互联网时代，无处不在的传感网络带来了无处不在的数据，而这些数据正逐渐成为企业中与实物资本与人力资源同等重要的生产管理要素。随着全球经济市场所呈现出的无国界化、无边界化的特点，现代企业要想在激烈的市场竞争中立足，就必须逐步构建会计大数据分析型企业的思维与模式，从而加快企业创新。
一、大数据分析的概念及内涵
伴随着互联网、物联网、电子商务、社交网等网络信息化技术的逐步推广与应用，社会各行各业中在多年以来的信息化进程中，均积累了大量的数据信息，而这些数据信息在近年来仍呈现出涌喷的增长态势。而与此同时，数据的形态也发生了巨大的改变，以往的格式化数据正逐步过渡到格式化与非格式化数据（如图像数据、视频数据等）共存的时代。各类数据源的每天生成并传输到云计算平台，以供前端数据挖掘、数据分析、模型建设及数据可视化展现应用，从而为社会各行各业提供综合性服务。可以说，社会的发展真正进入了让数据说话的时代，即大数据时代。
大数据分析，即是各类数据进行有效分析的技术与措施。由于在大数据时代，数据信息往往呈现出数据量大（Volume）、速度快（Velocity）、类型复杂（Variety）、价值密度低（Value）这4V特点，如何在规模巨大、成分复杂的数据源中挖掘出对企业有用的信息，并在最短内做出有效分析，将是大数据时代企业所要进行的一项核心工作。
二、构建会计大数据分析型企业的意义
数据的真正价值在于发现隐藏在数据背后的信息。因此，在大数据时代，对企业会计数据的有效分析与利用，将成为所有企业共同竞争的核心。通过构建会计大数据分析型企业，不仅能使企业会计成本得到量化，而且能有效促进企业经营管理水平的进一步提升。
1.改变企业传统的运营与管理模式
会计大数据分析型企业的构建，以商业智能技术作为企业的决策中心与神经系统，通过对企业各类数据的充分挖掘与分析，从而实现企业管理流程的优化与改良，使原本经验式或粗放式的管理的逐步转变为数据驱动和精细化的管理模式。
例如，企业的贷款经营管理，通过收集到足够的贷款数据，并以此建立模型进行综合分析，可以有效评估贷款的风险，实现授信和定价的指导，以及放贷的批量化自动审批。这种企业数据化分析与管理模式的构建，不仅能最大程度的降低企业的经营成本，而且能提高放贷的效率性，使企业能很好的维持盈利水平。
2.推动企业市场竞争的深度与广度
会计大数据分析型企业的构建，有利于企业内部管理与外部营销的创新。对企业内部管理而言，通过对自身会计数据的有效分析，可以优化各个运营环节，并辅助决策，从而激发出企业业务流程中的潜在价值，进而降低运营成本，提高管理水平与运营效率；对企业外部营销而言，企业可以通过对海量、精准客户数据的有效分析，或者借助于第三方数据分析平台，以进一步了解客户的消费行为与消费方式，从而预测销售，实现精准营销模式与互动营销模式，进而提高企业外部营销的科学性与有效性。近年来，在各个行业中都出现了以数据挖掘和数据分析，作为自身市场竞争优势的企业，例如谷歌、海尔、宝洁等企业，它们都将自身的成功归结于对企业内外部大量数据分析的有效应用。
三、会计大数据分析型企业的构建思路
会计大数据分析性企业的数据平台建设，主要是依托于商业智能技术，通过收集大量的会计数据原始资料，并借助商业智能化工具实现对海量会计数据的分析报告、数据查询、在线分析处理、报表生成以及数据可视化等服务。整个会计数据分析共享平台的逻辑架构图，见下图所示：
1.平台总体架构
如上图所示，整个平台的逻辑架构分为了数据源层、数据管理层和数据应用层。其中，数据源层是企业各类会计数据的收集源头，各类会计数据通过“ETL过程”进行抽取、转换、过滤和加载到数据共享分析平台的数据仓库中，以保障数据收集的质量；数据管理层，则是企业会计数据进行存储、交互处理和分析的核心层，它借助于数据分析共享平台的数据仓库为数据应用层提供高质量和有效的数据需求；数据应用层，则是会计数据在企业各项经营管理层面中发挥真正价值的地方，企业的多项业务通过“模型应用”、“数据挖掘”、“报表应用”、“管理驾驶舱”、“即席分析与查询”等功能实现企业各种业务的数据应用。
2.ETL过程
ETL（Extraction Transformation Load）过程，是实现对数据源层中各类会计数据处理的一个动态过程。企业可通过选择适宜的 ETL工具，以提高数据处理的效率。目前，最为主流的ETL数据处理工具有：Ascential公司的DataStage工具、Informatica公司的Powercenter、NCR公司的ETL Automation、SAS等等。通过ETL过程，可以将满足企业各类业务需求的数据装载到目标数据仓库系统。
3.目标数据仓库系统
数据仓库（Data Warehouse），是指适应企业会计数据决策分析的需求，而进行建设的数据库应用技术，它与传统的数据库技术有较大的差别。数据库技术只是数据库仓库系统的基础，数据仓库是一个直接面向主体的、集成的、非易失的、随时间变化的和用于企业战略决策的数据集合。 当前，目标数据仓库技术已成为了会计大数据分析性企业由数据到知识，再由知识转换为利润的核心技术。近年来，随着目标数据仓库应用的日益成熟，我国许多行业中都纷纷建立了自身的数据仓库，在银行、保险、电信等行业中都得到了很好的应用。数据仓库技术正逐渐成为21世纪企业信息化发展的核心技术。
4.数据应用层的功能实现
（1）模型应用。数据模型可以通过一系列科学标准的建模过程，以有效的对企业会计数据特征进行抽象，从而获取关键信息与指标。模型应用的重点是预测未来，它主要基于企业历史会计数据，开发各种预测模型，对企业客户和业务的未来发展作出预测，从而对设计和策略方案进一步优化，进而实现企业未来效益的最优化。
（2）数据挖掘。数据挖掘是从大量数据中自动搜索隐藏于其中的具有价值信息的过程。数据挖掘功能的实现，主要是借助于数据库技术、通信技术、人工智能技术、模式识别技术等多种新兴技术对海量数据进行提取与分析。目前，最为流行的三大数据挖掘工具是SAS公司的SAS/EM，IBM公司的Intelligent Miner和SPSS公司的Clementine。
（3）报表应用。报表应用技术是利用会计数据信息，对企业历史经营状况进行回顾与总结。报表应用技术还可细分为常规报表与即席查询这两个部分，常用的报表工具有：IBM公司的Cogonos、SAS公司的PORTAL等。
（4）管理驾驶舱。管理驾驶舱技术，是帮助企业管理层能的了解到数据背后的信息，实现将报表、分析层指标等数据信息的动态形象、交互界面以友好的方式呈现为管理层，从而帮助管理层能快速掌握企业各项经营的指标状况，为企业未来经营的合理决策与风险评估提供信息依据。
（5）即席分析与查询。即席分析与查询功能，是一个面向数据库的应用，它主要用于企业会计业务信息查询和报表生成，也能够为企业会计数据分析提供一个高性能和高效率的查询系统。
四、总结
会计大数据分析型企业的构建，能以商业智能技术为基础核心，通过相关技术与软件的应用，以实现从海量的数据中按维度获取信息的过程，并能够更好的利用数据提高企业决策的质量，进而真正体现数据的价值，实现数据价值应用的最大化。
