【摘要】数据资源是在传统的人力资源和非人力资源基础上衍生出来的一种新型资源， 具有伴生性、 依托性、 价值易变性、 无限共享性的特点。管理会计需要高度重视对数据资源的规划、 控制与评价， 主动将数据资源纳入管理会计的研究范畴。基于此， 本文从管理会计的本质出发，结合数据资源对管理会计的影响， 从成本管理、 绩效管理与风险管理三个维度探讨数据资源在管理会计中的创新应用与融合发展。
【关键词】数据资源；管理会计；成本管理；绩效管理；风险管理
【中图分类号】 F234.3" " "【文献标识码】A" " " 【文章编号】1004-0994（2025）03-0021-5
人工智能、 区块链、 云计算等数字技术的快速发展和广泛应用推动了经济社会变革， 数据资源成为影响一个组织乃至一个国家竞争力的核心资源。如何将数据资源转化为企业高质量发展的新动能， 充分释放数据资源价值， 实现由数据资源与其他经济资源交互作用所产生的价值增值， 成为当前理论界与实务界亟待解决的问题。传统管理会计主要关注人力资源和非人力资源（物质资源）的价值创造过程， 并通过成本管理、 绩效管理与风险管理三个子系统对资源价值创造过程进行规划与控制， 以提升资源配置效率， 实现组织的价值创造目标。在数据资源日益丰富的今天， 管理会计需要高度重视对数据资源的规划、 控制与评价， 主动将数据资源纳入管理会计的研究范畴： 一方面， 创新应用数据资源的成本、 绩效和风险管理系统； 另一方面， 将数据资源融合在传统资源的价值创造过程中， 助力提升组织价值创造的效率和效果。本文从管理会计本质出发， 结合数据资源对管理会计的影响， 从成本管理、 绩效管理与风险管理三个维度， 探讨数据资源在管理会计中的创新应用与融合发展， 以期为管理会计在数字经济时代的创新发展提供借鉴与启示。
一、 管理会计的本质与数据资源价值创造的独特性
1. 管理会计的本质。管理会计是在战略与经营目标下， 通过预测、 决策、 预算对资源进行有效配置， 并对资源配置过程进行监督、 控制和评价， 以实现价值最大化。财政部在《关于全面深化管理会计应用的指导意见》（财会〔2024〕22号）中强调， 管理会计是促进单位提升管理水平、 增强价值创造能力、 实现高质量发展的重要基础和手段。因此， 管理会计的本质是对资源价值创造过程的计划与控制系统。企业价值是企业未来现金净流量的折现， 也是企业成本、 绩效和风险的函数。要实现企业价值最大化， 就要在确保战略协同和风险可控的基础上， 实现现金流入量的最大化和现金流出量的最小化。由此， 管理会计对单位价值创造能力的作用包括三个子系统： 成本管理系统、 绩效管理系统和风险管理系统。有效的绩效管理活动是确保战略协同下的现金流入量最大化； 有效的成本管理活动是确保战略协同下的现金流出量最小化； 有效的风险管理活动是确保战略协同下的风险可控。
从组织资源的角度看， 传统的组织体系中主要包含人力资源和非人力资源（物质资源）， 因此， 传统的管理会计主要关注这两类资源的价值创造过程。其中： 成本管理系统主要解决的是物质资源在价值创造过程中的牺牲和消耗以及人力资源物性成本的管理问题。自19世纪末科学管理革命催生出标准成本系统以来， 先后产生了完全成本法、 变动成本法、 作业成本法、 目标成本法、 改善成本法、 质量成本管理、 全生命周期成本管理、 战略成本管理、 价值链成本管理等一系列成本管理工具， 形成了一套比较成熟的成本管理系统。
绩效管理系统主要解决的是人力资源在运用物质资源进行价值创造过程中的绩效评价与激励管理问题， 包括差异分析、 责任会计、 经济增加值（EVA）、 平衡计分卡（BSC）等大量的绩效管理工具。人力资源价值创造过程较为复杂， 使得绩效管理系统尚处于不断发展中。
风险管理系统主要是针对人力资源运用物质资源进行价值创造过程中产生的目标偏离问题进行管理。21世纪初， 一系列大型企业的倒闭让人们意识到风险管理系统建设的重要性。当前， 学术界虽然提出了一些风险管理的概念、 构建了风险管理的框架、 创新了一些风险管理的工具和方法， 比如COSO企业风险管理框架， 但是风险管理系统尚没有形成一套成熟的理论体系。
2. 数据资源价值创造的独特性。
（1） 数据资源的价值创造模式。资源基础观认为， 企业是一个由各种资源组成的集合体， 管理者通过对资源进行配置以创造价值。资源是企业拥有或控制的要素存量， 企业的竞争优势来源于其所拥有的异质性资源以及对资源的差异化运用。数据资源是指在组织价值创造过程中衍生出来的， 以电子形式存在和保存， 可以被一个组织合法持有、 获取和使用的数据集。随着数字技术的发展， 数据资源以前所未有的速度产生和积累， 并日益成为组织价值创造的重要资源。
与一般物质资源相比， 数据资源具有伴生性、 依托性、 价值易变性、 无限共享性等特征， 这些特征赋予了数据资源在价值创造中的独特性。第一， 数据资源具有伴生性。数据是对客观世界的记录， 伴随着企业生产经营活动而产生。数据价值链往往与企业价值链交互融合， 在企业的生产经营过程中实现对数据资源的生产、 使用与价值转化。第二， 数据资源具有依托性。数据资源不具备实物形态， 数据的生成、 存储与传输等都需要以一定的介质作为载体， 这使得数据资源的成本与价值难以与其所依托的载体进行清晰的分割。第三， 数据资源具有价值易变性。数据资源在不同应用场景中能够带来的未来现金流量具有不确定性， 这使得数据资源的价值复杂易变。第四， 数据资源具有无限共享性。数据资源可以在同一时间内应用于不同的场景， 其共享的边际成本接近于零， 且在共享的过程中并不会降低或毁损其价值。
数据资源在满足一定条件的情况下， 可以转化成数据资产。通过场景化使用， 碎片化、 低价值的原始数据可以转变为进入生产经营环节的数据资源以及能够在社会流通中交换的数据产品， 从而实现从数据资源到数据产品、 数据资产的价值增值（张妮，2024）。数据资源可以通过以下三种业务模式为组织创造价值： 第一， 降本增效。将数据资源与其他资源结合使用， 可提升其他资源的使用效率， 从而实现降本增效。通过将数据资源作用于其他生产要素， 企业可以更精确地预测市场需求， 优化生产计划和库存管理， 减少浪费和库存积压， 识别生产经营中的瓶颈， 优化业务流程， 更准确地识别和评估潜在的风险因素， 从而实现降本增效。第二， 提供服务。运用数据资源为其他主体提供服务， 从而为组织创造增量价值： 一是利用相关数据资源， 经过汇总、 分析等流程形成其他主体所需要的新数据； 二是利用数据资源和技术提供与数据相关的专业服务（比如数据的采集、 清洗、 标注等专业服务）， 或是提供算法模型、 搭建平台等与数据相关的整体解决方案。第三， 直接交易。企业可以将数据资源独立封装形成数据产品或数据服务进行市场交易， 通过数据资源管理实现数据价值变现。
（2） 数据资源的独特性对管理会计提出新要求。管理会计具有明显的权变性特征（Anderson，1995）， 需要结合内外部环境变化调整管理会计的工具方法， 以持续提升组织竞争力。面对数字经济的新情境， 需要主动将数据资源纳入管理会计的研究范畴。数据资源的独特性并未颠覆管理会计的本质， 但对管理会计提出了新要求。一是数据资源的伴生性要求管理会计构建数据价值链与企业价值链的交互融合机制， 将数据资源的收集、 处理和分析融入企业的日常运营中， 确保数据资源能够实时、 准确地反映企业的生产经营状况。二是数据资源的依托性要求管理会计在评估数据资源的价值时， 考虑其所依托载体的成本和价值， 建立完善的数据资源成本与价值管理体系， 对数据的生成、 存储、 传输等成本进行合理归集与分摊， 同时根据数据资源的使用价值进行定价和计量， 提高数据资源的利用效率。三是数据资源的价值易变性要求管理会计建立灵活的数据价值评估体系， 通过实时监测、 分析数据资源的使用情况， 及时调整数据资源价值的评估方法和参数， 以适应数据资源在不同应用场景中的价值变化。同时， 管理会计需要加强对数据资源的合规风险管理， 识别数据资源在不同应用场景中的潜在风险， 以采取相应的风险应对措施。
财政部分别在2023年、 2024年印发了《关于加强数据资产管理的指导意见》和《数据资产全过程管理试点方案》， 这些文件旨在推进从数据资源到数据资产的规范管理， 充分激发数据潜能， 服务数字经济高质量发展。数据资源在满足一定条件时才能转变为数据资产。由此， 数据资产管理的前端是对数据资源的有效管理， 包括对数据资源的规划、 控制、 决策与评价。管理会计需要将数据资源作为一项独立的资源进行管理， 以提高数据资源的利用效率， 实现数据价值提升。
二、 数据资源在管理会计中的创新应用
1. 数据资源在成本管理系统中的创新应用。数据资源不仅是成本管理的对象， 更是推动成本管理进步的关键驱动力。成本是为了实现一定目的而付出的资源消耗， 成本管理是在保证产出效果的基础上的最小化组织资源投入， 从而实现组织资源使用效率的最大化。在传统成本管理环境中， 由于数据来源狭窄、 数据精度不足、 “数据烟囱”林立等， 使得成本计划与决策的精准度不足、 成本的动态控制与反馈受限、 成本核算与分析不及时不准确， 这些问题制约了企业资源配置效率的提升（康俊，2023）。数据资源为成本管理的创新应用与融合发展提供了强大的数据支持， 使得企业能够更加精准、 高效地进行成本管理， 从而提升整体运营效率和竞争力。
利用历史数据和机器学习算法， 企业可预测未来成本的变化趋势， 从而为预算制定和成本控制提供科学依据。通过实时数据流， 企业可即时监控成本变动， 迅速响应市场变化并做出内部运营调整， 以确保成本控制的有效性。通过数据资源的端到端可视性， 企业能追踪供应链的每一个环节， 从原材料采购到产品销售， 实现成本的全链条管理。数据资源在成本管理系统中的创新应用包括数据驱动的全生命周期成本管理、 数据驱动的全价值链协同成本管理、 数据驱动的成本动因精细化管理。
（1） 全面拓展和深化全生命周期成本管理的视野。从产品策划、 研发、" 设计、 生产、 销售到售后服务、 产品废弃的各个生命周期阶段， 均可以通过物联网、 大数据等技术的应用形成一个与物理空间产品全生命周期各阶段相对应的“数字镜像空间”。在数字镜像空间中又可以通过成本建模运用机器学习技术进行迭代， 从而优化物理空间的成本， 并在提高用户价值的基础上， 实现产品全生命周期总成本的最优化。例如， 三一重工在数据驱动下的产品全生命周期成本管理具体如下： ①研发设计阶段。运用大数据为用户画像、 追踪并研判市场趋势和市场竞争态势等， 帮助企业精准定位目标客户群体的需求， 为新产品研发提供数据支撑。同时， 借助大数据技术进行辅助研发设计、 实施仿真数据测试。数字化研发有助于降低研发风险和研发成本、 缩短研发周期。②生产制造阶段。企业可以借助数字化工具对每笔订单的执行进度、 具体生产步骤、 库存消耗以及完成情况等进行实时追踪， 从而减少库存占用和生产浪费， 识别生产瓶颈和约束条件， 提高产能利用率。在生产端进行数字化管理， 一方面便于订单的分配及补单需求查询， 另一方面可帮助供应商优化生产计划、 实时监控生产数据， 大幅提升生产效率和作业运转速度。③仓储物流阶段。企业可以运用数字化、 智能化手段进行仓储管理和货品配送， 以优化配送路径、 提高配送效率、 降低仓储物流成本。④营销服务阶段。企业可以通过分析营销数据及用户行为， 及时对商品销售策略做出调整， 指导产品定价与市场营销。将获取的用户在实际使用场景下的产品运行数据， 如设备故障率、 使用寿命、 能耗等， 用于改进产品设计、 提升用户体验和制定更科学的维保政策。
（2） 更好地推动全价值链协同成本管理。借助价值链上数据资源的连接与协同， 成本管理的范畴不仅可以从单一企业封闭式的成本管理边界拓展为基于价值链的各个组织价值的协同提升， 而且可以拓展到基于产业生态圈的成本协同管理。例如， 浙江省通过构建“产业大脑”， 不仅在平台上连接了产业上下游企业， 还连接了金融企业、 中介服务企业等生态关联企业， 形成了跨组织、 多层次的新型产业生态。这可能是IT时代继计算机时代单机版的MRP（物料需求计划）， 到局域网时代的MRPII（制造资源计划）、 互联网时代的ERP（企业资源计划）， 拓展到DT时代的IRP（产业资源计划）。平台物资联储联备作为一种全新备品备件管理模式， 运用共享经济的思维， 通过构建三级仓储物流网络实现“化工企业、 平台、 供应商”的备件数据资源共营共享， 能够使企业备品备件采购效率提升60%、 采购成本降低20%。
（3） 更好地实现成本动因的精细化管理。作业成本法的核心思路是产出消耗作业、 作业消耗资源。然而， 传统管理由于受限于技术条件， 往往难以有效识别作业动因与资源动因。借助物联网和大数据技术， 通过详尽的数据收集和分析， 企业可以深入了解各项成本的构成和分布， 从而更精确地发现成本控制的重点和潜在优化空间， 让传统的作业成本法可以更加简单有效。比如， 航空公司除了关注对航线规划、 机型规划等结构性成本动因的管理， 航油成本（占航空业务总成本的30%左右）也是其成本重点关注内容。对此， 厦门航空公司通过全量采集航班飞行数据， 从飞行时间、 机型、 航段等多个维度挖掘耗油因素和变化规律， 构建智能节油分析模型， 在兼顾成本、 安全、 服务质量的情况下， 从飞行、 机务、 签派、 空管、 油料和地面代理等各个运行环节中发现节油空间， 从而匹配改进措施。
2. 数据资源在绩效管理系统中的创新应用——以BSC为例。Kaplan和Norton（1992）提出了BSC， 从财务、 客户、 内部流程、 学习与成长四个层面构建衡量企业运行逻辑的核心指标， 为企业业绩评价提供了一个指导性框架。BSC阐明了业绩评价指标与企业战略目标之间的关系， 有助于为企业绩效改进指明方向（刘俊勇等，2011）。随着数据资源的日益丰富和数据分析技术的不断进步， BSC的应用得到了进一步的拓展和优化。
（1） 通过将数据资源融入BSC， 促进BSC从静态的评估工具转变为动态的、 数据驱动的绩效管理工具。第一， 在财务维度上， 基于公司战略明确财务目标， 运用大数据技术对财务数据进行深入分析， 以识别成本节约和收入增长机会。通过实时数据分析， 及时预警潜在的财务风险， 以确保企业财务健康。第二， 在客户维度上， 利用大数据技术分析客户购买历史和浏览行为等信息， 深入理解客户需求和偏好， 通过市场画像、 客户画像、 产品画像明确客户的价值主张。第三， 在内部流程维度上， 利用大数据技术监控和分析内部流程， 发现瓶颈和浪费环节， 并进行流程优化， 提高内部流程的运营效率和质量。第四， 在学习与成长维度上， 利用大数据技术对员工绩效进行客观评估， 发现培训和发展需求， 以提升员工的数字化能力， 同时建立知识管理系统， 利用大数据技术进行知识的收集、 整理和分享， 促进组织学习与成长能力的提升。
（2） 通过运用BSC构建数据资源绩效评价指标， 评价企业数据资源绩效。企业必须明确数据资源在企业战略中的重要性及其作用， 并理解如何利用数据资源来促进企业目标的达成。第一， 从财务维度审视数据资源的成本效益： 评估数据资源的获取、 存储、 处理和分析成本， 并衡量这些资源为企业带来的直接经济效益。例如， 通过考察数据资源投资回报率、 数据资源成本效益比、 数据资源收入增长率等指标， 来评估数据资源的财务价值。第二， 从客户维度分析数据资源与业务结合是否有助于提高客户满意度和忠诚度。例如， 评估数据资源在改善客户体验、 提升客户满意度和忠诚度方面的作用， 分析数据资源在帮助企业拓展市场份额、 吸引新客户和维护现有客户方面的贡献。第三， 从内部流程维度审视数据资源对流程优化的影响： 评估数据资源在优化企业内部流程、 提升运营效率和质量方面的作用。例如， 评估数据资源在推动企业创新、 开发新产品或服务方面的作用， 评价数据资源获取效率、 数据资源质量等级、 数据资源安全等级等。第四， 从学习与成长维度考察数据资源在提升员工技能、 知识和能力方面的作用。例如： 评估数据资源在提升员工技能、 知识和能力方面的作用； 评估企业在数据资源方面的知识共享、 学习和传承机制。
3. 数据资源在风险管理系统中的创新应用。由于组织外部环境和内部行为的不确定性， 任何导致组织目标发生偏离的因素都可视为风险因素（丁友刚和胡兴国，2007）。企业面临的风险因素众多且复杂多变， 如何有效识别这些因素成为风险管理的首要难题。特别是随着市场环境的变化和企业战略的调整， 风险因素也会发生变化， 这给企业风险管理带来了挑战。传统风险管理主要依赖于一系列精心设计的管理流程， 这些流程构成了一个线性的、 层次分明的范式， 它在一定程度上确保了企业能够应对各种已知的风险。在数据驱动的时代， 企业风险管理正经历着一场深刻的变革， 风险管理的焦点开始发生转移。传统的风险识别与评估往往以历史数据和经验判断为基础， 难以准确反映企业的实际风险状况。通过实时分析大量数据， 企业能够更快地识别潜在风险， 做出更加精准的决策， 从而在竞争激烈的市场中保持敏锐的反应和持续的竞争力。在风险应对方面， 传统管理中企业往往缺乏有效的策略和手段来应对潜在风险， 一旦风险事件发生， 企业则可能面临巨大的影响和损失。为了应对这些挑战， 基于数据资源的风险管理不再仅仅依赖于固定的流程， 而是借助大数据分析和人工智能算法， 更加灵活、 动态地响应各种复杂多变的风险因素， 实现更加前瞻、 智能的风险预警与应对。
（1） 数据资源在风险识别上的创新应用， 推动企业风险识别从“抽样分析”到“全样本分析”、 从“因果分析”到“关联分析”的转变， 实现前瞻、 动态的风险识别。企业可通过整合来自不同渠道的数据， 包括内部数据（如企业运营数据、交易记录等）和外部数据（如市场趋势、政策法规等）， 利用数据挖掘算法（如关联规则、聚类结果等）， 从海量数据中提取有价值的信息， 从而发现传统方法难以捕捉的风险模式和关联性， 以及时发现潜在的风险因素。
（2） 数据资源在风险评估上的创新应用， 推动企业实现从“经验驱动”的风险评估到“模型+数据驱动”评估， 从“碎片式”评估发展为“整合式”评估。企业通过建立动态风险评估模型， 对识别出的风险进行量化， 确定风险等级和影响程度， 以实现对风险的持续监控和评估。通过大数据和算法的应用， 企业能够根据市场变化、 企业战略调整等因素， 实时调整风险评估参数， 从而提供更加灵活和准确的风险评估结果。
（3） 数据资源在风险监测上的创新应用， 推动企业实现从“定向”风险监测转变为“全面”和“动态”的风险监测。通过数据挖掘与风险模型构建， 设定关键风险指标阈值， 对复杂、 抽象的风险特征进行自动学习和识别， 当风险指标超过设定阈值时， 监测系统将自动发出预警信号， 以便企业及时采取应对措施。
（4） 数据资源在风险应对上的创新应用， 推动企业实现从“片面式”风险决策到“全景式”风险决策的转变。借助实时数据流和动态监控系统， 决策者可以从宏观和微观两个层面全面审视风险应对策略， 避免有限信息所带来的认知偏见， 确保风险决策建立在充分的信息和深入的洞察之上， 并快速响应市场变化和突发事件。
比如， 华为通过打造数智云脑“灵鲲”， 以实现对风险的智能识别、 评估、 监测与应对（宋新平等，2024）： 在风险识别上， 通过自动监控关键业务点， 精准捕捉并识别价值链业务活动或指标的异常波动； 在风险评估上， 通过数据的关联、 归类、 序列化和整合， 精确追溯风险事件根源并评估其影响范围； 在风险监测上， 构建自动预警机制， 从“人找异常”转变为“异常找人”的主动防御； 在风险应对上， 智能生成应对策略， 实现风险的快速响应与有效处置， 并对风险事件进展进行实时追踪。此外， 华为还将风险事件及其相关信息（包括来源、原因、后果、关系、重要性评级及解决方案等）上传至企业供应链风险库， 这不仅为未来的风险识别、 分析与评估提供了宝贵的经验和依据， 还实现了企业内部知识的有效共享与传承， 为华为构建更加完善的风险管理体系奠定了坚实基础。
三、 数据资源与管理会计的融合发展
1. 数据资源与成本管理系统的融合发展。数据资源的核心特点在于其对业务流程的深度依赖以及其成本结构中的高比例间接成本。前者意味着数据资源的价值与业务活动紧密相连， 后者则表明数据资源的成本管理需要更为精细和复杂的策略。因此， 对于数据资源成本管理而言， 首先需要明确数据资源的成本驱动因素， 清晰地区分数据成本与业务成本。这不仅需要对数据资源生命周期有深刻的理解， 还需要对业务流程有全面的把握。只有这样， 才能准确计算出数据资源成本， 并为后续的成本决策提供坚实的基础。其次， 需要明确数据价值链分析， 关注数据资源全生命周期成本， 通过有效的成本管理策略和方法， 降低数据资源的获取、 存储、 处理和分析成本， 提高数据资源的利用效率。
2. 数据资源与绩效管理系统的融合发展。数据资源价值链是一个动态的生态系统， 它包括从数据的发现与获取， 到数据的集成与存储， 再到数据的处理与分析， 最终达到数据的应用与分享的整个过程。数据资源的价值形成是一个由多种因素共同作用的复杂过程， 其中包括数据的质量、 加工深度、 使用频率、 互联程度、 应用场景以及开放性等， 这些因素都会对数据价值的塑造产生影响。数据价值的实现则体现在数据作为生产要素在经济活动中发挥作用的过程中， 包括数据作为独立生产要素时产生的价值创造效应、 数据增强其他生产要素带来的价值倍增效应， 以及数据取代其他生产要素可能导致的价格归零效应。因此， 在数据资源价值评估过程中， 需要综合考虑影响数据资源绩效的各种内外部因素， 深入分析并充分考虑它们对现金流量可能产生的影响， 以及现金流量不确定性所揭示的潜在风险， 尽量降低数据资源绩效评估结果的乐观或悲观偏差。
3. 数据资源与风险管理系统的融合发展。数据资源风险管理需要关注以下风险： 第一， 数据资源战略风险。在评估数据资源的盈利能力时， 若缺乏精确的分析和预测， 企业可能会在制定数据战略时出现偏差。这种偏差可能导致企业开发出不符合市场需求的数据产品， 从而造成资源浪费。第二， 数据资源经营风险。数据资源的现金流往往会受到市场动态、 技术变革和消费者行为等多种因素的影响， 其不确定性较高。这种不确定性使得企业在评估经营效率和效果时面临挑战， 可能导致企业无法准确预测收入和成本， 从而做出错误的经营决策。第三， 数据资源报告风险。数据资源的确认、 计量不准确， 可能导致企业对数据资源的误判； 如果数据资源存在质量问题， 如不准确、 不完整或过时， 那么基于这些数据的报告可能会误导管理层， 导致战略和经营决策的失误。第四， 数据资源合规风险。数据资源的控制权不清晰可能引发一系列合规风险。在当前对个人隐私保护日益重视的背景下， 企业必须确保其数据的收集、 存储和使用符合相关法律法规。否则， 企业将面临违反《个人信息保护法》甚至《刑法》的风险， 这不仅可能导致罚款和诉讼， 还可能损害企业声誉和降低客户信任。
四、 总结与启示
本文从管理会计的本质和数据资源价值创造的独特性出发， 基于成本管理、 绩效管理、 风险管理三个子系统， 探讨数据资源在管理会计中的创新应用与融合发展。第一， 管理会计的本质是资源价值创造过程的计划与控制系统， 包含资源的成本计划与控制、 绩效计划与控制、 风险计划与控制三个子系统。数据资源具有伴生性、 依托性、 价值易变性、 无限共享性等特点， 这意味着数据资源具有独立的价值创造功能与规律， 需要创新应用数据资源成本、 绩效和风险的计划与控制系统， 将数据资源融入传统资源的价值创造过程中， 助力提升资源价值创造的效率和效果。第二， 数据资源为管理会计的创新应用提供了强大的数据支持， 借助数据加算法重塑管理会计工具方法， 推动管理会计从基于部分样本的决策到基于大数据的全样本决策、 从经验决策到智能决策、 从事后静态分析到前瞻动态预警的转变， 使得企业能够更加精准、 高效地进行成本管理、 绩效评价和风险防控， 进而提升企业整体运营效率和竞争力。第三， 数据资源与管理会计融合发展， 推动管理会计将关注的范围从传统人力资源和物质资源延伸至数据资源， 拓宽了企业资源管理的范畴和管理会计的应用场景。管理会计应增强对数据资源的全过程管理， 规范数据资源管理流程， 提升数据资源质量， 创新应用数据资源的成本、 绩效和风险管理系统， 以充分释放数据资源价值。
管理会计必须不断适应新的挑战， 同时抓住机遇， 推动自身的创新与发展。首先， 需要升级管理会计理念， 将数据资源视为一种新型的特殊资源， 从而在成本管理、 绩效评估和风险管理等方面进行相应的调整与优化。其次， 需要创新管理会计工具方法， 促使企业在成本管理系统、 绩效管理系统、 风险管理系统中采用更加高效和精准的数据分析方法， 以应对日益激烈的市场竞争和日益复杂的经营管理需求。对此， 企业需要高度关注数据资源管理， 不断提高数据质量， 为管理会计工具的创新发展提供数据基础。最后， 需要持续推动管理会计人才培养， 在管理会计人员扎实的管理会计专业知识的基础上， 培养其数据处理和挖掘能力， 强化业务洞察能力， 提升技术应用和沟通协调能力， 以服务经营决策， 提高企业竞争力。
【 主 要 参 考 文 献 】
丁友刚，胡兴国．内部控制、风险控制与风险管理——基于组织目标的概念解说与思想演进［ J］．会计研究，2007（12）：51 ～ 54．
康俊．数字经济赋能企业成本管控的影响机制与实现路径研究［ J］．当代经济管理，2023（2）：39 ～ 45．
刘俊勇，孟焰，卢闯．平衡计分卡的有用性：一项实验研究［ J］．会计研究，2011（5）：36 ～ 43+95．
宋新平，刘馥宁，申真等．大数据下企业供应链风险管理与竞争情报融合模型构建——以华为公司为例［ J］．情报杂志，2024（6）：185 ～ 192+176．
张妮．数据要素价值化：理论缘起、难点与对策［ J］．吉首大学学报（社会科学版），2024（5）：52 ～ 59．
Anderson S. W.. A framework for assessing cost management system chan-ges： The case of activity-based costing implementation at General Motors，1986-1993［ J］． Journal of Management Accounting Research，1995（4）：1 ～ 51．
（责任编辑·校对： 黄艳晶" 刘钰莹）
