عنوان ترجمه شده مقاله: کاربرد های داده کاوی در حسابداری: بررسی ادبیات و چارچوب سازماندهی

چکیده

این مقاله کاربرد های تکنیک های داده کاوی در حسابداری را اکتشاف و یک چارچوب سازماندهی برای این کاربرد ها پیشنهاد می کند. ادبیات جامعی در مورد استفاده های خاص پارادایم داده کاوی در حسابداری گزارش شده است، اما تحقیقی وجود ندارد که دیدگاه کل نگرانه ای در مورد این استفاده داشته باشد. برای سازماندهی ادبیات کاربرد های داده کاوی در حسابداری، چارچوبی ایجاد می کنیم که دو دیدگاه مشهور گزارش حسابداری (گذشته نگری و آینده نگری) و سه هدف مقبول داده کاوی (توصیف، پیش بینی و تجویز) را با هم ادغام می کند. این چارچوب شامل طبقه بندی چهار رده مختلف (گذشته نگرانه-توصیفی، گذشته نگرانه- تجویزی، آینده نگرانه- تجویزی و آینده نگرانه- پیش گویانه) کاربرد های داده کاوی در حسابداری می شود. چارچوب پیشنهادی نشان داد که آن زمینه های حسابداری که بیش ترین بهره را از داده کاوی می گیرند، شامل بیمه و قبول اجابت – از جمله آشکار سازی جعل، سلامت تجاری و حسابداری حقوقی هستند. شکاف های ظاهری موجود و اساسا در دو مقوله از کاربرد های تجویزی (گذشته نگرانه- تجویزی و آینده نگرانه- تجویزی) ریشه داشته و نشان دهنده فرصت هایی برای بهره گیری از داده کاوی در این مقوله از کاربرد ها می باشند. این چارچوب دیدگاه کل نگرانه ادبیات را ارائه می کند و بطور نظام مندی آن را به شیوه ای سازماندهی می کند که از لحاظ ساختاری منطقی و از لحاظ موضوعی کاملا منسجم باشد.

1-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 50% 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....

میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید