數據挖掘技術在財會領域的應用

李郵++閆宏秀

文章編號：2095-6835（2017）04-0139-01

摘 要：隨著信息技術的發展，特別是數據挖掘技術的發展，數據挖掘技術與財會的關系也日漸呈現出加強的趨勢。介紹了數據挖掘技術的聚類匯總、統計分析方法、決策樹技術、神經網絡等在財會領域的應用，得出了數據挖掘技術正確運用于財會領域有利于企業健康、持續地發展的結論。

關鍵詞：數據挖掘技術；聚類匯總；決策樹技術；神經網絡

中圖分類號：TP311.13 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2017.04.139

隨著以網絡為代表的信息技術的發展，技術在財務會計領域中得到了廣泛的應用，越來越多的企業的會計信息系統從手工環境轉向IT環境。大量數據的涌現漸漸揭示了目前會計信息系統的分析功能很薄弱，企業之間的競爭日趨激烈。在這個新的形勢下，對會計信息數據利用的要求越來越高。采用數據挖掘技術，能夠很好地利用這些數據，能夠從龐雜的會計信息中提取有用的信息，發現隱藏在數據背后的信息。

數據挖掘技術在財務會計領域涉及的內容很多，例如財務分析、財務風險預警、財務決策、虛假會計信息判斷等等。采用數據挖掘技術，可滿足信息量大且數據處理成本低的要求。數據挖掘技術能夠從海量的、不完全的、模糊的、隨機的會計信息數據中挖掘出隱含的、對決策者有潛在價值的財務會計信息，甚至尋找出大量會計信息數據間的隱藏關系。

1 聚類匯總

會計數據信息十分繁雜，借貸收付一點的不同都會使一筆交易發生本質的變化。對于這些交易數據，數據挖掘技術的聚類匯總功能可以對會計信息進行系統性的整合。目前，這項技術已被運用于很多財務軟件中，比如用友、金蝶等企業必需的財務會計基礎軟件。

2 統計分析方法

統計分析方法在很早之前就被廣泛運用于財務會計領域。會計人員常利用統計學原理對會計信息數據進行分析，試圖找到數據間的函數關系或者相關性。變量間數量關系的回歸分析、變量間相關程度的相關分析、用樣本統計來確定總體的差異分析都是會計領域常用的統計分析方法。這些方法常用于模糊計算利潤最大化時的供應需求匹配，達到公司利益最大化的目的。我們熟知的SAS Enterprise Miner就是運用數據挖掘技術的模型數據挖掘工具。目前，幾乎每家企業都運用此軟件。

3 決策樹技術

決策樹技術，即在已知的各種情況發生的基礎上，結合實例歸納分析，直觀運用概率分析來判斷項目的可行性。決策樹是一個預測模型，在每個決策點可分支成多條路徑。決策樹的圖解模型可以直觀地將每一個葉節點分支下的測試結果表現出來。這樣可以為決策者在選擇時提供有力的依據，最后選出最佳方案。運用數據挖掘技術，通過對現有公司的財務狀況和公司治理結構的數據處理，對企業的發展前景進行輔助決策支持。鮑里斯與葉夫吉尼所著的《Data Mining in Finance》（2000）一書中提到，數據挖掘技術可以被運用到股票市場，用于財務預測雖然是一個挑戰，但同時也是一個有見地的行為。財務預測通過對未來經濟行為和經濟狀況的假設，對企業未來財務狀況和經營成果作出科學的預測。財務預測分析在大量的會計信息歷史數據和所建立的預測模型基礎上，科學地對企業運行中的各項評價指標進行預測，以此作為企業財務管理的決策依據。投資決策過程本身是一個比較復雜的過程，數據挖掘技術可以從企業的財務報告信息、國家宏觀經濟環境信息以及行業發展狀況、市場需求等大量的會計數據資料中挖掘出與對投資決策來說有價值的信息，以此確保企業在投資決策上有一定程度的正確性和有效性。如果企業由于一些因素出現財務危機，進行財務風險的數據挖掘，實現財務危機預警就能夠使企業及時了解面臨的風險。通過觀察財務預警數據的變化，對企業可能面臨的財務風險進行預測，是在財務危機發生之前采取防范風險的措施，避免出現財務危機。

4 神經網絡

審計與財務報表舞弊識別也是會計中比較棘手的問題，財務報表失真嚴重，然而票據過多涉及甚廣，審計人員考證需耗費很多人力與時間，神經網絡的運用可以幫助審計人員識別財務報表中的舞弊。拉維桑卡爾等人在“Detection of Financial Statement Fraud and Feature Selection Using Data Mining Techniques”（2011）表明，數據挖掘技術可用來識別、披露公司財務報表中的欺詐行為。財務欺詐是全球面臨的一個嚴重問題，在飛速發展的發展中國家更為常見。在傳統意義上，審計人員的責任是檢查財務報表中的舞弊。然而，隨著越來越多的公司依賴不正當的行為，審計人員如今肩負的責任更加沉重。數據挖掘技術的應用可以減少審計工作人員的工作量。筆者在文中提到運用數據挖掘技術測試了涉及202家中國公司的資料庫，分析、評估財務報表中的財務數據，約束嚴重的舞弊欺詐行為。

利用數據挖掘技術對企業的財務會計信息進行挖掘分析，對企業面臨的越來越大的市場競爭壓力進行內部控制和外部控制，提高企業核心競爭力等都有具有極大的幫助。將數據挖掘技術應用于財務會計領域中，能夠將企業海量的信息、數據轉化為有用的、有價值的知識，為企業在財務預測分析、投資決策、關系管理、市場分析、財務風險管理、財務預警以及虛假會計信息控制等方面提供幫助，對企業的健康、持續的發展有著重要作用。

參考文獻

[1]B. Kovalerchuk，E. Vityaev.Data Mining in Finance.Holland：Kluwer Academic Publishers，2000.

[2]P. Ravisankar.Detection of Financial Statement Fraud and Feature Selection Using Data Mining Techniques.Decision Support Systems，2011，50（2）.

[3]E. Kirkos.Data Mining in Finance and Accounting：A Review of Current Research Trends[C]//On Enterprise Systems and Accounting，2004.

[4]A. Sharma，P.K. Panigrahi.A Review of Financial Accounting Fraud Detection based on Data Mining Techniques.International Journal of Computer Applications，2013，39（1）.

〔編輯：劉曉芳〕