دانلود ترجمه مقاله تاثیر تحلیل های تجاری و سیستم های شرکتی روی حسابداری مدیریتی

1. مقدمه 2. تغییر نقش حسابداری مدیریتی 3. داده های بزرگ و تحلیل های تجاری 4. ادغام تحلیل های داده ای در سیستم های ERP برای حسابداری مدیریتی 5. عوامل موفقیت آمیز بحرانی برای پیاده سازی MADA 6. نتیجه گیری و کارهای آتی

چکیده – ماهیت مسئولیت پذیری حسابداران دولتی، از مقادیر تاریخی جمع آوری شده گزارشات تا معیارهای اندازه گیری عملکردی و مدیریتی با اطلاعات مربوط به تصمیم گیری، تکامل یافته است. سیستم های اطلاعاتی مانند سیستم های برنامه ریزی منابع سازمانی (ERP)، قدرت ذخیره سازی داده های بسط یافته و قدرت محاسباتی بهبود یافته را در اختیار حسابداران مدیریتی قرار می دهند. با استفاده از داده های بزرگ استخراج شده از هر دو منابع داده ای داخلی و خارجی، حسابداران مدیریتی در حال حاضر می توانند از تکنیک های تحلیل های داده ای به منظور پاسخ به سوالاتی مانند: چه اتفاقی افتاده است (تحلیل های توصیفی)، چه اتفاقی خواهد افتاد (تحلیل های پیش بینی کننده)، و راه حل بهینه چیست (تحلیل های دستوری) استفاده نمایند. با این حال، نتایج نشان می دهد که ماهیت و حوزه حسابداری مدیریتی شدیدا تغییر یافته است و حسابداران مدیریتی از اکثر تحلیل های توصیفی، برخی تحلیل های پیش بینی کننده، و درصد کمی از تحلیل های دستوری استفاده می نمایند. این مقاله یک چارچوب تحلیل های داده ای حسابداری مدیریتی (MADA) مبتنی بر تئوری کارت امتیازی متوازن در یک محتوای هوشمند تجاری را ارائه می نماید. MADA به حسابداران مدیریتی این امکان را می دهد تا از تحلیل های تجاری جامع برای سنجش عملکرد و ارائه اطلاعات مربوط به تصمیم گیری ها استفاده کنند. با MADA، سه نوع تحلیل های تجاری (توصیفی، پیش بینی کننده و دستوری) در چهار دیدگاه سنجش عملکرد شرکتی (مالی، مشتری، فرآیند داخلی، و رشد و آموزش) در یک محیط سیستم سازمانی پیاده سازی می شود. موضوع مرتبط دیگری که بهره گیری موفق از تحلیل های کسب و کاری در سیستم هوشمند تجاری در شرکت (BI) مانند کیفیت و یکپارچگی داده ها را تحت تاثیر قرار می دهد در این مقاله مورد بحث و بررسی قرار گرفته شده است. سهم این مقاله در بین مقالات مربوط به بررسی تاثیر تحلیل های تجاری روی حسابداری مدیریتی از دیدگاه سیستم های سازمانی و BI و ارائه چارچوب تحلیل داده های حسابداری مدیریتی (MADA) می باشد که شامل کارت امتیازی متوازن نیز می باشد.

The nature of management accountants' responsibility is evolving from merely reporting aggregated historical value to also including organizational performance measurement and providing management with decision related information. Corporate information systems such as enterprise resource planning (ERP) systems have provided management accountants with both expanded data storage power and enhanced computational power. With big data extracted from both internal and external data sources, management accountants now could utilize data analytics techniques to answer the questions including: what has happened (descriptive analytics), what will happen (predictive analytics), and what is the optimized solution (prescriptive analytics). However, research shows that the nature and scope of managerial accounting has barely changed and that management accountants employ mostly descriptive analytics, some predictive analytics, and a bare minimum of prescriptive analytics. This paper proposes a Managerial Accounting Data Analytics (MADA) framework based on the balanced scorecard theory in a business intelligence context. MADA provides management accountants the ability to utilize comprehensive business analytics to conduct performance measurement and provide decision related information. With MADA, three types of business analytics (descriptive, predictive, and prescriptive) are implemented into four corporate performance measurement perspectives (financial, customer, internal process, and learning and growth) in an enterprise system environment. Other related issues that affect the successful utilization of business analytics within a corporate-wide business intelligence (BI) system, such as data quality and data integrity, are also discussed. This paper contributes to the literature by discussing the impact of business analytics on managerial accounting from an enterprise systems and BI perspective and by providing the Managerial Accounting Data Analytics (MADA) framework that incorporates balanced scorecard methodology.