دانلود ترجمه مقاله تحلیل منبع داده حسابداری مدیریت کامپیوتری بر اساس انبار داده و رایانش لبه موبایل (هینداوی 2022) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

تحلیل منبع داده حسابداری مدیریت کامپیوتری بر اساس انبار داده و رایانش لبه موبایل

Data Source Analysis of Computerized Management Accounting Based on Data Warehouse and Mobile Edge Computing

1 مقدمه

2 تحقیقات مرتبط

3 روش شناسی

4 تحلیل نتایج و بحث

5 نتیجه گیری ها

منابع

     کار حسابداری زمانی که کامپیوتری باشد، کارایی بیشتری دارد و میزان خطا در آن کمتر است. این مکانیسم تشویقی باید قبل از توسعه شیوه حسابداری مدیریتی در مشاغل بهبود یابد. عواطف کارکنان در شرکت ها یک عامل تعیین کننده گسترش شیوه حسابداری مدیریت در مشاغل است. مقاومت کارکنان نسبت به شیوه های حسابداری مدیریتی می تواند از طریق مکانیسم‌های تشویقی به صورت موثری مورد توجه قرار گیرد. در نتیجه، آنها به منظور تشویق رشد حسابداری مدیریت در کسب و کار ابتدا باید یک مکانیسم تشویقی حسابداری مدیریتی کامل ایجاد کنند. پیاده سازی یک سیستم اطلاعات حسابداری مدیریتی توسط این دسته بندی های جدید دشوارتر می شود. ساختار یک سیستم اطلاعات حسابداری مدیریت بر اساس BI و رایانش لبه موبایل در این تحقیق به صورت سیستماتیک مورد بحث قرار می گیرد. BI این مزیت را دارد که می تواند به روش های مختلفی مدل سازی کند، حجم زیادی از داده ها را به صورت کارآمد پردازش کند، و داده‌های عملی را به سرعت در اختیار مدیران قرار دهد. برای درک تحلیل کمی هزینه درآمد، نهاده – ستانده، این سیستم از فناوری های پیشرفته مانند مدل سازی انبار داده ها، جمع آوری داده، نمایش داده ها و طراحی امنیتی استفاده می کند. حسابداری مدیریتی بهترین انتخاب برای نوآوری حالت مدیریت سازمانی و یک سرویس حسابداری برای مدیریت داخلی کسب و کار است. کلان داده در حسابداری مدیریتی به عنوان یک دارایی شرکتی عمل می کند و حجم زیادی از اطلاعات را فراهم می کند. برای درک چگونگی استخراج و استفاده از اطلاعات، کلان داده برای ایجاد مبنایی برای حسابداری مدیریت ضروری است. این تحقیق نحوه جمع آوری داده ها، تهیه داده ها، ایجاد مدل، استخراج داده ها و تجزیه و تحلیل داده ها را با استفاده از کلان داده ها و الگوریتم رایانش لبه در شبکه موبایل توضیح می‌دهد، و شاخص‌های کلیدی موثر بر تحلیل ریسک حسابداری مدیریتی شرکت را از طریق تحلیل تجربی شناسایی میکند. مکانیسم انتشار و عوامل موثر بر شیوه های حسابداری مدیریت در شرکت ها و بین خوشه های سازمانی می توانند به ارتقای توسعه شیوه حسابداری مدیریتی کمک کنند و سرعت ایجاد سیستم حسابداری مدیریتی محلی چین را افزایش دهند.

تحقیقات مرتبط
     اولین ادبیات [15]، الگوریتم استخراج قانون انجمنی مبتنی بر ویژگی را پیشنهاد کرد. تحقیق بعدی [16]، چهار فناوری اصلی را برای پشتیبانی از داده کاوی بر اساس این تحقیق مطرح می کند. ادبیات [۱۷] با فرایند تاریخی توسعه اقتصادی چین و فضای توسعه حسابداری مدیریتی چین بر اساس عملکرد اجتماعی رشته حسابداری مدیریتی همراه است، این تحقیق پیشنهاد می کند که حسابداری مدیریتی چین با بهترین دوره‌های فرصت استراتژیک مواجه است. با توجه به وضعیت اساسی شرایط ملی چین، سیستم کاربردی و چارچوب نظری حسابداری مدیریت بر اساس پیشینه سیستم سازمانی چین ارائه شده است [۱۸]. ادبیات [19] برای مطالعه رابطه بین تقاضای شرکت و سیستم های اطلاعاتی بر اساس تئوری احتمالی پیشنهاد شده است. ادبیات [20] برای مطالعه رابطه شرکت کنندگان با روابط مربوطه در پیاده‌سازی سیستم بر اساس نظریه سرمایه اجتماعی و نظریه شبکه کنشگر با توجه ویژه به سهامداران و کسب و کارها در طیف وسیع تر پیشنهاد شد.

     ادبیات [21] ارزش اجتماعی و انتخاب استراتژیک جامعه انسانی در عصر اطلاعات دیجیتالی و کلان داده را که به صورت گسترده ای در زمینه های مختلف استفاده شد، مورد بحث قرار می دهد.‌ ادبیات [22] چهارچوب طبقه بندی روش های نمونه گیری را در فرایند داده‌کاوی پیشنهاد کرد و مزایا و معایب روشهای نمونه گیری داده کاوی را در سناریوهای مختلف مقایسه و تحلیل کرد. ادبیات [23] به این موضوع اشاره کرد که حتی در کشورهای توسعه یافته برخی از عملکرد های سیستم های اطلاعاتی ERP سازمانی به صورت کامل با نرم افزارهای دیگر ادغام نمی‌شوند و عملکردهای برخی از سیستم ها به طور کامل وارد عمل نشده اند. ادبیات [24] به این موضوع اشاره کرد که فقدان دستورالعمل های نظریه موثر دلیل اصلی این موضوع است که چرا استفاده از روشهای حسابداری مدیریتی در شرکتهای چینی نسبتاً عقب‌مانده است. ادبیات [25] این موضوع را تحلیل می‌کند که بسیاری از از مسائل مهم موجود در دوره تحول حسابداری مدیریت در چین را مورد تجزیه و تحلیل قرار می دهد و پیشنهادات استراتژیک مربوطه را ارائه می دهد. ادبیات [26] یک الگوریتم داده جدید را برای کاوش موثر و تحلیل داده های نیمه ساخت یافته پیشنهاد می کند که بر این مشکل غلبه می‌کنند که فناوری داده‌کاوی سنتی نمی تواند به صورت موثری داده های نیمه ساخت یافته را استخراج کند.