(一)加强大数据技术在管理会计领域的意识转变

第一，从以往基于结果论向着过程论的发掘转变，如部分商业银行传统的分析手段是依据各网点发卡量、存款额以及业务收入等因素进行统计，而后进行多维度分析。若同时向前延伸数据触角，多方收集客户的基本信息、家庭经济情况和产品服务意见反馈，后续在对此类数据进行深度整合分析后可能会发挥重要作用;

第二，从结构化数据向非结构化数据转型。如需要判断某一贷款客户的经济状况，不仅可以从客户所提交的财务报表获取信息，还可以同时了解其网上消费、社交、阅读等行为习惯，从而尽早的判断客户的信用风险;第三，银行在意识到大数据的巨大潜力下，要考虑逐步更新相关技术和设备。

(二)完善软硬件信息设备

大数据技术是对互联网中海量信息进行筛选分析的一个过程。利用信息系统将大数据源中的海量信息进行拉取和清洗后整合是大数据技术的第一步，即数据储存。

数据抽取可以依据银行的信息需要，通过设置一定的规则来驱动一系列的数据算法，来搜索和筛选出相匹配的信息数据;而数据清洗则是对搜索出的相匹配的数据进行高质量的筛选。

而当前，部分商业银行的在面对大量信息和数据处理的需求上，应该及时更新软硬件设备，如信息系统应用上可以引入Hadoop大数据应用平台[2]。

Hadoop是一个可以进行大量数据处理的分布式软件框架，可以存储海量的半结构化数据，并且不用担心单个数据磁盘的损坏会带来数据信息的丢失，可以高速跨多台机器进行数据集合处理。

Hadoop技术现已经被诸多互联网、金融、商业机构所广泛使用。而对于每天需要处理海量客户信息、交易信息、借贷信息的商业银行而言，引入该软件框架无疑可以为管理会计的信息处理提供强大的助力。

(三)搭建银行内部大数据分析平台

针对大数据技术下的管理会计信息应用框架需要涵盖到五个层级：从起始端的基础信息层、数据输入层，到中端的数据聚集层，再到顶端的处理分析层、应用报告层，大数据分析平台的搭建需要的是一个完整信息应用框架，包括主机服务器、网络、系统框架等。

第一，基础信息层。该模块是对银行在经营管理中所需要的各类信息进行多渠道搜集，可以包括行业信息、竞争对手信息、客户信息等。以往传统的管理会计在进行决策分析时，主要依靠内部财务信息和有限的外部公开信息，参考意义较低。但是大数据时代下为信息的获取提供了便捷高效的手段。基础信息层的搭建就是为收集客户服务、业务订单、资金往来等一系列财务或非财务信息。

第二，数据输入层。该模块是将基础信息层中的原始数据传输录入存储系统。由于大数据技术下信息来源渠道的多样化，数据输入层可以根据银行的需求重点设置数据输入控制逻辑，保证同类型的数据来源渠道一致。

同时还可以在银行系统中搭建数据共享中心，实现一次录入，所有系统共享，提升信息集中化处理速度。同时引入相关的IT运维团队在各部门系统中建立数据对接口，方便实现数据传输自动化和共享便捷化。

第三，数据聚集层。该模块是根据银行的经营需求来对数据输入层中所传输的数据进行初步汇总和筛选。将复杂多样的信息进行分门别类的处理，并将其存储在系统数据库中的各子模块中，作为后续的信息模型搭建和数据分析提供信息基础。

通过一定的数据分析逻辑将各类财务或者业务数据进行处理后存储在管理会计的应用数据库中，管理会计可以依据自身的管理需要实时拉取数据。当然，银行需要定期对数据库中的信息进行更新，以此为后续的数据分析报告提供实时可靠的数据支持。

第四，分析处理层。该模块就是为管理会计提供信息分析处理的应用工具。管理会计依据自身的专业知识，基于数据库中的信息、系统分析工具、数据分析方法对已有数据进行计算、建模分析，从中提炼出对银行有价值的信息。

传统管理会计数据样本有限，但大数据可以针对分析事项，拉取网络中所有与此事项有关的数据，将过去、当前、未来的信息连成整体，以此来发掘信息中潜藏的价值[3]。在基于大数据分析平台的基础上，管理会计还需要掌握时间序列分析、聚类分析、决策树分析等工具方法来加速对海量信息的处理。

文章来源：《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2021/1112/3031.html