추상 데이터 마이닝은 방대한 데이터에서 지식과 정보를 발견하고 추출하는 과정이다. 기업 고객, 공급업체, 시장 및 내부 프로세스 최적화에 대한 더 많은 정보를 찾고 발견하기 위해 관리회계 분야의 데이터 마이닝 기술을 사용하면 기업 의사결정자에게 보다 광범위하고 효과적인 의사결정 기반을 제공하고 기업의 전략적 경쟁력을 향상시킬 수 있습니다. 본 글에서는 데이터 마이닝의 기본 개념과 방법을 간략하게 소개하고, 이를 바탕으로 비용 및 가치 사슬 분석, 제품, 시장 및 고객 분석, 재무 위험 예방에 데이터 마이닝 기술을 적용하는 방법에 대해 중점적으로 설명합니다.
키워드 데이터 마이닝 정보 관리 회계 애플리케이션
소개
최근 몇 년 동안 데이터 마이닝 기술이 정보 산업에서 큰 주목을 받고 있는 주된 이유는 다음과 같습니다. 많은 양의 데이터가 존재하고 널리 이용 가능하며, 이 데이터를 유용한 지식과 정보로 변환하는 것이 시급합니다. 미국 GAO(General Accounting Office)의 보고서에 따르면, 연방 정부는 데이터 마이닝 기술을 사용하여 정부 서비스 수준 향상, 과학적 데이터 분석, 인적 자원 관리, 범죄 및 테러 활동 탐지 등에 큰 역할을 하고 있습니다. 특히 9/11 이후 미국의 대테러 활동에서는 방대한 양의 데이터에서 유용한 정보를 검색해야 했고, 데이터 마이닝 기술이 중요한 역할을 했습니다. 또한 데이터 마이닝은 비즈니스 활동에도 널리 사용됩니다. Thomas G, John J, 김일운이 Fortune 500대 기업의 CFO들을 대상으로 실시한 설문 조사에 따르면, 받은 유효한 피드백 중 65%의 기업이 데이터 마이닝 기술을 사용하고 있습니다. 데이터 마이닝 기술 사용을 지원하는 회사들은 데이터 마이닝 기술을 효과적으로 사용하면 회사에 2천만~2,400만 달러의 순이익을 창출할 수 있다고 주장합니다. 데이터마이닝 활용 분야를 조사한 결과, 회계 분야가 24%, 금융 분야가 42%, 정보시스템 분야가 19%, 마케팅 분야가 5%를 차지하는 것으로 나타났다. 현재 데이터 마이닝 기술의 적용은 주로 금융 보험, 의료, 소매 부문 및 통신 부문에 집중되어 있습니다. 그러나 내부 비즈니스 관리를 개선하고 기업의 경쟁 우위를 구축하는 데 데이터 마이닝을 적용하는 경우는 거의 언급되지 않습니다.
1. 데이터 마이닝 기술의 의미
데이터 마이닝은 데이터에서 추세와 패턴을 찾아내는 과정으로, 현대 통계, 지식 정보 시스템, 기계 학습, 의사 결정 이론을 통합합니다. 데이터베이스 관리 및 기타 다분야 지식. 대량의 불완전하고 모호한 실제 응용 데이터에 숨어 있는 잠재적으로 유용한 정보와 지식을 효과적으로 추출하고, 대량의 데이터에 숨겨진 복잡하고 숨겨진 관계를 밝혀내고, 의사 결정에 유용한 참고 자료를 제공할 수 있습니다.
2. 데이터 마이닝 방법 및 기본 단계
(1) 데이터 마이닝의 주요 방법
일반적으로 사용되는 데이터 마이닝 방법에는 의사 결정 트리 ), Genetic이 포함됩니다. 알고리즘, 연관성 분석, 군집 분석, 순차 패턴 분석, 신경망 등
(2) 데이터 마이닝의 기본 단계
SAS 연구소에서 제안한 SEMMA 방법은 현재 가장 널리 사용되는 데이터 마이닝 방법으로, 여기서 설명하는 일반적인 데이터 마이닝 프로세스에는 샘플, 탐색, 수정, 모델링 및 평가합니다.
1. 데이터 샘플링
데이터 마이닝을 수행하기 전에 먼저 데이터 마이닝 목적에 따라 해당 데이터베이스를 선택해야 합니다. 샘플링은 하나 이상의 데이터 테이블을 생성하여 수행됩니다. 추출된 샘플 데이터의 양은 실용적인 정보를 담을 수 있을 만큼 커야 하지만 처리할 수 없을 정도로 너무 커서는 안 됩니다.
2. 데이터 탐색
데이터 탐색은 데이터를 심층적으로 탐색하는 과정으로, 데이터에 대한 심층 탐색을 통해 예상했거나 예상하지 못한 관계와 숨겨진 관계를 발견할 수 있습니다. 데이터. 사물에 대한 이해와 개념을 얻기 위한 예외.
3. 데이터 조정
위의 두 단계를 바탕으로 데이터를 추가, 삭제, 수정하여 더욱 명확하고 효과적으로 만듭니다.
4. 모델링
인공 신경망, 회귀 분석, 의사 결정 트리, 시계열 분석 및 기타 분석 도구를 사용하여 모델을 구축하고 데이터에서 신뢰할 수 있는 요소를 찾아냅니다. 예측 모델을 예측합니다.
5. 평가
데이터 마이닝 과정에서 발견한 정보의 실용성과 신뢰성을 평가하는 것입니다.
3. 관리회계에서 데이터 마이닝 적용
(1) 관리회계에서 데이터 마이닝 적용의 중요성
1. 강력한 의사결정 제공 -지원
점점 치열해지는 경쟁 환경에 직면하여 비즈니스 관리자의 의사결정 정보에 대한 수요가 증가하고 있습니다. 기업의 의사결정 지원 시스템의 중요한 부분으로서 관리회계는 점점 더 효과적이고 유용한 정보를 제공할 의무가 있습니다. 따라서 의사결정에 대한 강력한 지원을 제공하기 위해 대규모 데이터에서 지식과 정보를 마이닝하고 탐색하는 것은 관리회계사가 데이터 마이닝을 사용하는 강력한 동기가 되었습니다. 예를 들어, 데이터 마이닝은 기업이 비용 관리를 강화하고, 제품 및 서비스 품질을 개선하고, 상품 판매율을 높이고, 더 나은 상품 운송 및 유통 전략을 설계하고, 비즈니스 비용을 줄이는 데 도움이 될 수 있습니다.
2. 전략적 경쟁 우위를 확보하기 위한 강력한 무기
데이터 마이닝은 기업의 내부 프로세스를 크게 향상시킬 뿐만 아니라 기업의 경쟁 환경을 분석할 수도 있다는 것이 실무를 통해 입증되었습니다. , 시장 및 고객을 전략적 관점에서 분석하여 귀중한 비즈니스 정보를 얻고 회사의 지속 가능한 경쟁 우위를 유지 및 향상시킵니다. 예를 들어, 고객 가치 분석을 통해 회사 가치의 80%를 창출하는 20%의 고객을 식별하고, 이들 고객을 유지하기 위해 더 나은 서비스를 제공할 수 있습니다.
3. 재무 위험 예방 및 통제
데이터 마이닝 기술을 사용하여 기업 재무 위험에 대한 조기 경고 모델을 구축할 수 있습니다. 기업의 재무위험은 하루아침에 발생하는 것이 아니라 누적되고 점진적으로 진행됩니다. 재무위험 조기경보 모델을 구축함으로써 기업의 재무상태를 수시로 모니터링하고 금융위기의 발생을 예방할 수 있습니다. 또한 데이터 마이닝 기술은 악의적인 상업 사기를 방지하고 기업 이익을 보호하기 위해 기업 자금 조달 및 투자 행동을 모니터링하는 데에도 사용될 수 있습니다. 특히 금융기업에서는 데이터 마이닝을 통해 악의적인 신용카드 초과인출, 의심스러운 신용카드 거래 등 은행업계가 직면한 사기행위를 해결할 수 있다. SEC 보고서에 따르면 Bank of America, First Bank of America 및 Federal Home Loan Mortgage Corporation을 포함한 여러 은행이 데이터 마이닝 기술을 채택했습니다.
(2) 관리회계에 데이터마이닝 적용
1. 활동기준원가계산 및 가치사슬 분석
정확한 계산을 통한 활동기준원가계산 방법 비용 절감과 자원의 완전한 활용은 사람들의 큰 관심을 불러일으켰지만, 그 복잡한 운영으로 인해 많은 관리자들은 낙담했습니다. 데이터 마이닝에서 회귀 분석, 분류 분석 및 기타 방법을 사용하면 관리회계사가 비용 동인을 파악하고 비용을 보다 정확하게 계산하는 데 도움이 될 수 있습니다. 동시에 운영과 가치 간의 관계를 분석하여 부가가치 운영과 비부가가치 운영을 결정하여 기업 가치 사슬을 지속적으로 개선하고 최적화할 수도 있습니다. Thomas G, John J, 김일운의 조사에 따르면 활동 기반 비용 관리에 데이터 마이닝이 사용된 비율은 3%에 불과했습니다.
2. 예측 분석
관리회계사는 많은 경우 미래를 예측해야 하며, 예측은 방대한 양의 과거 데이터와 적절한 모델을 기반으로 합니다. 데이터마이닝은 대용량 데이터베이스의 예측정보를 자동으로 검색하고, 추세분석, 시계열분석 등의 방법을 활용하여 매출액, 비용, 자금 등에 대한 예측모델을 구축하고, 기업의 다양한 지표를 의사결정의 기초로 과학적이고 정확하게 예측합니다. .
예를 들어, 시장 조사 데이터 분석은 과거 데이터 등을 기반으로 매출 예측 모델을 수립하는 데 도움이 될 수 있습니다.
3. 투자 결정 분석
투자 결정 분석 자체는 매우 복잡한 프로세스이므로 일부 도구와 모델의 도움이 필요한 경우가 많습니다. 데이터 마이닝 기술은 효과적인 도구를 제공합니다. 투자 결정의 정확성과 효율성을 보장하기 위해 회사의 재무 보고서, 거시경제 환경, 기본 산업 상황 등 대량의 데이터로부터 의사 결정과 관련된 실질적인 정보를 마이닝합니다. 예를 들어 시계열 분석 모델을 활용해 투자를 위한 주가를 예측하고, 온라인 분석 처리 기술을 활용해 기업의 신용등급을 분석해 투자 위험을 예방하는 등의 방법을 사용한다.
4. 고객 관계 관리
고객 관계 관리는 기업의 경쟁 우위를 강화하는 강력한 무기입니다. 먼저 고객그룹을 분류해야 합니다. 데이터 웨어하우스의 분류 및 클러스터 분석을 통해 그룹 고객의 행동 규칙을 발견하여 고객을 그룹화하고 차별화된 서비스를 구현합니다. 둘째, 파레토의 법칙에 따라 고객의 가치를 분석합니다. 기업의 가치. 이러한 상황에 대응하여 회사는 고객 데이터베이스에서 이러한 고객을 발굴하고, 이러한 고객의 행동, 요구 및 선호도를 동적으로 추적 및 모니터링하고, 다양한 고객 그룹의 다양한 특성을 기반으로 해당 제품 및 서비스를 제공할 수 있습니다. 고객과의 장기적인 협력 관계를 구축하고 고객 유지율을 향상시킵니다. 예를 들어, 통신 부문에서 통신 데이터의 다차원 분석은 제품에 대한 다양한 고객의 다양한 요구 사항을 식별하고 비교하는 데 도움이 될 수 있으므로 기업은 보다 차별화된 제품을 제공하고 고객에게 더 나은 서비스를 제공할 수 있습니다.
5. 제품 및 시장 분석
다양성 최적화는 가장 큰 이점을 달성하기 위해 적절한 제품 조합을 선택하는 프로세스입니다. , 장기적인 고객 기반과 그 복합물을 구축하는 것일 수도 있습니다. 이러한 목표를 달성하기 위해 관리회계사는 가격 및 비용 데이터가 필요할 뿐만 아니라 때로는 대체재의 상태와 특정 시장 부문에서 원래 제품과 어떻게 경쟁하는지 알아야 합니다. 또한 기업은 한 제품이 어떻게 다른 제품의 판매를 자극하는지 이해해야 합니다. 예를 들어, 비영리 제품 자체는 수익성이 없지만 상당한 고객 트래픽을 유도하고 고수익 제품의 판매를 자극한다면 이 제품은 수익성이 매우 높기 때문에 제품 목록에 포함되어야 합니다. 이 정보는 실제 데이터를 기반으로 한 상관 분석 및 기타 기술을 통해 얻을 수 있습니다.
6. 재무 위험 분석
관리회계사는 데이터 마이닝 도구를 사용하여 기업의 재무 위험을 평가하고 기업 금융 위기에 대한 조기 경고 모델을 구축하며 파산을 예측할 수 있습니다. 파산 예측 또는 금융 위기 조기 경보 모델은 관리자가 적시에 기업의 재무 위험을 이해하고 사전에 위험 예방 조치를 취하여 파산을 방지하는 데 도움이 될 수 있습니다. 또한, 파산 예측 모델은 파산 원인 분석에도 도움이 될 수 있으며 이는 기업 경영자에게 매우 중요한 의미를 갖습니다. 1930년대에 Smith와 Winakor는 파산 예측 시도를 개척했습니다. 그러다가 1960년대에 다변량 판별분석(Multivariate Discriminant Analysis) 방법을 이용한 Altman의 Z-score 파산 예측 모델이 90% 이상의 예측 정확도로 큰 성공을 거두었습니다. 이후 다변량 판별 분석, 로지스틱 회귀 분석, 유전자 알고리즘, 신경망, 의사 결정 트리 등의 데이터 마이닝 기술이 기업 파산 예측에 널리 사용되었습니다.
IV. 결론
우리나라가 WTO에 가입하면서 기업들은 점점 더 큰 경쟁 압력에 직면해 있습니다. 최신 정보 기술 성과를 최대한 활용하고 기업의 잠재력을 활용하며 내부 관리를 강화하고 기업 경쟁력을 강화하는 것이 시급합니다.
데이터 마이닝 기술의 홍보 및 적용은 비용과 기술의 한계가 있지만 기업 고위 관리자의 지원을 얻을 수 있다면 데이터 마이닝의 응용은 큰 발전 전망을 가질 것입니다.