王 瓊
大數(shù)據(jù)概念和核心技術(shù)都起源于美國,其現(xiàn)在已形成了從發(fā)展戰(zhàn)略、法律框架到行動(dòng)計(jì)劃的完整布局。從2010年起美國管理會(huì)計(jì)師協(xié)會(huì)(IMA)陸續(xù)發(fā)布的管理會(huì)計(jì)公告中可以看出,大數(shù)據(jù)對(duì)管理會(huì)計(jì)的滲透作用越來越大。IMA 學(xué)術(shù)關(guān)系委員會(huì)主席Roopa Venkatesh 博士表示:“數(shù)字時(shí)代,決策支持、數(shù)據(jù)建模、財(cái)務(wù)規(guī)劃與分析、績效管理等能力對(duì)于推動(dòng)業(yè)務(wù)發(fā)展不可或缺?!痹趪鴥?nèi),2015年大數(shù)據(jù)戰(zhàn)略成為國家戰(zhàn)略,各行各業(yè)更是面臨數(shù)字化轉(zhuǎn)型的機(jī)遇和挑戰(zhàn)。2021年財(cái)政部發(fā)布的《會(huì)計(jì)改革與發(fā)展“十四五”規(guī)劃綱要》明確提出積極推動(dòng)會(huì)計(jì)管理工作數(shù)字化轉(zhuǎn)型,運(yùn)用會(huì)計(jì)管理大數(shù)據(jù)。2021年《會(huì)計(jì)信息化發(fā)展規(guī)劃(2021—2025年)》提出統(tǒng)籌規(guī)劃、制定和實(shí)施覆蓋會(huì)計(jì)數(shù)據(jù)標(biāo)準(zhǔn),為會(huì)計(jì)數(shù)字化轉(zhuǎn)型奠定基礎(chǔ)。那到目前,國內(nèi)外管理會(huì)計(jì)數(shù)字化轉(zhuǎn)型的研究現(xiàn)狀和趨勢如何,需要進(jìn)一步梳理。因此,本文使用文獻(xiàn)計(jì)量學(xué)方法,利用Cite Space 5.8.R3 版軟件對(duì)近五年Web of Science(WOS)和CNKI(中國知網(wǎng))2018—2022年上半年相關(guān)文獻(xiàn)進(jìn)行收集整理,以知識(shí)圖譜等可視化的方式呈現(xiàn),探討國內(nèi)外研究現(xiàn)狀及趨勢,以期為今后的研究和實(shí)踐提供參考。
中文文獻(xiàn)來源于CNKI 數(shù)據(jù)庫,以主題“=管理會(huì)計(jì)”和主題“=數(shù)字化轉(zhuǎn)型”,期刊來源為全部,年度為2018年至2022年上半年的方式進(jìn)行檢索,搜索時(shí)間為2022年7月31日,最終得到有效文獻(xiàn)2969篇。英文文獻(xiàn)在WOS中的核心合集數(shù)據(jù)庫中進(jìn)行收集,以主題“=management accounting”和主題“=big data”的方式,其間為近五年的方式進(jìn)行檢索。檢索時(shí)間為2022年7月31日,檢索后剔除報(bào)紙、書籍評(píng)論、刊訊、導(dǎo)讀和會(huì)議等文獻(xiàn)后,最終分析數(shù)據(jù)為763 篇有效文獻(xiàn)。
文章采用的研究方法為文獻(xiàn)計(jì)量法,分析工具為陳超美教授開發(fā)的專門用于文獻(xiàn)計(jì)量的建模軟件CiteSpace。該軟件主要通過節(jié)點(diǎn)、線條等顯示作者、國家、文章、結(jié)構(gòu)、關(guān)鍵詞之間網(wǎng)絡(luò)、結(jié)構(gòu)、互動(dòng)等關(guān)系。
2018—2022年上半年,國內(nèi)發(fā)文量基本呈下降趨勢(2018年248 篇,2019年204 篇,2020年209 篇,2021年178 篇,2022年上半年71 篇),說明國內(nèi)沒有受到太多專業(yè)學(xué)者的關(guān)注,或是研究遇到階段性瓶頸,或需新的創(chuàng)新點(diǎn)和突破點(diǎn)。而國外在2019—2020年發(fā)文出現(xiàn)個(gè)小高潮后基本也呈下降趨勢(2018年134 篇,2019年137 篇,2020年177 篇,2021年154 篇,2022年上半年61 篇),說明相關(guān)方面的理論研究趨于成熟。
(1)主要發(fā)文國家
圖1 各國發(fā)文知識(shí)圖譜
結(jié)果顯示,發(fā)文國家有87 個(gè)。相關(guān)文章引文次數(shù)最多的國家依次是美國(52 次),中國(43 次)和英國(41 次)。再來看中介中心性,中心性越高的節(jié)點(diǎn)影響力越大,中心性≧0.1 的節(jié)點(diǎn)圓圈會(huì)呈紫色。結(jié)果顯示,中心性最高的依次是英國(0.39)、美國(0.28)、法國(0.26)和中國(0.25)。最后觀察節(jié)點(diǎn)連線顏色,顏色呈紅色說明在最近的2022年有合作發(fā)文,如中國和俄國、澳大利亞和德國、德國和法國等。
(2)作者分析
高發(fā)文量能夠一定程度上顯示學(xué)者在該領(lǐng)域的貢獻(xiàn)程度。CiteSpace 統(tǒng)計(jì)的國內(nèi)發(fā)文量排名前三的是程平(14 篇)、王滿(11 篇)和許金葉(11 篇)。程平研究了會(huì)計(jì)大數(shù)據(jù)的內(nèi)容框架、技術(shù)實(shí)現(xiàn)和機(jī)器學(xué)習(xí)算法等。王滿研究了管理會(huì)計(jì)工具在價(jià)值鏈不同環(huán)節(jié)的“嵌入式”應(yīng)用。許金葉研究了應(yīng)用區(qū)塊鏈智能合約,構(gòu)建智能會(huì)計(jì)體系。而在國外,發(fā)文量排名前三的是JOHN DUMAY(3 篇)、YI BAO(2 篇)和AHMED A ELAMER(2 篇)。JOHN DUMAY 研究了數(shù)據(jù)安全對(duì)企業(yè)社會(huì)經(jīng)濟(jì)價(jià)值和智力資本的影響。YI BAO 研究了霧計(jì)算企業(yè)管理中的應(yīng)用。AHMED A ELAMER 研究了如何用大數(shù)據(jù)解決會(huì)計(jì)數(shù)據(jù)局限。
(3)文章分析
對(duì)文章做共被引分析,可以快速找到高頻次的被引文章,高頻次文章一般在該領(lǐng)域具有重大影響力和突出貢獻(xiàn)。國內(nèi)外共被引文章排名前三的文章如下:吳靜(2022)在文章“基于DRG 的公立醫(yī)院多層級(jí)成本報(bào)告體系構(gòu)建研究”提出公立醫(yī)院可通過優(yōu)化資源配置,提高成本管理水平。馮巧根(2022)在文章“管理會(huì)計(jì)工具演進(jìn)及其發(fā)展規(guī)律”提出應(yīng)當(dāng)制定并頒布“管理會(huì)計(jì)工具創(chuàng)新指南”之類的指引體系,提高國內(nèi)外工具方法之間的關(guān)聯(lián)性與可解釋性。張建峰(2018)在文章“煤炭企業(yè)推行管理會(huì)計(jì)及業(yè)財(cái)一體化相關(guān)問題研究”提出利用管理工具,通過融合機(jī)構(gòu)、末端延伸、數(shù)據(jù)量化、建立統(tǒng)一數(shù)據(jù)平臺(tái)等具體措施,努力實(shí)現(xiàn)業(yè)財(cái)一體化。Bebbington(2018)在文 章“Achieving the United Nations Sustainable Development Goals”探討了在聯(lián)合國可持續(xù)發(fā)展背景下,學(xué)術(shù)會(huì)計(jì)如何更好幫助理解和改進(jìn)會(huì)計(jì)政策、實(shí)踐和理論化。Song Malin(2018)在文章“Technological challenges of green innovation and sustainable resource management with large scale data green innovation”探討了如何利用大數(shù)據(jù)實(shí)現(xiàn)自然環(huán)境可持續(xù)管理并實(shí)現(xiàn)綠色創(chuàng)新。Sterigiou(2021)在文章“IoT-Based Big Data Secure Management in the Fog Over a 6G Wireless Network cloud computing”提出在6G 技術(shù)可有效推動(dòng)大數(shù)據(jù)、云計(jì)算和邊緣計(jì)算,從而更好提升管理水平。
采用LLR 方法對(duì)文獻(xiàn)關(guān)鍵詞聚類,繪制關(guān)鍵詞聚類圖譜,提取管理會(huì)計(jì)數(shù)字化轉(zhuǎn)型研究中學(xué)者最為關(guān)注的研究熱點(diǎn)。
(1)國外研究熱點(diǎn)及趨勢
圖2 國外關(guān)鍵詞共線關(guān)系
國外關(guān)鍵詞聚類模塊值Q=0.4258(>0.3),聚類平均輪廓值S 為0.7637(>0.7),結(jié)合兩個(gè)指標(biāo),說明聚類效果非常好。從右邊類別標(biāo)簽可以看出,國外研究主要涉及大數(shù)據(jù)分析、動(dòng)態(tài)能力、0、人工智能、物聯(lián)網(wǎng)、高級(jí)分布式學(xué)習(xí)和土地覆蓋七大類。出現(xiàn)較早的關(guān)鍵詞(圖中節(jié)點(diǎn)圓圈較大)有管理、框架、技術(shù)、模型等。
(2)國內(nèi)研究熱點(diǎn)及趨勢
圖3 國內(nèi)關(guān)鍵詞共線關(guān)系
國內(nèi)關(guān)鍵詞聚類模塊值Q=0.3256(>0.3),聚類平均輪廓值為0.6576(>0.5),反映網(wǎng)絡(luò)的同質(zhì)性比較高。國內(nèi)研究主要涉及大數(shù)據(jù)、人工智能、問題、挑戰(zhàn)、轉(zhuǎn)型、財(cái)務(wù)管理、應(yīng)用和企業(yè)8 類。出現(xiàn)較早的關(guān)鍵詞有大數(shù)據(jù)、人工智能、業(yè)財(cái)融合等。
從關(guān)鍵詞出現(xiàn)頻次來看,國外更關(guān)注系統(tǒng)、模型、技術(shù)等,而國內(nèi)更關(guān)注財(cái)務(wù)會(huì)計(jì)向管理會(huì)計(jì)轉(zhuǎn)型、業(yè)財(cái)融合等。從中介中心性來看,除去管理和大數(shù)據(jù),國外影響最大的是沖擊、風(fēng)險(xiǎn)和信息等,而國內(nèi)影響最大的關(guān)鍵詞是業(yè)財(cái)融合、財(cái)務(wù)會(huì)計(jì)和人工智能。
CiteSpace 里的突現(xiàn)詞功能能夠快速分析出一定時(shí)期突然出現(xiàn)并具有一定持續(xù)性的關(guān)鍵詞,突現(xiàn)詞的分析結(jié)果便于學(xué)者了解該領(lǐng)域的前沿趨勢。
圖4 國內(nèi)外共現(xiàn)網(wǎng)絡(luò)突現(xiàn)詞
從國外圖中可以看出,9 個(gè)突現(xiàn)詞2018年就已出現(xiàn)。熱度一直在維持的關(guān)鍵詞有公司績效、城市、安全、政策、商業(yè)智能、保險(xiǎn)和財(cái)務(wù)審查等。突現(xiàn)強(qiáng)度(Strength)相對(duì)較大的關(guān)鍵詞是公司績效(1.63),表明它是國外的前沿方向。而國內(nèi)突現(xiàn)詞有12 個(gè),熱度維持到現(xiàn)在的關(guān)鍵詞有會(huì)計(jì)信息、應(yīng)用策略和現(xiàn)代企業(yè)。突現(xiàn)強(qiáng)度相對(duì)較大的是會(huì)計(jì)信息(1.73),說明它是2020年迄今的國內(nèi)研究前沿。這與規(guī)劃中提到的促進(jìn)會(huì)計(jì)信息深度應(yīng)用、加強(qiáng)會(huì)計(jì)信息安全和跨境會(huì)計(jì)信息監(jiān)管和綱要中提到的持續(xù)完善企業(yè)會(huì)計(jì)標(biāo)準(zhǔn),提供高質(zhì)量會(huì)計(jì)信息等要求相吻合。
本研究運(yùn)用文獻(xiàn)計(jì)量法,對(duì)近五年CNKI 和WOS 數(shù)據(jù)庫中管理會(huì)計(jì)數(shù)字化轉(zhuǎn)型方面的文獻(xiàn)進(jìn)行分析研究,并通過數(shù)據(jù)可視化的形式進(jìn)行展現(xiàn),得出以下結(jié)論:第一,國內(nèi)發(fā)文量總體一直呈下降趨勢,國外自2020年開始呈下降趨勢,說明國外在管理會(huì)計(jì)數(shù)字化轉(zhuǎn)型領(lǐng)域研究相對(duì)比較成熟,國內(nèi)該領(lǐng)域受關(guān)注度不夠,或需新的突破點(diǎn)。第二,國內(nèi)外的研究熱點(diǎn)存在一定的共同性,如都注重大數(shù)據(jù)環(huán)境、數(shù)據(jù)分析等,但又存在一定的階段差異。如2022年國外更關(guān)注技術(shù),國內(nèi)更關(guān)注應(yīng)用體系、共享建設(shè),說明國內(nèi)學(xué)者有自己的創(chuàng)新點(diǎn),且創(chuàng)新方向與我國財(cái)政部的相關(guān)文件指引方向趨同。建議國內(nèi)學(xué)者進(jìn)一步學(xué)習(xí)財(cái)政部相關(guān)文件,將大數(shù)據(jù)技術(shù)與管理會(huì)計(jì)深度融合,加大具有中國特色的管理會(huì)計(jì)數(shù)字化轉(zhuǎn)型研究。