導(dǎo)語：大數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析的應(yīng)用一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：近年來，隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算以及三網(wǎng)融合等信息和新興技術(shù)的迅速發(fā)展，現(xiàn)代信息社會已經(jīng)邁入了大數(shù)據(jù)時(shí)代，大數(shù)據(jù)的價(jià)值之大，并不是混沌無序的數(shù)據(jù)所創(chuàng)造的，而是通過對這些數(shù)據(jù)進(jìn)行深入分析并發(fā)現(xiàn)知識實(shí)現(xiàn)的。目前傳統(tǒng)的財(cái)務(wù)分析暴露出越來越多的缺點(diǎn)，若將大數(shù)據(jù)挖掘技術(shù)應(yīng)用其中，可以大大提高財(cái)務(wù)分析工作的效率和質(zhì)量。因此，本文主要分析了大數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析方面的應(yīng)用，以期能夠更好的幫助企業(yè)進(jìn)行決策。

關(guān)鍵詞：大數(shù)據(jù)；數(shù)據(jù)挖掘技術(shù)；財(cái)務(wù)分析

一、引言

目前社會正處于一個(gè)以數(shù)據(jù)為驅(qū)動的時(shí)代，大數(shù)據(jù)發(fā)展的浪潮持續(xù)洶涌，數(shù)據(jù)信息已經(jīng)成為企業(yè)非常寶貴的資源。而企業(yè)經(jīng)營的一系列活動都會以數(shù)據(jù)的形式進(jìn)行保存并記錄，數(shù)據(jù)呈現(xiàn)爆炸式增長的事態(tài)，人工在短時(shí)間內(nèi)是無法合理完成數(shù)據(jù)的收集、管理并處理成有用的信息。奈斯比特在《大趨勢》中曾說：“盡管我們沉浸在信息的海洋中，卻十分渴望所需要的知識”。從這句話中可以看出，我們?nèi)狈Φ牟皇菙?shù)據(jù)，而是一種有效的分析工具，從海量的數(shù)據(jù)中挖掘到有價(jià)值的信息，在這種情況下，應(yīng)用大數(shù)據(jù)挖掘技術(shù)就非常有必要了。近年來算法優(yōu)化和數(shù)據(jù)建模等領(lǐng)域?qū)崿F(xiàn)了多項(xiàng)突破，使得大數(shù)據(jù)挖掘技術(shù)能夠快速的在財(cái)務(wù)分析中應(yīng)用和推廣。而財(cái)務(wù)分析是企業(yè)經(jīng)營管理非常重要的一環(huán)，傳統(tǒng)的財(cái)務(wù)分析因其固有的局限性，使財(cái)務(wù)人員在分析多年的財(cái)務(wù)數(shù)據(jù)和行業(yè)數(shù)據(jù)都感到很棘手，往往不能發(fā)現(xiàn)隱藏在財(cái)務(wù)數(shù)據(jù)背后的內(nèi)在聯(lián)系。因此，將大數(shù)據(jù)挖掘技術(shù)應(yīng)用于財(cái)務(wù)分析，從海量信息中挖掘有用的信息，幫助管理者更好的進(jìn)行決策就顯得尤為重要。

二、大數(shù)據(jù)挖掘的概述

(一)大數(shù)據(jù)概念。目前，對于大數(shù)據(jù)還沒有一個(gè)公認(rèn)的定義，最早是由“BigData”譯過來的，麥肯錫在《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個(gè)前言》指出：“大數(shù)據(jù)是指大小超過了傳統(tǒng)數(shù)據(jù)庫軟件工具的抓取、存儲、管理和分析能力的數(shù)據(jù)群”。雖然這個(gè)定義帶有一定的主觀性，但是隨著科學(xué)技術(shù)的不斷進(jìn)步，數(shù)據(jù)不僅巨量而且還復(fù)雜，巨量則意味著數(shù)據(jù)數(shù)量龐大，如果處理海量數(shù)據(jù)耗費(fèi)超過了企業(yè)可承受的能力，則企業(yè)將會落后于同行。而復(fù)雜則意味著數(shù)據(jù)是多元化的，不僅僅是只有過去的結(jié)構(gòu)化數(shù)據(jù)，也包含著半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。因此企業(yè)要想在市場上獲得持久的競爭力，必須要提高對這些“數(shù)據(jù)”的加工能力，實(shí)現(xiàn)數(shù)據(jù)的“增值”。(二)數(shù)據(jù)挖掘概念。數(shù)據(jù)挖掘是一個(gè)發(fā)現(xiàn)數(shù)據(jù)特征和模式的過程，它的目標(biāo)包括概念學(xué)習(xí)、特征識別、模式分布、規(guī)則提取和預(yù)測等。通過仔細(xì)分析經(jīng)營活動中具有特定聯(lián)系的數(shù)據(jù)，以此進(jìn)行適當(dāng)?shù)耐茰y，進(jìn)一步挖掘其中存在的潛在關(guān)系，更好的幫助企業(yè)優(yōu)化業(yè)務(wù)運(yùn)營、識別風(fēng)險(xiǎn)、預(yù)測新的商業(yè)機(jī)遇。一般來說，數(shù)據(jù)挖掘的流程大致可以分為三個(gè)階段：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘以及結(jié)果評價(jià)，如圖1所示。(三)數(shù)據(jù)挖掘技術(shù)應(yīng)用于財(cái)務(wù)分析的可行性分析。目前，隨著計(jì)算機(jī)技術(shù)和大數(shù)據(jù)技術(shù)的迅速發(fā)展，硬件技術(shù)不斷的迭代更新，為搜集、處理并儲存海量的財(cái)務(wù)數(shù)據(jù)提供了保障，并且大數(shù)據(jù)技術(shù)還能使得半結(jié)構(gòu)化以及非結(jié)構(gòu)化的數(shù)據(jù)標(biāo)準(zhǔn)化。同時(shí)，云計(jì)算、Web存儲等軟件技術(shù)的發(fā)展，為企業(yè)進(jìn)行財(cái)務(wù)分析時(shí)提供了軟件支持。軟硬件結(jié)合，為挖掘技術(shù)在財(cái)務(wù)分析中的應(yīng)用提供了可能。另外，企業(yè)做的每一項(xiàng)決策，都會從成本效益角度出發(fā)，而利用大數(shù)據(jù)挖掘技術(shù)進(jìn)行財(cái)務(wù)分析，可以有效的降低成本，提高企業(yè)對信息的利用效率。通過數(shù)據(jù)挖掘技術(shù)，企業(yè)進(jìn)行財(cái)務(wù)分析時(shí)能夠獲取大量相關(guān)的有用數(shù)據(jù)，這個(gè)過程主要與互聯(lián)網(wǎng)和企業(yè)的信息系統(tǒng)相通，不需要投入巨大的人力物力，而后期的分析也是在電腦上進(jìn)行操作，所以，整體來看能取得以低成本手段達(dá)到高收益效果。

三、以數(shù)據(jù)挖掘視角看傳統(tǒng)財(cái)務(wù)分析

首先，傳統(tǒng)的財(cái)務(wù)分析具有一定滯后性，比較重視反映企業(yè)經(jīng)營活動的歷史，對未來發(fā)展前景的反應(yīng)欠缺。計(jì)量屬性主要以歷史為主，大都提供一些歷史的財(cái)務(wù)信息，而企業(yè)作為一個(gè)營利組織，要重視自身的長遠(yuǎn)發(fā)展，在做決策時(shí)僅僅依賴歷史信息是不夠的。企業(yè)的經(jīng)營活動每天都會更新大量信息，所以及時(shí)挖掘有用的信息能夠提高企業(yè)財(cái)務(wù)分析的效率。其次，傳統(tǒng)的財(cái)務(wù)分析具有一定的片面性，主要是以定量的方式來分析財(cái)務(wù)報(bào)表各項(xiàng)目之間的數(shù)量關(guān)系，計(jì)算比較簡單，比較大的缺陷是當(dāng)數(shù)據(jù)比較多時(shí)，很難找出數(shù)據(jù)背后隱藏的信息，簡單的數(shù)量關(guān)系并不能給管理者帶來很好的利用價(jià)值。而目前大數(shù)據(jù)技術(shù)快速發(fā)展，企業(yè)能夠獲取各種各樣的數(shù)據(jù)，不僅僅局限在簡單的數(shù)量關(guān)系上，所以把數(shù)據(jù)挖掘技術(shù)應(yīng)用到財(cái)務(wù)分析中，將數(shù)據(jù)加工成有價(jià)值的信息，可以輔助管理者進(jìn)行決策。最后，會計(jì)政策選擇對財(cái)務(wù)分析的影響是不同的，在一定程度上會干擾可比性，不同行業(yè)或者相同行業(yè)的不同公司，財(cái)務(wù)政策的選用對財(cái)務(wù)信息的影響差別是很大的，傳統(tǒng)的財(cái)務(wù)分析一般都是同行業(yè)之間進(jìn)行對比，行業(yè)不同財(cái)務(wù)指標(biāo)是不能直接橫向比較的。但數(shù)據(jù)挖掘技術(shù)可以將大量的數(shù)據(jù)進(jìn)行處理，使其標(biāo)準(zhǔn)化，為不同行業(yè)的企業(yè)進(jìn)行橫向財(cái)務(wù)比較提供可能。

四、數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析應(yīng)用中的主要內(nèi)容

(一)數(shù)據(jù)挖掘在財(cái)務(wù)指標(biāo)中的應(yīng)用。傳統(tǒng)的財(cái)務(wù)分析最常用的方法就是定量分析方法，局限于歷史數(shù)據(jù)，主要依賴企業(yè)的財(cái)務(wù)報(bào)表，指標(biāo)計(jì)算要等到報(bào)表出來以后才能進(jìn)行，具有一定的片面性和滯后性。而將大數(shù)據(jù)挖掘技術(shù)應(yīng)用到財(cái)務(wù)指標(biāo)的計(jì)算中，雖然沒有改變其計(jì)算公式，但是它能夠?qū)?jì)數(shù)據(jù)庫和其他業(yè)務(wù)數(shù)據(jù)庫中海量的數(shù)據(jù)綜合的處理，實(shí)現(xiàn)實(shí)時(shí)分析，也能夠快速實(shí)現(xiàn)與行業(yè)內(nèi)其他公司的業(yè)績指標(biāo)相比的功能。(二)數(shù)據(jù)挖掘在投融資決策的應(yīng)用。對于企業(yè)來說，投融資是一個(gè)非常復(fù)雜的過程，企業(yè)要綜合考慮投資項(xiàng)目的內(nèi)外部環(huán)境，借助大量的統(tǒng)計(jì)工具和應(yīng)用模型，但是大數(shù)據(jù)技術(shù)能夠?qū)崟r(shí)提供投資環(huán)境及行業(yè)狀況的資料，以此建立起來的模型能夠使企業(yè)挖掘更多有價(jià)值的信息，從而確保企業(yè)投資的效率和準(zhǔn)確性。而對于融資而言，融資量、融資方式以及渠道等都是不容忽視的環(huán)節(jié)，企業(yè)不僅需要了解所處的政治、法律、金融等環(huán)境，還要了解企業(yè)籌集資金的用途和性質(zhì)。這時(shí)，企業(yè)利用數(shù)據(jù)挖掘技術(shù)，可以擺脫原來預(yù)設(shè)模型的約束，運(yùn)用回歸分析模型，預(yù)測未來需要籌資的數(shù)量，同時(shí)還可以運(yùn)用關(guān)聯(lián)模型挖掘到企業(yè)最合適的籌資方式，以便管理者更好的進(jìn)行決策。(三)數(shù)據(jù)挖掘在財(cái)務(wù)預(yù)警中的應(yīng)用?？刂圃u價(jià)是財(cái)務(wù)分析中重要的一環(huán)，傳統(tǒng)財(cái)務(wù)分析的做法是在每一個(gè)期間結(jié)束后，根據(jù)結(jié)果數(shù)據(jù)與原來設(shè)定的預(yù)算數(shù)據(jù)作比較，找出其中的差距并分析原因。但是這樣難免有滯后性。而大數(shù)據(jù)挖掘技術(shù)能夠?qū)崟r(shí)快速的挖掘數(shù)據(jù)，將系統(tǒng)數(shù)據(jù)和預(yù)算數(shù)據(jù)進(jìn)行比較，當(dāng)發(fā)現(xiàn)偏差超過預(yù)設(shè)幅度，就立即會發(fā)出預(yù)警，引起管理者的注意。因此，大數(shù)據(jù)挖掘技術(shù)能夠使事后評價(jià)轉(zhuǎn)變?yōu)槭轮袑?shí)時(shí)預(yù)警。

五、大數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析中的工作流程

數(shù)據(jù)挖掘并不是簡單的套用復(fù)雜的算法或模型，也不是對數(shù)據(jù)進(jìn)行簡單的整理、建模以及分析，它是一個(gè)解決問題的方案和完整的流程，能夠帶給企業(yè)管理者一些有價(jià)值的信息，幫助其更好的進(jìn)行決策。一個(gè)完整的數(shù)據(jù)挖掘過程一般包括問題識別、數(shù)據(jù)集成、數(shù)據(jù)準(zhǔn)備、模型建立、模型評價(jià)和部署應(yīng)用等六個(gè)階段，如圖2所示。流程的第一步是要進(jìn)行問題識別，大數(shù)據(jù)挖掘的目標(biāo)是通過數(shù)據(jù)分析發(fā)現(xiàn)能夠解決問題的知識。所以，要找出財(cái)務(wù)分析中有哪些問題以及問題是什么才能夠?yàn)榇髷?shù)據(jù)挖掘找準(zhǔn)方向。其次就是數(shù)據(jù)集成與數(shù)據(jù)準(zhǔn)備，由于財(cái)務(wù)數(shù)據(jù)的價(jià)值存在于不同的系統(tǒng)、不同的用戶之間傳遞和共享。與此同時(shí)，數(shù)據(jù)是非常容易被破壞的，所以這里重點(diǎn)關(guān)注獲取的財(cái)務(wù)數(shù)據(jù)是否符合解決問題的需要。根據(jù)不同的需求，選擇合適的數(shù)據(jù)，例如投資者關(guān)心銷售利潤率、資本增值率等指標(biāo)，債權(quán)人關(guān)心的是企業(yè)資產(chǎn)負(fù)債率、速動比率等等。而數(shù)據(jù)準(zhǔn)備可以將一些冗余數(shù)據(jù)以及格式不一致的數(shù)據(jù)進(jìn)行處理，例如對一些文件、圖形等通過技術(shù)轉(zhuǎn)換成便于挖掘的數(shù)據(jù)集合進(jìn)行儲存，為下一步做準(zhǔn)備。接下來是模型建立，數(shù)據(jù)建模是大數(shù)據(jù)挖掘最核心的環(huán)節(jié)，這一階段需要根據(jù)不同的任務(wù)，對海量的財(cái)務(wù)數(shù)據(jù)進(jìn)行建模分析，例如在進(jìn)行投資收益預(yù)測時(shí)，企業(yè)可以選擇決策樹、遺傳算法等。接著是模型的評價(jià)，一般來講，主要包括功能性評價(jià)和服務(wù)型評。功能性評價(jià)指從技術(shù)上評價(jià)所建立模型對于完成財(cái)務(wù)分析任務(wù)的質(zhì)量，而服務(wù)型評價(jià)主要是考察用戶的認(rèn)可度如何，進(jìn)而找出該模式的不足，不斷的進(jìn)行修正，更有甚者，需要不斷地建立新的模型。只有建立最適合的模型，才能為企業(yè)財(cái)務(wù)分析提供可靠并且有價(jià)值的知識。最后就是部署應(yīng)用階段，當(dāng)大數(shù)據(jù)挖掘技術(shù)建立并經(jīng)過驗(yàn)證之后，可以將其應(yīng)用到不同的數(shù)據(jù)集上，為企業(yè)所用。

六、結(jié)論

大數(shù)據(jù)時(shí)代隨著數(shù)據(jù)的不斷增加和問題求解規(guī)模的不斷擴(kuò)張，基于報(bào)表的傳統(tǒng)財(cái)務(wù)分析具有一定的片面性以及滯后性，已經(jīng)不能滿足企業(yè)的需求，而大數(shù)據(jù)挖掘技術(shù)運(yùn)用到財(cái)務(wù)分析中，可以快速實(shí)時(shí)挖掘到隱藏在海量數(shù)據(jù)中有價(jià)值的信息，使得企業(yè)管理者更好的進(jìn)行決策。未來，隨著信息技術(shù)的不斷發(fā)展，大數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析中的應(yīng)用會越來越成熟。

作者:劉念 單位:首都經(jīng)濟(jì)貿(mào)易大學(xué)會計(jì)學(xué)院