數(shù)據(jù)之間的可比性問題。在數(shù)據(jù)處理中，不同處理方法所衍生的數(shù)據(jù)預(yù)處理方法存在差異，本次研究中重點介紹了面向ABC 作業(yè)選擇與合并主題的數(shù)據(jù)預(yù)處理方法。該方法的主要特征是實現(xiàn)了重要作業(yè)選擇與重要業(yè)務(wù)合并之間的結(jié)合，對于管理會計人員而言，通過上述方法可以快速確定企業(yè)日常運營的關(guān)鍵數(shù)據(jù)，并且在考慮到產(chǎn)品生產(chǎn)過程的基礎(chǔ)上，將生產(chǎn)跟蹤表為事實依據(jù)，形成了企業(yè)日常生產(chǎn)的關(guān)鍵技術(shù)流程，對于數(shù)據(jù)挖掘技術(shù)的處理過程具有指導(dǎo)意義。以上文介紹的鋼鐵企業(yè)為例，在數(shù)據(jù)預(yù)處理中，本文所介紹的方法具體結(jié)構(gòu)如圖1 所示。

圖1：面向ABC 作業(yè)選擇與合并主題的數(shù)據(jù)預(yù)處理模式

在圖1 所介紹的數(shù)據(jù)與處理模式中可以發(fā)現(xiàn)，通過該模式可以按照鋼鐵企業(yè)生產(chǎn)種類、生產(chǎn)技術(shù)等關(guān)鍵數(shù)據(jù)完成重要數(shù)據(jù)的采集與提取，在技術(shù)上來看上述方法具有可行性，可以為管理會計提供相應(yīng)的支持，

在圖1 所介紹的數(shù)據(jù)預(yù)處理分類后，可以按照歸一化方法對數(shù)據(jù)做進一步加工，其中的重點包括：（1）線性函數(shù)轉(zhuǎn)換。在線性函數(shù)轉(zhuǎn)化中，其中的表達關(guān)系式如公式（1）所示。

在公式（1）中，x 與y 分別代表轉(zhuǎn)換前與轉(zhuǎn)換后的數(shù)據(jù)；MaxValue 與MinValue 分別為樣本的最大值與最小值。

在樣本預(yù)處理中，通過對數(shù)據(jù)做歸一化處理能夠完成樣本的分布的評估，其坐標數(shù)據(jù)集被控制在{-1，1}中。

（2）對數(shù)函數(shù)轉(zhuǎn)換。在預(yù)處理環(huán)節(jié)，對數(shù)函數(shù)轉(zhuǎn)換的表達結(jié)構(gòu)如公式（2）所示。

在公式（2）中，各項數(shù)據(jù)的解釋與公式（1）相同，整個計算過程是以10 為底數(shù)的對數(shù)函數(shù)轉(zhuǎn)換過程。

通過開展Log 分析，可以將原本絕對化的時間序列做進一步調(diào)整，組成了相對時間序列，可以降低排查難度。

1.3 數(shù)據(jù)挖掘方法

1.3.1 挖掘過程

從管理會計的角度來看，數(shù)據(jù)挖掘是一個連續(xù)的過程，整個挖掘是在沒有明確假設(shè)的基礎(chǔ)上來發(fā)現(xiàn)數(shù)據(jù)中的關(guān)鍵信息，在使用高效、適宜的方法進行挖掘任務(wù)之外，確定特定的主題來執(zhí)行挖掘算法。在上文所闡述的面向ABC 作業(yè)選擇與合并主題模式下的數(shù)據(jù)挖掘方法中，其中的關(guān)鍵點就是要辨別大規(guī)模數(shù)據(jù)庫中各類數(shù)據(jù)的相互關(guān)系，在將其進行數(shù)據(jù)分解之后形成若干個子問題，這些子問題中至少應(yīng)包括兩點：

（1）生成支持度大于給定最小支持度的頻繁項集；

（2）給定的頻繁項集，從中導(dǎo)出關(guān)聯(lián)規(guī)則。

在數(shù)據(jù)挖掘中，因為最大繁榮項集中已經(jīng)包含了頻繁項集的關(guān)鍵信息，所以可先選擇最大頻繁項集挖掘方法來獲得企業(yè)的重要信息，再依托生成關(guān)聯(lián)規(guī)則的方法提取關(guān)鍵資料。但是也有研究認為，目前的最大頻繁項集挖掘算法一直存在效率偏低的問題，所以可針對該方法進行改進，通過圖形數(shù)據(jù)結(jié)構(gòu)的方法來儲存其中的關(guān)鍵項集信息，形成有限圖集的儲存結(jié)構(gòu)以及面向圖集的最大頻繁挖掘算法，以此來提升數(shù)據(jù)挖掘效率[1]。

1.3.2 挖掘結(jié)果的解釋與評估

對挖掘結(jié)果的解釋與評估是針對挖掘結(jié)果進行的定量與定性評估模式，其根本目的是采集挖掘模式下需要解釋或者評價的問題。根據(jù)本文介紹的面向ABC 作業(yè)選擇與合并主題模式，在數(shù)據(jù)挖掘中需要根據(jù)關(guān)聯(lián)規(guī)則的方法，通過置信度與支持度兩方面的資料，借助用戶給定閾值來篩選數(shù)據(jù)挖掘的規(guī)則。

1.4 建模仿真

目前常見的數(shù)據(jù)挖掘建模仿真工具包括Weka、Rapid Miner 以及TipDM 等集中類型，在對比之后發(fā)現(xiàn)TipDM 因為可以集成十余種預(yù)測算法，實現(xiàn)了對主流挖掘系統(tǒng)的覆蓋。該算法的主要優(yōu)點就是可以完成數(shù)據(jù)探索，掌握數(shù)據(jù)的主成分以及相關(guān)性等；在數(shù)據(jù)預(yù)處理中，可進行數(shù)據(jù)屬性判斷、提取數(shù)據(jù)特征資料以及壞數(shù)據(jù)處理等。所以在本次研究中本文通過TipDM 數(shù)據(jù)挖掘在線建模平臺，通過類似算法完成關(guān)聯(lián)數(shù)據(jù)挖掘，其中的重點內(nèi)容包括：

（1）模型輸入。整個模型輸入主要包括兩個維度的內(nèi)容，其中第一方面為建模樣本的數(shù)據(jù)輸入，另一方面則是建模參數(shù)的數(shù)據(jù)輸入。在關(guān)聯(lián)數(shù)據(jù)分析中，其中的建模參數(shù)相關(guān)數(shù)據(jù)如表1 所示。

表1：建模參數(shù)的設(shè)定

（2）數(shù)據(jù)仿真的基本過程。在數(shù)據(jù)仿真過程中，整個處理過程為：①在登錄TipDM 平臺之后，選定管理頁面新建一個方案文件或者打開已經(jīng)建好的文件。②切換至數(shù)據(jù)管理頁面，并上傳企業(yè)的財務(wù)樣本數(shù)據(jù)文件；③選擇關(guān)聯(lián)規(guī)則挖掘算法進行建模；④計算挖掘數(shù)據(jù)之間的關(guān)聯(lián)性規(guī)則。

（3）數(shù)據(jù)結(jié)果分析。為更好的判斷支持度等數(shù)據(jù)對規(guī)則數(shù)量的影響，在數(shù)據(jù)挖掘期間還需要借助其他指標完成數(shù)據(jù)識別，所以為實現(xiàn)該目標，相關(guān)技術(shù)人員可以選擇將置信度下調(diào)為0，作用度上調(diào)為1，以此為標準進行運算，將“企業(yè)破產(chǎn)”為最后標準，根據(jù)這一標準進行運算后，最終的測試結(jié)果可以顯示出與企業(yè)破產(chǎn)相關(guān)財務(wù)數(shù)據(jù)，方便管理會計進行深入的信息核算與數(shù)據(jù)處理。

2 基于模糊模型的數(shù)據(jù)挖掘分析

2.1 技術(shù)原理

在管理會計的數(shù)據(jù)挖掘中，基于模糊模型的數(shù)據(jù)處理具有可行性，這是因為任何一個企業(yè)的日常生產(chǎn)與經(jīng)營環(huán)境都處于不斷變化發(fā)展之中，在市場因素的影響下，企業(yè)無法依托單一的數(shù)據(jù)處理方法來實現(xiàn)數(shù)據(jù)挖掘，所以為確保數(shù)據(jù)挖掘效果，需要在現(xiàn)有時間序列以及回歸方法的基礎(chǔ)上，適應(yīng)不平穩(wěn)隨機序列的運行模式，借助良好的非線性逼近能力來強化成本管理效果。所以考慮到上述情況，本次研究中選擇在數(shù)據(jù)挖掘期間引入模糊模型技術(shù)，根據(jù)模糊模型所提取的信息來進一步完善管理會計模式的功能，最終提升數(shù)據(jù)挖掘效果。

2.2 模糊模型的數(shù)據(jù)處理過程

從現(xiàn)有技術(shù)來看，模糊模型主要包括模糊生產(chǎn)器、模糊推理機、知識庫以及反模糊化器四方面內(nèi)容組成（見圖2）。

圖2：模糊系統(tǒng)結(jié)構(gòu)

（1）模糊生產(chǎn)器可以將數(shù)據(jù)挖掘的初始資料轉(zhuǎn)變?yōu)槟：?，實現(xiàn)了輸入空間的模糊劃分，常見的方法是聚類法。同時考慮到FCM 模糊聚類算法的特殊性，在將輸入空間進行模糊劃分后可以判斷出模糊規(guī)則數(shù)。之后借助模糊聚類的方式形成規(guī)則。

（2）模糊規(guī)則庫中包含了若干條模糊推理規(guī)則，參數(shù)數(shù)據(jù)庫中則進一步定義了數(shù)據(jù)挖掘階段模糊規(guī)則的參數(shù)。

（3）模糊推理機中包含了“if-then”模糊規(guī)則，實現(xiàn)了模糊輸入空間至模糊輸出空間的映射。

（4）反模糊化器可以將模糊值轉(zhuǎn)變?yōu)榍逦鷶?shù)值之后完成輸出，是模糊集合到清晰實數(shù)之間的映射。

2.3 基于FCM模糊生產(chǎn)器的構(gòu)建

根據(jù)管理會計數(shù)據(jù)挖掘的相關(guān)要求，數(shù)據(jù)挖掘過程中應(yīng)該針對企業(yè)內(nèi)部管理的關(guān)鍵數(shù)據(jù)進行跟蹤，根據(jù)數(shù)據(jù)跟蹤反饋結(jié)果來判斷管理會計所制定的措施是否有效，為滿足該目標，在數(shù)據(jù)挖掘的模糊處理中，可以借助FCM 聚類算法的模糊劃分輸入空間（c）與模糊規(guī)則數(shù)（m）進行計算，在確定兩個模糊數(shù)據(jù)之后，可以引導(dǎo)數(shù)據(jù)挖掘過程的范圍與時長，最終為管理會計提供必要的支持。

一般在計算過程中，針對模糊劃分輸入空間（c）通常會采用DB 指標、Dunn 指標等計算方法，通過硬聚類等數(shù)據(jù)快速界定其范圍。在計算模糊規(guī)則數(shù)（m）中，可以參照相關(guān)學(xué)者的研究結(jié)果，根據(jù)相關(guān)學(xué)者從算法收斂性角度的驗算結(jié)果，計算出了m 與樣本數(shù)量之間的相關(guān)性，證實的取值范圍為1.1 ≤m ≤5，本次研究中則根據(jù)這一結(jié)果做進一步驗算。

同時為驗證樣本誤差，本文通過誤差函數(shù)E 來檢查模糊生產(chǎn)器中的數(shù)據(jù)變化，該方法的關(guān)鍵點就是根據(jù)樣本輸出的真實值與模糊模型數(shù)據(jù)輸出結(jié)果計算出模型的結(jié)構(gòu)與數(shù)據(jù)，其中的關(guān)系式表達結(jié)果如公式（3）所示。

在按照公式（3）進行樣本處理中，樣本誤差函數(shù)E 與聚類數(shù)目之間存在相關(guān)性，為了更好的提取數(shù)據(jù)本身的內(nèi)在聯(lián)系，在模糊處理中應(yīng)盡可能的增加模糊樣本數(shù)量，隨著規(guī)則數(shù)目的增加，則模糊模型所給出的數(shù)據(jù)與擬合值越接近，可以提升數(shù)據(jù)處理的精準度。

2.4 應(yīng)用實例分析

2.4.1 數(shù)據(jù)的預(yù)處理

為盡可能的判斷模糊模型在管理會計中的運用效果，本文在數(shù)據(jù)挖掘中運用模擬模型技術(shù)，按照特定的時間序列，按照研究現(xiàn)象或問題之間的差異所形成的不同時間序列。在該時間序列的設(shè)定上，可以根據(jù)分秒，或者日、周月、季度等諸多時間標準進行設(shè)定。在管理會計管理中，通常會以周為單位進行數(shù)據(jù)檢測，并按照月份的財務(wù)數(shù)據(jù)排序方法來測量某一段時間內(nèi)的成本管理會計數(shù)據(jù)值。所以在本次研究中，本文以某生產(chǎn)企業(yè)2019 年1 月-2019 年12 月間的產(chǎn)品單位成本數(shù)據(jù)為歷史數(shù)據(jù)集進行測量，并根據(jù)該結(jié)果預(yù)測2020年的企業(yè)生產(chǎn)成本情況，將該數(shù)據(jù)作為管理會計的重要依據(jù)。所以在該案例中，本文采用了x 的空間維度形式，其表達方法為：x=[x1,x2…xn]的表達方法。

根據(jù)案例企業(yè)所統(tǒng)計的結(jié)果，在2019 年1 月-2019 年12 月間，產(chǎn)品的單位成本維持在13396.44 元-16834.67 元之間，整體保持著不斷上升的趨勢。該企業(yè)的生產(chǎn)成本以編號為特定的銷售形式，所以在本次研究中選擇某一編號的實例進行成本判斷，最終檢測結(jié)果證明，案例商品全年的單位成本維持在3543.73 元-4134.78 元之間。在數(shù)據(jù)與處理過程中，本文通過FCM 模糊生產(chǎn)器進行數(shù)據(jù)處理，最終的模擬檢測結(jié)果顯示，當聚類數(shù)量達到4 時，樣本的誤差函數(shù)有明顯下降；當模糊系數(shù)值達到1.5 時，則樣本誤差函數(shù)抵達了最小極值點。因此在數(shù)據(jù)處理中，應(yīng)針對每一成本等級都能確定與之對象的線性函數(shù)，形成“if-then”的模糊規(guī)則。

根據(jù)擬合誤差的大小判斷模型預(yù)測值的精準度，本次研究中借助最大相對誤差的方法進行預(yù)測性能判斷。根據(jù)判斷結(jié)果可以發(fā)現(xiàn)，優(yōu)化模糊模型的殘差之更小，這一結(jié)果證明該方法的精準度更高，通過以此完成對樣本資料的分析，可以對2020 年的生產(chǎn)成本進行預(yù)測，這一功能滿足管理會計的要求。而在對成本數(shù)據(jù)的應(yīng)用進行與該企業(yè)2020 年的收集生產(chǎn)成本進行對比后，結(jié)果顯示基于模型的預(yù)測成本與實際成本之間的差異不顯著，體現(xiàn)出模糊模型數(shù)據(jù)挖掘技術(shù)具有合理性。

3 基于改進關(guān)鍵規(guī)則的ABC作業(yè)選擇與合并方法

3.1 技術(shù)原理

結(jié)合前文的研究結(jié)果可知，在面向ABC 作業(yè)選擇與合并主題在數(shù)據(jù)挖掘的管理會計中發(fā)揮著重要作用。而作業(yè)成本法在實際上是在產(chǎn)品與資源之間引入“作業(yè)”機制，在企業(yè)生產(chǎn)中，企業(yè)的生產(chǎn)會消耗原材料與作業(yè)產(chǎn)品，最終導(dǎo)致生產(chǎn)的發(fā)生，所以在管理會計數(shù)據(jù)挖掘期間，應(yīng)從企業(yè)的生產(chǎn)工藝入手，本劇作業(yè)成本核算等方法所統(tǒng)計的會計資料進行分析后，通過對逐個作業(yè)展開分析，計算出會計項目中所對應(yīng)的人力、物力以及財力資源。同時因為數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則可以發(fā)現(xiàn)頻繁出現(xiàn)的數(shù)據(jù)，所以本文在使用該方法之后，根據(jù)管理會計的重要性原則挖掘重要作業(yè)項目之間的依存關(guān)系，最終實現(xiàn)有效合并[2]。同時也有研究認為，現(xiàn)階段隨著企業(yè)生產(chǎn)系統(tǒng)日益復(fù)雜化，管理會計需要跟蹤、記錄的數(shù)據(jù)可能達到數(shù)十萬甚至上百萬條，通過關(guān)聯(lián)規(guī)則算法依然存在數(shù)據(jù)處理效率偏低的問題，所以需要通過改進關(guān)鍵規(guī)則的ABC 作業(yè)選擇以及合并方法開展工作。

3.2 最大頻繁項集

在本文所介紹的方法中，假設(shè)一個頻繁項集的F 中存在k 個位數(shù)，則每個子集都是頻繁的，此時子集的數(shù)量則為2k-1 個；當k 處于較大值時，子集出現(xiàn)的頻率有明顯增加。同時根據(jù)頻繁項集的向上閉包性質(zhì)，最大頻繁項集中包含了大量頻繁項集信息，所以通過數(shù)據(jù)挖掘可以將完全頻繁項集進行轉(zhuǎn)變。同時結(jié)合企業(yè)的實際情況來看，隨著越來越多的數(shù)據(jù)庫被使用，所以在數(shù)據(jù)挖掘期間可針對最大頻繁項集的數(shù)據(jù)變化完成片段。

因此假設(shè)I 是所有數(shù)據(jù)項的結(jié)合，相對于一個集合X，則有X∈I，且K=|X|，此時可以認為X 為“k-”項集。相對于數(shù)據(jù)庫D，本文所定義的X 支持度為D 中包含X 的事務(wù)數(shù)量，則可以記錄為sup(X)。此時當sup(X)≥MinValue 時，則可以認為X 是D 中的最大頻繁項集，此時再對該項集進行數(shù)據(jù)挖掘，則可以顯著提升數(shù)據(jù)挖掘效果。

3.3 基于圖論的關(guān)聯(lián)規(guī)則的頻繁數(shù)據(jù)挖掘

在數(shù)據(jù)處理中所需要處理的數(shù)據(jù)規(guī)模存在明顯差異，此時在數(shù)據(jù)挖掘中需要訪問的數(shù)據(jù)量級更大，為提升算法的運行效率，需要設(shè)計一個更有效的數(shù)據(jù)結(jié)構(gòu)，并通過該方法進行挖掘計算，所以本文認為可通過圖論數(shù)據(jù)結(jié)構(gòu)的方法來表達數(shù)據(jù)[3]。

3.3.1 有向項集圖

有向項集圖G=（V，E）的定義為：

（1）在有向項集圖中，所設(shè)定的結(jié)點集V 定義為數(shù)據(jù)庫中所有“1-頻繁項”的結(jié)合，此時每個節(jié)點中均包括三方面的特征內(nèi)容，即頻繁項的名稱、頻繁項的支持數(shù)量、支持頻繁項的事務(wù)列表。

（2）在有向項集圖E 中存在若干個具有不同表達的特殊頻繁集，上述頻繁集與企業(yè)的生產(chǎn)與經(jīng)營情況有關(guān)。

3.3.2 有向項集圖算法

在傳統(tǒng)算法下，針對數(shù)據(jù)挖掘的一般要求主要是通過橫向數(shù)據(jù)集的形式實現(xiàn)的，而為了進一步減少數(shù)據(jù)庫掃描的次數(shù)，在本次研究中決定采用縱向數(shù)據(jù)集的分析方法，即（Item，Tidlist）；并借助二進制編碼技術(shù)，設(shè)定的數(shù)據(jù)Tidlist 的長度與事務(wù)總數(shù)L 之間是相同的，通過L 個二進制位，最終以“L/8”個字節(jié)來表達Tidlist。此時假設(shè)每個字節(jié)的取值結(jié)果為“0”或者“1”，分別對應(yīng)了數(shù)據(jù)集中對應(yīng)事務(wù)的支持或者不支持情況。所以在估算候選數(shù)據(jù)集支持度時，只需要執(zhí)行Tidlist 的二進制邏輯預(yù)算模式，則可以進一步提升數(shù)據(jù)運算效率。

3.3.3 挖掘算法的改進

在實現(xiàn)有項圖集構(gòu)建之后，在關(guān)聯(lián)規(guī)則中最大頻繁項集在數(shù)據(jù)挖掘過程中可以進行完全轉(zhuǎn)換，并實現(xiàn)項集的遍歷。所以整個數(shù)據(jù)挖掘過程可以按照下列流程進行：在選擇首節(jié)點為數(shù)據(jù)挖掘的起始點之后，開始訪問其他鄰接點，之后從該鄰接點出發(fā)進行類似的方位，直至訪問至末鄰接點，由此形成最大頻繁項集集合中；同時回退上一層的節(jié)點并進行類似訪問工作，若后續(xù)生成的頻繁項集中已經(jīng)存在最大子集，則不會歸結(jié)到集合中；相反則會進行自我保存。通過持續(xù)進行上述過程，實現(xiàn)了數(shù)據(jù)挖掘中不同數(shù)據(jù)的訪問，知識挖掘出最大頻繁的項集即可。

3.4 應(yīng)用效果評估

為判斷上文所介紹方案的可行性，本文選擇某鋼鐵企業(yè)做進一步分析。

3.4.1 數(shù)據(jù)預(yù)處理

在數(shù)據(jù)預(yù)處理中，考慮到鋼鐵企業(yè)的種類繁多，為更好的判斷該方法在管理會計中的應(yīng)用情況，本文僅以企業(yè)鋼鐵線材、棒材產(chǎn)品的管理會計工作展開分析，在數(shù)據(jù)挖掘期間，共挖掘出生產(chǎn)資料約3.6 萬條。

3.4.2 數(shù)據(jù)挖掘

（1）選擇重要作業(yè)內(nèi)容。從作業(yè)鏈的角度來看，重要作業(yè)的概念強調(diào)了企業(yè)在生產(chǎn)經(jīng)營管理中，管理會計所能提取到的關(guān)鍵信息。所以借助本文所采用的改良版的數(shù)據(jù)挖掘算法可以通過最小支持度以及置信度實現(xiàn)關(guān)聯(lián)數(shù)據(jù)的挖掘，最終獲得管理會計需要運算、分析的數(shù)據(jù)資料。所以在案例企業(yè)的管理會計數(shù)據(jù)挖掘中，通過該方法所獲得的最大頻繁項集為：{鋼坯加熱，鋼錠加熱，鑄錠，軋制線材，退火，精整}等，每個最大頻繁項集所包含的項集都是數(shù)據(jù)挖掘中的一個重要依據(jù)，在重要作業(yè)的基礎(chǔ)上對數(shù)據(jù)挖掘中的同質(zhì)化數(shù)據(jù)進行合并，最終形成一個完整的作業(yè)。例如在本次數(shù)據(jù)挖掘中，針對其中的重要作業(yè)內(nèi)容可以將回火、正火以及退火等工序進行整合。

根據(jù)數(shù)據(jù)挖掘結(jié)果可以發(fā)現(xiàn)，鋼鐵線材產(chǎn)品與棒材產(chǎn)品在生產(chǎn)經(jīng)營中主要依托鑄錠工藝實現(xiàn)的，但是電渣錠工藝、連鑄工藝等也是影響產(chǎn)品性能的重要指標，所以根據(jù)這一數(shù)據(jù)挖掘結(jié)果，管理會計最終得出結(jié)論，鋼鐵企業(yè)還應(yīng)該重視制造設(shè)備的更新?lián)Q代，除了要保證正常的鑄錠工藝之外，電渣錠工藝、連鑄工藝等對應(yīng)的生產(chǎn)設(shè)備也是提升企業(yè)生產(chǎn)經(jīng)營水平的重要組成部分，由此確定了該企業(yè)未來一段時間內(nèi)的設(shè)備更新方向，充分發(fā)揮了管理會計的功能。

（2）重要作業(yè)的合并。在本節(jié)所介紹的技術(shù)中，在數(shù)據(jù)挖掘期間可在不設(shè)定最小置信度閾值時通過窮舉方法羅列出其中的關(guān)聯(lián)規(guī)則，并形成置信度，此時當所設(shè)定的閾值達到90%時，則可以獲得更加精簡的關(guān)聯(lián)規(guī)則，例如鋼鐵精整→中心室檢驗、鋼錠加熱→鋼坯加熱等。為滿足數(shù)據(jù)挖掘?qū)π实囊螅梢栽谕|(zhì)作業(yè)的基礎(chǔ)上，根據(jù)作業(yè)項目之間的關(guān)聯(lián)度來進行整合，對于管理會計而言，這種數(shù)據(jù)處理模式最顯著的優(yōu)點，就是可以判斷出不同工作項目之間的內(nèi)在關(guān)系，使管理會計可以從全局入手對作業(yè)項目內(nèi)容進行全局性分析，并評估各個因素之間的內(nèi)在聯(lián)系問題，提高了管理會計的處理效果。

所以基于上述要求，在對企業(yè)重要作業(yè)內(nèi)容進行合并之后，可以將管理會計數(shù)據(jù)挖掘過程精準到鑄錠作業(yè)中心、鋼坯修磨作業(yè)中心、軋制棒材作業(yè)中心等數(shù)個方面，管理會計可在此基礎(chǔ)上進行下一階段的會計管理，了解管理動因、成本動因等，有效分配各類管理資源，對于管理會計人員而言，通過上述方法可以實現(xiàn)資源成本的重新分配計算，掌握核心資料。

3.5 效果評估

從效果來看，通過上述方法可以不斷減少管理會計的數(shù)據(jù)挖掘過程，在將各種影響企業(yè)經(jīng)營績效的因素進行合并后，使會計管理人員可以更好的分辨工作的車重點，成為優(yōu)化企業(yè)經(jīng)營管理決策的重要組成部分。

4 結(jié)束語

在管理會計工作中，數(shù)據(jù)挖掘技術(shù)具有廣闊的應(yīng)用前景，而考慮到企業(yè)經(jīng)營管理的復(fù)雜性，管理會計的數(shù)據(jù)挖掘技術(shù)會發(fā)生明顯變化，所以相關(guān)人員應(yīng)掌握其中的數(shù)據(jù)要點，不斷對數(shù)據(jù)挖掘過程進行改進與創(chuàng)新，這樣可以獲得更加翔實的企業(yè)經(jīng)營管理數(shù)據(jù)，使管理會計能夠充分優(yōu)化經(jīng)營管理對策，使數(shù)據(jù)挖掘可以在企業(yè)管理中發(fā)揮更大的作用。