大數據對財務分析工作的影響和對策

摘要：大數據是一項新的技術變革，無論是學術界、企業界還是政府都受到其影響。大數據時代，企業的經營環境、決策環境都發生巨大的變化，財務分析長期以來在企業內充當決策參謀的角色，能否認清大數據對其產生的影響，對提高財務分析價值，適應大數據變革具有重要的實踐意義，本文主要從大數據對財務分析的影響出發，進而提出財務分析轉型對策。

關鍵詞：大數據；財務分析；非結構化數據；業財融合

2012年，維克多的《大數據時代》開創了國內外大數據研究的先河，隨后學術界各種研究中心、學術論壇紛紛成立；許多企業和組織開始著手研發大數據解決方案或應用；各國政府也將大數據發展提升到戰略高度，我國在2015年9月印發了《促進大數據發展行動綱要》。可見，大數據離我們越來越近，甚至已經在逐漸滲透到我們的工作與生活中。

一、大數據對財務分析工作的影響

（一）大數據思維給傳統的財務思維帶來巨大沖擊

維克多在《大數據時代》中提出大數據分析：要相關不要因果，要全體不要抽樣，要效率不要絕對精確。對于財務來說，賬務處理、會計假設、會計估計都需要有充分的依據，僅依靠相關性將不足以采信，而民間審計、政府審計、資本市場等對每筆賬務的列示原因更有著非同一般的關注，因果關系早已被財務人員內化為習慣，要相關不要因果對傳統財務思維將是巨大的挑戰。在精確和效率的排序上，財務通常將精確排在首位，也與大數據思維有別，財務工作對數據精確性要求極高，尤其會計核算工作，“有借必有貸、借貸必相等”是會計試算平衡法的基本原理，容不得半點差錯。

（二）傳統分析僅抓住10%的數據，將難以看清全局

涂子沛把大數據分為結構化數據和非結構化數據2大類，結構化數據可以簡單理解為行數據，即可以用二維表結構來邏輯表達的數據，而不方便用二維表來表現的數據即為非結構化數據，包括所有格式文本、圖片、音/視頻等。大數據時代，結構化數據占比僅10%左右，傳統財務分析以研究結構化數據見長，尤其財務分析中最受推崇的比率分析，全部基于結構化的數據進行研究，而對于90%的非結構化數據，傳統的分析方法卻無能為力。

（三）大數據、低密度特征意味著分析技術必須要升級

隨著采集、處理數據量級的增長以及數據類型的多樣化，Excel等財務人員慣用的辦公軟件性能將無法滿足需要：首先數據采集環節，傳統的點對點數據人工交互手段，僅能解決少量、低頻數據需求，很難滿足大數據分析大量、高頻的采集需求；在數據存儲方面，大數據的源數據是由結構和非結構化數據組成，傳統的行式關系型數據庫將無能為力，尤其在非結構化數據的處理方面，劣勢尤為突出；在數據挖掘上，將面臨更大的挑戰，大數據廣泛采用的Hadoop的分布式存儲技術，要求使用者至少要熟練使用一門編程語言，如Python、Matlab、Java、SQL等，在此方面，大部分財務人員幾乎是零基礎。

二、大數據環境下財務分析變革的對策

（一）轉變傳統思維觀念

1.要相關不要因果，有賴于決策者和執行者先行先試

傳統財務分析習慣沿著“發現問題-分析問題-解決問題”的思路進行分析，能夠清楚的講明因與果，說服力強，易被采信。而大數據應用中可以在事先未能發現問題，更無法有效分析問題的情況下，根據相關性提出企業經營效益提升方案，比如啤酒與尿片的案例。如果決策者和執行者未能轉變觀念，仍然深究因果，財務分析的成果將很難被采納，財務將因無法影響決策，又不能親自實踐，使其價值無法得到體現，那么，財務分析擁抱大數據將會是一紙空談。

2.要全體不要抽樣，財務分析框架需增加非結構化數據研究

受限于計算能力和效率，傳統的分析技術多用抽樣的方法，抽樣將意味著未被抽到的數據信息會被遺漏，為確保會計信息的客觀、公允，財務在對損失和收益的估計上偏謹慎。大數據時代，計算機技術已經讓全量研究成為可能，并有效解決抽樣不足的問題，數據分析將有可能更全面、客觀的評價經營活動。現行的財務分析架構，多偏向于結構化的數據，在大數據時代，擁有更高效的數據存儲和挖掘技術，財務分析的框架必須擴充非結構化數據研究的內容，對涵蓋業財、乃至企業內外的全量數據開展研究，以提高對損失和收益的準確估計，而非偏高估損失，低估收益的謹慎估計。

3.要效率不要絕對精確，允許適當的不精確更有利于反應現實

大數據時代，無論是數據源和數據處理技術都與小數據時代有本質的不同，由于數據來源和數據類型的多樣性，巨量的數據將不可避免地會獲得不精確性數據。不精確數據并不一定妨礙我們認識總體，而且對于分析來說，偏離常理的現象和數據，反而具有更高的研究價值，不同質量的數據匯集起來，將有助于我們更加全面的了解總體的真實情況。需要強調的是，客觀的認識數據的不精確性，并非放任不管，允許數據不精確，是允許人為不可控的數據存在偏差，對于可控的數據，精細化管理仍然是大數據時代所需要的。

（二）重視非結構化數據分析

1.非結構化數據是“數據金礦”

隨著信息化的普及，辦公自動化、無紙化成了企業的標配，大量的非機構化經營數據實時產生，這些數據的生產可以是任何人，任何時間，任何方式，正因為其任意性，其中不乏“臟數據”，造就了大數據的價值低密度；而其即時、多樣的特征，給予了我們掌握實時動態，開展多維分析的可能，深挖大數據，將給財務分析和經營管理帶來新的視角。

2.非結構化數據“掘金”可先易后難

大數據平臺的搭建是一項系統工程，搭建一套完整高效的大數據平臺有很高的技術門檻，且投入大、耗時長、見效慢，鑒于此，可先易后難，逐步深入。因Hadoop是一個分布式計算框架，可以在大量廉價的硬件設備組成的集群上運行，3-4臺普通辦公電腦即可搭建起簡易的Hadoop大數據存儲平臺以滿足早期的非結構化分析需要，使用Hadoop分布式文件系統存儲海量源數據，通過MapReduce分布式計算模型來處理這些海量源數據，然后采用Hbase分布式數據庫存儲處理后的海量數據，以此來實現對海量非結構化數據的分析和管理。早期的應用場景，可以先從管理熱點推薦開始，因大數據推薦技術較為成熟，有成型的算法可以借鑒，首先采用中文分詞技術建立信息檢索索引，對非結構化數據進行自動分類，自動摘要，同時借助大數據推薦算法實現對熱點資訊抓取，高重復詞條推薦，從而幫助分析人員快速聚焦經營熱點開展研究。當小的應用價值得到肯定，大規模部署Hadoop集群環境將成為可能，而分散在各大信息孤島的數據，埋藏在各處電腦終端的數據也將有望共享整合，逐步實現大數據，大價值。

（三）主動向業務延伸，開展業財融合分析

1.決策職能將重新布局，財務分析需業財兼顧。大數據時代，單純依靠主觀決策將無法應對復雜的環境，長期以來依靠經驗、理論和思想的決策方式將讓位于精準的數據分析。大數據下決策參與者的角色將發生改變，各級人員因均可方便地獲得決策所需信息，決策不再是少數高層管理者的專權，傳統的決策分工將因此出現調整，更多戰術層決策下移，企業高層有更多時間和精力謀劃戰略決策，但同時也需要做更多維度的考量，并實時、動態掌握每項戰術的執行情況，以便制定合理的戰略決策。財務分析若要繼續履行好高層決策參謀的角色，必須順勢而為，貼近戰略需要，以更加全面的視角評價，開展兼顧業務的融合分析。

2.業財融合分析是財務報告披露和風險管理的需要。大數據驅動的經營管理模式，從決策到執行的時間將明顯縮短，決策的依據源于數據，執行的結果反應為數據，遠離業務的財務分析，將無法給予及時的風險和價值評估，而財務報告披露是企業對投資人、政府、監管機構的義務，并不會因為企業決策方式的變化而減少，反之可能提出更高的要求。因此財務分析需要在決策環節充分介入，合理評價決策的合規性和效益性，及時的將執行結果與財務報告建立起動態聯系，以滿足業績評價和對外披露的需要。

三、小結

大數據，對于財務工作來說，不僅是一門技術，更是一種全新的模式，財務分析的架構、工具、方法、理念均將隨之改變，只有充分認識到大數據所帶來的影響，抓住這一趨勢，才能充分發揮財務分析在企業經營決策中應有的價值，促進企業提高競爭力，在激烈的市場競爭中取得優勢。

參考文獻：

[1]李敬華，賈蓓，李倩茹.傳統統計數據和大數據內涵辨析[J].電信快報，2016（9）.

[2]郭春霞.大數據環境下高校圖書館非結構化數據融合分析[J].圖書館學研究，2015（05）.

[3] 奉國和，鄭偉.國內中文自動分詞技術研究綜述[J].圖書情報工作，2011（01）.

[4]朱倩，錢立.基于Mahout的推薦系統的分析與設計[J].科技研究，2013（06）.

[5]崔杰，李陶深，蘭紅星.基于Hadoop的海量數據存儲平臺設計與開發[J].計算機研究與發展，2012（49）.

（作者單位：中國移動通信集團廣東公司深圳分公司）