随着会计大数据时代的到来，传统的关系型数据库管理系统已经远远不能满足信息发展的需要，然而，基于云计算模式下的数据仓库将能够解决海量数据的导入、查询和统计分析，其中海量数据可以是结构化、非结构化以及结构可变的数据。可以说，云计算技术给数据仓库的建立以及高效计算带来了一次革命。

　　企业应用

　　由于是基于标准的企业数据仓库设计的，企业数据仓库建立完成之后，就可以进行标准化数据的导入与导出了。因此，根据标准基础性数据这一特征，可以实现会计信息共享的效果。

　　由此建立起来的会计数据资源库，不仅可以对本单位的发展历史进行纵向的分析，还可以进行数据扩展，如搜集上市公司公开披露的有关会计数据，建立行业类的会计数据资源库，从而进行行业分析，并与本单位相关经济业务数据进行比较，找出自身的优势与劣势，以提高本单位相关决策的质量。企业使用了数据仓库之后，可以进行基础性数据的查询，不仅能够对业务数据的分析提供查询服务，还能通过商业智能提供查询基础性数据的服务。企业可以根据自己的需求分析，在数据仓库的基础上，建立“数据集市”，从而分析具体的领域。

　　行业应用

　　企业如何通过强大的机器算法更迅速地完成对数据价值的“提纯”，就要看如何在云计算服务的模式下，对大数据的数据仓库进行怎样的深度数据挖掘。

　　所谓数据挖掘，也被称为知识发现，是指通过对大量数据进行处理分析，从中发现有用的规律和知识，从而加深对数据的理解，最终为决策提供服务的过程。

　　如今基于云计算模式之下的数据挖掘，使得用户不需要具体了解内部的复杂分析算法，只需要选择合适的算法来处理数据，就可以最终得到数据挖掘的结果。

　　XBRL(可扩展商业报告语言)的产生和发展，为会计数据的标准化做出了巨大的贡献。它极大地提高了会计数据的获取和使用效率，促进会计信息系统的开发和应用。会计数据进行了标准化规范之后，基于标准化数据的数据仓库可以对数据进行导入或者导出。通过导入已经披露的上市公司数据，通过多维度多角度设置可以获得其他公司经营状况的一些信息，通过数据挖掘技术从大量数据中发现有用的信息，进而有利于信息使用者发现这些历史数据存在的潜在联系，就可以对未知的商业活动进行预测。

　　在同一个行业里，会计数据的同质性强，可以建立行业分析模型，对会计数据进行挖掘和分析，也可以对收入、成本、利润、费用等进行行业比较分析、区域市场分析、增长情况分析等，从而发现经济的近期和远期规律，以控制行业风险、挖掘市场潜力，提升行业竞争力。

　　宏观应用

　　会计数据的标准化，使不同行业和地区单位都在同一的标准下形成可以统一处理的数据，这为建立社会性的大会计数据打下了基础，使会计数据的宏观应用成为可能。

　　信息技术的发展，在网络传输、数据库支撑、高性能服务器等方面都已经满足了大数据存储和处理的需求。而XBRL标准的应用和推广，为大数据的获取提供了可能。

　　建立宏观的会计数据库后，按照需要建立数据模型，基于数据挖掘和分析工具就能快速获得分析的结果。这为一个地区或较大的区域进行决策提供了的支撑条件，可以充分发挥会计数据的综合分析能力，分析出经济的趋势。

　　会计大数据同时也给我们带来了机遇，赋予我们洞察未来的能力。马云就是通过大数据成功预测2008年国际金融危机，“2008年初，阿里巴巴平台上整个买家询盘数急剧下滑，欧美对中国的采购在下滑。海关是卖了货，出去以后再获得数据;而我们提前半年时间从询盘上就推断出世界贸易发生变化了。”

　　应用的新天地

　　会计数据的标准化，已经为建立国家会计数据中心提供了前提条件。

　　会计数据是准确反映一个国家经济运行情况的“晴雨表”。通过历史数据的分析，可以反映未来的经济运行走势。通过会计数据中心，可以按照行业、地区、月度、季度、年度等多个维度进行分析，从不同侧面分析经济运行情况，为国家决策提供可靠的依据。

　　按照云计算技术，可以建立会计分中心，通过互联网将数据整合为一体，实现数据的分布式计算，达到快速处理的目的。

　　通过会计数据中心，可以不断积累数据。而历史数据积累越多，越能为长期趋势分析提供更多的数据基础，就能对经济问题的成因进行深度的剖析，这对控制经济按照最优的模式运行提供了手段。同时，还可从多个角度按照趋势分析的结论进行经济推演，进而就未来可能发生的问题准备预案，提高经济运行的质量。