بكارگيري داده هاي بزرگ در پژوهش هاي مالي و حسابداري

Using Big Data in Accounting and Finance literature

پژوهش حاضر به دنبال بررسي چگونگي استفاده از دادههاي بزرگ در پژوهشهاي مالي و حسابداري است. بدين منظور، سعي بر آن است تا ضمن ارائه مروري از پژوهشهاي صورت گرفته با استفاده از دادههاي بزرگ در حوزه سيستم هاي اطلاعاتي، حسابداري و مالي، خلاءهاي تحقيقاتي موجود در دو حوزه حسابداري و مالي مورد تاكيد قراردهد. اين مطالعه به دنبال يافتن پاسخ اين سوالات است كه »موضوعات اصلي مطرح در پژوهشهاي جاري در حوزه دادههاي بزرگ چه هستند و متعاقبا، چه خلاءهاي پژوهشي در ادبيات پژوهشي مالي و حسابداري وجود دارد؟.« براي پاسخ به اين سوالات، 47 مجله با موضوع سيستمهاي اطلاعاتي، ماليه و حسابداري منتشر شده در فاصله بين سالهاي 2007 تا 2016 مورد تجزيه و تحليل قرار گرفتند. سپس، موضوعات مختلف مطرح در اين پژوهشها مورد طبقه بندي قرار گرفتند. كليه موضوعات به صورت مفاهيم طبقه بندي شده و در قالب يك ماتريس مفهومي ارائه شدند و اين ماتريس ضمن مشخص كردن جايگاه اين مفاهيم، خلاءهاي پژوهشي موجود را نيز مشخص ميسازد. پژوهشهاي صورت گرفته قبلي در حوزه دادههاي بزرگ در سيستمهاي اطلاعاتي، ماليه و حسابداري در قالب شش موضوع دستهبندي ميگردند. اين شش حوزه مطالعاتي عباتند از ريسك و امنيت، تصويرسازي دادهها و تحليلهاي پيشگويانه، مديريت دادهها و كيفيت دادهها. افزايش كمي ميزان پژوهش در اين حوزه منجر به بهبود در عملكرد صنعت و افزايش فرصتهايي جهت انجام تحقيقات بين رشتهاي خواهد شد.

The present study seeks to address the way whereby academic literature can make use of ‘big data’ in accounting and finance. It also aims to present a review of big data academic research in information systems, accounting and finance, and to underscore the relevant research gaps. This paper is also concerned with investigating the main question of the research as what the major topics in existing literature in big data are and where the resulting gaps in the accounting and finance literature are. In doing so, a sample of 47 accounting, finance and information systems journals from 2007–2016 were analyzed. Having analyzed the related literature, the article suggests a taxonomy of themes in terms of a conceptual matrix in which the themes are used as concepts, and the matrix designates where they appear, and where there are potential areas for further research. Prior research in big data in accounting, finance and information systems falls into six themes, namely risk and security, data visualization and predictive analytics, data management and data quality. Increased research in these areas will result in improvements in industry practices, and opportunities for cross-disciplinary research.