大數據背景下物流企業論文范文第1篇
1 大數據的含義及對物流管理的影響
大數據是近幾年才出現的熱詞,其起步較晚,發展仍不成熟,對其含義目前仍沒有統一的標準,但眾多學者一致認為多樣性、規模性與高速性是大數據的特征。雖然各國政府與學者對其定義不一,但綜合來看,大數據是Web 3.0技術的產物,大數據使人們可以跨越邊界,跳過瀏覽器采集、整理與分析數據,是人類文明的巨大進步。
大數據將各行業、各組織及個人緊密的聯系起來,有效地分析這些大數據有利于提高組織內部人、財、物等資源分配的能力,優化組織運營管理模式,提高組織創新能力,大數據的發展對近些年快速發展起來的朝陽行業——物流業帶來了前所未有的機遇。
首先,物流大數據有助于提升企業的決策能力。在西方眾多的管理思想中,有一種思想認為管理就是決策。眾所周知,正確的決策需要大量的、準確的、及時的信息,這對信息的來源提出了更高的要求。大數據的出現與運用為企業的科學決策提供了保障。順豐公司的成功在很大程度上取決于他們大數據信息平臺的高速運轉,大數據信息平臺的高速運轉提高了公司的核心競爭力。其次,物流大數據對變革運營模式的推動作用。企業經營模式的改變也有賴于大數據。大數據信息平臺的出現有利于實現資源共享,進一步促進企業之間的合作。再次,大數據對人力資源管理顯現出精細化的特點。物流人才的匱乏是目前物流發展的重大問題,大數據的出現有利于對員工的選擇、評價、培訓等管理做出正確的決策,從而優化人才管理的方法與手段。最后,物流大數據對管理控制的提前預警作用。物流是一項系統工程,包括物資采購、組織生產、銷售等環節,大數據的準確處理有利于提高市場需求預測的精準度,同時也可以對商品庫存提出預警,從而優化物流運作流程。
2 大數據物流信息平臺管理存在的問題
2.1 大數據物流實踐落后
歐美日眾多的物流企業大多應用大數據,如包裹可視化管理與運輸的數據化等。聯邦快遞公司采用Senseaware系統實現了可查詢客戶的郵件狀態,聯邦包裹服務公司建立了Orion大數據導航系統,雖然這個項目每年需要投入數億美元,但該系統在尋找最佳線路方面取得了驚人的效果,進而減少了二氧化碳的排放量。國內的大數據物流實踐則比較落后,在這方面順豐有不錯的嘗試,順豐科技在車輛GPRS導航監控系統方面取得了較好的效果,實現了快遞業務到站信息的監控,但圓通速遞、申通快遞、百世匯通、中通快遞與韻達快遞等物流公司在大數據物流方面則鮮有突破。
2.2 大數據物流信息平臺的功能有待完善
近年來,隨著制造業及電子商務的快速發展,物流行業也得到了快速的發展,然由于進入的低門檻,企業規模過小,各企業提供的服務同質化嚴重,行業集中度偏低。企業規模小導致企業無法大力加強物流基礎設施的建設,尤其是信息技術的建設,很多企業在大數據物流平臺建設方面的無序導致錯失發展的機遇。同時,很多企業管理者并不重視大數據的作用,對大數據物流平臺持觀望、甚至懷疑的態度,因此,目前物流大數據信息平臺的搭建也仍有許多地方需要改進,在利益分配、誠信考量、合作等各方面的工作也有待完善。
2.3 大數據萃取及使用能力尚有提高的空間
物流企業是大數據物流平臺的主體,除此之外,生產類的企業、銷售類的公司等各類組織也需要物流服務,也會產生大量的物流信息,也是大數據物流平臺的主體。將零散的數據聚合找出有用的信息是大數據物流平臺設計的關鍵,然而,目前的大數據物流平臺在這方面仍比較薄弱。以阿里集團的“菜鳥驛站”為例,雖然為客戶和快遞公司提供了很多便利,但并沒有使用大數據對驛站地點和數量選擇做出統籌的規劃,嚴重影響了加盟商的收益。
2.4 大數據信息平臺的安全保護存在漏洞
大數據物流平臺涉及多個企業的利益,其安全問題也需要各方的維持。然而,有關大數據平臺的安全事故時有發生,給平臺企業帶來了經營隱患。如快遞公司網站存在漏洞致使黑客入侵快遞公司,泄露客戶個人信息。
2.5 管理者沒有真正將傳統思維模式轉換成數據思維模式
目前,問題導向的影響下,國內大數據物流信息平臺在行車線路的優化、庫存量的界定、物流中心的布局等方面的應用還是比較普遍的,但真正用數據思維來思考和管理的案例幾乎沒有,嚴重束縛了物流大數據信息價值的發揮。
2.6 大數據物流信息平臺缺乏人才
設計與實施大數據物流信息平臺的人才既需要懂倉儲、運輸、配送等物流專業的知識,又要在公司戰略管理方面具有獨到見解。然而物流人才匱乏是不爭的事實,全球大數據相關崗位入職率低的現象非常嚴重。
3 構建大數據物流信息平臺的建議
3.1 完善多方企業合作機制
大數據物流信息平臺需要多方企業的參與,多方企業通過合作來共享利益,因此,平臺的搭建極其關鍵。一般來講,平臺的搭建應以某個具有綜合實力高、創新運營模式和行業內影響力大的企業來完成,并以搭建企業的實力來吸引其他企業的加入。參與者各方應各有優勢,形成互補,從而提高整個物流平臺的經營效率。同時,難以被模仿或被超越獨特價值的物流大數據才是平臺的核心價值。此外,平臺設計應該考慮各方利益,在利益分配方面,應遵循科學、合理的原則,不應該主觀臆斷。
3.2 提高大數據運用能力
數據聚合、數據儲存、數據計算、數據分析和信息運用是大數據處理技術的五個環節。在數據聚合方面,應該使用智能手機、PC機、射頻識別、全球衛星定位系統與傳感器等設備及時、準確、完整的收集貨運量及運輸路線的數據、客戶需求,訂購量的數據、包裝、配送等相關數據,以及倉儲中心位置及庫存數據等數據。數據的儲存一方面要提高存儲空間,另一方面要通過高性能I/O、虛擬存儲技術及網絡存儲系統等存儲虛擬化來實現。在數據計算和分析方面,可以選用數據庫、一體機數據庫、數據集市等商業大數據的分析工具,也可以選用免費的開源性大數據生態圈。
3.3 加強安全防護管理
加強安全防護管理,首先,要加強對大數據物流信息平臺管理人員與員工的培訓,加強管理人員的認識,提高其專業技能,加強對核心數據的保護;其次,精準篩選數據,縮小數據分類模塊,加強對數據的分類管理,并通過邏輯沖突及時交叉驗證。最后,因數據提供者又是數據的使用者,因此嚴格區分大數據區域,加強保護商業機密數據,消除防護盲區,建立實時的安全檢查機制是極其重要的。
3.4 開發大數據信息平臺思維,創新經營模式
互聯網大數據信息時代要求身處在這個時代的企業要在創新經營模式方面有所突破。大數據物流信息平臺的設計與實施也可以借鑒成功的商業模式,進行跨界思考。如參考小米開發物流行業的粉絲模式,物流行業是互聯網經濟唯一面對客戶的服務行業,其擁有海量的客戶信息資源,為吸引粉絲、增加客戶黏度及精準營銷提供了保證;將顛覆出租車行業的Uber模式引入物流領域形成眾包物流模式,借助大數據物流信息平臺使人人成為快遞員,解決最后一公里的配送問題。
3.5 采用多元化的方式引進大數據人才
數據化物流離不開數據人才,面對全球稀缺數據人才的現狀,物流行業應該考慮采用多元化引進人才的方式。首先,可以將大數據物流信息平臺業務外包出去,利用“外腦”解決物流數據問題。外聘更具有專業素養的大數據信息團隊,能有效地突破本公司固有的思維方式,更加能夠從新視角發現物流數據的價值。其次,內部挖掘,培養本公司員工,選擇IT專業的員工到物流崗位,了解物流工作流程;還可以對物流崗位具有大數據基礎知識和較強學習能力的員工進行專業化的培訓。最后,企業可以與高校合作,采取定向培養的方式獲得相關人才。
參考文獻
[1]鄒裔忠,林美珠.大數據時代物流企業開展物流金融的優勢分析[J].武夷學院學報,2015(9).
[2]何寶義.國內外大型物流企業對現代信息化技術的應用現狀[J].中國電子商情(RFID技術與應用),2009(6).
[3]陳憲宇.大數據時代企業相關職位設置與人才培養[J].經營與管理,2014(9).
大數據背景下物流企業論文范文第2篇
一、在當前大數據背景下我國很多大型電網企業在審計工作中存在的主要問題
隨著新時代社會飛速發展, 在大數據時代, 很多大型電網企業并沒有高度認識到審計工作的重要性, 還沒有根據大數據時代的發展要求對審計工作進行改革, 往往就會忽略電網企業的整體發展。一般情況下大數據時代往往給很多大型電網企業的審計工作提出了更高的要求, 比如說當前很多大型電網企業沒有追隨大數據時代的發展腳步, 在審計工作中往往缺乏思維層面的思考, 仍然只是延續著傳統的審計理念和審計工作方式, 并沒有考慮到大數據時代對于審計思考問題的方式, 這導致很多當前大型的電網企業在審計工作中存在著很多需要解決的問題。
從另外一個角度來分析, 一些大型電網企業在審計工作中往往沒有注意到大數據對于電網行業的發展優勢, 所以就沒有更好的應用到大數據的時代優勢, 一般情況下只是采用了先前的審計方式和審計手段, 往往沒有采用大數據時代先進的技術手段, 所以當前社會上很多大型的電網企業并不能夠追隨社會的發展, 也不能夠在大數據時代做好電網行業的順利變革, 這對于未來我國電網行業的整體發展有著十分不利的影響, 對于未來我國大型電網企業的發展前景也有很多干擾性因素的影響, 對于推動未來大型電網企業能夠朝著一個良好的方向前進有著十分積極的作用。
二、針對新時代我國大型電網企業在審計工作中存在的主
要問題, 構建有效的管理措施來不斷地提高大型電網企業的整體審計水平
對于電網企業的發展, 我們必須要考慮到大型電網企業審計工作對于提高整個企業的經濟建設工作的重要性, 因此, 必須要考慮到電網企業在審計過程中存在的問題之后, 接下來考慮到大數據時代的優勢以及對審計工作的幫助。就需要當前很多大型電網企業在審計工作中能夠打破先前的工作理念和工作方式, 能夠考慮到電網企業審計內部工作的優化和處理問題, 利用大數據時代的優勢能夠將電網的審計工作進行全面的覆蓋, 對參與審計的工作人員進行智能化的劃分, 并且優化企業內部人員的管理水平, 在實際工作中能夠完成出色的審計成效, 這對于未來我國電網行業的整體發展有著很深遠的影響。
從另外一個層面來分析, 還可以在我國大型電網企業發展過程當中, 能夠充分發揮出大數據時代的優勢, 能夠利用互聯網環境和信息手段搭建一個推動大型電網行業審計工作發展的平臺, 在電網大數據平臺建立過程中, 主要目的是為了幫助電網企業在審計工作中更好地追蹤和審查相關的信息, 將不同電網企業的信息處理以及各個部門的信息采集進行整理后, 并且能夠實現和之前相關預算信息的比對, 然后將所有之前的預算信息進行整合, 能夠讓在電網企業內部審計工作的每一位人都能夠及時地了解到相關的信息, 并且對相關的審計工作內容有十分了解, 對后續的工作以及及時的調用相關的信息提供了重要的保障。在接下來審計工作中可以隨時地運用, 能夠極大程度上減少大型電網企業相關審計工作人員的工作勞動量。
三、結語
在新時代社會發展環境下, 對于很多社會發展環境下的大型電網企業, 為了更好地適應未來社會的發展趨勢, 那么就必須要考慮在大數據時代, 人們生活方式和工作方式的變革, 對于企業內部整體結構的把控, 以及未來我國各大企業的整體發展趨勢, 那么就必須要考慮到企業在當下互聯網時代和大數據時代的轉型工作。從另一個角度出發, 我們需要考慮到對于電網企業的長遠發展, 審計工作的重要性必須要關注起來, 而且需要考慮到當前很多大型的電網企業在審計工作中的不足之處, 能夠從宏觀的角度出發, 對于電網企業的內部審計工作一定要十分關注, 并且考慮到自身電網企業的經濟情況, 能夠將自身電網企業的實際發展運營情況, 在經濟范圍允許內能夠更好地開展電網企業的審計工作, 加強審計工作人員的工作水平, 定期對神經工作人員進行培訓, 這對于整體上提高大數據時代電網企業審計工作的整體水平有著很重要的作用。
摘要：隨著新時代社會快速發展, 在當前社會發展環境下, 人們的生產生活方式發生了翻天覆地的變化, 這主要是由于大數據時代的到來給人們的生活和工作提供了更多的可能性, 因此, 就需要考慮到在社會發展過程當中電網企業在審計過程中的主要問題?？紤]到電網企業在社會發展環境下的主要發展要求和發展趨勢, 能夠根據電網企業審計的整體情況, 構建有效的解決措施, 并且能夠在審計工作中能夠高度重視起來, 提高審計工作的重視力度, 加強審計工作的管理, 提高審計工作人員的整體工作水平, 這對于未來我國電網企業能夠更好地適應大數據環境提供了重要的保障。
關鍵詞：大數據背景,電網企業,審計工作,思考
參考文獻
[1] 李三喜.李玲.建設項目審計精要與案例分析[M].北京:中國市場出版社, 2016.
[2] 中國內部審計協會.建設項目審計[M].北京:中國時代經濟出版社, 2008.
[3] 中國電力企業聯合會電力建設技術經濟咨詢中心[M].北京:工程造價管理綜合知識[M].北京:中國電力出版社, 2008.
大數據背景下物流企業論文范文第3篇
一、會計數據來源:從“結構化”到“非結構化”
規模巨大 (Volume) 、結構各異 (Variety) 是大數據的重要特征。大數據時代, 若以縱向表示數據類型, 橫向表示數據形態, 則會計數據按縱向可分為結構化會計數據和非結構化會計數據;按橫向可分為靜態會計數據和動態會計數據。若兩個維度相組合, 則企業的海量會計數據可歸納成三類:靜態結構化會計數據、靜態非結構化會計數據和動態實時會計數據, 具體如圖1所示。
1. 靜態結構化會計數據。
此類數據由企業傳統運營系統如AIS、CRM、ERP等產生, 是以SQL-server為代表的大型數據庫管理系統進行后臺管理的關系型數據庫 (RDBMS) 。結構化會計數據采用結構化方式存儲, 具有預設的字段定義和字段長度等, 以二維表的方式保存在數據庫管理系統中。
2. 靜態非結構化會計數據。
此類數據由互聯網、移動或智能設備、非傳統IT設備等產生, 一般是用戶文本 (如電子文檔、電子郵件等) 、音視頻文件、圖片等, 難以進行結構化的約束因而使用目前出現的非關系型數據庫 (No SQL數據庫) 進行保存。
非關系型數據庫對于數據格式的約束更小, 更便于擴展, 隨著軟件SOA化和互聯網化, 這些會計數據源源不斷地滲入現代企業日常管理和運作的方方面面。特別是當企業會計信息化軟件以云計算的方式, 在公有云上提供服務時, 一套軟件需要適配大量不同企業的多樣需求, 固定結構化存儲嚴格的字段定義是不現實的, 也必然減弱系統的靈活性, 非結構化數據得到越來越多的企業會計軟件提供商的支持。
3. 動態實時會計數據。
移動設備與傳感器設備 (如RFID等) 的普及, 用戶使用移動設備產生了大量地理位置相關的、以用戶為中心而且與使用場景相關的操作和交易數據, 如網絡點擊率、日志文件、實時交易和實時行情信息等。典型的如時下流行的打車軟件所產生的大量實時流會計數據, 企業可以從不斷生成的交易數據中獲取萬億字節的有關消費者、運營商和統籌管理等方面信息。動態實時會計數據自身可能是結構化的 (如交易信息等) , 也可能是非結構化的 (如日志信息等) , 所以需要首先進行實時流數據分析, 分析得到的結構化數據與非結構化數據分別保存在關系型與非關系型數據庫。
企業會計由電算化到信息化, 信息集成范圍由部門到整體, 甚至擴張到整個供應鏈, 對于“靜態結構化會計數據”的分析日趨成熟;但是對于“靜態非結構化會計數據”特別是“動態實時會計數據”, 很多企業可能才剛剛涉及或甚至還沒有開始。然而, “大數據”真正價值在于通過收集、處理龐大而復雜的數據信息從中獲得新的知識和洞見。隨著社交化網絡的興起, 影響企業決策和行為的數據將更多表現為“非結構化會計數據”和“動態實時會計數據”, 新經濟模式下企業要進行業務和流程的創新則必須嘗試開發這兩類數據。
二、會計數據處理:從“集中式”到“分布式”
傳統會計數據處理從主機架構、客戶機服務器 (C/S) 架構到瀏覽器服務器 (B/S) 架構, 雖然客戶端和服務器端所承載的任務不同, 但對于用戶來說, 都只需要提交所需的運算內容并等待運算結果;對于計算設備來說, 計算流程中的每一個步驟都是可知并且實際執行的。此外, 從執行過程來看, 上述三種架構計算單元的程序執行均為串行過程, 后面的指令需要等待前一個指令執行完成?，F代CPU主頻很高, 計算能力已經很強大, 并且CPU本身體系結構也已經進行了優化, 引入了流水線、多核、亂序執行等技術, 使得程序可以在一定程度上并行執行, CPU運算速度也大大提升。在大數據的時代來臨之前, 通過提升計算機硬件能力以滿足會計數據計算需求, 即垂直擴展的做法, 基本滿足了企業絕大部分業務功能的需求。
但是, 大數據背景下數據量的指數化發展趨勢對數據處理新生出“全量”與“在線”要求。全量即大數據分析的樣本十分巨大, 幾乎可以認為是所有樣本的數據;在線則要求數據的分析處理持續進行, 不斷提取數據中的有效信息, 以便用戶能夠快速地從一個較長的時間維度看到持續的分析結果, 使其能夠觀察到正確的趨勢信息做出正確的決策。這種全量、在線的計算需求對傳統計算結構的垂直擴展方案產生了很大沖擊。
1. Hadoop/Map Reduce計算架構。
Hadoop/Map Reduce是一種面向批處理任務的計算結構, 其基本流程如圖2所示。在Map Reduce計算結構中, 中心服務器Master節點負責將用戶提交的一個任務分解成多個子任務, 這些子任務的處理流程相同, 但需要處理的數據不同, 屬于批處理任務。Master節點將這些任務分解給多個負責執行計算任務的Worker節點, 由Worker節點進行計算, 這就是Map階段, 在Worker節點完成計算后, Master節點將計算結果提交給另外一部分計算節點, 進入Reduce階段, 將多個計算結果匯總得到的計算結果返回給最終用戶。
在企業會計數據處理過程中, 往往涉及大量計算過程相同但取值不同的年度會計數據, 運用Hadoop/Map Reduce計算架構可以按不同的年度劃分子任務, 交由不同的服務器處理, 最后將處理結果匯總融合得到綜合分析的結果。Map Reduce計算架構是從整個計算系統的角度來考慮性能的擴展, 相對于前述提到的垂直擴展, Map Reduce屬于水平擴展的思路。Worker雖然只是一些性能并不十分強大的服務器, 但服務器數量眾多, 單個任務分拆后可以并行執行, 大大提高了執行效率, 而且Map Reduce本身還考慮了低成本硬件的不可靠性, 采用冗余計算、超時調度等機制避免硬件故障導致整個系統宕機的問題。
2. Storm計算架構。
Map Reduce可以有效地提升大部分數據批處理任務的執行效率, 也幫助促成了Hadoop框架的流行。但是Map Reduce本身也有其使用場景限制。例如:為了能夠將任務分解, 該任務所處理的數據量必須達到一個量級, 以便分解到多個Worker去執行?？偟膩碚f, 數據必須先積累到一定的量并且通過分布式文件系統保存在各個節點上, 然后才可以進行處理, 因此Map Reduce執行的計算是離線、非實時的。然而, 在一些應用場景里, 計算所需要的數據并不是在計算啟動時已經完全準備好的, 而是以數據流的形式不斷進入到計算單元。如果數據沒有得到及時處理, 后來的數據將會阻塞, 最終導致整個系統不可用。這種流式業務對于計算的要求是實時性, 而不是數據吞吐量, 即數據越快處理越好。
針對這種情況, 出現了一些面向流式計算的計算框架, 如Storm。Storm框架制定了一套流式實時計算的原語。Storm針對消息進行處理, 相對于Map Reduce將一個處理任務分解為多個子任務, Storm將消息的處理分解為一系列相互協調關聯的組件進行處理。在Storm框架中, 消息以流的形式源源不斷地流入計算系統, 拓撲中的Spout即消息分發者對消息流進行拆分, 分為tuple序列, 每個tuple即需要處理的一小段消息, 交由不同的Bolt也就是消息處理組件進行處理。Bolt處理的結果又可以交由下一個Bolt處理, 由此組成一個龐大的流式處理拓撲, 完成流式計算功能, 如圖3所示。
對于企業會計數據而言, 大數據時代新的分布式計算架構、批量/流式計算平臺所帶來的計算能力提升, 是增強企業業務功能的有力輔助。Map Reduce可以看成傳統架構中單核向多核的轉變, 將任務分成多個對等的子任務, 由多臺設備并行處理, 大大減輕了單臺設備垂直擴展的壓力。因此, Mapreduce批處理計算使得原先大規模的計算任務借用較為廉價的計算單元快速完成, 海量會計數據的分析、統計速度大大提高, 成本也有所降低;Storm的流式計算更在此基礎上增加了計算節點間的順序處理, 類似于多核+多流水線流式計算, 使得不同渠道獲取到的資源能夠得到實時計算。而流式計算某一任務中的不同步驟也可以得到分布式處理。由此, 兩者相輔相成已經能夠適應不同類型會計數據的大規模計算需求, 為會計數據的進一步分析提供了基礎。
三、會計數據分析:從“數據倉庫”到“深度學習”
1.“數據倉庫”到“數據挖掘”。
20世紀80年代, 計算機的運用使會計數據分析利用有了飛速發展, 但早期會計電算化主要是面向操作型的, 從憑證到賬簿再到報表, 缺少對歷史數據的分析和對決策模型的支持能力, 即無法將會計數據轉換成對決策有參考意義的信息。
隨著信息技術的運用和發展, 逐步形成對留存的會計數據進行抽取、挖掘、管理、分析等的數據倉庫和數據挖掘技術。1992年, 數據倉庫之父比爾·恩門將數據倉庫定義為:一個面向主題的、集成的、相對穩定的、反映歷史變化的數據集合, 用于支持管理中的決策制定。之后, “聯機分析”出現, 開始把分離的數據庫相連, 針對數據倉庫中的數據信息進行多維度的分析與運用操作, 成為將數據轉化為信息最主要的手段。再之后, 為了能更加充分體現數據倉庫里的數據價值, 通過引入統計學算法、人工智能技術等, 找到這些原始數據潛在的數據模型, 并進行橫向和縱向的剖析、篩選, 將大量原始數據轉化成有價值的信息, 為決策者提供決策依據, 以此實現數據挖掘。若將數據倉庫視為企業全部會計數據的“資源池”, 則聯機分析是建立在這個“資源池”上的探測器, 可按需要實現對企業會計數據某種透視性的探測, 進一步的數據挖掘主要目的則是發掘潛藏在“資源池”內會計數據表面之下的歷史規律和對未來進行預測。
從數據倉庫到數據挖掘的過程逐步將企業會計數據轉化為對會計信息使用人決策過程具有重大意義的信息, 幫助企業實現了從數據到信息、從信息到決策、從決策到利潤的轉化。
2.“數據挖掘”到“深度學習”。
傳統的數據倉庫, 基于對關系數據庫 (RDBMS) 存儲的會計數據挖掘實現企業業務報表、決策分析和政策監管的需求, 但當大數據時代的海量數據將非結構化會計數據和動態實時會計數據都包含進來后, 傳統的關系數據庫 (RDBMS) 已經不能滿足發展的需要。非結構化會計數據, 要求實現自然語言處理、文本分析和內容挖掘, 而動態實時會計數據, 則要求通過實時的會計流數據處理, 實現實時在線銷售、實時產品服務和實時信息反饋等應用。隨著會計數據量的高速增長和前述分布式計算方式帶來的計算能力突飛猛進, 使得借用機器學習、人工智能的方法進行數據挖掘逐漸成為可能。
以往的機器學習苦于缺少海量的訓練樣本, 同時計算能力有限, 很難得到一個較為適用的學習算法, 而大數據提供的樣本量和分布式計算提供的計算能力明顯改變了這一現象, 將復雜的機器學習算法變為可行。通過大數據技術, 企業可以通過對會計數據進行定向分析和解讀, 甚至將人群的意識和行為趨向落實到會計數據層面, 使會計數據具有預測未來的能力。例如:通過分析企業非結構化會計數據和動態實時會計數據促進企業業務創新和利潤增長;通過機器學習和數據挖掘方法來管理和優化企業庫存, 并量化評估企業商品定價策略與營銷效果;通過市場分析、競爭分析、客戶分析和產品分析以優化企業的經營決策等。
此外, 目前的機器學習算法已經開始使用基于深度神經網絡的深度學習, 大幅提高了算法的識別率。大數據帶來的人工智能的發展, 將給企業會計數據的挖掘帶來更多維度, 一條交易記錄可以關聯檢索到郵件、圖片、錄音甚至視頻, 分析的深度和廣度大大提高。
四、會計數據輸出:從“圖表化”到“可視化”
“數據可視化”成為數據挖掘的另一項結果性要求, 是伴隨大數據而出現的一個新技術趨勢。網絡新經濟模式下, 企業日益從實體銷售經營的模式轉向利用互聯網虛擬門店進行銷售的模式, 1號店、蘇寧易購, 淘寶商城等日均成百上千萬的網上交易量背后的海量采購、海量供貨、海量銷售, 企業能夠記錄或搜集顧客在各個渠道產生的涉及產品生命周期各個階段 (顧客感知、品牌意識、產品購買、口碑反饋和社會互動) 的行為數據。若以可理解的圖形、圖片等方式直觀呈現出企業不同分類、不同分布、不同業務循環以及在不同時間軸上會計數據的變化趨勢, 可以幫助企業進行高度精準、高度定量化的籌融資及供產銷策略, 使企業對市場的理解和洞察更加實時和精準, 這正是數據可視化的價值所在。
此外, 大數據帶來的長期、海量的會計數據樣本量, 也使信息使用者更加關心會計數據變化情況與發展趨勢等狀態, 把復雜的會計數據轉化為直觀的圖形, 并呈現給最普通的使用者, 使之成為淺顯易懂、人皆可用的工具和手段。這是傳統的表格化分析結果難以獲取的。
值得一提的是, 大數據的業務處理在云端進行, 基本上不會有關機或宕機的風險, 云端的計算資源可以全天候待命。而前面已經提到, 大數據時代的數據采集手段更加多樣, 利用云端的計算資源, 新的數據可以立即得到處理, 形成一條條不間斷的數據處理流。信息使用者幾乎可以實時得到分析處理的結果。從而對不斷變化的環境做出準確的反應, 能夠更快地發現企業潛在的經營風險與問題。
綜上所述, 大數據從數據來源、處理、分析和輸出等方面, 從更全、更高、更深和更快的角度影響了企業會計數據管理, 進而改變了企業決策環境, 如圖4所示。
首先, 會計數據生成。各類不同的數據源生成不同類型的會計數據, 可保存在其系統自身的數據庫中供上層提取, 也可直接以數據流的方式提交到上層。其次, 會計數據集成。對于數據源產生的會計數據, 需要進行篩選、清洗等操作, 過濾掉無用、錯誤的數據, 既可以減少后續的計算量, 又可以避免錯誤數據樣本帶來的分析誤差。數據集成的結果, 根據其結構化特征, 保存在關系型或非關系型數據庫中。再次, 會計數據的挖掘、分析。通過各種機器學習手段, 對數據進行分類、分析內部關聯關系, 分析數據演進規律與趨勢。數據挖掘的結果需要以簡單明了的方式供上層使用?？梢酝ㄟ^可視化的方法直接提供給用戶, 如圖表、視頻等方式, 也可以提供二次開發接口供上層獲取分析結果, 由上層業務應用自行決定數據的呈現方式。最后, 在整個體系結構的最上層就是各類數據應用, 這些應用系統根據不同的行業特征, 按需提取和呈現會計數據分析結果, 供信息使用者進行業務分析與決策。
五、結語
可以想見, 大數據基于數據驅動的決策方式更加科學, 也更為準確, 決策參與者的決策能力將大大提高, 也將進一步強化企業會計數據與會計信息對新經濟模式下企業運營業務與流程重組的重要價值。但要指出的是, 在大數據這樣一個紛繁復雜的數據環境里, 大量的會計數據沒有得到有效利用, 就會產生數據泛濫或信息超載。因此, 只有確保了會計數據的真實性才能保證基于會計數據的分析基礎上的會計信息, 以致企業決策與洞察的正確。另外, 當前對企業非結構化和動態實時會計數據進行分析的技能還十分缺乏, 如何對大數據所產生的大量非結構化和動態流會計數據進行智能挖掘和分析, 以產生出真正的數據價值也是大數據環境下有效利用會計數據要解決的核心問題。
參考文獻
[1] .謝國忠.大數據正在改造企業.企業管理, 2013;7
大數據背景下物流企業論文范文第4篇
一、大數據對企業傳統營銷模式的沖擊
1. 大數據背景下企業營銷關注點的轉移。
(1) 大數據背景下企業營銷從關注“技術” (Technology) 到關注“信息” (Information) 。在傳統的營銷模式中, 企業制定營銷戰略, 是從消費習慣入手, 以少量消費群體作為代表獲取樣本數據, 推導消費偏好, 制定營銷戰略。在信息化高度發達的今天, 市場信息正以前所未有的速度與方式在世界各地進行交流, 供求信息瞬息萬變, 傳統的企業營銷行為歷經消費者樣本信息獲取、消費偏好分析, 再到企業營銷戰略制定與實施, 如此營銷過程在時間上大為滯后, 遠遠達不到企業管理者預期的營銷效果。相比之下, 大數據憑借其快速地數據獲取以及強大的數據處理能力正逐漸成為企業制定營銷戰略的重要法寶, 只有大數據背景下的現代企業營銷模式才能準確地分析企業營銷活動的現狀以及預測市場的未來。 (2) 大數據背景下企業營銷從關注“為什么” (Why) 到關注“是什么” (What) 。作為一名成功的營銷者, 必須從消費動機出發, 明確消費者作出決定的真正原因, 才能準確地把握市場需求。因此, 營銷的專業技能以及老到的行業經驗一直備受重視。然而, 信息化時代的市場, 信息駁雜、瞬息萬變, “為什么”也在不斷地變化中。但是, 大數據告訴我們:“知道是什么就足夠了, 不需要知道為什么”。用數據說話, 更不容易受到個人偏見的影響, 增加決策的準確性。因此, 在大數據時代, 企業只需要知道“是什么”就能夠快速地了解行業, 了解市場。
2. 大數據背景下傳統營銷模式不確定性的增加。
傳統企業營銷行為首先是調查市場、收集信息, 然后分析數據、得出結論, 進而為公司實現市場定位, 最后集中企業可利用資源, 盡可能滿足市場需求。然而, 在大數據時代, 企業所能夠獲得的市場信息噴涌式增加, 信息大爆炸所帶來的結果并不如預料中那樣增加了傳統營銷的確定性, 這些增加的信息使得整個營銷系統的變量越來越多, 反而使得傳統的營銷方法在各種新舊勢力的錯綜交雜中開始變得不實用。美國《連線》雜志的創始人之一Kevin Kelly曾經預言:大數據時代的到來使得傳統的企業營銷正在逐漸走向失控。而且, 隨著社會信息化以及全媒體環境的發展, 消費領域出現嚴重的“碎片化”趨勢, 這種趨勢正隨著社會生活質量的飛速提升以及受眾心理的不斷成熟而愈演愈烈。
二、大數據背景下企業營銷受眾群的“碎片化”與“重聚”
網絡技術的高速發展以及各種數據庫技術的運用正在逐步減少和消除因信息不對稱和高昂的信息成本而給消費者帶來的困擾和不便。2014年3月5號, 中國互聯網絡信息中心發布了第33次中國互聯網絡發展狀況統計報告。報告顯示, 截至2013年12月, 我國網民規模達到6.18億, 互聯網普及率為45.8%。正常的網絡應用包括QQ、微博、微信、網絡新聞、社交網站等20多項, 多樣化的網絡交流模塊說明了大數據背景下網民關注與需求的分散性, 傳統的受眾群體被分割稱各種碎片;另一方面, 被打散的受眾群正從以上各項網絡應用中重新聚合起來。在這樣“碎片化”和“重聚化”的社會大環境中, 營銷者以傳統的營銷模式難以把握新型受眾的需求, 而基于大數據的網絡技術通過受眾遺留在網絡媒體上的各種數據, 從需求、資源、手段等方面幫助企業實現科學的市場預判, 從而使得新型的現代企業營銷模式成為可能。因此, 在大數據時代, 現代企業的營銷模式應該是一種綜合多個特點、涵蓋多媒體性、交互性、時空跨越性以及整合性的全新的一體化營銷模式。
三、大數據背景下典型的現代企業營銷模式
根據馮諾依曼的計算機模式架構, 本文將基于大數據的企業數據采集和分析系統分成五個子系統, 分別是數據采集子系統、數據策管子系統、數據分析子系統、數據服務子系統以及協調控制子系統, 如圖1所示。該系統主要用于市場數據采集、綜合數據分揀、消費數據分析, 最后形成服務數據指標, 從而為大數據背景下的現代企業營銷模式提供夯實的數據基礎。
1. 大數據實現精準化營銷。
精準化營銷模式的典型代表就是RTB的運用和發展。在大數據時代, RTB實時競價廣告的精準化營銷流程如下: (1) 潛在消費者瀏覽某網站頁面時, 該網站就會向廣告交易平臺 (Ad Exchange) 請求廣告; (2) 交易平臺向所有需求端平臺 (DSP) 發出公告:某網站有訪客, 要不要向他發廣告? (3) DSP請求大數據管理平臺 (DMP) 根據該訪問者消費歷史幫助分析這位訪客情況, 并根據分析結果進行出價決策; (4) Ad Exchange為出價高的DSP匹配相關廣告代碼, 并最終作出廣告。如今的尖端追蹤技術和多種大數據管理平臺 (DMP) 已經可以將受眾以及廣告效果數據整合于單一界面上, 廣告主能夠輕易地擷取關鍵指標, 如消費轉化率、訪客流失率以及各營銷渠道貢獻比率等。
2. 大數據成就智慧型營銷。
大數據技術能夠對企業獲得的營銷決策數據進行更好的優化, 該種營銷模式主要針對大型的國際連鎖超市。沃爾瑪、家樂福等均在其主要門店安裝了運營數據搜集裝置, 用以追蹤客戶的消費需求情況, 然后營銷者利用所收集到的數據并結合大數據工具對受眾需求展開分析, 再根據分析結果對超市內的物資供應量以及供應品種甚至擺放位置進行調整。根據相關調查結果, 這些大型零售企業的商品庫存因為該營銷模式的應用, 至少節約了17%左右。對于高利潤品牌商品, 該系統收集到的數據清楚地反應出消費者的駐足率、偏好率以及購買率, 大大增加了高利潤率品牌商品的銷售比率。
3. 大數據助力關聯營銷。
(1) 利用數據進行相關聯的營銷。大數據的發展使得受眾群體的社會性行為能夠更容易、更具體地被企業營銷者所追蹤和理解, 企業營銷者根據搜集到的數據分析受眾群體的社會行為與消費偏好, 從而可以全方面、多角度地對其進行描述與概括。因此, 大數據的營銷價值, 其實質是受眾群體在平時的生活與消費過程中彼此之間所產生的人際關系鏈, 即人脈價值, 企業營銷者正是通過受眾之間這種人脈關系網最終實現交易數據跟交互數據的融合。 (2) 透過數據挖掘用戶需求, 提供跨平臺營銷方案。在大數據時代, 網絡媒體的定位早已發生潛移默化的轉變, 從一開始單純的內容提供方逐漸演變為網絡開放系統的主導者, 騰訊作為典型的代表一直為實現用戶價值層面不懈努力。企業在開展其社會化營銷過程中, 首先收集整合其受眾群體的社會化行為以及消費偏好, 然后利用大數據技術挖掘有針對性的需求信息, 并對其未來的消費行為進行預測, 在此基礎上為企業提供跨平臺的營銷解決方案, 智能地提高廣告針對性以及企業的投資回報率。 (3) 整合數據為品牌營銷服。在大數據時代淘金并非易事, 前文提到:大數據時代的信息大爆炸所帶來的可能并不是整個品牌營銷系統確定性的增加, 卻可能導致其失控可能性的提升。這些年, 諾基亞以及雅虎的衰落和式微已經證明:在大數據時代社會大環境連續不斷地變動中, 很多行業巨頭的發展逐漸變得越來越被動。因此, 保持主動創新去適應持續變動的復雜環境是企業在未來生存并強大的唯一出路, 在此過程中, 企業對受眾群體各種社會行為和消費偏好的收集與整合已然成為品牌營銷關鍵任務。
4. 大數據推動個性化營銷。
任何營銷活動開展的前提都要求企業了解自己的顧客。在傳統的營銷模式中, 企業營銷者一般只關注受眾群體的年齡、學歷、消費偏好、購買次數等一些結構化數據, 但是在大數據時代全媒體環境中, 消費市場中的結構性數據可能只有十分之一, 余下的90%以上是類似于購物過程這樣的非結構性數據。在大數據時代, 購買過程也是可以記錄的。例如消費者想購置一些家電, 購買過程中可能看了電腦、冰箱等, 但是最后卻買了臺電視機, 其實這樣的購物過程也是有意義的, 它表明了消費者有購買電腦或冰箱的需求和想法。網絡時代受眾群體的個人情感、需求、意見和渴望等信息, 通常都是通過社交網絡表達出來的。當企業營銷者把這些基本信息聚合起來構成一個描述客戶360度式的數據庫時, 才能更準確地把握受眾群體, 更有針對性地進行個性化營銷。
全媒體的環境、互操作性的信息平臺以及大數據處理技術之間的相互融合作用正逐漸形成能夠完全替代傳統數據分析工具的全新技術模式。在不斷發展與完善的過程中, 基于大數據的現代企業營銷模式將會成為未來企業營銷的主要手段。因此, 在未來充滿機遇與挑戰的市場中, 企業只有在其營銷戰略中用足用好大數據, 才能形成持久的企業競爭力, 促進現代企業不斷發展。
大數據背景下物流企業論文范文第5篇
內部審計是企業管理者通過監督、協調、管控企業經營活動來調整企業項目發展進度, 從而實現企業愿景的一種內部管理手段。雖然內部審計與企業銷售活動并沒有直接相關, 但其在企業內部管理中起到了至關重要的作用。首先, 內部審計增加了管理者科學管理的意識, 維持了企業內部管理的秩序。其次, 內部審計與內部控制密切相關, 增強企業項目進行的軟實力。而且內部審計的主要內容是以書面報告的形式呈現的, 內部控制的主要內容是以企業各種管理活動的方式呈現的, 二者相輔相成, 密切配合, 共同為企業的發展與前進做貢獻。最后, 內部審計的工作形式是獨立的, 但工作內容卻是貫徹企業內部各種管理工作的主線, 這就保證了企業員工在各司其職的基礎上進行有聯系、有交流、有合作的工作形式, 促進信息及時流通。
2 大數據背景下企業內部審計工作獲得的機遇和面臨的挑戰
2.1 新時代企業內部審計工作的機遇
第一, 大數據能夠增加審計內容的精細程度。眾所周知, 企業內部審計是以信息數據作為工作基礎的, 而大數據時代下企業可以利用網絡工具進行數據分析與拓展, 進行工作內容存儲保留并做出合適的評價。而且還能促進審計工作從原來的“監督評估”到現行的“服務咨詢”模式的轉型。
第二, 大數據能夠促進審計視角的全面化。在傳統的內部審計過程中, 許多企業采用的是以專家作為工作的主要引領者, 開展“直線型”審計業務流程, 內部審計整體工作向著同一個方向進行, 如果這個方向出現問題, 很可能導致整個企業審計方向的錯位甚至崩潰。但是在現在多元化信息時代, 內部審計主要以發散的方式主要以全面化數據信息為主, 開發多方面審計評價體系, 即使一個方面出現問題, 后續也能及時查缺補漏, 減少企業整體審計工作癱瘓的可能性。
第三, 大數據擴大了企業內部審計的范圍與內容。在傳統企業內部審計工作中, 因為信息數據不能及時被迅速普及, 許多企業采用抽樣審計結構化數據的方式開展工作, 這種方法雖然能夠提高企業內部審計的效率, 具有一定的代表性, 但是這種方法的偶然誤差比較大, 很容易產生數據錯誤。在大數據新時代下, 許多企業擴大了審計的范圍, 并開展全覆蓋審計結構化與非結構化數據的工作模式。增大信息的來源與區間, 為信息流通型大數據審計打下基礎。
第四, 工作方式與方法的變更也是大數據時代下企業內部審計的典型特征。在傳統的審計工作中, 工作方式主要是“現場+非現場”型的, 也就是在企業內部現場討論和計算機上信息互傳相結合的模式, 而現在的工作方式是將信息化和智能化相結合, 手段更具優越性, 技術也比較先進。
第五, 大數據信息化時代促進了評價依據與標準的調整。作為以審計報告形式體現績效與成果的工作, 企業內部審計必須有一套完整的評價依據和標準。在傳統審計工作中, 這套標準主要是根據專家經驗和風險主觀評估擬定的, 其科學性和準確性相對不足, 這也是傳統審計中容易產生管理失調和資金風險的主要原因之一。但是現在多數企業的審計標準是依賴持續性審計信息觸發形成的, 對提高審計質量有較大的幫助。
2.2 新時代企業內部審計工作面臨的挑戰
首先, 大數據時代在技術轉型方面會遇到許多困難。內部審計主要是依靠企業內部數據的匯總與分析, 雖然大數據加速了企業數據的匯總與查詢, 但因為數據庫的龐大與錯綜復雜, 難以發現數據內部隱含的條件關系, 而且不同企業不同平臺上的數據信息會有重疊交叉和各自的特異性, 如何區分這些信息并做出分類以保證企業能夠高速運轉審計內容是企業在技術上面臨的難題。而且在傳統審計中主要是人員進行審計分析調查, 忽然轉變為全面利用網絡工具可能會需要不同類型的人才, 人才重新篩選與培養工作也是新型內部審計工作面臨的挑戰。
其次, 環境轉變帶來的挑戰, 傳統審計中主要是依靠計算機對相關財務報表進行審計, 紙質工具相對齊全。隨著互聯網發票的普及, 許多會計憑證需要在網絡上進行驗證, 網絡數據比較多, 在傳統工具向新型互聯網工具轉化過程中也存在許多環境的不確定因素。
最后, 大數據時代對審計過程中也帶來了一些安全隱患。在企業內部機密信息的審計中, 這些信息都會存儲到計算機中, 可能造成信息泄露。在互聯網中的審計過程難免會留下痕跡, 這些都是新型審計工作中可能存在的安全問題。
3 結語
綜上所述, 大數據時代在企業內部審計工作中是一把雙刃劍, 它既有可能為企業發展創造前所未有的機會, 也能給企業帶來毀滅性的打擊。企業只有準確理解內部審計的基本內涵與其帶來的有利或不利影響, 積極調整創新, 才能促使企業內部審計工作健康發展。
摘要：在日益發展的現代社會中, 大數據信息的普及給企業內部審計的創新研究帶來了機遇, 同時也是一種挑戰。而內部審計作為優化企業結構、提高企業管理效率、加強風險管控的主要手段, 對企業發展的重要性可想而知。但是在大數據的新時代下, 舊的管理會計體系逐漸暴露出一些問題, 這些問題嚴重阻礙了企業進行審計的工作效率, 對于新型內部審計模式的創新研究是每個企業對審計工作更新換代的必然要求。本文從內部審計的定義出發, 研究了大數據背景下內部審計工作中的機遇與挑戰, 希望能給企業提供指導。
關鍵詞：大數據,內部審計,機遇,挑戰
參考文獻
[1] 俞炯炯, 黃壽根.信息化條件下的企業內部審計管理創新研究[J].企業改革與管理, 2016 (10) .
大數據背景下物流企業論文范文第6篇
一、傳統的企業財務管理存在的問題
傳統的企業財務管理，由于缺乏先進技術的支持，對企業的實際發展現狀做不到有效的分析，不能保障會計信息的動態化把握與應用，財務信息質量較差，難以滿足企業發展的需要。另外，傳統的企業財務管理，很多工作都需要依靠人力完成的，所需要投入的人力成本較高，這不利于企業降低運行成本。不僅如此，傳統的企業財務管理，缺乏完善的財務信息架構及相關財務軟件的應用，各部門之間不能實現信息的有效傳遞及溝通，這樣，財務信息的實效性較差，財務管理工作效率不高。
二、大數據背景下企業財務管理創新策略
（一）樹立與大數據相適應的財務管理理念
在大數據背景下，全新的數據分析技術及數據管理模式在財務管理工作中得以應用，要保障新技術應用的效果，必須要能夠樹立全新的財務管理理念。企業要能夠樹立與大數據背景相融合的財務管理理念，使大數據技術應用的效果得以充分的發揮，要能夠適應時代需要，進行管理創新，能夠加強大數據處理技術在財務管理中的應用，加強數據信息的整合，盡量簡化財務管理工作，能夠借助于大數據技術的應用不斷提升財務管理工作質量，從而有效提升企業的市場競爭能力。要能夠在財務管理人員中普及大數據應用方面的知識技能，真正創建合理有效的適應大數據環境的財務管理新模式。
（二）構建與大數據相適應的財務風險管理模式
在大數據時代，企業面臨著新的經營風險，企業要提升自身的競爭能力，必須要能夠加強經營風險的控制，能夠構建與大數據相適應的財務風險管理模式，有效規避資金風險。在大數據時代，企業要把降低經營過程中的財務風險作為財務管理工作的重要目標，落到財務管理過程中去，這樣企業才能適應新的經營環境，獲得發展。傳統的企業財務管理模式對于財務風險的控制能力不是很強，難以實現對風險的有效管理。在大數據背景下，企業需要加強財務風險管理模式的創新，能夠在財務管理中融入大數據分析技術，借助于相關風險管理理論，對財務管理過程中可能會遇到的風險因素進行評估預測，并能夠根據相關風險預測結果，做好相關風險防范工作，避免財務風險擴大化，及時解決問題，避免出現更大的資金損失。
（三）加強信息技術的應用
在大數據背景下，市場中出現了大量的與會計管理相關的會計軟件，并且相關軟件在會計領域內得到了很好的應用?？梢哉f，信息化的發展對整個社會發展起到了很大的推動作用。企業要能夠緊跟時代發展步伐，能夠在財務管理工作中融入信息技術，加強信息技術的應用，以不斷提升財務工作的效率及質量。企業要在預算、成本及投資管理中，需要能夠借助于專門的信息技術獲得有價值的數據資源，提升財務管理工作效果，為企業更好地開展決策提供完善的財務信息數據支持。ERP就是一個應用價值很高的信息系統，對于促進企業實現業務融合具有很大的促進作用，企業要能夠加強這種信息系統的應用，構建較為完善的數據庫，實現各種數據信息資源的有效共享，并借助于這種系統自動生成財務憑證，提升企業財務管理效率。
（四）加強大數據技術人才隊伍的建設工作
目前，很多企業缺乏的大數據技術人才，這就影響到大數據技術手段在財務管理工作中的有效應用，因此，企業要實現財務管理工作創新，必須要能夠加強內部大數據技術人才隊伍的建設工作，以有效的人才支持，促進財務管理工作水平的不斷提升。
企業加強大數據技術人才隊伍建設工作，就需要提升相關技術人員的技術素養水平，能夠結合大數據背景下財務工作發展的需要，不斷提升信息技術人員的技術能力。另外，企業要加強財務管理人員的信息化素養提升工作，引導財務管理人員不斷豐富自身的財務管理方面的專業知識和技能，同時不斷提升自身的信息化素養，通過培訓使財務人員能夠熟練操作相關信息化手段的應用。在大數據背景下，人才對于企業發展至關重要?？萍嫉陌l展，信息技術的更新及應用都需要依托優秀的人才才能實現，企業要能夠把人力資源建設作為工作重心，作為提升自身競爭力的重要支持，堅持不懈地做好人才隊伍建設工作，不斷提升自身人才隊伍的建設水平，這樣，企業真正實現資源的優化配置，各項工作的高效開展才有保障。
摘要：本文分析了傳統企業財務管理存在的問題,從樹立與大數據相適應的財務管理理念,構架與大數據相適應的財務風險管理模式,加強信息技術的應用,加強大數據技術人才隊伍的建設工作四方面分析了大數據背景下企業財務管理創新策略,對于企業財務管理工作的新發展是一種促進。
關鍵詞：大數據背景,企業,財務管理,問題,創新策略
參考文獻
[1] 易莉.淺議大數據背景下企業財務管理的應用與創新[J].納稅,2019(25).