随着移动互联网的发展，云的浪潮已经席卷而来。企业的管理会计信息化建设还应该考虑日新月异的最新信息技术，以及由此带来的新趋势和新需求。
有越来越多的企业正在或者将会把自己的管理系统搭建在云平台上。作为企业信息化系统的一部分，未来的管理会计信息系统也可能要实现“云中漫步”。在云计算的环境下搭建企业的管理会计信息系统，将是未来的大趋势。
此外，大数据时代的到来，整个社会出现了数据大爆炸。会计人员要想更高效地实现其管理会计职能，就必须借助一定的技术支持。会计接口标准化下的数据仓库为数据的集成、清理、存取和使用提供了载体，也为从大数据中挖掘出有价值的信息提供了平台。基于大数据下的数据仓库和数据挖掘技术，使管理会计能够更精细化、更有效率地为企业提供有用的信息。
一、数据仓库和数据挖掘的应用框架
企业数据仓库的功能结构包括数据源、数据准备区、数据仓库、数据集市/知识挖掘库和数据仓库的数据存取与使用。数据源是企业数据仓库的数据来源。满足企业管理会计需要的数据源主要包括来自供产销等系统的业务数据、大量历史数据、非结构化的办公数据以及从外部获得的Web数据和市场中同行业、同领域的其他外部数据。
同时，数据源中还包括这些数据的描述性信息，即数据源元数据，便于管理会计更好地了解这些数据的来源、用途和属性进行后续的处理和分析。由于大量的源数据来源不同，内容、结构复杂，所以管理会计人员利用这些数据前，要对其进行筛选、净化等标准化处理。
管理会计从大体上分可以分为本量利分析、短期预算、业绩评价等模块。根据这些模块，在数据集市/知识挖掘库中设置相应的主题，使每种主题都有自己的物理存储区。在每个模块的存储区中建立管理会计分析模型，进行概括、聚类、建立结构化查询。
由于在数据仓库已经对海量的源数据进行了集成和处理，所以，人们可以直接利用数据仓库中的数据进行数据挖掘。首先，要明确挖掘对象，进行聚类分析。回归分析也是数据挖掘技术在管理会计中应用的一个基础性分析工具，可以描述自变量与因变量之间的关系。例如，进行销售分析时，要把产品进行适当的分类，以该产品为主题词，把影响该产品销售的所有相关信息进行聚类分析。其次，利用回归分析，可以找出销售收入与各个因素之间的数学关系，科学的进行分析和预测。
在进行投资决策分析时，可以利用决策树算法，从企业数据仓库中比较历史资料、业务数据和相关外部数据，运用模型进行分析，把决策数算法推算出的结论反映给管理会计人员。
二、数据仓库和数据挖掘在管理会计中的应用
一个公司业绩的好坏受到来自各个利益主体的关注。股东希望通过业绩的增加来增加自己的财富，经营者通过业绩的考核来实现自身价值并获取收益，投资者通过评判业绩的好坏来决定是否进行投资。所以，业绩的评判和考核就显得尤为重要。
为了实行权责利相结合，管理会计产生了责任会计这一子系统，并将其分为成本中心、利润中心和投资中心。各责任中心提供相应的会计数据与预算进行比较，进而对经营者的业绩进行评价。要进行准确的业绩评价，必须从源头上保证业绩数据的真实性、完整性和可靠性。而这些原始数据都可以从数据仓库中挖掘出来。
成本中心是着重考虑所发生成本和费用的责任中心。成本中心分为标准成本中心和费用中心。在生产制造过程中，每种产品成本都是由材料、人工和制造费用加总得来。利用数据挖掘技术中的聚类分析可以把归属于某一产品的全部成本进行汇总，然后利用回归分析对数据仓库中归属于该产品成本的所有影响因素的数据建立数学关系模型，找出每种因素对产品总成本的影响。既能精确了解产品的成本动因，也能从多角度与预算进行比较。利用传统的技术手段对费用中心的考核相对困难，因为费用中心的业绩考核涉及的费用预算很难确定。而预算是建立在大量历史数据和模型的基础上的，可以利用趋势分析、时间序列分析等方法，建立销售―费用模型，通过销售百分比的方法预计费用，同时，为了符合市场的发展，还可以利用数据仓库中的外部数据进行比较，客观真实地对费用中心进行评价。
利润中心能同时控制生产和销售，既要对成本负责，又要对收入负责，根据利润的多少来评价业绩。成本和收入都可以直接从数据仓库的数据集市/知识挖掘库中按不同的主题利用数据挖掘技术获得。但是当企业涉及内部转移价格时，通常要使用完全竞争市场情况下的市场价格。这时，数据仓库中的Web数据和外部数据对于获取的市场价格的准确性提供了保证。
投资中心是不仅能够控制成本、创造利润，还拥有投资决策权的责任中心。投资中心的考核指标通常是投资报酬率。投资报酬率的真实性来源于会计数据的质量。而预期投资报酬率的计算依赖于数据仓库的历史数据、市场数据和数据挖掘技术中的投资决策分析功能。所以，不管是预期投资报酬率的估计还是真实投资报酬率的计算都离不开数据仓库和数据挖掘技术的支持。
