基于大數據時代的制造業企業財務分析研究
——以紡織服裝企業為例

■/蘇運柱

基于大數據時代的制造業企業財務分析研究
——以紡織服裝企業為例

■/蘇運柱

文章首先以紡織服裝企業為例闡述了大數據時代制造業企業面臨財務分析方法和分析思維的變革，然后指出大數據技術提高了財務分析的“決策有用性”，同時也給財務分析工作帶來了巨大的挑戰，最后提出了制造業企業財務分析人員應對大數據時代挑戰的對策。

大數據時代制造業企業財務分析

大數據正在深刻的改變著我們社會的方方面面，一個大規模的挖掘和利用數據的時代已經來臨。財務數據作為企業的核心，反應和支撐著企業資金及業務的正常運轉，通過對財務數據的處理和信息的充分挖掘，能夠有效改進財務管理，壓縮資金成本，為企業帶來豐厚利潤。財務數據是企業最基本、積累量最為豐富的一種數據，本質上看“大數據”本身并沒有太多價值，而基于大數據的處理和分析才能為企業帶來巨大的增值價值。由于制造業企業生產的產品與人們的生活息息相關，與大數據時代有更為密切的聯系，而紡織服裝業作為傳統的制造業企業，因此，研究大數據時代紡織服裝業的管理變革對于深入探索制造業企業突破傳統的管理困境有重要的意義。鑒于此，本文以紡織服裝業為例，來探討大數據時代制造業企業的財務分析方法和管理變革。

在我國紡織服裝業整體低迷的經濟環境下，企業的管理者迫切需要利用一種管理工具對企業進行全面的分析，以便制定正確的發展戰略。大數據資源對于紡織服裝企業的戰略決策更為重要，紡織服裝企業的管理者應思考如何在大數據時代更好地利用大數據進行戰略決策，以走出當前整個行業面臨的困境。例如，哈佛財務分析框架立足企業的發展戰略對企業進行全方位的分析和預測，是比較適合我國紡織服裝企業的戰略決策工具。在大數據時代，紡織服裝企業的ERP系統、配有射頻識別流水線的倉庫管理、客戶關系管理技術等可以為財務分析提供海量的數據資源支撐，這使得將大數據分析應用到財務分析體系之中具有現實的可能性。

一、大數據時代紡織服裝企業財務分析方法和分析思維的變革

在維克托·邁爾·舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中，作者指出“大數據是指不用隨機分析法（抽樣調查）這樣的捷徑，而采用所有數據進行分析處理。”大數據有4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。大數據（Big data）通常用來形容一個公司創造的大量非結構化數據和半結構化數據，即大數據已經突破了傳統的結構化數據的范疇。本文按照哈佛財務分析的戰略分析、會計分析、財務分析、前景預測的四個分析程序，分別闡述大數據對財務分析的理論方法和分析思維的影響。

（一）戰略分析

戰略分析主要運用“五力分析模型”對企業所處的行業競爭環境進行分析。包括供應商的議價能力，購買者的議價能力、新進入者的威脅、替代品的威脅、同業競爭者的競爭程度這五大影響因素。對于紡織服裝企業來說，大數據時代，運用“五力分析模型”進行分析具有更大的可操作性，管理者可以獲取更多的關于這五種影響力的數據信息，其分析的方法和思想也會發生相應的變革。下面以供應商的議價能力和購買者的議價能力來分析大數據對“五力分析模型”的影響和分析思維的變革。

1.供應商的議價能力。企業可以通過收集與供應商有關的大數據信息，判斷供應商的數量，供應商市場結構及其競爭狀況。例如，紡織服裝企業的供應商主要是棉花提供商，企業可以運用大數據分析技術，對海量的氣象氣候數據進行分析處理，預測和評估棉花的產量，由此判斷棉花供應市場的市場結構，進而判斷供應商的討價能力。由此，企業管理者可以更精確的分析供應商的議價能力。

2.購買者的議價能力。在大數據時代，企業可以更容易地獲取購買者的相關數據信息。紡織服裝企業直接與其議價的購買者是服裝銷售者等商家，其最終購買者是廣大的服裝消費大眾。因此，通過對大眾的服裝購買習慣和購買偏好等數據信息的分析可以評估直接購買者（即服裝銷售者）的議價能力。例如，企業可以通過分析某一個地區人們的穿衣偏好方面的大數據，結合當地服裝銷售商家的信息，綜合判斷這一區域服裝銷售者的議價能力。

（二）會計分析

會計分析主要包括對會計估計和會計政策的分析、評價信息披露質量、評估公司會計的靈活性和恰當性。

由于我國會計準則對會計賬務處理和財務報告列表有著嚴格的要求，大數據時代，會計的處理原則、方法不得隨意變化。因此，會計分析在這一部分影響較小。但是，由于大數據可以為企業更迅速的提供更多的精確數據信息，在進行會計分析時也要考慮這些因素。例如，企業的存貨減值準備的計提。當企業通過大數據分析到大眾對某款服裝的消費偏好發生了變化，消費者已經減少對某款服裝的消費時，企業把該批未售出的服裝作為存貨，其銷售價格已經開始下降，在符合會計準則規定的存貨減值的其他條件時，企業應對該批與此相關的存貨計提跌價準備。會計分析時應該注意分析這種情況，判斷其會計處理的合理性。

（三）財務分析

財務分析主要通過一系列的財務指標來反映企業的盈利能力、償債能力、營運能力和發展能力。大數據時代，財務分析中的財務指標將發生巨大的變革。

1.財務指標的獲取更為及時。在傳統的財務分析中，當財務比率的分子和分母，一個來自資產負債表的流量數據，另一個來自利潤表或現金流量表的流量數據，為計算簡單，該存量指標數據通常要計算該期間的期初與期末平均值。在大數據云計算時代，對于數據的獲取和處理更為便捷，管理者不必等到期末便可以運用大數據處理技術對存量指標的所有樣本數據進行處理分析，財務指標可以更為及時的獲取，更好的滿足財務分析的需要。

2.財務指標的分析視角更為寬泛。由于企業運用云計算技術對大數據進行處理，可以精確的預測相關的數據，并根據預測的數據做出經營決策。此時，相關的財務指標的分析就不能依據傳統的分析思維進行，否則將得出錯誤的結論。例如，紡織服裝企業可以對各類存貨的各個變動時點的數據進行持續性的收集，同時對市場上消費者的服裝消費偏好的數據信息進行分析，一旦預計市場需求發生變化，企業會及時調整存貨數量，如果預計銷量大增，企業將大量儲備存貨。在進行存貨營運效率的分析時，得出的存貨周轉將會較小，這時財務分析人員不能據此得出企業存貨運營效率較低、存貨管理效率較低的結論。相反，企業能有效的利用大數據進行分析預測市場需求，進而迅速進行存貨量的調整，這表明企業的存貨管理效率更高。

3.財務指標的內容更為豐富。在大數據時代，許多以前無法用數據度量的指標可以進行量化，財務指標體系將增添更多新的分析指標，甚至一些原先的非財務信息也可以進行量化并納入到財務分析體系中。許多非結構化數據對于企業的管理決策至關重要。其中結構化數據包括如數字、符號等數據信息，非結構化數據包括全文文本、圖像、聲音、影視、超媒體等信息。大數據時代之前，企業很難把這些非結構數據轉換為與決策相關的數據，但是在大數據時代，運用云計算技術可以處理大量的各種類型的數據，利用這些數據可以設計更多的財務指標，極大地豐富了財務指標體系。例如，企業可以收集到大眾對服裝產品的評價數據信息，該評價信息的數據類型可以是非結構化的數據（例如大眾對服裝評價的音頻、視頻，圖片等文件），運用大數據處理技術將其轉換成某種產品的顧客滿意度，以此來衡量該類產品的盈利能力。

4.財務指標的分析更加精準。有了大數據的基礎，精準的財務分析才成為可能。例如在不具備大數據時，財務人員在計算庫存周轉率時，每月10日前做一次分大類的上月庫存周轉分析就很不錯了，但我們都知道，這種分析既粗放又滯后，對管理的改善相當有限。但在大數據時代，可以獲得每一天、每一種物料、每一次進出庫、每一個批次的數據，系統就可以結合次日的生產計劃計算出即時的細到每一個庫存量單位的存貨周轉率。這種大數據基礎之上的精準的財務分析賦予了數據新的實在意義，并實際突破了傳統的計算庫存周轉率的桎梏。傳統的財務分析，之所以用月度平均庫存來算庫存周轉率，那是因為當時的數據基礎和計算條件所限，既然大數據的時代到了，那財務分析的方式方法也得與時俱進。尤其是紡織服裝企業近幾年的庫存量居高不下，這種精準的庫存分析對企業去庫存具有非常大的現實意義。

（四）前景預測

哈佛分析框架的最后一步是前景分析。前景分析側重于預測公司未來，在戰略分析、會計分析和財務分析的基礎上對公司的未來做出科學預測，為戰略決策者提供決策支持。前景預測的主要內容是綜合利用所有有價值的信息對企業進行戰略預測，為企業管理者提供戰略決策支持。

大數據時代，大數據分析的主要功能就在于通過大量、復雜的數據進行各種預測。因此，大數據的預測功能與哈佛財務分析框架中的前景預測有著異曲同工之處。利用大數據分析，可以提供更多更精確的數據信息，幫助管理者更好地進行前景預測。但是，由于前景預測是建立在戰略分析、會計分析和財務分析的基礎上，同時融合其他的相關經濟信息，其預測要依據相關的經濟學和管理學理論，其預測的結果可能與大數據預測的結果不一致。因為大數據預測更重視“是什么”而不重視“為什么”，大數據分析更重視相關性而忽視因果性。此時，前景預測變得更為復雜。

面對大數據預測與企業依據傳統經濟管理理論預測的結果不相一致時，企業管理者更應該具有高超的管理決策藝術，不盲從于任何工具得出的結論。管理決策既是科學又是藝術，但科學的工具失靈時，管理的藝術性的一面顯得更為重要。大數據時代，在戰略預測時不可盲從大數據，還要綜合考慮各種因素，得出合理的結論。

二、大數據時代對紡織服裝企業財務分析的挑戰及應對策略

（一）挑戰

1.財務人員知識和技能的挑戰。大數據作為云計算、物聯網之后IT行業又一大顛覆性的技術革命，融合了大量的互聯網技術。因此，大數據的收集和分析人員要具有較高的IT專業知識，目前我國紡織服裝業的財務分析人員中具備這種專業知識的人只是少數，人才的缺乏會制約大數據分析技術在財務分析領域的有效運用。財務人員不僅是一個擅長與數字打交道的專業人士，也是一個具備豐富管理會計的知識儲備和實踐經驗的人，如今的大數據時代，財務所面對的數據規模越來越龐大、數據類型越來越復雜，而企業管理者要求他們將數據在幾秒鐘內甚至是實時分析出有價值的信息，這就需要他們具備嫻熟財務分析能力。

2.大數據資源的缺乏。在大數據時代，大數據是一種重要的戰略資源，誰擁有大數據的所有權誰就擁有了主動權。對于紡織服裝企業來說，由于自身處于傳統制造業，對于大數據挖掘和分析不是其所長，如何更好地獲取大數據資源是其面臨的重要問題。

3.大數據的取舍。大數據時代可以提供海量的數據供財務分析使用，但并不是所有的數據都是有價值的數據。《大數據時代》一書的作者維克托·邁爾·舍恩伯格在另一本著作《刪除》這本書中告訴我們，在大數據時代，刪除是大數據的取舍之道，面對海量信息人類只有正確的取舍，才能構建一個積極而安全的未來。因此，財務分析中如何選取有價值的數據是財務分析工作面臨的又一個挑戰。

（二）對策

1.企業應該對財務人員進行大數據分析方面的技能培訓，同時多招聘一些具有IT背景的管理人員，逐步提升財務人員的大數據分析和處理能力。

2.注意對大數據的收集，在一些服裝專賣店等場所專門進行數據收集，同時與一些在大數據處理方面處于領先地位的互聯網公司合作，共同收集大數據資源，建立大數據資源庫。

3.企業要建立更為科學的財務分析評價系統，積極開發適合大數據的會計信息系統，提升財務人員的經濟學和管理學理論水平和邏輯分析能力、財務判斷力，識別大數據時代無效的數據信息。

三、結語

大數據將深刻影響財務分析工具在傳統的制造業企業的應用模式，財務分析思維也將隨之變革，財務分析的預測性功能將進一步凸顯，財務分析在制造業企業的戰略決策中也將發揮更大的作用。然而，大數據時代的大數據分析無論多么的精確也僅僅是支持人們分析決策的工具，無法取代人的理性分析，傳統的經濟學和管理學理論在財務分析和戰略決策中仍然發揮著巨大的作用。因此，財務人員應在嚴謹科學的理論指導下合理使用大數據分析技術，提升財務分析工具的“決策有用性”，更好地為企業的戰略決策提供財務支撐。

［1］維克托·邁爾·舍恩伯格（作者），肯尼思·庫克耶（作者），盛楊燕（譯者），周濤（譯者）.大數據時代：生活、工作與思維的大變革〔M〕.杭州：浙江人民出版社，2013.

［2］張先治，陳友邦.財務分析〔M〕.大連：東北財經大學出版社，2009.

［3］中國注會會計師協會.財務成本管理〔M〕.北京：中國財政經濟出版社，2014.

［4］張新民，錢愛民.財務報表分析〔M〕.北京：中國人民大學出版社，2011.

［5］李心合，蔡蕾.公司財務分析：框架與超越〔J〕.財經問題研究，2006（10）.

◇作者信息：重慶財經職業學院

◇責任編輯：羅敏

◇責任校對：羅敏

F275.5

A

1004-6070（2016）05-0061-03