數據挖掘技術在財務分析中的應用

摘 要：隨著"互聯網+"的發展，大數據、云計算等多種信息技術的不斷創新，推動了會計信息化的發展。本文主要分析數據挖掘技術在財務分析中的應用的意義、主要內容及流程等方面進行闡述。

關鍵詞：數據挖掘技術；財務分析

以會計信息化為代表的企業管理信息化為企業管理和決策積累了大量的信息，尤其會計核算已經進入網絡時代，這就導致會計數據庫規模不斷擴大，保存在計算機文件和數據庫中的財務數據量正以驚人的速度增長。所以就需要對海量數據進行選擇，找出分析者需要的數據。目前，得到快速應用的數據挖掘技術就是為了解決數據搜集、處理等問題發展起來的一種處理方式。利用數據挖掘技術從不確定的、紛繁復雜的、隨機的實際應用數據中，提取隱含在其中的、潛在有用的信息和知識，為決策者作出正確的決策提供了可靠的依據。

一、財務分析與數據挖掘技術概念

1.財務分析概念

財務分析是一個龐大復雜的系統，依靠大量的會計信息及其他相關輔助信息為各個利益相關者（投資者、債權人、經營者、政府部分等）提供企業過去和現在籌資活動、投資活動、經營活動等狀況的分析及評價，為他們了解企業過去、評價企業現狀、預測企業未來，做出正確決策提供準確的信息或依據。在財務分析過程中，財務分析信息是必要的基礎，信息的準確與否將直接影響到財務分析結論的可靠性及準確性。

2.數據挖掘技術概念

數據挖掘（Data Mining）就是指從大量的數據中，運用一定的方法提取出隱含的人們事先不知道但有用的信息和知識。并通過分析這些數據的關聯性，建立起有規律的模式的過程。數據挖掘不僅僅是簡單搜集數據或建立模型的過程，而是隨著科學技術發展而發展起來的一門多學科交叉領域，在數據挖掘過程中，不僅需要數據庫、人工智能等知識，還涉及到統計分析、邏輯推理、模式識別、電子技術等多學科的綜合知識。

二、數據挖掘技術在財務分析應用中的意義

1.數據挖掘技術可以有效地降低財務分析的成本

就短期而言，數據挖掘技術作為一種新興的技術確實需要投入一定的人力和物力，但是就長遠而言，數據挖掘技術可以動態實時地反應各種信息，并且根據已經建立好的模型對企業的數據進行分析處理。更重要的是數據挖掘技術對同樣數據進行多次訪問時，不必做重復操作，對于不同的決策者做相似訪問時也不必做重復操作，這樣對于企業就可以減少大量的成本。

2.數據挖掘技術可以深化財務分析的層次，提高財務信息的利用能力

數據挖掘技術可以利用序列分析、機器學習、遺傳算法及其他統計方法，對公司的會計報表等財務數據庫中大量的財務會計數據中隱藏的各種關系進行分析，揭示其內在的特征和聯系，使它們轉化為公司經營管理、財務管理和投資決策中所需要的更清晰、價值更高的信息。

3.數據挖掘技術可以及時更新財務數據庫數據，幫企業準確分析市場變化

數據挖掘當中的技術模型和管理功能夠對于市場的變化做出及時的反應，一旦市場當中的某些信息發生了變化，財務分析人員可以根據該信息的變化情況做出及時的調整，重新分析，得出最優方案，以免企業在經營活動中由于信息的不對稱、不及時而做出錯誤的判斷使企業受到損失。

4.數據挖掘技術可以擴大財務分析的范圍，提升財務分析的質量

數據挖掘技術能夠滿足使用者需要實現多部門信息的綜合分析，擴大財務分析的范圍。另外和傳統的財務分析相比，利用數據挖掘技術能夠及時更新數據庫的信息，了解市場的最新動態；可以整合分類客戶的基本信息，在分群銷售和客戶挽留方面都有積極的貢獻；利用關聯分析能夠了解競爭對手的動態、優劣勢以及價值活動，這樣有助于提升公司的競爭實力。

三、數據挖掘技術在財務分析應用中的主要內容

1.投資決策分析

要對一個投資項目的可行性進行分析，必須要借助大量的統計工具和模型，而數據挖掘技術可以及時動態的提供投資環境以及行業基木狀況等大量的數據資料，通過這些數據資料建立起來的模型，可以挖掘出對企業投資決策有用的信息，保證投資決策的正確性和有效性，如利用時間序列分析模型進行股票價格的預測，就能為進行股票投資提供有用的決策信息。

2.籌資決策分析

企業利用數據挖掘技術，運用回歸分析模型等預測企業所需要籌集資金的量，還可以利用關聯模型等對各種渠道及方式進行分析，挖掘最適合企業籌集資金的渠道、方式及期限，力爭以最小的風險及成本籌集到企業所需要的資金。

3.產品銷售分析

企業要不斷發展，必須實時分析不同產品在整個市場的趨勢，加強管理，不能盲目擴大產品生產線，在采購原材料時，要注意分析庫存的量，不能積壓太多原材料，在銷售過程中，也應盡量注意不要過多采取賒銷方式；而對那些市場行情看好，具有長遠市場潛力的產品，不僅要注意盡量多培養長期客戶群，建立各個客戶的信息數據庫；同時要通過數據挖掘技術相關模型，如趨勢分析等模型了解該產品前期原材料等的預期市場趨勢，以加強材料庫存的管理，減少產品成本的變化給企業帶來的損失。

4.客戶分析

企業為了加強對客戶信息的管理，可以及時把各個客戶的信息錄入企業的數據庫，再通過對這些客戶數據進行挖掘，并進行關聯分析客戶對企業的價值貢獻、忠誠度、流失等信息，掌握各個客戶的行為規律，并根據這些規律進行分類，找出最有價值和具有潛力的客戶群，對這些重要客戶要緊密追蹤，要多角度、全方位的盡量為他們提供所需要的服務。

四、數據挖掘技術在財務分析應用中的流程

1.確定對象

財務分析所涉及到的利益相關者很多，有投資者，債權人，政府部門等，不同利益相關者對數據的需求不同。數據挖掘人員在選擇數據前必須確定對象，通過與各領域用戶緊密合作，掌握用戶所要求數據的知識背景，明確工作的目標，滿足客戶需求。

2.選擇數據

明確了財務分析對象后，根據不同需求，從有關數據庫信息中選擇出適用的數據。財務指標數量的并不是選得越多越好，如果選擇過多，可能就會產生冗余數據，對整個財務分析的預測結果產生負面影響，但也不能過少，否則，在數據挖掘過程中所找出的關聯模型會出現偏差。

3.數據調整

數據調整是對前而所選擇數據進行合并、清洗對一些無用或缺失值過多的變量可以考慮過濾掉、刪除等，而對一些文件、圖形等可以通過一定的方式轉換成便于數據挖掘的數據集合。

4.數據挖掘

首先必須確定挖掘的任務或目的，在明確任務和目的后，根據任務的需求以及不同數據的特點，選擇合適的挖掘算法，如在進行投資收益預測時，可以選擇遺傳算法、決策樹、數理統計等方法來建立模型。

5.分析

對數據挖掘階段建立的模型，需要采用一定的方法進行分析評價，可以選擇與開始建立的挖掘數據庫中的數據進行比較，也可以同實際中的或其他方法得到的數據進行比較，根據比較的結果，進行修正，甚至重新選擇數據，建立新的挖掘模式。只有找到最適合的模式，才能為信息需求者提供合理的決策服務。

參考文獻：

[1]葛向群.數據挖掘技術在企業財務管理中的應用[J].煤炭經濟研究，2002，（9）：46.

[2]楊釗.淺談數據挖掘技術在現代企業財務分析中的作用[J].管理與咨詢.2010（81）.

[3]高建敏.基于財務分析的數據挖掘技術研究[J].中國經貿.2015（24）.

作者簡介：

呂凱（1993-），女，漢族，山西長治，山西財經大學2016級會計學碩研究生，研究方向：會計信息化.