企業財務大數據與財務管理

朱曉虹

[摘要]財務大數據運作成為企業發展新的經濟增長點，把企業財務管理推到一個新的起跑線上。誰運作了財務大數據，誰就會成為企業財務管理的佼佼者。財務大數據運作的企業獲得豐厚回報的現實，使我們深刻認識到，錯過第一批財務大數據運作的機會可以理解，再不及時跟進則可能在未來發展中處于劣勢。在此基礎上，本文闡述對一些財務大數據運作要素的見解。

[關鍵詞]財務大數據；經濟增長點；財務管理

[中圖分類號]275

企業財務部門積累的各種管理數據及數據組合就是財務大數據。財務大數據具有海量、種類繁多、未因某種需求加工整合等特征。財務大數據運作就是運用專門的技術和知識，使這些數據釋放價值，導致未來經營管理的完善和企業經濟績效的提高。

一、財務大數據運作的作用

（一）配合企業管理者走向數據化決策

賬務數據量越是爆炸式地增長，財務人員提純的信息就越有代表性、典型性、針對性，提供給企業管理者作為決策依據，所確定的方案就越精確、合理。事實一而再、再而三地證明財務大數據運作的結果往往是正確的。數據信息海量，等于管理者擁有了“千里眼”和“順風耳”， 可以清楚地看到形勢、環境或業務現狀；數據信息質量高，等于拿到了開啟思路的“金鑰匙”，能夠慧眼識別出最佳方案。在決策時相信數據、使用數據，用數據說話，逐步減少了依賴主觀經驗、“跟著感覺走”和“賭一把”嘗試。如果財務人員以圖視化的形式報送數據資料，那么決策就寓于趣味之中了。

（二）經濟預測趨于科學化

財務數據的預測價值，在于通過其連續波動的規律，對未來正常情況下的經營進行虛擬的延伸和擴展，獲得與其相關的數據。我們掌握的預測對象在未來的“樣子”就比較靠譜。以利用回歸分析法預測為例：財務人員通過電腦操作，將一組作為自變量的已知年度經營業績數據帶入數學方程，運算后產生下個年度的因變量。求遠期年度的因變量，盡管循環運算的工作量大，但智能機器都能輕松完成。將全部數據在坐標圖上定位，逼真地顯示了其歷史的假定預測項目的指標變動軌跡。在預測范圍內，輸入一、兩個自變量，只能簡單地看出它們的發展方向，輸入密集的自變量，能看到精確度較高的因變量，看到數值與數值之間的浮動幅度。

（三）防范經營風險隨之升級

財務人員使用網絡工具，從不同經緯度不同層面考察與本企業交易的協同方或對方的信息，視野開闊，沒有信息壁壘的限制。一旦發現未披露的有異動的數據，立刻引起足夠警惕，及時查詢原因，快速鑒別是否屬于欺詐行為。遇到賬務糾紛、流動資金被長期拖欠時，在線查閱、下載國家財經法律法規條款、類似案例的可參考做法，用現代信息技術獲取有利于本企業利益的證據以及相關數據信息，制定、落實妥善的應對風險的方案。企業財務數據是不可任意泄露的，所以防范風險必須在對外通道新增隱私保護的措施。

（四）助推財務工作做得更好

互聯網平臺使政府部門的有關政策、客戶現狀、金融工具和市場配套服務等變得公開透明。面對某些業務事項，財務人員把賬上的數據和網上的數據合并思考，穿透數據看到真實的狀態，達到最佳的選擇、最妥貼的安排。例如，選擇辦理人民幣結算、信貸的銀行、辦理國際結算的銀行、常年企業會計顧問、財務應用軟件等，財務人員瀏覽媒體上各個目標宣傳的詳細資料和用戶評價，在市場數據里好中挑好，再佐證自身的經歷、體驗和感覺，就能精準鎖定稱心如意的合作伙伴或實物，確保財務工作如虎添翼。

二、財務大數據運作的條件

企業財務人員的辦公桌上均有一臺以上的具有人腦思索的智能電腦，人手一部與互聯網捆綁的手機。企業實行會計電算化作業多年，財務、會計人員使用其各個功能模塊已經游刃有余。財務大數據運作人員的崗位職責明確，具備實用性強、穩定性高的計算機操作的技術能力。財務部門的數據平臺處于企業數據運行系統的中心位置，信息流在公司旗下所有網絡都暢通無阻，使財務、業務部門的數據能夠迅速匯集和交換。擬有財務大數據運作的制度和執行規范，能夠結合實際及時更新。企業上下看到早期財務大數據運作的成效，興趣濃厚，積極性高。企業領導養成了讀數據、用數據的習慣，高度重視、精心部署財務大數據運作，在可能的情況下舉辦或派員參加財務大數據運作的培訓。

三、財務大數據運作的實施

（一）大數據收集

財務大數據運作的基礎工作就是捕捉、采集數據。財務人員的一切職業行為，都會產生數據。與國內外客商交易、資金結算、債權債務處理等，與政府有關部門、專業服務商、企業內部高管、業務部門之間的交互數據俯拾皆是。只要有心，就能從互聯網、專業會議、紙質資料、業務咨詢、同業人員社交等渠道入手，方便、快捷、動態地檢索信息、查閱所需資料與相關記錄，獲得有使用價值的數據。收集特殊的數據，需要利用一定的技術、人際關系，甚至交換或者付出必要的代價。外貿企業財務部門關注匯率變化，可以用“點對點”方式由專人瀏覽、登記銀行固定網頁每天刷新的外匯牌價。收集大數據并不在于數量多，而在于“一網打盡”，力求每個項目、每段過程的數據完整，避免重要信息的遺漏或導致以偏概全。

（二）大數據存儲

將各種分散的財務數據全部納入一個大的數據庫。在手的適用數據豐富充裕，有需求時就能信手拈來，產出的成果要比“現買現賣”式數據產出的成果要好很多。存儲介質（電腦、移動硬盤、光盤等）的容積很大，財務人員無須有大數據存貯空間不夠的顧慮。但是也不能瞎存儲，應該粗選、剔除冗余信息。存儲的數據必須備份，部分核心數據應該打印存檔。已有的紙質財務數據資料盡可能通過掃描轉化為存儲介質，以便長期保管。信息要分門別類儲存，采取標簽化管理，保證能在最短的時間內檢索出來。財務人員大規模聚合、保存并高效使用數據，無疑為企業財務大數據運作積淀了寶貴資產。

（三）大數據分析

財務人員帶著某一明確的目的和任務，依據數據基準特征，對面廣量大的財務數據進行梳理、分析。一般都是利用Excel工具來進行加減乘除、匯總和統計，對數據進行劃區間、劃層次、劃階段或總體的運算。各種算法如比較同一項目不同組織、不同時期的數據，測定某一單項在大類或整體的占比，演算某一項目數據與其他數據重組的結果，對所分析的若干業務按照一定的標準進行大小、多少、快慢、強弱的排序等等。適用于用經濟數據勾勒出某一組織、某一事件的輪廓，了解企業業務發展的程度、驅動原因和對現在、未來的影響，業務實績在預期范圍內的走向，交叉驗證某一關聯業務過程的合理性與存在問題等。運算由電腦自行完成，人工不可能干預新數據的生成，因而是客觀公正的。經過大數據分析，財務人員的智慧被放大，從數據資源中發現了新的信息，獲得了新的認識，形成了新的判斷。

（四）大數據挖掘

大數據挖掘比大數據分析在深度上更勝一籌。以資金流轉、資本營運、成本費用控制、懸案處置、納稅運籌等為研究對象，解剖、探討原始的和重復利用的財務大數據。歷年來的會計核算資料已經被精簡到實際需要的容量，不屬財務大數據的范疇。但是把這些數據與其他數據交織在一起，仍然可以用作財務大數據挖掘與其本身用途無關的新的潛藏的價值。依從教授、專家、高級會計職稱人員、政府部門某業務專管人員的提議，財務部門領導、實務工作人員深思熟慮、各抒己見，采用財務管理學的專業技術或數學公式，把多源的多類型的復雜的數據有機配伍、反復試算等等。觀察、尋找數據與數據、信息與信息、事項與事項之間以及財會業務內在關系、結構，觀察、尋找以前未曾認識的決定性因素和數據背后隱蔽的奧秘。憑著邏輯判斷，企業領導就能將研究成果直接轉化為預測、決策和擺脫“老大難”困境的路線圖，財務人員就能激發出做好某項財會業務的靈感，悟出理性認識和行為規則。

（五）大數據共享

大數據不斷流動和充分分享，才能保持生命力和活力。在共同遵循數據治理的框架下，部分財務大數據、財務分析的論證、結論意見以日報、周報、月報、季報、半年報、年報、專題報告等形式發送到總經理信箱，以局域網平臺信息發布的形式告知本企業業務、管理部門、人員或下屬單位。企業財務部門向政府業務管理部門、社會服務機構提供財務數據，在廣告、網上媒介宣傳本企業的資料包含的財務數據，就是接受方的財務大數據。在合作方的網站上設置本企業網站網址的鏈接，有關人員點擊網頁后也能關注本企業的財務數據。

四、財務大數據運作的深化重點

（一）樹立大數據運作的正確理念

財務人員與計算機完美合璧，財務工作物質條件改變了，財務人員的思維方式也要改變。小數據時代的財務數據來之不易，所以財務分析只能對有限的樣本數據精確使用；而進入大數據時代，財務人員可以獲得海量的即時數據并進行分析。因此，財務人員要從樣本思維轉向總體思維，致力于全面地立體地系統地認識財務工作，過目所有資金流動的細節從精確思維轉向容錯思維，適當忽略微觀層面上的精確度，允許一定程度的錯誤與混雜，反而可以在宏觀層面擁有更好的信息和洞察力；從因果關系思維轉向相關關系思維，有些財務事項不存在確定的因果關系，但是肯定存在線性或非線性的關聯關系，厘清相關關系的效果超越尋找因果關系的效果。

（二）開展數據的標準化處理

企業會計電算化核算必須嚴格執行現行會計制度一級科目規定的內容，按照企業信息系統整體規劃和財務管理的要求擬定二、三級科目的核算內容，盡量保持與同行業企業通常定義的口徑相吻合，以便對外輸出的數據與接受外部的數據都能對口或銜接。無論是存儲的還是導入、復制的原始數據，在使用前必須進行數據同趨化處理和無綱量化處理。同趨化處理主要解決不同性質的財務數據問題，如將幾個類的數據合并或者在一個類的數據中剔除不符合的部分等，使所有數據對測評目標的作用力一致。數據無綱量化處理主要解決財務數據的可比性問題，如變量單位或大或小均換算為默認的變量單位等，使各指標值都屬于同一數量級別。

（三）改造非結構化財務數據

傳統的財務分析內容就是像會計核算資料之類的結構化數據，現時的財務分析內容逐步擴展到像文本、圖像、聲音、網頁之類的非結構化數據。非結構化數據蘊藏的信息比結構化數據更豐富更深刻更生動，因而使分析質量大幅度提高。當然，非結構化數據不直接對應某個財務事項屬性，必須經過一番調整改造。要利用一個強大的搜索引擎，按照一定的辦法凈化數據：一是消除形形色色的不完整數據、錯誤數據和重復數據，二是對財務數據進行集成并存儲數據庫。這樣，就可以多次將數據集用于搜索和分析了。把非結構化財務數據改造成結構化財務數據，也就是實現了所謂的“量化”。有些數據因其個體之間的差異太大致使改造困難，有待于進一步創新技能與方法。

（四）建立有效的財務數學模型

建立財務數學模型，能夠為預測企業經營未來變化的趨勢，或對內控制某一種財務現象的發展提供某種意義上的最優策略。建模就是借助計算機求解，從定量的角度來解釋實際問題，并接受實踐的檢驗。財務人員要深入細致地調查研究建模對象信息，提煉出共性因子，靈活巧妙地使用數學符號、數學公式和其他數學知識來刻畫各種變量與常量之間的關系，抽象而又純潔的模擬其本質。要對積累的各種計算過程進行過慮，精簡、改進錯綜復雜的環節，就能發現、保留科學的合理的財務數學結構。財務人員在財務數據分析時把數量假設和綜合推算方法內置于Excel表格、有關程序的計算中，可以說就是財務數學模型或其雛形的孵化。

主要參考文獻：

[1]葉盈吟，大數據視角下企業財務管理研究[J]，管理觀察，2 016（2 7），121-12 2+12 5.

[2]茅未衍，大數據視角下的財務動態管理實踐[J].財會學習，2016 （09）：32.

[3]趙婧，大數據背景下企業會計數據的新特點[J].財會月刊，2014 （21）：105-108.

[4]董超，盧桂林，胡青善，一本書搞懂企業大數據應用[M].北京：化學工業出版社，2017.7.