资源简介

(共28张PPT)
会计信息系统
——ERP基础
课程定位
定位 学习目标 知识模块
会计信息化 素养培养 从微观到宏观了解会计信息系统的概念、发展与演变。 第1单元 会计信息系统
第3单元 ERP基础概念与基本原理
第10单元会计信息系统发展前沿
会计信息化 进程的参与者 掌握系统方法与应用，熟悉企业业务流程，并能够按照系统方法参与企业会计信息化进程。 第2单元 信息系统方法
第8单元 ERP系统实施
会计信息系统的深度用户培训 掌握ERP系统核心内容，了解系统功能和业务流程。 第4、6、7单元 ERP系统
系统外围用户 培养 有能力参与基于信息技术的企业内部控制建设，参与信息系统审计和计算机审计。 第9单元 信息系统风险与控制
课程内容
课程基础与衔接
① 《会计学》
先修
课程
② 《数据库基础》
后续
课程
本课程
④《智能会计》《会计大数据》等
③《审计》《内部控制》
练习与作业安排
作业单元 学习目标 作业覆盖的知识单元
1 了解掌握会计信息系统的基础知识。 第一、二单元
2 掌握ERP概念和原理。 第四、五、六、七单元
3 掌握ERP系统管理，了解信息系统发展。 第九、十、十一单元
课程考核
平时成绩
10%
20%
70%
01
02
03
作业或实践
期末考核
第一章
会计信息系统概述
第一节 数据与数据分类
第二节 数据处理技术
第三节 信息与信息性质
第四节 会计信息
第五节 会计信息系统
第六节 会计信息系统发展
目录
CONTENTS
数据与数据分类
CONTENTS
一、数据
二、数据分类
三、数据质量
数据
（一）数据的概念
数据（data）是指对客观事件进行记录并可以鉴别的符号，是对事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。
（二）数据的语义
数据的解释是指对数据含义的说明，数据的含义称为数据的语义，数据与其语义是不可分的。
数据分类
02
01
03
模拟与数字
定性与定量
结构化与非结构化
表示任何信息的数据，从表现形式上可归结为：模拟和数字两类。模拟信号与数字信号的区别可根据幅度取值是否离散来确定。
数字数据（Digital data），也称为数字量，指的是取值范围是离散的变量或者数值。
模拟数据（Analog data），也称为模拟量，指的是取值范围是连续的变量或者数值。
模拟与数字
模拟与数字
1.数模转换的原理
信号的数字化需要三个步骤：抽样、量化和编码。
Digital Signal
Analog Signal
模拟与数字
2.计算机技术
计算机中是以位（0或1）表示数字数据。数据的最小的寻址单位称为字节（通常是8位）。机器码指令处理的单位，称作字长。
数据类型在数据结构中的定义是一个值的集合以及定义在这个值集上的一组操作。所有变量都具有数据类型（如Numeric数据类型、String数据类型等），以决定能够存储哪种数据。
计算机在数据输入、处理、存储和输出过程中要进行多次A/D、D/A转换。
模拟与数字
1.数据按性质可分
定性数据(Qualitative data)在统计学上的包括分类数据和顺序数据，是一组表示事物性质、规定事物类别的文字表述型数据。如表示事物属性的数据（居民地、河流、道路等）。
定量数据（Quantitative data）的，反映事物数量特征的数据，如长度、面积、体积等几何量或重量、速度等物理量。
定性与定量
2.研究方法
（1）定性研究(Qualitative research)
定性研究方法是根据社会现象或事物所具有的属性和在运动中的矛盾变化，从事物的内在规定性来研究事物的一种方法或角度。它以普遍承认的公理、一套演绎逻辑和大量的历史事实为分析基础，从事物的矛盾性出发，描述、阐释所研究的事物。
（2）定量研究（Quantitative Research）
定量研究是指确定事物某方面量的规定性的科学研究，就是将问题与现象用数量来表示，进而去分析、考验、解释，从而获得意义的研究方法和过程。
定性与定量
史蒂文斯（S. S. Stevens）将定量研究的测定尺度分为四种类型：
名义尺度：也称类别尺度或名义尺度，是将调查对象分类，标以各种名称，并确定其类别的方法。
顺序尺度：也称等级尺度或顺序尺度，是按照某种逻辑顺序将调查对象排列出高低或大小，确定其等级及次序的一种尺度。
定性与定量
间距尺度：也称等距尺度或区间尺度，是一种不仅能将变量（社会现象）区分类别和等级，而且可以确定变量之间的数量差别和间隔距离的方法。
比例尺度：也称比例尺度或等比尺度，是一种除有上述三种尺度的全部性质之外，还有测量不同变量（社会现象）之间的比例或比率关系的方法。
定性与定量
数据按照计算机存储、处理和检索难易程度，分为结构化数据和非结构化数据。
结构化数据——由明确定义的数据类型组成，其模式可以使其易于搜索。结构化数据通常驻留在关系数据库(RDBMS)中。
非结构化数据——本质上是结构化数据之外的一切数据。非结构化数据具有内部结构，但不通过预定义的数据模型或模式进行结构化。
结构化与非结构化
图 结构化的数据
图 非结构化的数据（视频、图像和文本）
结构化与非结构化
非结构化数据比结构化数据要多得多。非结构化数据占企业数据的80%以上，并且以每年55%和65%的速度增长。如果没有工具来分析这些海量数据，组织会在商业智能表上留下大量有价值的数据。
结构化与非结构化
数据质量的4个基本要素：
数据质量
（一）数据的完整性
数据的记录和信息是否完整，是否存在缺失的情况。数据的缺失主要有记 录的缺失和记录中某个字段信息的缺失，两者都会造成统计结果的不准确，所以完整性是数据质量最基础的保障。
从数据库角度考虑数据完整性，数据完整性分为四类：
实体完整性（Entity Integrity）。
域完整性（Domain Integrity）。
参照完整性（Referential Integrity）。
用户自定义完整性（User-definedIntegrity）。
数据质量
（二）数据的一致性
数据的记录是否符合规范，是否与前后及其他数据集合保持统一。主要包括数据记录的规范和数据逻辑的一致性。
数据不一致性的原因主要有以下三种：
由于数据冗余造成的。往往是由于重复存放的数据未能进行一致性地更新造成的。
由于并发控制不当造成的。由于多用户共享数据库，而更新操作未能保持同步进行而引起。
由于各种故障、错误造成的。当由于某种原因（如硬件故障或软件故障）而造成数据丢失或数据损坏，要根据数据库维护手段（如转存、日志等）和数据恢复措施，将数据库恢复到某个正确的、完整的、一致性的状态。
数据质量
（三）数据的准确性
数据中记录的信息和数据是否准确，是否存在异常或者错误的信息。
导致一致性问题的原因可能是数据记录的规则不一，但不一定存在错误；而准确性关注的是数据记录中存在的错误，比如字符型数据的乱码现象也应该归到准确性的考核范畴，另外就是异常的数值，异常大或者异常小的数值，不符合有效性要求的数值。
（四）数据的及时性
数据从产生到可以查看的时间间隔，也叫数据的延时时长。
数据质量
1.数据
语义要统一
2.数据分类
（1）模拟与数字——数字化概念
（2）定性与定量——不同研究方法
（3）结构化与非结构化——数据处理技术相关
3.数据质量
整体性、一致性、准确性、及时性——数据审计（Data Auditing）
问题：按照此分类方法，思考会计数据的类别？
小结
学习愉快！

展开更多......

收起↑