داده های بزرگ و لزوم کاربرد آن در آموزش حسابداری

دکتر حیدر ربیعی

استاد مدعو دانشگاه های تهران، خوارزمی و فرهنگیان

مشاور ارشد استراتژی مالی، اقتصادی و سرمایه گذاری

چکیده

به تازگی انجمن حسابداری آمریکا[1] و سایر مراکز معتیر تدوین کننده برنامههای آموزشی حسابداری، تاکید زیادی بر آموزش دادههای بزرگ و فنآوریهای مرتبط با آن در برنامههای آموزشی حسابداری دارند، انجمن حسابدارن خبره[2] نیز دادههای بزرگ را جزو سرفصل دروس خود قرار داده است. در این مقاله، ابتدا مروری بر دادههای بزرگ و تاثیر آن و فنآوریهای مرتبط با آن بر حسابداری داشته و سپس با مراجعه به منابع، پیشنهادهایی در مورد چگونگی استفاده از آن در تدریس حسابداری ارائه میشود.

کلمات کلیدی: داده های بزرگ، آموزش حسابداری

مقدمه

بر اساس گزارش انقلاب دادههای ACCA(2015) تقاضا برای افزایش مهارتهای کار با دادهها بالا است و در آینده بیشتر هم خواهد شد. شناخت تغییرات مربوط به دادهها، درک موضوعات مربوطه و چالشهای کار با دادهها از الزامات کلیدی حسابداران و حرفهایهای حوزه مالی در آینده نزدیک خواهد بود. دادهها، عامل مهمی برای استراتژی کسب و کار هستند زیرا مستقیما بر هزینهها، کارایی و کیفیت خدمات تاثیر میگذارند. نقش دادهها در دنیای جدید به شدت تغییر کرده است، به طوریکه تغییرات، سرعت، مقیاس و تاثیر آن برای همه جوانب زندگی روزانه به حدی است که اغلب از اصطلاح «انقلاب دادهها[3]» استفاده میشود. توسعه سریع فنآوریهای مبتنی بر رایانه، اینترنت و شبکههای موبایل تاثیر زیادی در انقلاب دادهها دارند. کسب و کارهای جدید هم خیلی زود از فرصتهای جدید بهرهبردهاند. کارکردن با دادههای الکترونیکی از کارکردهای اصلی کسب و کارهای جدید است. بنابراین در همه شرکتها با هر اندازه و هر بخش اقتصادی در سرتاسر جهان، حسابداران و شاغلان حوزه مالی نقش مهمی در کار با دادهها دارند. بنابراین همانطور که حیاتیست که به مسیرهای آینده داده توجه کنیم باید به تاثیر آن بر آینده حسابداری هم توجه کنیم. این موضوعات موجب شده تا انجمنهای معتبر حسابداری نیز به آموزش دادههای بزرگ و فنآوریهای مربوطه در آموزش حسابداری به حسابداران و متخصصان مالی توجه ویژه داشته باشند. ایجاد فرصتهای جدید، نویدی به کسانیست که نیاز دارند با دادههای بزرگ کار کنند.

دادههای بزرگ و انقلاب دادهها به معنای بیاهمیت شدن دادههای کوچک نیست. در حوزه داده، تنها اندازه مهم نیست. بلکه مدیریت دادهها، حاکمیت دادهها[4] با توجه به مقررات سخت، پویایی دادهها، جرایم اینترنتی و سایر نگرانیهای مرتبط با امنیت دادهها، امکانات جدید ذخیره دادهها مثل راهحلهای رایانش ابری[5] نیز بسیار مهم هستند.

در این مقاله برای پرداختن به موضوع یعنی دادههای بزرگ و کاربرد آن در آموزش حسابداری، با مراجعه به منابع دادههای بزرگ و تاثیر آن بر حسابداری را بررسی میکنیم و سپس با استناد به یکی از مقالات اصلی در زمینه تلفیق دادههای بزرگ و سیستمهای اطلاعاتی در آموزش حسابداری، سعی میکنیم کاربرد دادههای بزرگ و فنآوریهای مربوطه را در آموزش سرفصلهای مختلف حسابداری توضیح دهیم. البته شایان ذکر است محدودیت منابع تحقیق در مورد این تلفیق موجب شد تا در این مقاله به چند منبع محدود اکتفا شود.

دادههای بزرگ

بر اساس گزارش انقلاب دادههای ACCA(2015) دادههای بزرگ به مجموعه دادههای خیلی بزرگ و/یا خیلی پیچیده اشاره دارند که با فنآوریهای سابق داده مانند صفحهگسترده و نرمافزارهای مدیریتی پایگاه داده نمیتوان با آنها کار کرد. به همین دلیل، در حوزه فنآوری راهحلهای پیچیده نرمافزاری و سختافزاری ایجاد شده که لازم است موردتوجه قرارگیرند.

براساس دادههای بزرگ ACCA (2017) دادههای بزرگ را میتوان به این صورت تعریف کرد که: «اجتماع خیلی بزرگی از دادهها(مجموعههای دادهها[6]) که به منظور کشف الگوها، روندها، پیوستگیها بهویژه در مورد رفتارهای انسانی و عکسالعملها مورد تجزیه و تحلیل قرار میگیرند.». معمولا دادههای بزرگ را بر اساس 3 ویژگی میشناسند که به 3V هم معروفند: حجم، تنوع و سرعت[7]. گاهی به این سه، ویژگیهای دیگری نیز افزوده میشود. ولی گاهی به 4V هم شناخته میشود که آخری ویژگی صحت[8] است.

ویژگی حجم

حجم دادههای بزرگ که شرکتهای بزرگی مثل والمارت( مجموعه سوپرمارکتها)، اپل، ایبی[9] دارند به پتابایت اندازهگیری میشود[10]. شبکههای اجتماعی، وبسایتها، شرکتهای تلفن همراه، ارائه دهندگان سرویسهای اینترنتی، سیستمهای بانکی نمونههایی از شرکتهایی با دادههای بزرگ هستند.

ویژگی تنوع

تنوع دادههای بزرگ بسیار زیاد است. این انواع عبارتند از: فعالیتهای مرورگری کاربران مثل سایتها، صفحات بازدیدشده، عضویت درسایتها، دانلودها و جستجوها؛ معاملات مالی؛ علایق؛رفتارهای خرید؛ عکسالعمل به تبلیغات در اینترنت یا ایمیل-های تبلیغاتی؛ اطلاعات مکانی؛ اطلاعات لیست تماس کسب و کار و یا اجتماعی افراد؛ متن؛ اطلاعات عددی؛ اطلاعات تصویری(مثل عکس)، اطلاعات صوتی(مثل ایمیل صوتی)؛ اطلاعات فنی مثل نوسان موتور جت و تجزیه تحلیل دما.

این دادهها ممکن است ساختاریافته یا بدون ساختار باشند. دادههای ساختاریافته در فیلدهای اطلاعاتی ذخیره میشوند مثل اطلاعات سیستمهای بانکی، ولی اطلاعات بدون ساختار هیچ ساختار از پیش تعریف شدهای ندارند. براساس دادههای بزرگ ACCA(2017) آمار نشان میدهند که 80درصد اطلاعات کسب و کار، ساختارنیافته و ناشی از فایلهای متنی و صفحه گسترده، پاورپوینت، فایلهای صوتی، تصویری، تعاملات در شبکههای اجتماعی و ... هستند.

ویژگی سرعت

دسترسی به اطلاعات به منظور تصمیمگیری و مدیریت عملکرد باید به قدرکافی سریع باشد. روشن است که ویژگیهای حجم و تنوع در تقابل با این ویژگی قراردارند. به همین دلیل برای پردازش مقادیر خیلی زیاد این دادههای ناهمسان در زمان واقعی باید روشهایی وجود داشته باشند. پردازش دادههای بزرگ معمولا به اصطلاح علم تجزیه و تحلیل دادههای بزرگ[11] نامیده شده و عبارت است از: دادهکاوی[12]، تجزیه و تحلیل پیشگویانه[13]، تجزیه و تحلیل متن[14]، تجزیه و تحلیل صوت[15]، تجزیه و تحلیل آماری[16].

تاثیر دادههای بزرگ بر حرفه حسابداری و تخصص مالی

براساس تاثیر دادههای بزرگ ACCA(2016)، دادههای بزرگ نقش متخصص مالی را تغییر داده است. دیگر زمان تجزیه تحلیل مالی با استفاده از صفحات گسترده گذشته است. قبل از ظهور دادههای بزرگ، واحدهای مالی ناشناختههای مشخصی مانند سود و بازگشت سرمایه را تجزیه و تحلیل میکردند اما امروزه هم اطلاعات ساختاریافته(صفحه گسترده) و هم اطلاعات بدون ساختار و نیمه ساختاریافته را تجزیه و تحلیل میکنند. به غیر از سیستمهای اطلاعات مدیریت، از ابزارهای تجزیه و تحلیل پیشگویانه بر روی دادههای مشتریان به منظور پیشبینی استفاده میکنند. حسابرسی مثال خوبی از این تحول است. دیگر حسابرس، فقط صورتهای مالی و ترازنامه را تجزیه و تحلیل نمیکند، بلکه مقادیر زیادی از دادههای ساختارنیافته مانند ایمیلها را نیز ارزیابی میکند. بجز حسابرسی و حسابداری شرکتهای بزرگ، با پیدایش حسابداری ابری[17] و گزارشگری درزمان واقعی، بزرگترین تغییر در قلمرو کسب و کارهای کوچک رخ داده است.

با پیدایش دادههای بزرگ، حسابداری بازتعریف شده است. فرصتی پیشآمده تا این حرفه در سازمانها نقش استراتژیکتر و بیشتر در مواجه با آینده داشته باشند. اگرحسابداران آموزشهای ساختاردهی، جمعآوری و تجزیه و تحلیل دادههای مالی را ببینند میتوانند مهارتهای محوری خود را برای مجموعه دادههای غیرمالی نیز به کار برند و بنابراین برای سازمان ارزشآفرینتر میشوند. تا 5 یا 10 سال آینده شاهد تغییرات کیفی در واحدهای مالی سازمانها خواهیم بود که از کارکرد خدماتی به ارائه دهنده خدمات محوری کسب و کار و محور تصمیمگیریهای استراتژیک مبدل میشوند. برای این منظور متخصصان مالی باید قادرباشند تا از ابزارهای تجزیه و تحلیل دادههای بزرگ برای دستیابی به بینشی در مورد کسب و کار مانند رفتارهای پرداخت مشتری، تغییرات فصلی در تقاضای محصولات و خدمات و شکایات مشتری استفاده کنند. به عبارت دیگر، حسابداران و متخصصان مالی باید پلی بر روی شکاف بین واحد فنآوری اطلاعات و واحدهای اصلی کسب و کار باشند. در حال حاضر در بخش فرصتهای شغلی ACCA مهارت تجزیه و تحلیل دادهها از سوی کارفرماهای مالی خواسته شده است.

تلفیق دادههای بزرگ در آموزش حسابداران و متخصصان مالی

بر اساس تحقیق اسگلیانوسکی و همکاران(2017)، بر اهمیت تلفیق دادههای بزرگ و تجزیه و تحلیل کسب و کار در سرفصلهای تدریس حسابداری از سوی مراکز و انجمنهای معتیر حسابداری و همینطور اساتید حسابداری تاکید زیادی شده است و برای پاسخگویی به این نیاز اسگلیانوسکی و همکاران(2017)، بر اساس مدل شایستگی لاوسون و همکاران(2014) که چارچوبی برای دستاوردهای آموزشی حسابداری تعیین کردهاند، برای کسب هر یک از شایستگیها مثالها و موردکاویهایی برای تلفیق سیستمهای اطلاعاتی و فنآوریها با شایستگیهای نظاممند حسابداری در آموزشهای مرسوم مراکز و موسسات آموزشی حسابداری ارائه میدهند. این بخش این مقاله نیز بر اساس روش تلفیق مقاله اسکلیانوسکی و همکاران(2017) تدوین شده است. شایان ذکر است که باوجودیکه در عنوان تحقیق اسگلیانوسکی و همکاران(2017) بر دادههای بزرگ تاکید زیادی شده ولی عملا در متن تحقیق موردکاوی و مثالهای زیادی در مورد دادههای بزرگ وجود ندارد ولی محدودیت منابع از یکسو و از سوی دیگر مفید بودن سایر مثالها که در چارچوب بکارگیری فنآوری دادهها و سیستمهای اطلاعاتی در آموزش حسابداریست در این مقاله بیشتر از تحقیق آنها استفاده میکنیم.

مدل یکپارچهسازی شایستگی لاوسون و همکاران(2014) برای آموزش حسابداری در جدول 1 نشان داده شده است.

شایستگیهای حسابداری

شایستگیهای بنیادی

طیف گسترده شایستگیهای مدیریت

تجزیه و تحلیل و گزارشگری بیرونی

ارتباطات

رهبری

برنامهریزی، تجزیه و تحلیل و کنترل

کمی بودن

اصول اخلاقی

مالیاتبندی، رعایت مقررات و برنامهریزی

تفکر تحلیلی و مهارت حل مسئله

مدیریت و بهبود فرآیند

سیستمهای اطلاعاتی

مهارتهای درون فردی

حاکمیت، مخاطره و رعایت مقررات

تضمین و کنترل داخلی

فنی بودن

شایستگیهای محوری کسب و کار

ارزشها، اخلاق و نگرش حرفهای

جدول 1- مدل یکپارچهسازی شایستگی لاوسون و همکاران(2014) برای آموزش حسابداری

اسکلیانوسکی و همکاران(2017) با ارائه مثالها و موردکاویهایی شایستگیهای نظاممند حسابداری را با شایستگیهای سیستمهای اطلاعاتی و فنآوری به ویژه دادههای بزرگ و تجزیه و تحلیل دادهها تلفیق کردهاند. لازم به ذکر است، مدل شایستگی لاوسون و همکاران(2014) محور اصلی بررسی اسکلیانوسکی و همکاران(2017) نیست و تنها در برخی موردکاویهای آموزشی اشاره شده که میتواند دانشجو را به کدامیک ازین شایستگیها برساند. بنابراین با توجه به اشارات موردی اسکلیانوسکی و همکاران(2017) به این مدل شایستگی و باتوجه به اینکه اطلاع از مدل شایستگی برای دانشجویان و دستاندرکاران حسابداری مفید است،این مدل را نیز در مقاله ارائه دادیم. در ادامه به مثالها و موردکاویهای تلفیق حسابداری و دادههای بزرگ و فنآوریهای اطلاعاتی مربوطه به استناد تحقیق اسکلیانوسکی و همکاران(2017) در آموزش حسابداری مالی، حسابداری هزینه و مدیریت، حسابرسی، سیستمهای اطلاعاتی حسابداری و مالیاتبندی میپردازیم. علاقهمندان میتوانند برای مطالعه بیشتر، منابع موردکاویهای ارائه شده و شرح بیشتر را در مقاله اسکلیانوسکی و همکاران(2017) بیابند.

حسابداری مالی

حسابداری مالی معمولا در سه سطح مقدماتی، متوسطه و پیشرفته آموزش داده میشود. پیشنهاد میشود اولین درس حسابداری با استفاده از فنآوری باشد تا جوانب استراتژیک حسابداری را نبز برساند. با توجه به تغییر نقش حسابداران از پردازشگران معاملات به پشتیبانان تصمیمگیری مدیران ارشد به دلیل حجم زیاد دادهها و افزایش پیچیدگی دادهها، مدرسان میتوانند در اولین درس مبانی مالی از فنآوری و مجموعه دادههای بزرگ مانند بصریسازی تعاملی دادهها[18] برای علاقهمند کردن دانشجویان به درس حسابداری استفاده کنند. یا بااستفاده از منابع رسمی ارائهدهنده دادههای مالی و با استفاده از نرمافزارهایی برای کار بر روی این دادهها دانشجویان را با کاربردهای واقعی دادهها آشنا کنند. دانشجویان هم به جای صرف وقت برای جمعآوری دادهها و ورود اطلاعات آنها به صفحه گسترده، میتوانند وقت خود را برروی تجزیه و تحلیل دادهها صرف کنند. همچنین، دانشجویان میتوانند دادههای مالی و معاملات شرکتها را از مجلات کسب و کار در صفحات گسترده وارد کرده و تاثیر صورتهای مالی شرکتها و نرخهای مالی را برای درس مبانی مشاهده کنند. این به شایستگی «تجزیه و تحلیل و گزارشگری بیرونی» از شایستگیهای حسابداری و «فنی بودن» از شایستگیهای بنیادی اشاره دارد. دانشجویان میتوانند [19]XBRL را به عنوان زبان عمومی انتقال دادههای عمومی یادبگیرند. برای دانلود سریع مقدار زیادی از دادههای حسابداری از پینوشتها، XBRL مکانیزم قویایست. نرم افزارهایی مانند idiaciti ابزاری ساده و رایگان برای پرس و جو[20] و بصریسازی حجم بزرگی از دادههای مالی XBRL است. با XBRL، تجزیه و تحلیل دادههای بزرگ و فنآوری در کلاس حسابداری مقدماتی تلفیق میشود، ضمن اینکه به شایستگی حسابداری « تجزیه و تحلیل و گزارشگری بیرونی » و شایستگیهای بنیادی «فنی بودن، کمی بودن و تفکر تحلیلی» پرداخته میشود. برای ایجاد شایستگیهای حسابداری «سیستمهای اطلاعاتی و تضمین و کنترل داخلی» و شایستگی طیف گسترده مدیریت «مدیریت و بهبود فرآیند» دانشجویان میتوانند از Microsoft Dynamics GP استفاده کنند به این ترتیب که گزارشی از زنجیره ارزش و فرآیندهای کسب و کار شرکت تهیه کرده، ارزیابی ریسک و کنترلهای تخفیف ریسک را انجام دهند. دانشجویان میتوانند از نرمافزارهای مختلفی مانند Microsoft Dynamics GP، Quick Books، Quicken یا SAP ERP برای ورود دستی اسناد هزینه استفاده کرده و تاثیر حسابهای مختلف معین و صورتهای مالی مربوطه را ببینند یا از دادههای مالی سیستمهای حسابداری استفاده کرده و تجزیه و تحلیل سود و تکنیکهای همراه با آن را برای محاسبه ارزش کسب و کار بکاربرند.

در سطح متوسطه، دادههای بزرگ نقش مهمی در ارائه مثالهای واقعی به دانشجویان دارند. مدرسان میتوانند دو ویژگی مهم حجم و تنوع دادههای بزرگ را برای شناسایی سریع و انتخاب از مجموعههای بزرگ دادههای افشا استفاده کرده و اصول حسابداری متوسطه و پیشرفته را نشان دهند. برای مثال، برای پوشش موضوع هزینه مالی کارفرما به صندوق بیمه بازنشستگی، دانشجویان میتوانند «بازده موردانتظار داراییهای ثابت» را از یادداشت پیوست صورتهای مالی در مورد صندوق بازنشستگی جمعاوری کنند. به طورسنتی، اینکار زمان میبرد که ابتدا بفهمند چه شرکتهایی این اطلاعات را افشا کرده و سپس اطلاعات را به طور دستی برای یک شرکت خاص در طول زمان جمعآوری کرده و سپس تحلیل روند انجام دهند. اما، شرکتها ملزم به استفاده از SEC XBRL برای تگ کردن هر پی نوشت به صورت یک بند با یک عنصر مناسب هستند. دانشجویان با XBRL می توانند به سادگی این اطلاعات را با اجرای یک پرس و جو برای عنصر خاص XBRL جمعآوری کرده و بازده موردانتظار دارایی ثابت برای همه شرکتها در یک دوره زمانی را بدست آورند. همچنین، مدرسان میتوانند فنآوریهای دادههای بزرگ مانند نرم افزارهای مبتنی بر رایانش ابری مانند idaciti را با پرس و جو روی دادههای SEC XBRL تلفیق کرده تا هزینه بیمه بازنشستگی مثلا پنج شرکت از یک صنعت خاص را بر روی نمودار ترسیم کنند.

از مثالهای دیگر برای تلفیق آموزش حسابداری سطح متوسط و دادهها بزرگ، گزارشگری تلفیقی است. اینکه چطور اطلاعات حاکمیت، مدل کسب و کار، مخاطرات، فرصتها، استراتژی، و عملکرد یک شرکت را با استفاده از فنآوری XBRL تلفیق کرده و گزارشهای تلفیقی ساخت یا مثالهایی در مورد اینکه چطور از تکنولوژی برای تمرین و تقویت مهارتهای تحقیق در مورد استانداردهای گزارشگری مالی استفاده کرد که بیشتر به حوزه حسابداری پیشرفته مربوط است.

حسابداری هزینه و مدیریت

اسکلیانوسکی و همکاران(2017) به دانشجویان توصیه میکنند تا کاربرد تجزیه و تحلیل کسب و کار را با دادهها ساختاریافته و بدون ساختار بشناسند تا از تصمیمگیریهای مدیریتی در ارتباط با اندازهگیری، تجزیه و تحلیل و گزارشگری اطلاعات هزینه اکتساب و استفاده از منابع سازمانی و ایجاد شاخصهای سود و کارایی عملیاتی آگاهی پیداکنند. مدرسان میتوانند با ارائه مثالهای کاربردی با استفاده از نرمافزار، راهنما و موردکاویها به دانشجویان در این شناخت کمک کنند. دانشجویان میتوانند با بحث و گفتگو در موضوعاتی نظیر سیستمهای هزینه برمبنای فعالیت[21] که از مقادیر زیادی از دادههای ساختاریافته استفاده میکنند؛ ارزیابی شاخصهای کلیدی عملکرد یک شرکت با دادههای ساختاریافته و بدون ساختار؛ استفاده از تجزیه و تحلیل پیشگویانه برای ارزیابی حالات «چه میشود-اگر» و نمایش شاخصهای کلیدی عملکرد بوسیله بصریسازی تعاملی دادهها، مفهوم کاربرد تجزیه و تحلیل کسب و کار را در حسابداری مدیریت و هزینه بشناسند. مدرسان میتوانند از بحث در مورد موضوعات مفهومی فراتر رفته و به منظور آموزش کاربردی در محیطهایی که یادگیری عملی ممکن نیست، نتایج تمرینات کلاسی دانشجویان را نشان داده و توضیح دهند. همچنین میتوانند با استفاده از صفحهگسترده و نرمافزارهای بصریسازی غنیتر مثل Tableau تجزیه و تحلیل تشخیصی بکاربرند تا به دانشجویان نشان دهند که چگونه میتوان مجموعه دادهها را به صورت گرافیکی به تصویر کشید و اطلاعات را به شکلی تولید کرد که برای تصمیمگیری و برقراری ارتباط کاراتر باشند. بصریسازی تعاملی دادهها یک ابزار تجزیه و تحلیل دادهها و روشی برای ارتباط مدیران و حسابداران است و نشان میدهد که چگونه یک داشبور تعاملی از یک مجموعهداده حاوی اطلاعات جزیی فروش و تولید، در تصمیمات استراتژیک خط تولید و قیمتگذاری به مدیران کمک میکند. منابع موردکاوی، شامل دستورالعملهایی در مورد چگونگی حرکت در فنآوری برای انتخاب و نمایش مناسب دادهها با استفاده از جداول محوری[22] از میان سایر منابع است.

ترجیح این است فنآوری دادههای بزرگ و سیستمهای اطلاعاتی در کلاس درس کاربرد عملی داشته باشد. حسابداران مدیریت از تازه استخدامها انتظار دارند تا بتوانند از ویژگی جدول محوری نرمافزار صفحه گسترده برای نشان دادن خلاصه دادهها استفاده کنند. مدلهای آموزشیای ارائه شده که با استفاده از دادههای حسابداری مدیریت و با بکارگیری توابع صفحات گسترده در تجزیه و تحلیل کسب و کار مانند جداول محوری، رگرسیون و تجزیه و تحلیل «چه میشود-اگر» شایستگی فنی را توسعه داد. به علاوه، دانشجویان میتوانند با استفاده از روشهای آماری مدلهای تصمیمگیری با استفاده از فنآوری صفحه گسترده، برنامهریزی خطی و شبیه سازی مونت کارلو را تمرین کنند و برای اینکار از مثالهای مربوط به تجزیه و تحلیل دادههای حسابداری هزینه استفاده کنند. آموزش کاربردی دیگر استفاده از ابزارهای مدلسازی شیءگرا برای ایجاد صورتهای مالی بودجهبندی شده اتفاقی و انجام تحلیل حساسیت است. مثالهایی هم برای استفاده از ابزارهای تحلیلی پیشگویانه و توصیفی برای پیشبینی بودجه و تحلیل حساسیت، تجزیه و تحلیل سودآوری، ایجاد کارتهای امتیازی استفاده کرده و مهارتهای ارتباطی و همکاری دانشجویان را تقویت میکنند. همچنین با توجه به دسترسی ایجاد شده به سیستمهای هوشمند کسب و کار، منبع پیچیدهای از دادههای موردنیاز برای تمرین مدلهای شبیهسازی در دسترس است. یا سایر موردکاویها نشان میدهند که از Tableau و Microsoft Accessبرای تجزیه و تحلیل سودآوری و توصیههایی بر اساس نتایج آن ارائه دادهاند.

دانشجویان در درس حسابداری هزینه باید از ابزارهای تحلیل کسب و کار برای ایجاد مدلهای هزینه بر اساس فعالیت و کارت امتیازی برای مراوده اهداف و استراتژیهای کسب و کار استفاده کنند. موردکاویها و راهنماهای آموزشی در نرمافزار مدیریت سودآوری و هزینه SAS قابل دسترسی است. کتاب درسی حسابداری هزینه بلوچر و همکاران(2016) نرمافزار تحلیلی و راهنمای استفاده از آن و همچنین مثالهای کوچکی برای تمرین با نرم افزار دراختیار دانشجویان قرار میدهد. مطالب آموزشی ارائه شده به دانشجویان یاد میدهد که چطور با اهداف عملکرد مناسب، کارت امتیازی بسازند که اهداف نهایی(مقاصد)، استراتژیها و اهداف عملیاتی کسب و کار را اندازهگیری کنند. بلوچر و همکاران (2009) نیز موردکاویهای آموزشی با همین نرم افزار ارائه میدهد. موردکاوی آموزشی آنها بیشتر مرتبط با ABC است. مثلا، دانشجویان را ملزم میکند تا اطلاعات هزینه مشتری را تحلیل کرده و با استفاده از تفکر انتقادی، پیشنهادهایی برای تشویق مشتریان به سفارش با تواتر کمتر و خرید با حجم بیشتر ارائه دهند. اگرچه این موردکاوی مجموعه دادههای کوچکی دراختیار دانشجویان میگذارد، اما سازمانها میتوانند این تحلیل را روی مجموعه دادههای بزرگ بهکار برند. این تکالیف موردکاوی را میتوان تعمیم داد تا شایستگیهای بیشتری را پرورش دهد، به این صورت که دانشجویان نمونههای سازمانی از پیادهسازی یک سیستم هزینه جدید، به همراه تعهد سازمانی به سیستم موجود و سایر موارد مدیریت تغییر را ارائه دهند. در این تکلیف میتوان از دانشجویان خواست تا توضیح دهند که چگونه حسابداری مدیریت میتواند موقعیتی را اداره کند که در آن تحلیل ABC ، مجموعهای از مشتریان موردعلاقه مدیران شرکت را که نگهداشتن آنها سودآور نیست را آشکار میکند. این تمرین، شایستگیهای درون فردی، اخلاقی و رهبری دانشجویان را تقویت میکند. همچنین میتوان دانشجویان را ملزم کرد که توضیح دهند چگونه یک سازمان میتواند دادههای متنوع ساختاریافته و بدون ساختار منتج از منابع داخلی و خارجی خود، مانند مطالب توییتر و مکاتبات ایمیلهای داخلی را به منظور شناسایی شاخصهای کلیدی عملکرد مانند حساسیت مشتری برای پیشبینی ریزش درآمد به کار برند.

حسابرسی

محتوای درسی حسابرسی فرصتهای زیادی به دانشجویان برای یادگیری اثر سیستمهای اطلاعاتی و فنآوری بر حسابرسی میدهد. این شامل تحقیق در مورد استانداردها و فنآوری های حسابرسی، هدایت حسابرسی، تحلیل مجموعههای داده برای کشف تقلب و ارزیابی کنترلهای داخلی است. اگرچه، بسیاری از مدرسان به دلیل داشتن منابع نظری گستردهای که باید در درس حسابرسی پوشش دهند، تصور میکنند که دیگر جایی برای مفاهیم دادههای بزرگ و تحلیل دادهها در این درس نیست. این تصور خیلی اشتباهیست زیرا منابع خیلی زیادی در مورد تحلیل دادههای حسابرسی و در مورد نقش مهم دادههای بزرگ و تحلیل دادهها در کشف تقلب در محیط کسب و کار فعلی وجود دارد. بعضی از کتابهای درسی حسابرسی شامل نسخه آموزشی نرمافزار حسابرسی ACL هستند. دانشجویان با استفاده از این نرمافزار به همراه تمرینهای کتاب درسی، میتوانند آزمونهای حسابرسی(مانند آزمونهای محتوا و نمونهگیری) را تمرین کرده و با استفاده از نرمافزار حسابرسی تعمیمیافته(GAS[23]) که مشابه نرمافزار مورد استفاده شرکتهای معتبر حسابداری عمومی([24]CPA) است، کشف تقلب را آزمایش کنند. برخی ناشران، کتابهای مکملی شامل نرمافزار، دستورالعملها و تکالیفی برای استفاده از نرمافزار حسابرسی تعمیم یافته ارائه میدهند. موردکاویای که در آن از فنآوری و سیستمهای اطلاعاتی استفاده شده، آموزش کاربردی مهارتهای حسابرسی متنوعی را برای دانشجویان فراهم میکند که شامل فعالیتهایی مانند تولید مقالات کاربردی و تحقیق در مورد فنآوریهای حسابرسی و همچنین ارزیابی کنترلهای داخلی و بهکار بردن آزمونهای محتواییست. موردکاویهایی وجود دارد که از صفحه گسترده برای تولید مقالات کاربردی الکترونیکی استفاده شده یا موردکاوی هایی که در آن دانشجویان باید در منابع تضمین و حسابرسی شامل برنامههای کاری، جریان فرآیندها و چک لیستها با استفاده از خدمات آنلاین قابل پرداخت پیشرو دانش Protiviti که برنامه دانشگاهی رایگان آن در دسترس است، برای تحقیق استفاده کنند. داو و همکاران(2013) موردکاویی ارائه میدهند که حسابرسی معاملات خرید جمعآوری شده از کارتهای تدارکات/خرید([25]PCard) را شبیهسازی میکند. این مورد، به دانشجویان، فنآوری اطلاعات بیشتری معرفی میکند که ممکن است با آن ناآشناباشند اما در دنیای شرکتی به طور گسترده استفاده میشود. دانشجویان نقش حسابرسان را بازی کرده و اثربخشی کنترلهای داخلی را با اجرای آزمونهای تراکنشهای PCard با استفاده از نرمافزار حسابرسی تعمیمیافته ارزیابی و تناقضات دادهها را جستجو میکنند. در موردکاوی دیگر که با استفاده از دو نرم افزار محبوب حسابرسی تعمیمیافته ACL و IDEA کامل میشود، دانشجویان در گروههایی با هم همکاری کرده و دادههای حسابداری را در سیستم GAS وارد کرده، دادهها را تحلیل و با استفاده از فنآوری تولید ایمیل، نامههای تایید را ایجاد میکنند. همچنین موردکاویهایی برای کمک به اساتید ایجاد شده تا شایستگی تجزیه و تحلیل دانشجویان خود را توسعه دهند. همچنین موردکاویای که به دانشجویان در شناخت کارایی ACL در حسابرسی پیوسته برای شناسایی تقلب بالقوه و پایش پیوسته در شناسایی ریسک کنترل دسترسی و رخنههای امنیتی کمک میکند.

استفاده از بصریسازی دادهها در حسابرسی خیلی معمول شده به طوریکه حسابرسان میتوانند با جمعآوری مقادیر زیادی از دادهها بینشهای ارزشمندی در مورد دادههای دردسترسشان ارائه دهند. یکی از فروشندگان عمده نرمافزار حسابداری، Caseware، از طریق شریک دانشگاهی خود IDEA، دسترسی کم هزینه به دادههای تحلیلی IDEA و نرم افزار بصریسازی و مطالب آموزشی رایگان در اختیار اساتید قرار داده است. شراکت دانشگاهی IDEA مطالب راهنمایی در اختیار دانشجویان قرار میدهد که میتوانند با پرس و جو در دادههای تراکنشها، شناسایی تقلب را یاد بگیرند(مثل حسابرسی تقلب گزارشگری هزینههای سفر و موجودی و حسابرسی تقلب حقوق و حسابهای پرداختنی) و خروجی را به تصویر بکشند. شراکت دانشگاهی میتواند شامل مطالب آموزشی و موردکاوی برای نشان دادن مثالهایی از پایش پیوسته و ویژگی IDEA در بصریسازی دادهها باشد. نرمافزار Tableau هم چندین محصول تحلیل داده و بصریسازی ارائه داده که محصول دسکتاپ آن برای دانشجویان و مدرسان رایگان است. در طی برنامه آکادمیک، مطالب و منابع تدریس رایگان برای استفاده از تحلیل بصری در درس به اساتید ارائه میدهند. دانشجویان نیز میتوانند مهارت ارزشمندی کسب کنند که در عمل قابل استفاده است. باتوجه به استفاده رو به افزایش این ابزارها در عمل، آشنایی دانشجویان در دروس دوره آموزش حسابداری با آنها ضروریست.

سیستمهای اطلاعاتی حسابداری(AIS)[26]

درس سیستمهای اطلاعاتی حسابداری بعد از سال 2002 و الزام توافق SOX404 و اخیرا از سوی مدرسان و اعتباردهندگان(مثل کمیسیون [27]AAA/[28]AICPAو [29]AACSB) که از ایشان خواسته میشود شایستگی سیستمهای اطلاعاتی و دادههای بزرگ و سایر فنآوریهای دانشجویان را افزایش دهند، بسیار اهمیت یافته است. در همین درس است که مدرسان باید کاربردهای فنآوری اطلاعات را در دروس قبلی حسابداری ارائه دهند. برای مثال، نشان دهند که چطور AIS در تمرینهای پردازش تراکنشها در سایر دروس میتواند برای تفکیک وظایف بکار رفته و به کاهش ریسک اظهار غلط و اجتناب از تقلب کمک کند. موردکاویهای تدریس خیلی زیادی متمرکز بر مثالهایی در مورد چگونگی تلفیق فنآوری و مهارتهای تحلیل در درس AIS وجود دارند. برای مثال، مدرسان برای بحث چرخه تولید سیستم و تسهیل فنآوریهای اطلاعاتی مورد استفاده حسابداران و حسابرسان، می توانند به دانشجویان، تکالیف و پروژههایی برای استفاده از ابزارهای نرمافزاری بدهند. مدرسان با استفاده از نرمافزارها میتوانند فرصتهای یادگیری ارزشمندی در اختیار دانشجویان قرار دهند تا در مورد موارد اخلاقی رایانه مثل مالکیت، خصوصیسازی و امنیت دادهها و استفاده غلط از سیستمها بحث کنند. مثلا، دانشجویان میتوانند در گروههایی در مورد تحلیل سیستم و طراحی پروژه برای چرخه تراکنش درآمد با استفاده از نرمافزارهای مختلف کار کنند و برای نمودارهای جریان داده و فرآیند از visio استفاده کنند یا از اکسس برای ایجاد ساختار داده، از مایکروسافت پروژه برای مدیریت پروژه تیمی و از پاورپوینت برای ارائه پیشنهاد خود به کمیته راهبری استفاده کنند.

شناخت طراحی و ساختار پایگاههای داده تراکنشی و مبانی پرسوجو نویسی، اساس یادگیری طراحی و ساختار انباره دادههای تحلیلی و دادهکاوی است. برخی از کتابهای درسی AIS شامل تمرینهایی برای دانشجویان برای ایجاد ساختارهای پایگاه داده و نوشتن پرس و جو با استفاده از مایکروسافت اکسس است. یا کتابهایی که فرآیند استخراج، تبدیل و بارگذاری دادههای مختلف در انباره داده را توضیح میدهند که روال لازمی برای یکپارچگی دادههای مورد استفاده در تحلیل دادههای بزرگ است. گاهی در درس AIS جزییات فنآوری XBRL با تاکید بر ایجاد و استفاده از اسناد فوری آموزش داده میشود. در درس AIS میتوان دانشجویان را ملزم کرد که از نرم افزارهای نگاشتگری[30] برای تگ کردن دادههای صورتهای مالی و یادداشتگذاری مطابق ردهبندی استاندارد گزارشگری مالی استفاده کنند تا با جزئیات تولید اسناد فوری و ضروری برای بایگانی عمومی آشنا شوند.

فرآیندکاوی[31] که مفهوم نسبتا جدیدی در حسابداری است، بهطور بالقوه تاثیر زیادی در نحوه اجرای حسابرسی دارد زیرا میتواند تفکیک نامناسب وظایف، معاملات متقلبانه و فرآیندهای ناکارآمد کسب و کار را شناسایی کند. منابع آموزشی فرآیند کاوی مرتبط با حسابداری در حال حاضر خیلی محدودند. مدل ProM یک پلتفورم فرآیندکاوی منبعباز[32] برای دانشگاهیان است.

میتوان به دانشجویان لیستی از گروه نرم افزارها با کاربردهای مشابه داد تا دانشجویان نرمافزارها را بر اساس آرمانهای شغلی خود را از گروه انتخاب کنند. مثلا QuickBooks Pro 2010 و Microsoft Dynamics GP 10.0 در یک گروه قرار میگیرند. به این ترتیب دانشجویان بر برنامه درسی و اهداف شغلی دراز مدت خود متمرکز میمانند. منابع آموزشی آنلاین هم برای مفاهیم حسابرسی و سیستمهای اطلاعات حسابداری در دسترسی هستند که راهنمای آموزشی عملی ندارند یا در همه موضوعات جزییات کافی را پوشش ندادهاند. این منابع شامل اسلایدها، گزارشها، وبلاگها، فایلهای صوتی/تصویری ارائه شده توسط فروشندگان نرمافزارها، دانشگاهیان غیرمعروف و شرکتهای مشاوره هستند. این منابع در توضیح نحوه پیادهسازی روشهای حسابداری و حسابرسی در سیستمهای اطلاعاتی مختلف کمک میکنند. برای مثال، وبسایت شبکه اجتماعی [33]SAP اسلایدها و گزارشهایی در مورد محصول پایش پیوسته خود به نام کنترل فرآیند حاکمیت، مخاطره و پذیرش(GRC)[34] ارائه میدهد. نرم افزار CaseWare و شریک دانشگاهیاش IDEA، ویدیوها و گزارشهای آنلاینی ارائه میدهند که داستانهای موفقیت محصولات پایش پیوسته را در عمل توضیح میدهند. انتشارات موسسه مشاوره KPMG برنامههای اینترنتی توسط خبرگان ارائه میدهد که جنیههای مرتبط با حسابداری و حسابرسی سیستمهای اطلاعاتی را بحث میکنند. سایر منابع تدریس دردسترس شامل موردکاویها و دانش توسعه یافته سیستمهای اطلاعاتی بدون استفاده از فنآوری خاصی هستند.

همانطور که گفته شد، اساتید می توانند از نرمافزارهای مختلفی در دروس AIS استفاده کنند. سیستمهای حسابداری مالی که در دروس قبلی استفاده میشود مثل Microsoft Dynamics GP، QuickBooks، Quicken و SAP ERP شامل گزارشهای مدیریتی هستند که دانشجویان میتوانند اجرا کرده و نتایج تراکنشها را ببینند و پس و جوی تککاره[35] خود را نیز بنویسند. مثلا یک دانشجو می تواند یادبگیرد که چطور گزارش زمانی حسابهای قابل وصول را اجرا کرده و سپس پرس و جویی بنویسد که احتمال بدهی بد و اجازه برای حسابهای مشکوک را بر اساس نتایج گزارش زمانی تعیین کند.

اساتید میتوانند درصورت امکان دسترسی از راه دور دانشجویان به نرمافزارها را فراهم کنند تا پردازش ابری و مجازیسازی و موضوعات کنترلی مربوط به استفاده از پردازشگرها، سرورها و نرمافزاهای کاربردی که توسط شخص ثالث نگهداری میشود را توضیح دهند. دانشجویان نیز میتوانند با بکارگیری روشهای مختلف فنآوری اطلاعات در یادگیری دروس AIS همکاری کنند. برای مثال، دانشکده SAP موردکاویای ارائه میدهد که مجموعه داده بزرگ شبکه دانشگاهی Teradata را که از یکی از اجزای نرمافزار هوش تجاری SAP قابل دسترسیست، ارزیابی میکند. این موردکاوی، به دانشجویان در شناخت ریسکهای بالقوه در تقلب بازدههای خرد و کنترل آنها کمک میکند. دانشجویان میتوانند درباره جوانب ذخیره داده و ساختارداده های یک انباره داده و تفاوت آن با ذخیره و ساختار پایگاه داده ارتباطی یادبگیرند. همچنین از ابزارهای تحلیل چندبعدی و پرس و جوها برای بررسی و کشف داده های غیرعادی و نشان دادن تقلب بالقوه استفاده کنند.

مالیات بندی

منابع آموزشی دادههای بزرگ و تحلیل کسب و کار در مالیاتبندی محدودند. در ایالات متحده، شایستگیهای فنی بکاررفته در درس مالیاتبندی شامل تحقیق مالیات با استفاده از نرمافزارهایی مانند RIA Checkpoint، WestLaw یا LexisNexis است که پایگاه داده آنلاین درآمد داخلی و منابع مربوطه قانون مالیاتی فدرال را پرس و جو میکند و همچنین استفاده از نرمافزارهای آمادهسازی بازده مالیات است. اما، باوجود مقادیر زیاد دادههای مالیاتی که توسط سازمانها و استانداردهای داده جدید(مثل XBRL) تولید میشود، اهمیت آموزش چگونگی استفاده از رویکردهای تجزیه و تحلیل مالیات برای دستیابی به بینش عمیقتر از این دادهها رو به افزایش است. در فقدان منابع آمورشی، مدرسان میتوانند با دانشجویان در مورد دادههای بزرگ و کاربرد تجزیه و تحلیل کسب و کار بحث کنند. دپارتمان مالی و مالیاتبندی نیویورک(2014) توضیح داده که چطور فرآیند تشخیص و کشف تقلب خود را بازطراحی کرده و چطور تجزیه و تحلیل پیشگویانه را برای تسهیل شناسایی تقلب بازده مالیات بر درآمد پیش از انتشار استرداد بکار برده است. کاربرد نرمافزار تجزیه و تحلیل آماری و جداول محوری را برای تجزیه و تحلیل مقادیر بزرگ دادههای بازده مالیاتی و نمایش نتایج تجزیه و تحلیل را نیز بیان کرده است. همچنین، این دپارتمان توضیح داده که چطور از این سیستم اطلاعاتی برای شناسایی آمادهسازی بازده مالیات متقلبانه یک تهیهکننده حرفهای بازده مالیات استفاده کرده و خیلی روشن رفتار حرفهای غیراخلاقی وی را نشان داده است. این موردکاوی، یکپارچگی شایستگیهای حسابدار مدل لاوسن(2014) شامل مالیاتبندی، پذیرش و برنامهریزی، تضمین وکنترل داخلی، ارزشها، اخلاقیات و رویکردهای حرفهای و سیستمهای اطلاعاتی و نیز شایستگیهای مدیریت و بهبود فرآیند از طیف گسترده شایستگیهای مدیریت را نشان میدهد. یک موردکاوی، اسلایدهایی شامل مثالهایی از فنآوری تحلیل کسب وکار و سیستمهای اطلاعاتی استفاده شده توسط مرکز خدمات درآمد داخلی دارد. این اسلایدها حجم و تنوع دادههای بزرگ استفاده شده و مثالهایی از تجزیه و تحلیل کسب و کار توسط این مرکز را نشان میدهد. این مثالها شامل قابلیت پیشبینی تغییرات کد مالیات بر اساس رفتار پرداختکنندگان مالیات و الگوهای پیشبینی پذیرش پرداخت است. موردکاوی تدریس دیگری، شایستگیهای مالیاتبندی و فنآوری را با استفاده را با الزام دانشجویان به حل کردن موضوعات فنی مالیاتی بررسی میکند. در این موردکاوی، دانشجویان یک پایگاه داده تحقیقات قانون مالیاتی را پرسوجو کرده و تحقیقات را برای تصمیمگیریهای مناسب به کار میبرند.

نتیجه گیری

در این مقاله ضمن آشنایی مختصر با دادههای بزرگ و تاثیر آن بر حسابداری و آینده آن و درنتیجه لزوم تلفیق آن در آموزشهای مربوط به این حرفه، سعی شد تا باتوجه به منابع محدود در دسترس، مثالهایی برای تلفیق آموزش حسابداری در دروس مختلف این رشته ارائه شود. همچنین یک مدل شایستگی برای دانشآموختگان حسابداری ارائه شد و تا حدی سعی شد، مثالهای ارائه شده در تلفیق آموزش حسابداری با دادههای بزرگ و فنآوریهای مربوطه به کسب یک یا چند از شایستگیهای مدل مزبور آدرسدهی کنند. به هرحال منابع که تلفیقی از دادههای بزرگ در آموزش حسابداری را دربرداشته باشند بسیارمحدودند که ممکن است ناشی از عدم انتشار تجربیات اساتید حسابداری دراین حوزه باشد که خوب است در صورت انتشار به مدل شایستگی حسابداران مانند مدل لاوسون و همکاران(2014) آدرسدهی کنند. در پایان پیشنهاد میشود توصیههای اسکلیانوسکی و همکاران(2017) به مدرسان نیز برای چگونگی بهتر شدن تلفیق آموزش حسابداری با فنآوری و غنیتر شدن منابع مطالعه شود.

مراجع

Deb Sledgianowski, Mohamed Gomaa, Christine Tan(2017). Toward integration of Big Data, technology and information systems competencies into the accounting curriculum, Journal of Accounting Education 38 (2017) 81–93

The Data Revolution(2015). ACCA& IMA Report, November 2015

Big Data(2017). ACCA, www.accaglobal.com

The big data effect(2016). ACCA, www.accaglobal.com

Lawson, R. L., Blocher, E., Brewer, P. C., Cokins, G., Sorensen, J. E., Stout, D. E., ... Wouters, M. J. F. (2014). Focusing accounting curricula on students’ long-run careers: Recommendations for an integrated competency-based framework for accounting education. Issues in Accounting Education, 29(2), 295–317.

Lawson, R. A., Blocher, E. J., Brewer, P. C., Morris, J. T., Stocks, K. D., Sorensen, J. E., ... Wouters, M. J. F. (2015). Thoughts on competency integration in accounting education. Issues in Accounting Education, 30(3), 149–171.

[1] American Accounting Association(AAA)

[2] Association of Chartered Certified Accountants(ACCA)

[3] Data Revolution

[4] Data governance

[5] Cloud computing

[6] Data sets

[7] 3V: Volume, Variety, Velocity

[8] Veracity

[9] Ebay

[10] پتابایت 1015بایت(کرکتر) اطلاعات است. اگر فرض کنیم یک کامپیوتر شخصی 1 گیگابایت یعنی 109بایت را ذخیره کند، یعنی برای نگهداری حداقل 1 واحد از داده بزرگ نیاز به یک میلیون کامپیوترشخصی است.

[11] Big data analytics

[12] Data mining

[13] Predictive analytics

[14] Text analytics

[15] Voice analytics

[16] Statistical analytics

[17] Cloud accounting

[18] Interactive data visualization

[19] eXtensible Business Reporting Language

[20] Query

[21] Activity Based Costing(ABC) Systems

[22] Pivot tables

[23] Generalized Audit Software

[24] Certified Public Accounting firms

[25] procurement cards

[26] Accounting Information System(AIS)

[27] American Accounting Association

[28] American Institute of Certified Public Accountants

[29] Association to Advance Collegiate Schools of Business International

[30] Mapping soft wares

[31] Process Mining

[32] Open source

[33] https://go.sap.com/training-certification/universityalliances.

[34] Process Control Governance, Risk and Compliance (GRC)

[35] Ad-hoc query