بکارگیری داده های بزرگ در پژوهش های مالی و حسابداری

پژوهش حاضر به دنبال بررسی چگونگی استفاده از دادههای بزرگ در پژوهشهای مالی و حسابداری است. بدین منظور، سعی بر آن است تا ضمن ارائه مروری از پژوهشهای صورت گرفته با استفاده از دادههای بزرگ در حوزه سیستم های اطلاعاتی، حسابداری و مالی، خلاءهای تحقیقاتی موجود در دو حوزه حسابداری و مالی مورد تاکید قراردهد. این مطالعه به دنبال یافتن پاسخ این سوالات است که »موضوعات اصلی مطرح در پژوهشهای جاری در حوزه دادههای بزرگ چه هستند و متعاقبا، چه خلاءهای پژوهشی در ادبیات پژوهشی مالی و حسابداری وجود دارد؟.« برای پاسخ به این سوالات، 47 مجله با موضوع سیستمهای اطلاعاتی، مالیه و حسابداری منتشر شده در فاصله بین سالهای 2007 تا 2016 مورد تجزیه و تحلیل قرار گرفتند. سپس، موضوعات مختلف مطرح در این پژوهشها مورد طبقه بندی قرار گرفتند. کلیه موضوعات به صورت مفاهیم طبقه بندی شده و در قالب یک ماتریس مفهومی ارائه شدند و این ماتریس ضمن مشخص کردن جایگاه این مفاهیم، خلاءهای پژوهشی موجود را نیز مشخص میسازد. پژوهشهای صورت گرفته قبلی در حوزه دادههای بزرگ در سیستمهای اطلاعاتی، مالیه و حسابداری در قالب شش موضوع دستهبندی میگردند. این شش حوزه مطالعاتی عباتند از ریسک و امنیت، تصویرسازی دادهها و تحلیلهای پیشگویانه، مدیریت دادهها و کیفیت دادهها. افزایش کمی میزان پژوهش در این حوزه منجر به بهبود در عملکرد صنعت و افزایش فرصتهایی جهت انجام تحقیقات بین رشتهای خواهد شد.

using big data in accounting and finance literature

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.