大数据管理与会计信息质量提升

郝继伟 武浩峥

一、引言

“大数据”已经成为当今时代企业变革和创新的基本思维起点，大数据管理在许多企业被视为未来经济增长点。美国2015年工业互联网洞察报告结果表明，80%以上的高管将大数据应用和分析列入企业前三项最重要的技术投资清单，70%以上的高管表示计划将20%以上的技术资金投入到大数据技术研发和应用中。大数据之下，企业外部交易成本的下降使得企业的补充性资源动力提升，而数据核心能力的提升也使得内部交易成本降低，从而提高了企业的管理水平。

会计信息在资源配置和决策过程中具有决定性地位，它解决了委托人和代理人之间存在的信息不对称问题。早在20世纪末，陈毓圭（1996）就指出企业报告没有面向未来，会计信息严重不完整，会计信息正在失去相关性。陈卫星（1998）、蒋尧明（1999）和谭劲松（1999）等认为在知识经济条件下，企业无形资产的比例与重要性日益提高，而这一信息却无法得到充分披露。这使得会计信息的可靠性和相关性变差，影响了使用者的决策。会计信息使用者越来越关心企业无形资产的状况,他们需要会计提供有关无形资产的价值、构成、收益等方面的有用信息,以便作出科学合理的投资决策或管理决策。

实际上，在改善会计信息质量方面，可靠性和相关性存在着不可调和的矛盾。根本原因在于信息的提供者和使用者对信息要求的侧重点不同，信息的使用者要取得可靠性和相关性的权衡，而信息的提供者要显示与其努力程度高度相关的信息。黄世忠（2015）指出，移动互联网时代，面对层出不穷的商业模式创新，会计在理论和实务两个方面已经严重滞后，如不与时俱进，就有可能被边缘化，而商业模式的创新都是基于大数据的。传统的信息不对称是指信息的匮乏性和可得性；在大数据背景下，信息不对称主要表现为市场各方对信息生产、传递、处理、管理等能力上的差异性。所以，如何对大数据进行管理，以提升会计信息质量，并最终缓解信息不对称问题变得日益重要。

二、大数据可以显著提升会计信息相关性

建立在相关关系分析法基础上的预测是大数据的核心。大数据重视相关关系，而非因果关系，是有理由的。一方面，是数据结构和关系的复杂性使得因果关系的分析难以探讨，时间上不合算；另一方面，大数据的特点是价值密度低，而数据体量且是动态变化的，因果关系具有时效性，执着于因果关系的分析也就得不偿失，时效性这一特点也使得这种分析对于决策的帮助不是很大。

大数据对于会计信息相关性的提升作用主要表现在：第一，会计信息来源的增加使得原有会计信息得到支持或者补充证据，可以称之为辅助性提升；第二，原来不容易量化的信息，由于价值评估方法的改进而可以进行量化，进入到会计信息系统中，这样就增进了会计信息的相关性，可以称之为估值提升。

1.不同类型的大数据是对现存会计记录的补充

大数据的信息来源是多样化的，不仅包括结构化的数据，更重要的是包含了大量超出结构化数据之外的非结构化数据，比如视频和图像数据，音频数据和文本数据等。其中，视频和图像可以成为会计信息的来源，即可以作为补充的非财务信息进行披露，以提升公司的投资质量。根据公司高管的演讲视频和图像可以在一定程度上评估企业的风险。而音频数据也可以提高会计记录和财务信息的质量，基于音频数据流，大数据可以提供支持会计记录的附加证据，比如厂房建造期间建筑工程师的音频数据可以提供其价值和受益期限的额外证据，这可以帮助未来的会计理解长期资产的价值基础和潜在减值问题。客户对音频数据的运用有助于增强满意度，了解产品质量信息，最终提高对于保修责任的估计。

此外还有文本数据，当前社会媒体是最大和增长最快的文本数据来源，这些数据在评估和提高公司绩效方面将会起到很大的帮助作用。当然，从管理会计的角度来看，前述不同来源的数据经过提取，与传统的财务数据进行整合以后，将会提高企业评价和预测企业绩效的能力，而且能够为决策制定增加明晰性和有用性。例如，在与固定资产有关的大数据系统中能够增加包括视频和音频在内的多种类型的多媒体。通过这种手段，使用者获得了对资产的基本状况、面貌和特征的更全面的了解，尤其是在资产的明晰性方面满足了利益相关者的需求。

2.多源异构数据加深了利益相关者对于软资产的了解

在大数据时代，最重要的资产不再是有形资产，而是诸如客户、人力资源、品牌等类型的轻资产。然而因其价值确定很困难，所以资产负债表仅将其列入表外资产信息予以披露。尽管这类资产因行业和企业的不同表现出很大的差异性，但对于利益相关者有明显的价值。许多国家和企业正在经历对无形资产投资的快速增长，使得表外资产项目的比例越来越大，引起了传统的财务报表相关性的持续下降，降低了会计信息质量，逐渐减少了会计信息对决策的有用性。

大数据恰好可以对此问题提供有力的帮助。首先，能够增进对无形资产的本质和特征的了解，使得与目标资产有关的关键特征能够被收集、加工和分析；其次，这些特征信息可以迅速得到广泛传播，很容易为利益相关者所知晓。这类信息大部分是定性信息，对财务报表的解读起到了补充作用，利益相关者利用这些信息，能够找到提升表外无形资产信号的重要性的路径；最后，随着数据搜集和分析过程的演化，对于软资产的定量估值方法会被创建和发展，可能会允许出现在资产负债表中。

3.估值方法的改进减少了公允价值会计估计的主观假设

学术界对于公允价值的争论集中表现在确定状态下的公允价值应用问题。比如关于财产、厂房和设备等资产的计量问题，不同准则对于公允价值的强调存在着重要的差异。国际会计准则同意采用公允价值方法和相关的重新估值，而美国会计准则则允许这些资产以历史成本反映，除了出现减值的情况之外，禁止使用公允价值。当减值发生时，美国会计准则要求每一个受影响的资产估值为减值后的价值（Grant Thornton，2014）。

大数据能够帮助解决美国会计准则和国际会计准则关于公允价值会计存在的分歧，并帮助创建一个全球性的会计标准。首先，大数据的搜索范围更大。利用大数据的自动网络搜索方法，搜集那些难以估值的资产信息以帮助估值，这一过程可以在限定时间内持续运行，也可以定期运行；其次，大数据可以搜集某一类型资产的所有细节，为更深入的分析提供了便利。这些数据依据不同的决策规则来进行搜集，可以说囊括了与目标资产相关的所有可获得的信息，有助于代理人对该资产的长期关注和运行。

在公允价值会计估计背景下，搜寻所有相关的信息以最大化第一个和第二个层次的公允价值估计，包括客观的、可观察的和当前的活跃市场数据。如果每一个公司都有这样的方法，那么数据公司就能够用标准的加工过程生产公允价值估计所需的信息。而在大数据背景下，活跃市场的可能范围将会加大，而可观察的市场价格的频次和类型也会大幅度增加，这些都为公允价值的前两个层次的价值估计提供了更加丰富的信息。

不难想象，专注于提供关于资产和负债公允价值的数据服务公司和估值公司将会在市场上激增。不管这些信息是否经由大数据展现出来，公允价值会计估计的主观假设必将会减少。例如，考虑公允价值会计对固定资产的影响。当前所采用的折旧方法主要包括直线法和加速折旧法，反映了此类资产价值随着时间所发生的变化，它主要基于这样的假设：估计的有效寿命期和资产所获得的收益是相匹配的。然而，尽管直线法是最常用的方法，很多时候它并不能正确地反映随着收益期的推移而发生的资产价值的变化，如车辆的年龄和其价值之间存在着负相关的关系，而在大数据背景下，车辆的价值可以很容易地根据每一个报告期内相关市场变量的表现而进行修正。

三、大数据对会计信息质量的负面影响

1.不相关信息和数据可用性问题

大数据在提升会计信息相关性的同时，也应该注意到，原始数据包含了所有数据和全部细节信息，其中会有大量的不相关信息，对决策形成了干扰，影响决策的效率，甚至会导致决策者作出错误的决策。

伴随着大数据的爆炸性增长，也催生了大量的劣质数据，这些劣质数据的使用在很大程度上降低了数据的可用性。大数据的可用性至少应该包括五个方面的性质：一致性（避免语义错误和相互矛盾）、精确性（应用领域特别要求）、完整性（对于查询和计算的支持）、时效性（过时信息危害很大）、实体统一性（同一个实体在各种数据源中描述统一，也是共享的要求）。

事实表明，大数据在可用性方面存在严重问题。国外权威机构的统计表明，美国企业信息系统中的数据存在各种错误和误差。比如美国医疗信息系统中的关键数据不完整或陈旧；国际著名科技咨询机构的调查指出，全球财富1000强企业的信息系统中数据不正确或不准确的比例超过25%。数据可用性问题伴随着大数据的指数增长将会日趋严重，也必将导致源于数据的知识和决策的严重错误。

而且，对于不相关数据的加工处理过程会花费大量的时间成本，并产生不菲的费用，据有关专家推算，从时间上来看，会有30%-80%的时间用于清理劣质数据，而清理过程所产生的成本占到企业产值的10%-20%。

2.过分依赖相关性分析作为决策依据

大数据时代最大的转变，是放弃对因果关系的渴求，而关注相关关系。也就是说只要知道是什么，而不需要知道为什么。舍恩伯格得出这样的结论:“相比于依靠精确性的小数据时代，大数据凭借其数据的完整性和混杂性，帮助我们一步步接近事物的真相”。但是该相关关系对于决策的价值需要作出谨慎的评估，通常而言，它们仅仅为决策提供了线索，如果凭借这些相关关系直接作出决策，那么这些决策有很大的可能是错误的或者失败的。比如某一个游戏提供商的设计师根据大数据提炼出的玩家的抱怨，有针对性地在后续游戏中做了改进，它所做的改进是针对组队困难的抱怨。新游戏采用随机组队模式，组队变得十分容易，但是由于忽略了游戏的社会交往功能，破坏了社交属性，效果适得其反。所以，大数据的使用分析，不能够让相关关系分析成为决策的依据，它仅仅是进一步分析因果关系的线索而已。它仅仅是一个工具，一个指示器，而非最终答案，它应该为决策注入活力，而不是驱动决策。过分依赖相关关系做出决策存在着很大的问题，因为只知相关性而不知因果，那么数据分析的深度只有一半。因果关系的基础是相关关系，不能将相关分析与因果分析对立，而需将其并重，使其互相补充。

四、提升会计信息质量的大数据管理策略

综上所述，大数据对于会计信息质量具有正反两个方面的影响，只有通过大数据管理，才可能提升组织的会计信息质量水平，从而为投资者提供与决策更为相关的信息，在实现大数据价值的同时，也将有利于最终提高组织的经济和社会效益。

然而，综合应用大数据进行管理决策需要新的能力，以及组织结构和文化的变化。大多数公司远未深入到可使用的数据当中，具有讽刺意味的是，在这其中还有一些公司甚至还掌握着能够捕捉和分析有价值的信息技术，但是他们仍然没有能够充分利用大数据为其服务，而这反过来又验证了大数据管理的重要性。

1.改变会计部门的角色定位，变成本中心为利润中心

大数据不仅给企业带来一种全新的战略资源和核心能力，还可以使企业或社会资源控制方式、利用方式以及配置方式的开放化得以实现。“大数据”意识、“大数据”思维应该成为当今会计制度创新领导者及参与者的基本知识准备。

在大数据时代，信息产品具有高固定成本和低变动成本的特征，成本结构的变化所导致的直接结果是企业规模扩张的边际成本递减与基于网络外部性的规模扩张边际收益递增效应不断得到加强，直接颠覆了人们在传统工业经济时代对企业生产行为边际成本递增和边际收益递减的一般认知。当然，其所要求的生产组织方式和治理机制也大不相同。所以，有必要重新定义会计部门在组织中的地位，要完成由“核算财务”向“价值提升”转化，即会计部门要学会充分利用大数据加工高质量的会计信息以创造价值。

当前的商业模式越来越多的强调通过多个参与者的互动创造价值，而非传统的一对一交易或者信息交换，当企业会计部门能够通过基于数据的信息服务向个别的客户索取价格时，就可以从一系列使用者搜集的数据产生收入。组织负责人起码在观念上要作出改变，即会计部门可以创造价值，而不仅仅是传统的成本中心。

2.创造和获得数据并对大数据能否纳入会计记录进行评估

大数据状态下的数据呈现是碎片化的，大数据提供重叠的信息，公司能从整个数据集，也能从其千分之一的数据集中获取同样的信息。从经济学的意义上来讲，数据样本收益是递减的。此外，决定数据价值的不是数据的规模，而是进行加工后的数据质量，价值主要不是通过数据创造的，而是通过设计、执行以及阐释重要的试验来创造的。而通过会计的加工过程对于数据质量具有决定性的影响。所以，提供什么样的信息，或者说在财务会计数据库中放入什么样的信息更相关对于会计人员提出了更高的要求。很显然，在大数据价值的实现方面，会计大有可为。

然而，对于每一个公司而言，数据的使用受限于数量、质量和可获得性。许多组织不能够应用大数据，是因为不能够克服限制性因素，比如缺少数据、不相关或者数据来源有问题，又或者在信息的提取方面缺乏专家。正因为如此，企业首先要做的是希望将大数据纳入会计记录中以确认这些数据，评估它们对于手头工作的适应性，并决定是否进行外源分析，把公司所有的数据储存起来进行测试将会是一个好的起点（包括与客户互动的数据流）。如果不能执行这些过程将会降低会计记录的质量和对财务结果的基本信任。

3.数据的加工应用问题

数据管理的主要目标是应用，作为管理者都有一个愿望：数据能够拿来直接应用，但这种愿望与大数据的转换特征（快速实时的更新）相冲突。这就要求企业做出投资和融资决策以支持数据长期储存和更新，不过当前一些大型互联网公司提供的云计算服务可以在很大程度上解决这一问题。

前已述及，数据不等于信息，信息也不等于决策有用信息。从数据到决策相关信息的路途需要数据的过滤、加工和分析才可能到达。数据存在于组织内部或者相关利益群体之间，不是在公开市场上进行交易的简单商品，特别是，它们受到软硬件、工具、规章制度等等因素的限制，数据生产过程的盘根错节意味着所谓的“再利用”从来都不是简单明了的。这突出表现在大数据技术的学习曲线是陡峭的，数据下载十分容易，但是发展应用却很难。许多数据最初的产生要么是基于特定的目的，要么是某些互联网公司的副产品，但是当涉及到具体的应用时，则需要根据应用目的重新定位，原始数据和潜在的系列应用可能存在着显著的差异，这就对数据控制、质量和语义一致性提出了更高的要求。

4.以客户为导向，注重数据信息的多维度提供

当前的数据库是单一维度的或单一渠道的，比如，关注某一个特别的交易类型和交易行为依赖于单一渠道的互动，如通过电话或者email等。收集和分析多维度的数据库是会计报告未来的发展方向，这种数据库通过多种渠道，可以提供对一系列行为的洞察。多维度数据库的目标不仅仅是识别相关关系和建立合理的因果关系，更重要的是从多样的、独立的和不相关的数据来源去获得一致性的证据，以得出可靠的结论。

巨量数据在不同的领域和部门之内和之间被转换和分析，逐渐地提高了市场对于精确性和及时性服务的依赖。会计信息的提供必须从生产者导向转换至客户导向，从标准化的产品提供转向定制化的产品提供，从单方面生产发展到互动产生。这对于会计人员提出了严峻的挑战。首先，原来的提供的四表一注已经远远不能满足信息使用者的要求，需要提供更多的信息，直接满足客户需求而又能够实现简约化的要求。所以，应该提供具有交互性质的会计信息数据库，信息使用者根据自身的需要进行简单的加工或者直接调用。而不是像原来，把所有的信息一股脑的发布出去，强制性的推送，使之变成使用者对会计信息的主动选择，直接筛选掉冗余信息。

客户个性化需求的满足，使得会计信息的相关性得以提升；同时，多维度提供的数据可以对会计信息的可靠性进行多方验证，有助于利益相关者作出更好的决策。

1.杨善林，周开乐，大数据中的管理问题：基于大数据的资源观.管理科学学报.2015（5）

2.陈毓圭.围绕信息需求 改进企业报告——美国注册会计师协会研究报告《改进企业报告》简述.会计研究. 1996(05)

3.蒋尧明,走向知识经济时代的会计创新.财经问题研究.1999(02)

4.周晓苏，唐雪松, 会计信息相关性与可靠性的分离——基于契约理论的一种解释. 财经研究. 2006(11)

5.黄世忠,移动互联网时代财务与会计的变革与创新.财务与会计.2015(21)

6.朱建平, 章贵军与刘晓葳, 大数据时代下数据分析理念的辨析. 统计研究. 2014(2)

7.Grant Thornton. 2014. Comparison between U.S. GAAP and International Financial Reporting Standards.Available at:

8.Warren, J.J.D., K.C. Moffitt and P. Byrnes, How Big Data Will Change Accounting.Accounting Horizons, 2015. 29(2): p. 397-407.

9.袁振兴等, 大数据对会计的挑战及其应对. 会计之友. 2014(32)

10.朱建平与张悦涵, 大数据时代对传统统计学变革的思考. 统计研究. 2016(2)