財務報表內外數據挖掘技術的運用

李夏

[摘 要]現代企業越來越意識到財務的重要，除了報表內信息，報表外信息的運用也備受關注。大數據時代的背景下，數據挖掘技術運用的領域在逐步擴寬，財務信息領域也不可避免。但整體上看，研究財務信息的數據挖掘技術一直相對較少，且大多是只針對財務信息中的一部分進行研究，全面研究的文章少之又少。文章試圖從財務數據和非財務數據兩方面闡述數據挖掘技術在各自中的運用。針對挖掘過程中遇到的問題進行淺析，為以后的研究提供一種新的思路。

[關鍵詞]財務數據；非財務數據；數據挖掘技術；瓶頸

[DOI]10.13939/j.cnki.zgsc.2016.05.112

1 引 言

隨著經濟和社會的發展，傳統的財務已經不能滿足當今管理的需要。財務會計和財務管理等分支應需求而生，財務包含的內容增加的同時，財務信息內容劃分標準依據也在改變。掌控全部信息對時間和精力有限的決策者來說是不可能的，主要看重的是及時有效地根據盡可能簡潔的財務信息作出決策，提高經濟效益。計算機具備儲存容量大，計算功能強大的特點，結束了會計手工記賬的年代。在如今，計算機幾乎被用在所有的領域，財務也包括在其中，并且也起到了不小的功用。數據挖能從大量的數據中挖掘隱藏的信息，有力地支持管理者的決策，還可以建立企業財務風險預警模型，時時監測企業的財務狀況，避免危機發生造成巨大損失，這一技術出現能否全面地解決上述的問題？對于其他方面，相關的研究就比較少，本文就是針對這些未涉及或研究尚淺的領域進行研究，完善這些方面的研究。

2 數據挖掘技術運用的意義

數據挖掘是指一種從大型數據庫或數據倉庫中提取隱藏的預測性信息的新技術，基本的技術有大類：分類和預測、聚類，還有其他由之組合而成的模型。在金融行業、保險行業等方面運用非常廣泛，但目前對于財務領域涉入的并不多。大數據的時代背景下，對于生成和使用財務信息的不同人群，數據挖掘技術都有一定的意義。比如，運用XBRL等技術可以大幅縮短一般財務人員處理眾多且繁雜的信息錄入的時間；數據挖掘技術的運用結果多樣化呈現出來，讓使用者一目了然；相對要獲得同樣多和同質量的信息，數據挖掘技術的成本更低，速度和效率也是和傳統的人工作業模式所不能比較的。數據挖掘得越深，越能幫助企業認識存在的問題，調整企業的戰略，使企業能夠進一步實現可持續發展的目標。

3 數據挖掘技術的運用

財務信息來源廣，形式多樣，數據量巨大。文章將所有信息以數據為口徑，劃分為財務數據和非財務數據，依據數據集中程度地方的不同，最終定位為表內和表外數據，表內數據多限制在報表的范圍。表外數據信息的形式復雜，主要緊緊圍繞價值運動和增值過程中的方面進行闡述。

3.1 表內數據挖掘

3.1.1 財務報表分析

表內數據的時期一般較短，大多只能反映一個時點或一段時間的數據，深入分析才能得出微小的戰略方案，大多都是顯示財務活動、投資活動、經營活動和分配活動。傳統的財務分析方法僅僅對于少量的財務數據進行分析，且不具有直接可比性。無法反映企業潛在的、深層次的信息。這一類的數據挖掘通常都帶有目的性，借助財務報表分析演示數據挖掘大體的過程，以下的其他挖掘技術運用也都是在此基礎上得以進行的。

（1）數據的獲取。數據雖然大量，但卻不一定都是所需要的，也做不到分析全部的數據。在數據的獲取階段要獲取數據子集，最重要的是切勿大海撈針，根據企業進行此次分析所想達到的目的來挑選數據。盡量做到數據具有代表性和邏輯性。

（2）數據的篩選。獲取的數據很可能會有特別數據，這些數據的存在對結果分析產生噪聲，影響整體性，不能立刻投入分析之中。在這個階段，通常采用OLAP（聯機分析處理）技術通過切塊功能、運用傳統的財務分析建立數據庫，運用偏差檢測將異常數據剔除。

（3）建立分析模型。在建立好數據庫的基礎上，利用數據挖掘中的聚類、關聯規則、決策樹方法層層深入來分析企業的財務狀況。側重領域不同，數據挖掘的方法也不同，不存在適用于所有方面的方法，也沒有一種方法是最好和最全面的。很多時候分析涉及多種方法共同使用。穩妥的做法是選用變量時，選擇與被分析目標最相關的變量，范圍盡量廣或選擇顯著性最高的數值。

（4）分析結果。運用專業的知識將結果與預定的目標相對應，兩者一致則大體上達預期，稍許調整一致后，即可制定具體的實施方案。若不一致則重新來過，先要重新檢查數據和模型是否有誤，在確保正確的情況下才能對實際進行調整。

3.1.2 挖掘潛在的信息

上述分析都是針對已有或是確定目標的信息進行常規挖掘，此外還可以透過表面進行更深層的潛在信息分析，主要運用體現在財務預警上。財務預警分析方法的創新并沒有跟上時代的萬千變化，最主要的方法還是數據挖掘技術。早前的財務危機預警判別模型主要是利用單個財務指標來判別，接著步入多元線性判別模型，后來統計學方法也運用進來。在提高預測準確性方面可以運用神經網絡處理，相較傳統的方法，數據的質量要求可以相對較低且準確性提高。遺傳算法、決策樹理論、專家系統、粗集理論決策理論多元化的運用構建財務風險預警模型。

3.2 表外數據挖掘

非財務數據是經濟活動過程中價值運動和增值過程非貨幣記錄的信息。隨著競爭加劇，表外信息越來越被人們關注。其涉及的內容繁雜，無法進行準確的計量，會計準則也沒有強行要求披露。因為非財務數據側重研究對決策的作用，而管理會計的使用者也多為管理層，故非財務數據多借用管理會計中的內容。文章選取四個方面結合數據挖掘進行分析。

3.2.1 作業成本和預測分析

作業成本法對所有作業活動進行追蹤地動態反應，成本實施精確計算，來使資源得到充分利用。因其優勢引起了人們的極大興趣，但要建立動態的檢查體系，復雜的操作問題讓管理者可望而不可即。作業成本法是根據資源的耗用關系進行成本的分配，新的成本觀下，不同的目的決定了不同的產品成本內容。利用數據挖掘中的回歸分析、分類分析等方法確定成本動因，精確成本。利用關聯方法劃分增值作業和非增值作業，重點關注那些增值業務，非增值業務選擇性關注，改進和優化價值鏈，促進企業的增值。

預測分析的作用處理用來預測生產數量外，還可以用來檢測預測方法是否正確。當預測量和實際銷量相差不多時，說明預測方法準確。反之，則要歷史數據，檢查預測方法出現的問題并加以改進。

3.2.2 產品和市場分析

充分了解產品的周期和市場的狀況，有助于企業做出相應的決策。產品生命周期要經歷四個時期：導入期、成長期、成熟期和衰退期。這四個時期的變化是有跡可循的，各個時期的特征明顯。采用的戰略也不一樣。在市場方面，企業也要了解一種產品是如何影響另一種產品的銷量。兩類產品之間的替代品還是互補品，在銷售時如何搭配才可以產生最大的效益。

3.2.3 員工滿意度分析

每一個企業運作的核心都是人，人是企業價值的創造者，對環境能感覺、感知。反過來，環境也會影響人的心性，從而影響到工作的效率，進而反映到企業的價值上。在企業環境中如何使用數據挖掘技術讓多員工滿意環境，更加努力工作是很值得探究的。數據挖掘可以根據企業的不同設計不同的積分卡，輔助重要性不同的權數（因此不同層面的員工關注點不一致），在會議上或者宣傳欄員工進行滿意調查。對得分低的內容進行逐一分解，找到真正的原因所在，制定相關的措施，提高員工的滿意度，進而營造良好的氛圍甚至是形成企業文化。

3.2.4 顧客關系管理

“顧客就是上帝”，是企業創造利潤的來源。管理好與顧客關系有利于企業競爭。一方面，可以對消費者的購買行為進行記錄和分類。通過數據倉庫的分類和聚類分析，對顧客進行分組并給予不同程度的關注；另一方面，根據驗證，獲得一位新顧客的成本是維持一位老顧客的三倍。將消費者的消費金額進行管理，把消費數額高的和有潛力進行消費的顧客挖掘出來。對顧客進行全面系統的跟蹤，為顧客制定不同的銷售組合和提供良好的售后服務。利用時間序列分析模型和聯機分析處理技術分析顧客的信用等級，對于信用等級低的顧客進行一定的放棄。

4 可能遇到的瓶頸

4.1 數據的來源

數據的所有分析都是基于數據來進行的，數據可以說是最重要的要素了。許多問題不是技術沒有跟上，而是無法獲得準確的信息。財務數據因大多在企業內部流通，獲得和差錯檢查都較好進行。非財務數據的獲得就困難了，企業自身可能存在收集不齊全或是數據量不夠大的問題。企業外部的非財務數據獲取就難上加難，遇到警惕性較高的企業，很可能會故意放出虛假的信息，依照這樣的數據進行分析出來的結果肯定是會讓企業蒙受損失。

4.2 數據樣本的選擇

進行全樣本分析的花費大，耗時長。且分析的目的單一，不需要進行全樣本的分析。非財務數據的獲取有時也是涉及過廣，還會有特殊個別樣本，這就是數據樣本的選擇問題。

4.3 技術和需求的發展

數據挖掘技術是技術發展到一定時期的產物，必須是技術發展成熟后使用，其對象是真實的大型數據庫或數據倉庫。這就要求數據必須是真實、可靠的，是實際意義上的發現。數據挖掘非常清晰地界定了它所能解決問題，如果企業的需求已不僅限制在這個范圍，數據挖掘技術可能會實施不下去。并且如今的中國信息化沒有達到較高的水平，企業對決策分析的迫切性不強，數據挖掘技術如何調整自身跟上企業的需求不可逃避。

5 結 論

財務報表內外涉及的范圍廣，虛假信息的存在一直阻礙著財務發揮決策應有的作用。數據挖掘技術針對數據的特征為企業信息的技術運用搭建了平臺，在財務數據部分，財務報表結合數據挖掘技術的過程進行分析。對報表造假的原因進行剖析，引入挖掘技術。對現有的數據進行分析。針對未來投資者關注的風險問題建立財務預警模式，為企業安全再添助力。作業成本和預測分析、產品和市場分析、員工滿意度分析和顧客關系管理等非財務數據追蹤綜合分析和積分卡中各種挖掘技術做保障。但數據挖掘技術的發展并不發達，企業警惕性提高，決策中數據挖掘技術的成果比例不大，這些問題的提出使數據挖掘技術難于實現突破。

參考文獻：

[1]陳靖琳.數據挖掘技術在會計管理與分析的實用性研究[J].中國證券期貨，2010（12）.

[2]馮強.數據挖掘中涉及的計算方法及作用研究[J].技術研發，2011（23）.