seanchen2008
一、树立企业成本管理的系统观念 在市场经济环境下，企业应树立成本的系统管理观念，将企业的成本管理工作视为一项系统工程，强调整体与全局，对企业成本管理的对象、内容、方法进行全方位的分析研究。通过研究每种成本管理方法的本质及其适应的经济环境的特色，构建出系统的成本管理方法体系。 一方面，为使企业产品在市场上具有强大竞争力，成本管理就不能再局限于产品的生产过程，而是应该将视野向前延伸到产品的市场需求分析、相关技术的发展态势分析，以及产品的设计；向后延伸到顾客的使用、维修及处置。按照成本全程管理的要求，就会涉及到产品的信息来源成本、技术成本、后勤成本、生产成本、库存成本、销售成本，以及对顾客的维修成本、处置成本等成本范畴。对所有这些成本内容都应以严格、细致的科学手段进行管理，以增强产品在市场中的竞争力，使企业在激烈的市场竞争中立于不败之地。如在产品设计阶段推行价值分析。 另一方面，随着市场经济的发展，非物质产品日趋商品化。与此相适应，成本管理的内涵也应由物质产品成本扩展到非物质产品成本，如人力资源成本、资本成本、服务成本、产权成本、环境成本，等等。 二、在成本管理中引入战略成本管理思想 在现代，企业所处的经济环境发生了很大的变化：产品的大量生产使需求达到饱和时，也出现了多样化的趋势，顾客对产品的消费在质量、时间、服务等方面提出了新的要求；现代高科技被广泛应用于生产领域，如生产自动化设备、机器人、电脑辅助生产等，企业制造环境也从过去的劳动密集型向技术密集型转化；竞争日益激烈，面对激烈的行业竞争企业开始重视制定竞争战略，并随时根据顾客需求与竞争者情况的变动，做出相应调整。这样就进入了战略成本管理阶段。 战略成本管理以企业的全局为对象，根据企业总体发展战略而制定的。战略成本管理的首要任务是关注成本战略空间、过程、业绩，可表述为“不同战略选择下如何组织成本管理”。即将成本信息贯穿于战略管理整个循环过程之中，通过对公司成本结构、成本行为的全面了解、控制与改善，寻求长久的竞争优势。它把企业内部结构和外部环境综合起来，企业的价值链贯穿于企业内部自身价值创造作业和企业外部价值转移作业的二维空间，价值链不同于价值增值，它是更广阔的外在于企业的价值系统链，企业不过是整个价值创造作业全部链节中的一部分，一个链节。因此，战略成本管理从企业所处的竞争环境出发，其成本管理不仅包括企业内部的价值链分析，而且包括竞争对手价值链分析和企业所处行业的价值链分析，从而达到知己知彼，洞察全局的目的，并由此形成价值链的各种战略。 例如，邯钢的战略成本管理经验。邯钢从实际出发，制定了低成本发展战略。并充分利用战略管理会计的外向性、整体性等特性进行战略规划，通过密切关注整个市场和竞争对手的动向来发现问题，适当调整和改变自己的战略战术。实施有效的价值链分析法，实行“模拟市场核算”从产品在市场上被承认的价格开始，一个工序一个工序地剖析使企业成本管理深入到各基本作业层，挖掘各作业层的增值能力，对不必要的和完成质量不佳的作业进行改进或否决。重视成本动因的控制，采用“总成本领先”战略，推行“成本否决”突出实效、落实责任。邯钢在激烈的市场竞争中运用战略管理成本的基本思想，制定了正确的竞争战略，获得并保持了竞争优势，创造了我国冶金行业的一流佳绩。 三、引入先进的成本管理方法和手段 在现代制造业中，间接费用的比重极大地增加了，间接费用的结构和可归属性也彻底发生了改变，许多费用甚至完全发生在制造过程以外，如设计生产程序费用、组织协调生产过程费用、组织订单费用等等。加之现代制造业自动化程度日益提高，直接人工成本极大地减少。这就直接引发了作业成本法的产生。 四、企业根据自身特点选择适当的成本控制方法 由于成本控制方法是多种多样的，既有传统的能过差异分析进行的价值控制方法，也有利用技术革新、组织结构的协作制约功能的非价值控制方法。根据成本管理战略选择成本控制方法没有固定的范式，完全要依据企业的现实基础，考虑组织结构、企业文化、生产方式等而定。 五、增强成本观念，实行全员成本管理 这种机制强调的是人性的自我激励，不需要任何外在因素的约束。改变企业常用的靠惩罚、奖励实施外在约束与激励的机制，实现自主管理，既是一种代价最低的成本管理方式，也是降低成本最有效的管理方式。 六、充分发挥计算机技术在企业成本管理中的作用 
寿险行业数据挖掘应用分析 寿险是保险行业的一个重要分支，具有巨大的市场发展空间，因此，随着寿险市场的开放、外资公司的介入，竞争逐步升级，群雄逐鹿已成定局。如何保持自身的核心竞争力，使自己始终立于不败之地，是每个企业必须面对的问题。信息技术的应用无疑是提高企业竞争力的有效手段之一。寿险信息系统经过了多年的发展，已逐步成熟完善，并积累了相当数量的数据资源，为数据挖掘提供了坚实的基础，而通过数据挖掘发现知识，并用于科学决策越来越普遍受到寿险公司的重视。 数据挖掘 数据挖掘（Data Mining，DM）是指从大量不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、有用的信息和知识的过程。其表现形式为概念（Concepts）、规则(Rules)、模式(Patterns)等形式。 目前业内已有很多成熟的数据挖掘方法论，为实际应用提供了理想的指导模型。CRISP-DM（Cross-Industry Standard Process for Data Mining）就是公认的、较有影响的方法论之一。CRISP-DM强调，DM不单是数据的组织或者呈现，也不仅是数据分析和统计建模，而是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程。CRISP-DM将整个挖掘过程分为以下六个阶段：商业理解（Business Understanding），数据理解(Data Understanding)，数据准备(Data Preparation)，建模(Modeling)，评估(Evaluation)和发布(Deployment)。 商业理解就是对企业运作、业务流程和行业背景的了解；数据理解是对现有企业应用系统的了解；数据准备就是从企业大量数据中取出一个与要探索问题相关的样板数据子集。建模是根据对业务问题的理解，在数据准备的基础上，选择一种更为实用的挖掘模型，形成挖掘的结论。评估就是在实际中检验挖掘的结论，如果达到了预期的效果，就可将结论发布。在实际项目中，CRISP-DM模型中的数据理解、数据准备、建模、评估并不是单向运作的，而是一个多次反复、多次调整、不断修订完善的过程。 行业数据挖掘 经过多年的系统运营，寿险公司已积累了相当可观的保单信息、客户信息、交易信息、财务信息等，也出现了超大规模的数据库系统。同时，数据集中为原有业务水平的提升以及新业务的拓展提供了条件，也为数据挖掘提供了丰厚的土壤。 根据CRISP-DM模型，数据挖掘首先应该做的是对业务的理解、寻找数据挖掘的目标和问题。这些问题包括：代理人的甄选、欺诈识别以及市场细分等，其中市场细分对企业制定经营战略具有极高的指导意义，它是关系到企业能否生存与发展、企业市场营销战略制定与实现的首要问题。 针对寿险经营的特点，我们可以从不同的角度对客户群体进行分类归纳，从而形成各种客户分布统计，作为管理人员决策的依据。从寿险产品入手，分析客户对不同险种的偏好程度，指导代理人进行重点推广，是比较容易实现的挖掘思路。由于国内经济发展状况不同，各省差异较大，因此必须限定在一个经济水平相当的区域进行分析数据的采样。同时，市场波动也是必须要考虑的问题，一个模型从建立到废弃有一个生命周期，周期根据模型的适应性和命中率确定，因此模型需要不断修订。 挖掘系统架构 挖掘系统包括规则生成子系统和应用评估子系统两个部分。 规则生成子系统主要完成根据数据仓库提供的保单历史数据，统计并产生相关规律，并输出相关结果。具体包括数据抽取转换、挖掘数据库建立、建模（其中包括了参数设置）、模型评估、结果发布。发布的对象是高层决策者，同时将模型提交给应用评估子系统根据效果每月动态生成新的模型。 应用评估子系统可以理解为生产系统中的挖掘代理程序，根据生成子系统产生的规则按照一定的策略对保单数据进行非类预测。通过系统的任务计划对生产数据产生评估指标。具体包括核心业务系统数据自动转入数据平台、规则实时评估、评估结果动态显示、实际效果评估。规则评估子系统根据规则进行检测。经过一段时间的检测，可利用规则生成子系统重新学习，获得新的规则，不断地更新规则库，直到规则库稳定。 目前比较常用的分析指标有: 险种、交费年期、被保人职业、被保人年收入、被保人年龄段、被保人性别、被保人婚姻状况等。 实践中，可结合实际数据状况，对各要素进行适当的取舍，并做不同程度的概括，以形成较为满意的判定树，产生可解释的结论成果。
