大數據背景下的財務診斷探析

[摘 要] 基于大數據的特點及相關技術，將大數據引入現代財務診斷流程中，與各個診斷功能模塊相結合，構建基于大數據的財務診斷形式。利用大數據增強各個模塊功能，提高對不同診斷環境的適應性和整體的診斷效率，讓診斷方案更具科學性和前瞻性。

[關鍵詞] 財務診斷；大數據；診斷方案

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2016. 23. 025

[中圖分類號] F234 [文獻標識碼] A [文章編號] 1673 - 0194（2016）23- 0046- 04

0 引 言

財務診斷屬于現代管理咨詢的重要內容之一， 是企業診斷活動中極其關鍵的環節[1]。現代財務診斷通過對企業進行全面的調研，收集與企業經營活動相關的財務和非財務信息，運用計算機技術輔助施診專家完成診斷，并提出診斷改進方案。

近年來大數據（Big data）的應用日益受到關注。大數據是指無法在可承受的時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集[2]。事實證明無法用傳統工具進行分析挖掘的龐大數據蘊藏著豐富的價值，為發現新的規律和趨勢提供了新的視角和方法。大數據時代的到來，一方面，生產數據、銷售數據、財務數據的迅速增加對財務診斷的數據處理和診斷能力提出了更高的要求；另一方面，大數據、互聯網的發展，能夠以較低的成本迅速獲取更具針對性的診斷信息，提升診斷的效率，降低了因為信息不對稱導致決策失誤的可能性。隨著大數據的發展，不少企業看到了大數據在企業經營管理中的應用價值，開始重視數據相關的開發和應用。

在財務診斷過程中引入大數據技術，以形成財務診斷的新模式，也是值得研究和探索的問題。本文將結合財務診斷的基本流程，以現代財務診斷體系中的三個主要模塊為基礎探討如何運用大數據及其相關技術構建財務診斷數據庫，利用數據挖掘方法完成分析診斷并找出問題的原因，通過關聯分析尋找相應的改進措施，最后結合大數據的預測結果生成具有前瞻性的診斷方案。

1 基于大數據的財務診斷模塊化結構

財務診斷的機理類似于治病，是一個根據病癥現象檢出相應的病因，再根據病因對癥下藥的過程。一般而言，可以將完整的財務診斷過程劃分為診斷資料收集、分析診斷查找問題、診斷方案生成這三個主要的環節，如圖1所示。

如果將大數據引入財務診斷，根據診斷過程中不同環節的主要工作內容和目的，可將整個診斷過程劃分為數據收集模塊、分析診斷模塊、診斷方案生成模塊，以明確各個模塊的主要的工作任務，也理順了財務診斷流程中各模塊的關系[3]。基于大數據的財務診斷模塊化總體框架如圖2所示。

其中數據收集模塊主要利用互聯網和企業內部的管理信息系統收集與財務診斷相關的財務數據與非財務數據，是后續診斷工作的基礎；作為診斷過程核心的分析診斷模塊，主要任務是運用相關的數據挖掘方法通過定量分析來確定出現財務問題的關鍵因素，并尋找確實可行的糾正改進措施；診斷方案生成模塊需要將定性方法和定量方法相結合，通過大數據預測的趨勢，結合分析診斷模塊得出的結果，確定對受診企業效用最佳的改進措施，完成最后的診斷方案。

2 基于大數據構建財務診斷基礎數據庫

財務診斷的起點是資料準備，相關的財務信息和非財務信息是財務診斷的依據，所收集的信息質量會對診斷結果有方向性的影響。因此，數據收集模塊是財務診斷過程中一個關鍵的基礎性工作。大數據為診斷數據庫提供了更多的獲取數據的渠道來源和方法，提升了診斷數據的規模。運用大數據技術構建一個包括財務數據、非財務數據的診斷數據庫主要經歷以下三個環節。

2.1 財務數據的收集

財務診斷的切入點應該是相關的財務數據，構建診斷數據庫的第一環節應該從企業內外部的財務數據入手。對財務數據而言，不僅包括企業內部歷史上的生產、銷售、資金循環等數據，還可能來源于不同地域、不同機構的外部數據[4]。對于企業的內部數據，則可以借助結合企業業務流程的ERP、SAP等管理信息系統實現相關的信息實時收集和整理工作，收集到的資料更貼近企業的實際業務。外部數據包括來自政府的經濟統計數據，同一行業的其他企業的財務報表，以及銀行的信用、融資等數據等。比如，可以利用XBRL技術將同行業其他上市企業的財務報表轉化為統一格式的XBRL文檔，以便在后續的診斷中實現快速的查詢、統計和分析。大數據的出現能夠以較低成本及時獲取寬區域、跨系統的相關數據，并提高了相關財務數據的實時性，保證了數據庫中財務數據的規模。

2.2 非財務數據及歷史資料的收集

構建數據庫的第二環節主要涉及宏觀經濟環境、行業背景、企業經營等半結構甚至非結構化的非財務數據收集處理方面。相關的研究表明，目前采集到的數據75%以上是以文本、圖片、視頻等形式的非結構化和半結構化數據[5]。數據的獲取難度限制了半結構化和非結構化的非財務信息在財務診斷方面運用，相關變量難以量化后形成統一的標準，反映不出企業對某一非財務指標敏感程度。而與企業經營活動相關的宏觀、中觀（行業）、微觀（企業內部）等非財務數據多是以半結構化或是非結構化的形式存在，信息量大，維度廣，范圍寬。數據化是一個將現象轉變為可以制表分析的量化形式的過程，成為大數據時代發展的一個趨勢[6]。經過數據化的半結構和非結構化的資料不僅能夠存儲、查詢、閱讀，還可以對量化后的信息進行機器處理和機器分析。在診斷過程中，由診斷專家采用德爾菲法或打分法定義對于診斷相關的關鍵詞，運用聚焦網絡爬蟲在龐大的互聯網數據資源中對定義的關鍵詞信息進行收集，將收集到與企業經營環境相關的半結構化和非結構化信息進行量化，用于后續診斷的挖掘分析。

同時，還可以將以往的財務診斷項目的歷史資料，診斷方案實施效果的相關數據存入診斷數據庫中，為后續項目的開展提供一些經驗和參考。

2.3 財務診斷基礎數據庫的建立

大數據復雜程度高、數據量大等特點要求建立的財務診斷數據庫具備設計簡單而高效的索引結構。借鑒典型數據倉庫的模式來構建財務診斷數據庫[7]。財務診斷數據庫基本構架如圖3所示。

運用相關的大數據處理工具將對來自企業內部和互聯網分布的、異構數據源中的數據抓取到臨時中間層，進行初步識別、轉換、集成等初步處理，通過數據清洗剔除掉缺失、異常的數據。將符合數據質量要求的數據存儲到數據倉庫中，并按照財務數據、非財務數據、歷史診斷數據進行分類而形成對應的數據集市，借助OLAP（聯機分析處理）實現數據查詢、表報呈現、OLAP分析等功能，實現財務診斷數據庫的建立。

3 基于大數據的分析診斷

大數據對財務診斷能否起到所期待的作用，關鍵在于是否能夠在龐大繁雜的數據中挖掘和分析出對財務診斷項目有價值的內容。如圖2 所示，基于大數據的分析診斷模塊包含以下三個環節，在這三個環節中可適當應用數據挖掘技術，以減少繁雜的人工操作，提高財務診斷效率，同時優化了財務診斷的流程，使財務診斷過程更具邏輯操作性，得出更具客觀性和科學性的財務診斷結果。

3.1 分析財務指標尋找關鍵因素

在分析診斷環節，針對企業財務管理方面出現的問題，提取診斷數據庫中的企業財務數據，運用主成分分析或因子分析等方法對財務診斷數據庫中的企業財務數據進行對應的指標分解，以確定各個指標的敏感程度，對比企業歷史數據及同行業先進企業數據，尋找出現財務問題的關鍵因素。例如，當企業利潤出現持續下降的趨勢時，將利潤的構成要素進行相應的分解，確定產品滯銷、產品毛利率降低或者期間費用過快增長等因素分別對利潤下降的影響大小，找出導致利潤減少的2至3個主要因素。在此基礎上通過大數據對相關財務指標進行相應的趨勢預測，結合趨勢分析、比率分析方法對暴露出的財務問題的關鍵因素進行驗證，同時檢查是否存在未顯現的危機，進而起到一個財務預警的作用。在確定企業財務問題關鍵因素的過程中，由于利用大數據收集的財務數據規模更接近總體數據，在此基礎上的分析結果降低了因樣本數據規模小而導致分析出現差錯的比率，因此選出的財務指標更有代表性，對實際情況的描述更加貼近。

3.2 確定財務診斷主題

財務診斷主題是施診專家以自身知識和經驗去評價關鍵因素的挖掘結果，結合受診企業的意愿，決定了施診的方向和性質。診斷主題的確定應以受診企業的委托主題為出發點，施診專家和受診企業管理層分別評價挖掘出的關鍵因素之后進行溝通。繼而由施診專家結合豐富的診斷經驗充分發揮主觀能動性運用打分法、SWOT分析等方法，確定財務診斷的主題，為提出改進方案提供方向。值得注意的是，在選擇診斷主題時，應該對不同的主題的價值進行評估，選擇對受診企業效用最大的主題。大數據幫助建立完善的企業信息體系，讓施診專家在全面了解企業信息的情況下，準確把握財務診斷主題的脈絡，避免了因為信息不對稱導致診斷主題選擇的偏差。

3.3 探尋有效的改進措施

診斷的意義不僅僅為了發現問題，更關鍵的是去解決問題。大數據技術的發展，有助于將對企業所處的經營環境等非財務信息進行量化，添加到診斷分析的環節中。將企業的財務狀況、問題與相關經營環境數據進行聚類分析、關聯分析，以期發現一些以前未注意的聯系和規律。利用數據的關聯性進行未來發展趨勢的預測，結合傳統的財務管理價值創造理論、企業財務風險理論探尋解決財務困境的措施。

將大數據與傳統數據挖掘分析相結合，能夠洞察到一些新的規律和價值，大數據和傳統數據都是可供分析的數據整體戰略的組成部分。將大數據和一些成熟的財務理論分析模型相結合，才能更好地發現問題，并了解癥結所在，最后才能對癥下藥。

4 基于大數據預測的診斷方案生成

財務診斷的最終目的是通過發現并解決企業經營過程中出現的財務問題，從而提高企業的價值，簡單來說，財務診斷的價值體現在為受診企業提出診斷改進方案的價值提升上。

在診斷方案生成模塊中，專家診斷與最終的施診方案生成就相當于在整個財務診斷過程中對問題的定性分析及決策。因此在這一部分，應將重點放在大數據環境下如何進行決策。

4.1 預測企業未來的經營環境

大數據在預測方面具有重要的作用。根據宏觀經濟背景、政策環境以及行業發展狀況等外部影響，結合企業自身的產品結構、研發能力、人才儲備及資本結構等內部因素，運用相關的數據統計和分析技術，可預測企業未來面臨的經營環境。由施診專家將受診企業的業務和盈利模式與預測的未來發展趨勢進行分析研究，從整體上把握企業的發展路徑和長遠戰略，據此確定改進方案的方向和期望效果。

4.2 形成診斷方案

在整體把握診斷方案的環境因素的基礎上，進一步確定診斷方案中具體的改進建議。具體改進措施的決策可以分為兩個部分。

第一，發現企業在財務管理方面存在的問題并給出改進建議。施診專家應將診斷過程中識別出的財務問題與受診企業管理層進行溝通，提出具有針對性的備選糾錯措施，與管理層探討具體措施的有效性和可行性。施診專家綜合管理層的意見之后，可以運用線性規劃、運籌學等方法在備選的改進措施中選擇能夠實現受診企業效用最大化的改進措施作為診斷建議。

第二，企業是向前發展的，財務診斷的價值不能僅僅停留在對過去問題的糾正，還可以對企業未來的發展提供一些建議。將大數據及其技術引入財務診斷中，可利用大數據預測的結果建議企業對未來的發展做出提前的安排和準備。例如根據宏觀環境政策、企業經營需求，對相關財務指標進行趨勢分析，預測企業的經營活動、投資活動、籌資活動的資金需求量，在診斷改進方案中納入企業現金流的考慮中。診斷方案的生成是一個決策的過程，需要重視企業的盈利模式和長遠的發展戰略。 4.3 財務診斷方案呈現

對于診斷方案的展示和解釋也非常重要，可以通過引入可視化技術對結果進行分析，用形象的方式向用戶展示使其更易理解和接受。財務診斷是一種咨詢性質的服務，客戶或許并不能了解在診斷過程中那些技術性極強的分析過程，但最終的診斷成果要能夠讓客戶明白并認可。

5 結 語

大數據背景下的財務診斷，改變了過去財務診斷中過多依賴財務數據進行診斷的格局。利用大數據的優勢對受診企業所處的宏觀經濟、行業狀況、企業內部環境等因素進行定性與定量的結合分析。將大數據及其技術融入財務診斷的功能模塊，貫穿整個診斷流程，借助專家的知識和經驗發現企業財務管理過程中暴露出的問題或者缺陷。結合大數據預測企業未來的經營環境和發展趨勢，給出具有一定前瞻性的診斷方案。

主要參考文獻

[1]瞿曉龍. 構建基于XBRL的財務診斷體系[J]. 會計之友，2007（9）：40-42.

[2]張東， 亓開元， 蘇志遠，等. 大數據平臺和產品標準化建設研究[J]. 信息技術與標準化，2015（7）：18-22.

[3]梁戈夫， 龐大蓮. 人-機分工下的財務咨詢方案生成的施診流程及方法體系布局[J]. 廣西大學學報：哲學社會科學版，2013（6）：39-44.

[4]張高勝. 大數據時代財務預測的變革探索[J]. 商業會計， 2016（6）：14-16.

[5]馬建光， 姜巍. 大數據的概念、特征及其應用[J]. 國防科技， 2013（2）：10-17.

[6]楊會榮. 大數據思維與企業競爭情報變革[J]. 競爭情報， 2015（3）：20-23.

[7]李艷玲. 大數據環境下的技術變革與管理創新[J]. 控制工程， 2014（z1）：142-145.