欢迎来到数据世界！
你好！欢迎来到管理会计中最重要的基石之一。试想管理人员就像一位厨师，为了烹调出一道佳肴（做出优秀的决策），他们需要正确的配料。在商业世界中，这些配料就是数据（Data）。在本章中，我们将探索这些数据从何而来、我们如何收集它们，以及它们有哪些不同的“风味”。别担心如果你还不是个“数学高手”——本章主要是理解信息背后的逻辑！
1. 内部与外部数据来源
数据不会凭空出现，它们通常来自两个主要地方：企业内部或企业外部。
内部来源
这些数据已经存在于你的组织之内。它们通常很容易获取，且成本极低。
例子：查看你自己的银行对账单，看看上个月在咖啡上花了多少钱。
常见的内部来源包括：
• 会计记录： 销售发票、采购订单及薪酬详情。
• 生产部门： 关于产品制造数量或机器使用时数的资料。
• 人事/人力资源部门： 关于员工流失率、病假率及培训成本的记录。
• 库存记录： 仓库中还剩下多少原材料。
外部来源
有时候，你企业内部的“冰箱”空空如也，你需要去为信息“买菜”。这就是外部数据。
例子：查看价格比较网站，看看其他商店同款咖啡的售价是多少。
常见的外部来源包括：
• 政府统计数据： 关于通胀、失业率或经济增长的报告（例如由政府统计部门发布的资料）。
• 行业刊物： 专门针对你所属行业的杂志或网站（例如专为建筑商或牙医而设的杂志）。
• 互联网： 获取竞争对手价格和客户评论的庞大资源库。
• 专业团体： 如 ACCA 或 CIMA 等组织提供的行业标准及最新资讯。
快速回顾：
• 内部： 便宜、快捷、专属于你的公司。
• 外部： 提供“宏观视野”，有助于与竞争对手进行基准比较（Benchmarking）。
2. 原始数据（Primary Data）与二手数据（Secondary Data）
按数据“谁先收集”来区分数据很有帮助。这是常见的考试重点，让我们弄清楚吧！
原始数据（Primary Data）
这是为了手头上的特定目的而专门收集的数据。它是“新鲜”且“原创”的。
类比：你自己亲手拍一张照片，以便确切了解此刻发生了什么。
优点： 正是你所需要的。
缺点： 收集成本可能很高，且非常耗时。
二手数据（Secondary Data）
这是指已经被他人收集，原本用于其他目的，但你现在正在使用的数据。
类比：使用教科书或 Google 图片搜索找到的照片。
优点： 便宜且容易找到。
缺点： 可能过时，或者并不完全符合你的需求。
记忆小撇步：
Primary（原始） = Purpose-built（为目的而建，即新的）
Secondary（二手） = Second-hand（二手，即已使用的）
3. 抽样方法（如何挑选数据）
想象你有一个装满 10,000 颗汤圆的大碗，你想知道它们味道如何。你不会把它们全部吃完——那样太花时间了！相反，你会取一个样本（一汤匙）。在管理会计中，我们使用抽样来节省时间和金钱。
A. 随机抽样（Random Sampling）
总体中的每一项都有均等的机会被选中。我们通常会使用随机数生成器来进行。
常见错误：认为“随意”（捡起手边最近的东西）就是“随机”。在会计学中，随机必须是数学上公平的！
B. 系统抽样（Systematic Sampling）
我们每隔第 \(n\) 个项目进行选取。
例如，如果有 100 张发票，我们想检查 10 张，我们就每隔 10 张抽出一张。
间隔公式为：\( \text{Interval} = \frac{\text{Population Size (总体大小)}}{\text{Sample Size (样本大小)}} \)
C. 分层随机抽样（Stratified Random Sampling）
这是一种高级说法，意思就是先将总体划分为层（Strata），然后从每一层中随机抽样。
例子：如果一家公司有 60% 女性和 40% 男性，一个 10 人的分层样本将确保选出 6 名女性和 4 名男性，这使样本更具代表性。
D. 配额抽样（Quota Sampling）
这类似于分层抽样，但并非随机。访问员被告知要找到 20 名 50 岁以上的人，一旦找到 20 人，他们就停止。这方法很快，但容易产生偏差。
E. 整群抽样（Cluster Sampling）
我们将总体划分为“群组”（通常基于地理位置），然后选择整个群组来进行测试。
例子：要检查一个国家的学校质量，你可能会随机选取 5 个城市，然后检查这些城市中的“每一间”学校。
F. 多阶段抽样（Multistage Sampling）
这是“样本中的抽样”。
例子：选取 5 个城市（第 1 阶段），然后在每个城市选 3 间学校（第 2 阶段），最后在每间学校选 10 名学生（第 3 阶段）。
重点总结： 使用随机抽样以保公平，分层抽样以求精确，整群/多阶段抽样则可节省交通时间和成本。
4. 大数据：现代来源
你可能听过这个流行词。大数据（Big Data）是指每秒从社交媒体、传感器和 GPS 产生海量数据的统称。
如果起初觉得有点复杂，别担心；只需记住大数据的“4V”特征：
1. Volume（容量）： 数据量极大。
2. Velocity（速度）： 产生与传输的速度非常快（实时）。
3. Variety（多样性）： 形式多样（视频、文字、数字、“赞”的数据）。
4. Veracity（真实性）： 数据准确吗？（有时大数据可能很“混乱”或虚假）。
你知道吗？ 像 Amazon 这样的公司利用大数据来预测你想要购买的东西，甚至在你意识到自己想要之前就预测到了！这对管理会计师而言，是预测销售额强大的外部数据来源。
5. 总结与最后贴士
在 MA 考试中，本章题目经常要求你识别来源是内部还是外部，或者描述的是哪种抽样方法。
成功小贴士：
• 如果题目提到“每第 10 张”或“每第 50 个”，答案几乎总是系统抽样。
• 如果题目提到“子群组（Sub-groups）”或“比例（Proportions）”，请留意分层抽样或配额抽样。
• 原始数据昂贵但完美；二手数据便宜但可能与你的需求“不匹配”。
做得好！你已经掌握了数据来源的精髓。现在你已经准备好进入下一个阶段，学习如何将这些原始数据转化为有用的信息了！