مدل مبتنی بر آنتولوژی REA برای نقشه برداری داده های بزرگ به عناصر سیستم های اطلاعات حسابداری

قیمت: 47,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مدل مبتنی بر آنتولوژی REA برای نقشه برداری داده های بزرگ به عناصر سیستم های اطلاعات حسابداری

عنوان لاتین

An REA Ontology-Based Model for Mapping Big Data to Accounting Information Systems Elements

اصطلاح ''داده های بزرگ" به حجم گسترده ای از داده ها اشاره دارد که با افزایش سرعت رشد می کنند و شامل انواع داده های پیچیده مانند صوتی و تصویری می شوند. در حالی که کاربرد داده های بزرگ و تکنیک های تحلیلی برای اهداف تجاری مورد توجه قرار گرفته اند، مشخص نیست که منابع خارجی داده های بزرگ مربوط به دنیای پردازش اطلاعات سیستم های حسابداری هستند یا خیر. این مقاله از منابع رویداد عامل هستی شناسی شرکت (REA) (مک کارثی 1982؛ سازمان بین المللی استاندارد [ISO] 2007) استفاده می کند تا پیامدهای منابع خارجی بزرگ داده ها را در معاملات تجاری مدل سازی کند. خصوصیات مبنای مبتنی بر REA پنج مرحله ای از یک معامله تجاری که در ISO (2007) تعریف شده است، به طور رسمی برای تعریف ارتباطات بین عناصر داده های خاص و معاملات تجاری مورد استفاده قرار می گیرد. با استفاده از فن آوری های بزرگ داده ها مانند Apache Hadoop (آپاچی هادوپ) و MapReduce (مپ ردیوس)، تعدادی از الگوهای استخراج اطلاعات برای استخراج اطلاعات مرتبط با معامله کسب و کار از اطلاعات بزرگ تعیین شده اند. ما همچنین تعدادی از الگوهای تجزیه و تحلیل را ارائه می دهیم تا نشان دهند که چگونه تصمیم گیری در حسابداری می تواند از یکپارچه سازی داده های خاص، داده های بیگانه و داده های متعارف بهره مند شود. مدل و تکنیک های ارائه شده در این مقاله می توانند توسط سازمان ها مورد استفاده قرار گیرند تا ارتباطات بین عناصر بزرگ داده در محيط خود و مصنوعات اطلاعات حسابداری خود را، برای ساختن معماری هایی که اطلاعات را از منابع خارجی بزرگ داده ها برای استفاده در یک زمینه حسابداری استخراج کنند برای تحریک قدرت تجزیه و تحلیل برای تصمیم گیری موثرتر رسم کنند.

The term ‘‘Big Data’’ refers to massive volumes of data that grow at an increasing rate and encompass complex data types such as audio and video. While the applications of Big Data and analytic techniques for business purposes have received considerable attention, it is less clear how external sources of Big Data relate to the transaction processing-oriented world of accounting information systems. This paper uses the Resource-Event- Agent Enterprise Ontology (REA) (McCarthy 1982; International Standards Organization [ISO] 2007) to model the implications of external Big Data sources on business transactions. The five-phase REA-based specification of a business transaction as defined in ISO (2007) is used to formally define associations between specific Big Data elements and business transactions. Using Big Data technologies such as Apache Hadoop and MapReduce, a number of information extraction patterns are specified for extracting business transaction-related information from Big Data. We also present a number of analytics patterns to demonstrate how decision making in accounting can benefit from integrating specific external Big Data sources and conventional transactional data. The model and techniques presented in this paper can be used by organizations to formalize the associations between external Big Data elements in their environment and their accounting information artifacts, to build architectures that extract information from external Big Data sources for use in an accounting context, and to leverage the power of analytics for more effective decision making.