導語：財務決策中的數據挖掘的應用論文一文來源于網友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：在現代社會中，公司大多數財務流程的核心部分是數據。而數據挖掘的任務就是在如此海量的數據中發(fā)現有用的數據。針對財務決策中面對的數據海洋的現狀，如何采用數據挖掘這個技術，提高財務決策的效率，提出了對策。

關鍵詞：數據挖掘；財務流程；財務決策

1數據挖掘的概念和技術

數據挖掘是針對非常大的數據進行的研究和分析。它采用自動或半自動的程序，對數據中固有的先前未知的潛在有用信息進行抽取。數據挖掘的起源可追溯到20世紀50年代人工智能的早期發(fā)展。在此期間，模式識別和基于規(guī)則推理的發(fā)展提供了基礎構建塊，數據挖掘就建立在這些概念的基礎之上。在最近10年中，大型業(yè)務數據庫（特別是數據倉庫）使用量的增長以及對這些數據的理解和解釋的需要，再加上相對廉價的計算機的供應，導致數據挖掘在各種業(yè)務應用中的使用急劇增長。這些應用從零售業(yè)務的顧客細分和市場購物籃分析，到銀行業(yè)務和金融業(yè)務應用中的風險分析和欺騙偵查，涉及面非常廣泛。

多年來各國學者已開發(fā)了多種數據挖掘技術，用于大量的數據集中探索和抽取信息?？偟恼f來，數據挖掘技術分為兩大類：探索型數據挖掘和預測型數據挖掘。探索型數據挖掘包括一系列在預先未知任何現有模式的情況下，在數據內查找模型的技術。探索型數據挖掘包括分群、關聯(lián)分析和頻度分析技術。預測型挖掘包括一系列在數據中查找特定變量（稱為“目標變量”）與其它變量之間關系的技術。預測型挖掘常用的有分類和聚類、數值預測技術。數據挖掘使用的算法很多，主要包括統(tǒng)計分析、機器學習、決策樹、粗糙集、人工神經網絡和徑向基函數（RBF）等。

數據挖掘的程序主要分為以下5個步驟：

1)定義問題。清晰地定義出業(yè)務問題，確定數據挖掘的目的。

2)數據準備。數據準備包括：選擇數據——在大型數據庫和數據倉庫目標中提取數據挖掘的目標數據集；數據預處理——進行數據再加工，包括檢查數據的完整性及數據的一致性、去噪聲，填補丟失的域，刪除無效數據等。

3)數據挖掘。根據數據功能的類型和數據的特點選擇相應的算法，在凈化和轉換過的數據集上進行數據挖掘。

4)結果分析。對數據挖掘的結果進行解釋和評價，轉換成為能夠最終被用戶理解的知識。

5)知識的運用。將分析所得到的知識集成到業(yè)務信息系統(tǒng)的組織結構中去。

2財務決策中應用數據挖掘的必要性

一個財務決策的正確程度取決于所使用的事實和數字的正確程度。隨著競爭的增加，財務決策的時效性也變得越來越重要了。因此，在財務決策領域應用數據挖掘是企業(yè)現實的需要。

（1）有利于提高財務信息的利用能力。解決企業(yè)財務決策問題需要以詢問為中心的數據圖解，其以序列導向和多維為特征。而傳統(tǒng)的財務數據查詢是一種事務處理，它是面向應用、支持日常操作的，對查詢得到的數據信息缺乏分析能力，決策者不能夠在大量歷史數據的支持下對某一主題的相關數據進行多角度的比較、分析，得出科學的分析結果。因此，財務決策問題自身的多維特性驅動了數據挖掘領域的應用。

（2）有利于解決財務信息的噪音問題。由于網絡技術的發(fā)展，企業(yè)可以通過Intranet、Extranet、Internet方便獲取各種企業(yè)內部、關聯(lián)方及外部資料。現今的問題已不是信息缺乏，而是信息過量，難以消化，且信息真假難辨，可靠性難以保證。所以，對企業(yè)來說，這時就需要高效的數據分析工具在浩瀚的信息流中分辨、析取、整理、挖掘對財務決策有用的信息，減少信息噪音的影響。

（3）有利于滿足財務信息智能化的需求。由于決策本身的動態(tài)性、復雜性，決策者本身素質層次的多樣性，不同的情況應有不同的處理方式。傳統(tǒng)的數據析取是依靠程序人員在系統(tǒng)開發(fā)過程中設計的專用程序來實現，非常機械化。隨著數據量的增大，查詢的復雜化，這種方式越來越不可取。決策者希望信息的折取過程能夠智能化，如不僅能對自己想到的信息進行訪問，還能對自己想不到卻需要的信息進行訪問，對同樣數據進行多次訪問時，不必做重復操作；不同決策者作相似訪問時，也不必進行重復操作等。

3財務決策中數據挖掘的應用流程

3.1優(yōu)化基于數據挖掘的公司財務決策基礎環(huán)境

1）硬件及其應用。數據挖掘需要有一定存儲量和運算能力的計算機，要充分發(fā)揮數據挖掘在財務分析中的作用，還需要實現管理信息系統(tǒng)的網絡化，構建財務業(yè)務一體化的企業(yè)管理信息系統(tǒng)。在IT環(huán)境下，網絡是提供信息傳遞和信息共享的基石，公司應該根據自身的實際情況，構建適合的網絡硬件解決方案。主要包括:選擇什么樣的技術架構、進行服務器和客戶端的配置等。

2）軟件及其應用。以會計信息系統(tǒng)為核心的企業(yè)管理信息系統(tǒng)是實現數據挖掘在財務分析中應用的基礎，可以為數據挖掘提供各種財務數據。公司構建管理信息系統(tǒng)時，在滿足核算和控制需要的前提下，應該充分考慮數據分析和信息集成的需要，為數據挖掘的應用提供支持。公司構建的信息系統(tǒng)應該能夠保證在業(yè)務發(fā)生的同時盡可能收集分析所需要的各種數據，并以恰當的數據結構存儲在數據庫中，在需要時提取到數據倉庫或數據集市中，供數據挖掘分析處理。

3.2建立基于數據挖掘的財務決策支持系統(tǒng)模型

數據挖掘是在大型數據庫或數據倉庫基礎上進行深入的數據分析，從而獲取海量數據中隱藏的關鍵信息的主要手段。因此，為了進一步提高財務決策的支持能力，可以將它們結合起來構成一種新型的財務決策支持框架。在數據倉庫為財務決策提供完整、及時、準確和明了的綜合數據的基礎上，通過進行有效集中分析和深入研究，可以發(fā)現趨勢，看到異常，并得到重要細節(jié)。而數據挖掘則可通過使用一系列方法進行分析，從中識別和抽取隱含、潛在的有用知識，并充分利用這些知識輔助財務決策。3.3建立財務決策中數據挖掘流程

財務決策中的數據挖掘流程一般由財務決策問題識別、數據準備、數據開采和結果表達和解釋四個主要階段構成，如圖1所示。

（1）財務決策問題識別。典型的財務決策有投資決策、籌資決策、成本決策、銷售決策等。在進行數據挖掘前，必須先對具體財務決策問題進行識別，即要確定進行什么決策、達到什么樣的決策目標等。然后再將財務決策目標轉換成數據挖掘目標，并進行定義。

（2）數據準備。這個階段又可分成3個子步驟，即數據集成、數據選擇和數據預處理。數據集成是將多文件或多數據庫運行環(huán)境中的數據進行合并處理，解決語義模糊性、處理數據中的遺漏和清洗臟數據等。數據選擇的目的是辨別出需要分析的數據集合，縮小處理范圍，提高數據挖掘的質量。而預處理則是為了克服目前數據挖掘工具的局限性。

（3）數據采掘。這一階段主要進行實際的數據挖掘工作，主要包括決定如何產生假設、選擇合適的工具、發(fā)掘知識的操作和證實發(fā)現的知識等步驟。

（4）結果表達和解釋。根據用戶的財務決策目的對提取的信息進行分析，把最有價值的信息區(qū)分出來，并提交給用戶。如果結果不能讓決策者滿意，則重復進行上述過程。

參考文獻

［1］陳元佐.企業(yè)的數據倉庫模型建立［J］.貴州大學學報(自然科學版),2001,(01).

［2］羅可,蔡碧野,卜勝賢,謝中科.數據挖掘及其發(fā)展研究［J］.計算機工程與應用,2002,(14).