摘要:为了解决大数据环境下会计数据的获取成本高、处理效率低以及挖掘周期长等问题，研究了会计云服务平台的构建．分析了会计云服务平台的可行性;设计了平台的体系架构，构建了会计云服务平台的功能．并对平台进行测试仿真分析，结果表明所设计的平台效果良好．

关键词:大数据环境;会计;云服务平台

在大数据环境下，企业最为重要的资源是各种信息和内部数据［1］．随着企业的交流，企业内部会产生大量数据，如何筛选和利用大数据，从而提取出有效数据则会为企业带来不可估量的产业价值．以会计信息系统为对象，面对海量的会计数据需求的压力与日俱增．考虑到会计数据的获取成本高、处理效率低以及挖掘周期长等原因，现阶段构建的会计信息系统无论在会计数据处理方面还是提供有效科学的决策方面都缺乏竞争力．因此，本文利用云计算处理技术来帮助构建高效的大数据处理平台，这不仅可以完善会计信息系统的各项功能，而且还能够提供更有效的商业决策，具有较高的应用价值．

1大数据环境下会计云服务平台构建的可行性分析

在企业内部构建基于大数据环境的会计云服务平台的前提条件就是进行系统的可行性分析，首先论证开发此平台的理论是否科学合理，然后对于后期的构建和维护成本进行预算，最后估计该服务平台的经济效益．

1．1理论可行性分析利用连续性随机变量期望的定义方式［2］，构建基于企业的会计方面的大数据(用Y表示)，其数学表达式为Y=∫ρ(x)dx(1)其中，ρ(x)表示会计大数据的概率密度函数，利用式(1)得到会计大数据的客观信息，然后利用有效会计大数据V修正客观会计大数据:V=Yr(2)其中，该表达式的价值系数为r∈［0，1］，而且当r=1时，V=Y，此时会计大数据可认定为具有价值;当r=0时，V=1，则表示只有一条会计大数据具有价值．知识数据K与有价值的会计大数据V的关系为K=∫iVdV(3)其中，参数i表示有价值信息的知识转化参数．具体来讲，会计信息处理系统会针对客观数据Y进行分类、筛选、整理以及深度挖掘处理，然后自动生成决策信息K．本文设计的会计云服务平台就是扩大会计数据的处理范围，利用先进的信息处理技术来分析和挖掘会计大数据，并提供有效的企业决策．因此，在可行性方面，该平台有较好的可行性．

1．2经济可行性分析企业可以将内部的会计数据全部存储在专业云端平台上，任何授权的机构可以通过云端获取到所需的会计数据，这样将大大减少企业成本［3］．首先，在前期构建会计云服务平台时，企业可以节约一部分存储成本;其次，企业也无需在投入系统扩展以面对高峰期数据服务需求．需要说明的是，企业应用的高端服务器的应用率不到20%，因此借助于云端平台企业将不再受到存储容量以及高端服务器的使用限制，从而进一步地节约成本;最后云计算服务提供商可以为企业提供具有不同应用层次的服务，而企业只需按照服务级别付费即可，无需购买多余设备，这也节约了一些硬件成本．利用云计算技术来构建会计云服务平台不仅可以加快数据传输速度，而且还支持多数据格式相互转换，让企业的工作人员可以随时随地通过网络访问云端，并从中获取到所需的数据信息，从而加强了企业内部的相互交流和协作，保障了部门之间的资源共享，整体上提高了工作效率．因此，本文设计的大数据环境下会计云服务平台具有良好的经济可行性．

2平台体系架构设计

按照层次来分，基于大数据环境的会计云服务平台主要包括数据输出展示层、数据加工存储层以及数据获取层等，并且将大数据安全机制以及标准化方式应用到整个云服务平台当中，具体平台整体框架图如图1所示．其中云服务平台主要由系统的存储设施、网络设施以及相应的操作系统构成，其工作模式为云计算提供的服务模式，因此该系统的基础运行环境还是由云计算服务提供商来提供的．该系统的数据获取层主要功能为从企业内部或者外部获取所需的会计业务类型数据、财务管理类型数据以及公开的企业会计信息数据等;系统的数据加工存储层主要功能为统一整合会计大数据，然后将加工后的数据保存在相应的数据库中，比如关于客户信息的会计数据、销售类型的会计数据以及人力资源类型的会计数据统一存储在基础数据库中，而关于知识库、模型库以及方法库等信息数据统一存储在分析类型的数据库中，从而为后续的分析使用提供相应的数据支持．数据输入输出层的主要功能为利用多种数据挖掘技术来分析和处理会计数据，并从不同模块中输出处理后的会计数据．

2．1会计大数据加工存储会计大数据加工存储功能就是利用存储器收集、整理以及存储不同来源和不同类型的会计大数据，并构建不同的数据存储库．当然还可以参照大数据的中高度维度和粒度分析会计大数据，并利用ETL工具转换原始的大数据，并将转换后的数据存储在不同维度表中以便进行有效的调用和管理．加工存储的工作重点在于如何帮助简化数据的结构化、非结构化以及半结构化等特点，从而显著提高数据的可存储性、可传输性、可表示性以及可处理性等［4］．与此同时，还可以将人工智能技术以及Hadoop架构技术应用到加工存储功能中，这不仅可以有效去除数据的冗余度，优化数据结构和存储成本，而且还能够优化大数据的非关系类型，为后续的可视化显示提供便利．

2．2会计大数据分析输出会计大数据的分析输出功能主要是在现有数据挖掘技术的基础上改进数据挖掘技术，将现有的财务分析模型、数据判别方法以及运算方式进行统一整理，并进行集成化处理，从而实现对于分布式数据库中的会计大数据进行数据挖掘以及多维分析处理等，然后再利用操作交互界面显示数据挖掘结果，从而满足企业的数据需求．一般来讲，系统的实时性分析工具可以使用Oracle公司的Exadata软件，还可以利用Hadoopl软件来处理半结构化或者非结构化数据［5］．

3平台功能构建

3．1财务综合分析本文在基于大数据的财务综合分析功能中添加了哈佛分析功能，从而为企业提供会计数据分析、财务分析、企业战略分析以及企业发展前景分析等功能．具体来讲，在企业战略分析过程中，专门设立基于企业经营、行业发展以及竞争决策等功能［6］．在整个行业发展过程中，企业可以通过分析市场需求、行业特点、企业竞争力以及企业发展战略等方面找到该企业的生存和发展策略，比如在企业产品、企业技术以及企业员工等方面进行突破，并利用大数据技术挖掘企业的潜在价值．

3．2财务综合决策大数据技术的应用为平台的财务综合决策提供了海量的会计数据，而且该综合决策也不能再单一依赖于决策者的经验和基本财务数据来进行判断，因此该平台的综合决策更多地依赖于数据的收集、分析、整理以及应用水平．具体的财务综合决策分析流程如图2所示，该平台使用的数据源主要来自于互联网、社会化网络、物联网以及移动互联网等，当然还可以从企业内部系统、工商管理部门以及银行等机构获取．财务综合决策系统规范处理大数据的同时还可以利用数据分析和挖掘技术来挖掘和筛选出相关的出纳、审计以及税收等信息，然后利用可视化技术、基于文本分析技术、智能搜索技术以及智能化技术等帮助进行财务决策．

3．3财务综合预测在财务综合预测过程中，应该根据内部企业资料、外部环境因素以及财务综合分析的结果进行分析，并利用基于单变量和多变量的线性回归方式来预测未来企业的财务状况，为企业规避风险和提高利润提供帮助．营业成本预测技术利用作业成本技术将分配成本方案应用到各个作业中，然后利用聚类分析方法来分析各个因素对于成本的影响，最后根据以往成本和营业数据来选择与之相似的营业趋势模型，从而更好地预测企业未来成本．财务风险预测技术利用了周首华等学者提出的F计分模型来预测企业未来财务风险，还可以利用Kalman滤波技术以及BP神经网络模型来针对企业的财务状况进行智能预警．比如利用Kalman滤波技术以及BP神经网络模型来构建财务预警动态模型，从而提供智能动态预警功能．由于财务危机的诱因就是企业财务状况恶化，而企业经营不善又是财务状况恶化的主导因素，内部和外部因素是财务恶化的推动器，公司财务管理力度不强又是财务恶化的内在原因，因此本文从上述4个方面收集相关企业数据资源，然后利用会计大数据技术来分析企业的经营环境，从而更好地整理出准确反映企业财务风险的因素．财务动态预警分析体系可以将各项指标进行量化处理，从而构建合理的综合指标监测体系，然后进行财务预警，并针对相关企业财务风险及时进行提示和报警．

4平台核心功能的测试分析

4．1测试营业收入和营业成本预测情况会计云计算服务平台根据从2000年到2013年的营业成本和营业收入数据来自动预测未来5年的财务状况，其具体的平台营业收入和营业成本预测图如图3所示．本文设计的预测模型预测该企业的2010年的营业收入约为417．34亿元，企业实际的营业收入为386．87亿元，其误差率约为7．8%;预测模型预测2011年企业的营业收入为545．57亿元，企业实际的图3会计云平台营业收入与成本预测营业收入为549．01亿元，其误差率约为0.6%;预测模型预测2012年企业的营业收入为674.11亿元，企业实际的营业收入为680.67亿元，其误差率约为0．96%;预测模型预测2013年企业的营业收入为781.24亿元，企业实际的营业收入为783．11亿元，其误差率为0．23%，从中不难看出，除了2010年的预测误差较大之外，其余几年的预测误差都比较理想．考虑到2010年企业的营业收入小于预测的营业收入，究其原因，主要是因为新医改政策带来的企业结构调整，当然宏观经济环境、相关政策法规以及市场整理都对企业的营业收入产生了一定的影响，在这之后企业及时进行战略调整，所以在2011年企业的营业收入有了显著提高．以企业在2010年的营业收入作为观测对象，点击可以详细查看企业不同产品在不同区域的销售柱状图，如果点击收入还能够查看不同产品的销售记录．如果点击营业成本点，还可以查看该行业的营业成本关系，具体数据通过点击营业成本选项．

4．2测试3项费用预测情况本文设计的预测模型预测2010年企业的销售费用为28.57亿元，企业实际的销售费用为30.56亿元，其误差率为5%;预测2011年企业的销售费用为32.69亿元，企业实际销售费用为32.46亿元，其误差率为0．67%;预测2012年企业销售费用38.36亿元，企业实际销售费用为45.21亿元，其误差率为2．9%;预测2013年企业销售费用43.83亿元，企业实际销售费用为45.26亿元，其误差率为2．8%．预测模型关于企业的财务费用和管理费用的预测示意图如图4所示．图4会计云平台3项经费预测从图4中不难看出，企业的2010年与2012年的销售费用和管理费用存在较大的误差，主要原因是在2010年和2012年有很多企业进行整合，因此在报表合并时会产生高昂的销售费用和管理费用．企业在2011年财务费用增加的主要原因是大量汇兑造成的，而且2012年企业恢复正常，利用内部融资方案来尽量降低相关财务费用．正是由于预测模型的汇率与实际汇率存在一定的误差，从而造成了预测模型在2010年和2012年产生较大的误差率．上述这些因素都是突发性的，而会计云服务平台无法应对，这也是平台设计的缺陷．

4．3财务预警预测分析测试会计云服务平台利用Z值模型来预测集团财务状况．Z=1．2X1+1．4X2+3．3X3+0．6X4+X5(4)其中当Z＜1．80时，企业存在严重的财务危机，预测一年内会出现破产;当1．80＜Z＜2．66时，企业存在一般财务危机;当Z＞2．66时，企业没有存在财务风险，预计企业不会出现财务危机．该平台还专门设定自动报警功能，当Z值一旦低于1．80时，系统会自动提醒企业注意．从表1可以看出:集团Z值主要受到X这一因素的影响，而且系统会实时观测这个影响因素．本文专门针对预测结果和企业具体运行数据进行分析比对，从中发现该集团在年初会出现一定的财务危机，主要是因为年初或者月初的销售计划刚刚开启，企业比较容易陷入财务危机．尤其是企业在2012年中上旬出现财务报表造假现象，而该预测系统预测企业在该年3月或4月出现财务危机，企业实际情况与预测情况相符;但是企业在2014年3月并没有出现财务危机，这与预测的结果有一定出入，因此预测模型还需进一步改进．5结论在大数据时代，会计部门将面临海量的企业数据，这已经成为会计部门重要工作之一．通过大数据技术以及云计算技术等，可以帮助挖掘和分析会计大数据的特点，为进一步解决数据资源匮乏、信息孤岛以及企业决策困难等问题提供一体化的解决方案，从而有效管理企业数据，为企业管理者提供科学合理的决策．

参考文献：

［1］成静静，喻朝新．基于云计算的大数据统一分析平台研究与设计［J］．广东通信技术，2013(1):6－10．［2］何晓行，王剑虹．云计算环境下的取证问题研究［J］．计算机科学，2012(39):105－108．

［3］孙琪华．新形势下高校财务信息化建设的思考［J］．会计之友，2013(12):77－79．

［4］徐立冰．云计算和大数据时代网络技术揭秘［M］．北京:人民邮电出版社，2013:2－7．

［5］许金叶，徐琳．构建会计大数据分析型企业［J］．会计之友，2013(8):97－100．

［6］程平，韩佳佚．大数据时代基于云会计的企业固定资产投资决策［J］．会计之友，2015(4):128－131．

作者:杨瑾淑 单位：1．台州经济研究所;2．台州职业技术学院管理学院