大數據時代企業財務風險預警機制與路徑探究

李霞

摘 要：即便20世紀30年代以來國內外學術界提出大量企業財務風險預警模型，但是該風險預警模型往往無法滿足實際情況中對預警結果及時性、穩定性及準確性的要求，客觀上要求相關從業人員以企業財務風險預警需求及大數據技術為切入點，組建具有大數據時代特色的高速、全面及多角度企業財務風險預警機制，以達到徹底解決企業財務風險預警問題的目標。本文以大數據時代企業財務風險為切入點分析其預警機制構建要點，就提出具體的設計路徑進行深入探究，旨在為相關從業人員積累更多的工作經驗。

關鍵詞：大數據；企業財務風險；預警機制；實踐路徑

伴隨社會進步及經濟發展，企業所面臨的經濟環境變化日新月異，不止為企業贏得更多的發展機會，更產生相應的財務風險亟待解決。有學者明確指出面對多變市場及激烈競爭的挑戰，企業構建科學合理的財務風險預警機制具有不可比擬的積極作用，換而言之準確識別預測財務風險方可幫助企業于全球化經濟競爭形勢下屹立不倒。上個世紀30年代全球范圍內著手研究企業財務風險預警機制，有學者發現“股東權益/負債”及“凈利潤/股東權益”能有效區分正常企業及財務困難企業，其預測準確性較高。相較于西方發達國家，我國企業財務風險預警機制研究起步時間晚，已取得一定研究成果，例如：以F模型為例彌補Z模型無法綜合考慮現金流量變動的不足。鑒于此，本文針對大數據時代下企業財務風險預警機制及路徑的研究具有重要現實意義。

一、大數據時代企業財務風險預警

一般說來，企業財務風險預警貫穿于日常生產經營活動、融資活動及投資活動過程始終，而企業開展日常經營活動時往往以戰略層面、業務層面及部門層面為切入點產生財務風險預警需求。同時，層面不同所產生的決策也不盡相同，例如：部門層面決定采取具體銷售策略、業務層面決定開發具體新產品、戰略層面決定開拓具體業務等。由此可見，企業各個層面財務風險預警的要求及標準存在著顯著差異性，并且不同預警需求對應著不同的數據分析基礎，靈活運用大數據技術構建財務風險預警機制，能幫助企業收集真實反映企業宏觀經濟影響、行業關聯影響、行業風險、供應鏈傳導影響及內部狀況的海量數據。

同時，不同層面預警財務風險時可結合層面自身特點需求抽取相應的數據進行深入分析，以達到滿足不同層面財務風險預警需求的目標。由于數據可一次性收集后反復再次利用，一定程度上降低單次風險預警的時間控制其成本投入，擴大財務風險預警的適用范圍。由此可見，大數據時代下企業財務風險預警機制具有全方位及多維度等鮮明特點。受現有的企業財務風險預警機制自身穩定性及準確性不足的影響，其問題產生原因與指標選取時非財務性因素綜合考慮不足間存在著密切聯系，并且選取非財務指標時傾向于采取試錯或列舉等方法，造成被選中的指標喪失及時性，不適用于企業長遠發展。

二、大數據時代企業財務風險預警機制設計要點

按機制類型，大數據下企業財務風險預警機制可分為特殊預警機制及常態預警機制，而常態預警機制貫穿于企業日常經營活動過程始終，特殊預警機制往往于提出重大決策時自行啟動，可細分為反饋預警結果、評價預警效果、出具預警報告、判定財務風險及采集處理數據等階段。其中，采集處理數據階段中技術人員可利用計算機每日自動化收集更新與企業、行業或宏觀經濟相關的海量數據，例如：宏觀經濟數據、行業及其相關數據、供應鏈企業公開數據及企業內部財務或非財務數據等，結合數據類型進行詳細劃分整理，例如：財務數據中結構化數據可被視為變量存儲于數據庫中。

同時，非結構化及半結構化數據必須率先進行結構化處理，以半結構化數據中最為常見的文字信息為例先清洗數據及語義分析后再得出反映原始數據的數字化變量，為計算機分析做好前期準備。由于風險判定階段中風險預警機制必須提前劃分風險類別分析風險程度，直接決定是否作出風險預警提示，是預警機制中最為重要的階段之一，主要通過計算數據庫中海量數據全面分析宏觀經濟影響、供應鏈傳導影響、行業關聯影響、行業風險及企業內部狀況，完成獨立或交互影響所產生的經營風險、競爭風險、法律風險及政治風險等易引發財務風險的商業風險識別量化任務。

從現有的財務預警機制角度來看，量化結果超出風險預警的臨界點則預警機制可自動作出預警決策。由此可見，風險預警臨界值對于保證預警效果具有不可比擬的積極作用，而臨界值過高則存在造成企業忽略風險采取冒進措施的可能性，臨界值過低則存在造成企業錯失最佳發展機會的可能性。同時，全新財務風險預警機制無法脫離人工智能技術及大數據技術的支持，完全支持神經元模型及向量機模型，找到更為優化的臨界值。其中，向量機模型以尋求最優平面為核心內容，主張分開類型差異性大的數據，并且數據庫中經計算得出的變量及企業是否存在財務風險的評估指標共同組成多維空間。

三、大數據時代企業財務風險預警路徑設計要點

1.分析內部動態

作為企業財務風險預測預警最為基礎的工作環節之一，企業內部狀況可分為非財務狀況及內部財務狀況。其中，企業內部財務狀況把握難度較低，主要通過企業ERP系統等軟件所提供的各項財務指標或財務數據進行總體衡量，所有數據展示企業過去及現在的現金流情況、經營成果及財務狀況，真實反映企業自身的發展能力、風險控制能力、經營能力、債償能力及盈利能力，一定程度上影響企業未來的財務風險；非財務狀況可細分為規章制度實施后果、內部控制建設情況及企業治理結構等，潛在影響企業未來發展的財務風險，一旦企業自身內部控制制度不全或出現重大缺陷則存在埋下財務風險的可能性。

2.分析風險測度

一般說來，分析行業風險指全面分析預警企業所處行業的發展現狀及可能對企業產生的影響，換而言之企業是其所處行業的主要組成部分，深受行業總體發展進程、行業競爭程度及行業現狀等方面因素的影響，主張憑借行業銷售增長率、行業利潤率及行業集中度等定量指標完成評估衡量。由此可見，靈活運用大數據技術能及時更新量化指標，更能妥善處理類似管理層語調的非結構化信息，以達到獲取增量信息提高預警分析準確性的目標。此外，一旦內部控制風險大規模爆發則難以預估對企業自身所產生的影響，而通過分析數據等方法能大大提高風險預警的穩定性及準確性。

3.分析關聯影響

分析行業關聯影響指分析除企業上下游行業外其他相關行業的發展變化總結其對企業所處行業的影響，尤其是宏觀經濟環境下，各個行業間存在著一定程度的聯系及影響，例如：房地產行業發展不景氣造成其木材或鋼鐵等上游行業、家電生產銷售等下游行業及金融行業遭受嚴重影響，甚至波及城市居民收入，直至影響看似關系不大的餐飲行業。由此可見，相關技術人員于全新預警機制下靈活運用大數據技術搜集分析企業往年相關數據，分析各個行業對企業所處行業的影響方向及影響程度，便于確定出相關行業，再結合分析結果預測行業未來的主流發展趨勢判斷其是否存在財務風險及其風險水平高低。此外，供應鏈傳導影響指企業所處行業上下游企業財務情況及發展方向所形成的供應鏈傳導對企業的影響，客觀上要去評估企業財務風險時必須全面分析供應鏈傳導影響。

四、結語

通過本文探究，認識到大數據環境下企業財務風險預警以大規模數據為基礎進行機制構建，而大數據被風險識別及風險分析后反復加工利用，對于實現多角度全方位風險預警目標具有不可比擬的積極作用，最終滿足不同層次的企業財務風險預警要求。同時，大數據下財務風險預警機制不止能以宏觀經濟影響、行業關聯影響、供應鏈傳導、行業及企業內部狀況為切入點進行深入數據挖掘分析，更成為風險預警及時性及準確性的保障。因此，相關從業人員結合各個企業間自身特殊性，將人工智能技術與財務風險預警機制建立相結合，定制出符合自身發展方向的財務風險預警指標不斷調整其指標權重，促使財務風險預警模式向個性化轉變，進一步保證財務風險預警的穩定性、及時性及準確性。

參考文獻：

[1]蔡立新，李嘉歡.大數據時代企業財務風險預警機制與路徑探究[J].財會月刊，2018（15）：38-43.

[2]張艷春.企業財務風險管理、財務內部控制以及預警機制建設[J].內蒙古科技與經濟，2015（24）：39-41.

[3]李云霞.企業財務風險預警機制的建立研究[J].財經界（學術版），2015（14）：197-198.

[4]楊瑾淑.基于危機預警機制的企業財務風險管理研究[J].改革與戰略，2014，30（11）：32-34.

[5]李莉.企業財務風險預警機制建設研究[J].時代金融，2014（27）：86.

[6]高蓉.后金融危機時期中小企業財務風險預警機制研究[J].長春理工大學學報（社會科學版），2014，27（09）：67-70.