مقاله انگلیسی حسابداری با ترجمه:  کاربرد داده کاوی در حسابداری

سال نشر: ۲۰۱۷

تعداد صفحه انگلیسی:  ۲۷

تعداد صفحه ترجمه فارسی: ۶۵ صفحه فایل WORD

دانلود رایگان مقاله انگلیسی

کد محصول: H232

عنوان فارسی:

مقاله انگلیسی حسابداری ۲۰۱۷ :  کاربرد داده کاوی در حسابداری : مرور ادبی و چارچوب سازماندهی

عنوان انگلیسی:

Data mining applications in accounting: A review of the literature and organizing framework

چکیده فارسی:

این مقاله به بررسی تکنیک های داده کاوی در حسابداری می پردازد و هدف آن سازماندهی چارچوبی برای برنامه های کاربردی می باشد .درآثار زیادی بر کاربرد خاص الگوی مهم داده کاوی بر حسابداری تاکید شده است اما تحقیقات جامعی که کاربرد آن را در نظر بگیرد کم است.برای سازماندهی کاربرد آثار داده کاوی در حسابداری چارچوبی ایجاد کرده ایم که ترکیبی از دو دیدگاه حسابداری شناخته شده(قهقرایی و اکتشافی) وسه هدف داده کاوی(توصیف, پیش بینی، و تجویز) است. چارچوب  طبقه بندی از چهار دسته بندی(گذشته نگر- توصیفی , گذشته نگر -تجویزی، آینده نگر- تجویزی، و آینده نگر- پیش بینی کننده) تشکیل شده است. چارچوب پیشنهادی نشان داد که بخشی از حسابداری که بیشتر از داده های کاوی بهره می برد اطمینان و انطباق تشخیص تقلب، سلامت کسب و کار و حسابداری قانونی است ، به نظر می رسد که در دو مقوله ی کاربرد تجویزی (گذشته نگر – تجویزی وآینده نگر- تجویزی)،  شکاف روشنی وجود داشته باشد که بیانگر فرصتهای بهره برداری داده کاوی از این مقوله های کاربردی است.این چارچوب یک دیدگاه  کلی از آثار ارائه می دهد وبه صورت سیستماتیک آن را در شیوه ی منطقی ساختاری ومفهومی منسجم سازماندهی می کند

• مقدمه

در عصر اقتصاد جهانی و به سرعت در حال تغییر، بازار های بسیار رقابتی، یعنی سازمان ها، برای این که بتوانند رقابت مرتبطی داشته باشند، ضروری است که بار ها و بار ها طیف گسترده ای از فلسفه ها، رویکرد های مدیریت نوآورانه و فناوری های اطلاعاتی پیشرفته را اقتباس یا اجرا کنند. مخصوصا، هوش مصنوعی (AI) از اهمیت خاصی برای آینده ی حرفه ی حسابداری برخوردار است و سیستم های هوشمند بیشتر پیشرفت های بعمل آمده در قدرت تحلیلگرایانه چند بعدی و کارایی فرایند های حسابداری را توانمند سازی کرده اند. بنابراین به وضوح گفته می شود که AI مستلزم توجه بیشتری بوده و وجود فرصت هایی ایجاد مقیاس جامع برای شرکت ها برای تسطیح سازی کامل توانایی تحلیلگرایانه سسیستم های کسب و کار آنها ضروری می باشد. یک سوال آزاد اینست: آیا عدم کاربرد کامل این توانایی های تحلیل گرایانه را می توان با پیچیدگی این سیستم ها به شکل پیشنهاد شده توسط کیم و همکارانش توصیح داد و یا این وضعیت ناشی از عوامل دیگری از قبیل ویژگی هایی خاص تکنیک های داده کاوی یا طبیعت ذاتی کاربرد های حسابداری هوشمند می باشد؟

داده کاوی یکی از مهم ترین پارادایم های اخیر ابزار تحلیل تجاری هوشمند و ابزار پشتیبانی تصمیمات می باشد. هیات های حرفه ای حسابداری اهمیت چنین موضوعی را تصدیق می کنند. انستیتوی حسابداری دولتی رسمی آمریکا (AICPA) داده کاوی را در زمره ی ده فناوری برتر آینده شناسایی و انستیتوی حسابداران داخلی (IIA) داده کاوی را به عنوان یکی از چهار اولویت تحقیقات فهرست کرده است. بعلاوه، حسابداران مدیریت جهانی رسمی (GMA) گزارش کردند که بیشتر از ۵۰% رهبران شرکتی داده های بزرگ و داده کاوی را در بین ده اولویت شرکتی رده بندی می کنند که برای عصر تجارت داده محور حیاتی می باشند. داده کاوی به عنوان فرایند شناسایی الگو هایی داده ای تعریف می شود که به طور بالقوه جدید و نهایتا قابل ادراک می باشند. این فرایند را همچنین به فرایند استخراج دانش از میان انبوده داده ها به منظور ارتقا تصمیمات در یک رشته ی خاص معروف است. بنابراین کانون اصلی داده کاوی تسطیح سازی داده ای دارایی سازمان با هدف بهره گیری از مزایای مالی یا غیر مالی می باشد. داده کاوی برای کل رشته های بازرگانی و غیر بازرگانی، از جمله حسابداری کاربرد دارد.

گفته می شود داده کاوی مزایا و توانایی های گسترده ای در اختیار سازمان ها قرار می دهد که شامل پیش بینی کارآمد روند های آتی توسعه شرکتی، کمک به مدیران برای تصمیم گیری های بهتر و افزایش رقابت کسب و کار می باشد. همچنین این امکان را به مدیران می دهد تا ارتباطات منطقی و تصادفی با ارقام شرکت برقرار کنند، بنابراین می توان به شکل بیش فعالانه ای با مسائل برخورد کرد. بعلاوه، داده کاوی در ارتقا چشمگیر قضاوت، معاملات و اجابت در حسابرسی، ارتقا کیفیت شواهد فراهم شده برای حسابرسان و همچنین در کارایی حسابرسی کلی نقش دارد. بعلاوه، داده کاوی حسابرسی الکترونیک و پیوسته را تسهیل کرد و از پتانسیل تغییر اساسی نقش سیستم های کنترل مدیریت و اجرا در سازمان ها برخوردار است. داده کاوی سازمان ها را توانمند می کند تا روابط آماری بین سنجش های عملکرد را به نحو آسان تری شناسایی، احتمال بروز یک حادثه را برآورد و با قضاوت های کیفی مدیران مکمل سازی کرده و ابزار کنترلی درستی برای درستی داده ها و مشروعیت تقاضای داده ها فراهم کنند. و چیزی که در همان حد از اهمیت برخوردار است این می باشد که داده کاوی به سازمان ها کمک می کند تا الگوهای داده هایی را به سرعت تشخیص دهند که اکتشاف آنها با استفاده از تکنیک های قدیمی تر سال ها به طول می انجامد. این تکنیک همچنین کارمندان ناراضی را از الگو های رد و بدل کردن ایمیل هایشان شناسایی و آژانش ها قانون گذاری را با نظارت بازار در زمان واقعی و شرح خطر عوامل بازاری توانمند سازی می کند.