董麗麗
(黑龍江省慶懋機電工程有限公司,哈爾濱 150010)
財務信息收集具有一定復雜性,收集難度大、數量多,需要消耗大量時間。很多企業呈獻給管理層的財務報表大多都是通過多次的加工、整理和初步計算呈現出來的,但這樣羅列出來的數據基本都是粗糙的,一旦技術不成熟,會導致財務數據分析缺乏準確性。
隨著信息技術的穩定發展,大數據也隨之出現。在經濟全球化的背景下,企業也越來越重視財務數據的使用,應有效利用數據,挖掘出數據背后的價值。目前,財務共享模式大多是以資金掌控和費用的報銷為主要突破口,并沒有進行多樣分析,企業的形態也較為單一,這樣的財務數據整合起來就相對來說較為容易。但企業是經過不斷發展而擴張的,這種單一分析、階段性分析已經不能滿足當今企業財務共享服務的競爭要求,必須分析其利弊,對管理會計進行實踐性構想,構建企業財務大數據框架,如圖1所示。

圖1 財務大數據框架Fig.1 Financial big data framework
從圖1可以看出,財務大數據框架具有自身的運作流程。首先,應建立企業的財務會計報表,通過財務會計報表生成企業的管理會計報表。其次,要將企業自身的績效考核標準與管理會計報表都列入數據庫當中,然后再將二者進行比對分析,得出最終的數據。最后,創建一種多維數據庫,方便企業通過數據分析今后的發展走向,對今后企業發展具有極大的促進意義。
現在的市場競爭愈加激烈,管理者更加看重企業的經濟利益,把重心都放在了財務管理上。財務人員對企業不是十分了解,很多企業沒有構建完善的管理會計部門,也沒有對部門構建做過多考慮,導致企業缺乏專業的管理會計制度,對管理會計的應用意識非常淡薄。而且企業的管理會計人員相對較少,專業知識嚴重缺乏,出現了分工不合理、決策信息不準確的現象,嚴重影響了企業的經濟發展。
要對企業的政策進行調整,增加關于績效考核管理政策的調整事項,加強對財務人員的管理培訓,加強與其他類財務報表之間的關聯。對于一些來源廣、離散程度高且難度較大的非財務信息,可以設計出不同的模板,并分發給各級部門,明細數據也可以通過二維數據庫進行準確挖掘。
績效指標可以清晰記錄一個企業的發展進程,可以使各部門明確自己的主要責任,有利于及時調整企業戰略目標中形成的偏差。績效指標涉及的層面是多方面的,但我國企業往往都以財務導向為指標,忽略了非財務指標因素帶來的影響,導致考核不夠全面。績效考核一定要將考核的財務數據與管理會計報表進行明確對比分析,為企業提供規范化的財務數據。
多維數據庫模型不僅能夠滿足一般的業務處理需求,還對系統提出了更高的要求,一個多維數據集可以包含一個或多個事實數據,如圖2所示。

圖2 銷售多維數據集Fig.2 Sales cube
從圖2可知,銷售多維數據集可以針對各類別進行銷售情況分析,還可以建立一個關聯不同財務系統的憑證信息對位數據集,用于輔助核算財務數據。
目前,商業智能產品有很多,多數都是建立在多維數據的模型基礎上,凸顯了多維數據模型的重要性。商業智能的延伸就是數據的挖掘,很多商業智能工具都可以對多維數據庫進行數據挖掘,要發現其中規律化和趨勢化的信息。
隨著信息技術的不斷發展,企業的生存姿態也隨之發生變化,大數據的出現可以快速幫助財務部門建立分析工具。財務大數據框架是一個復雜且系統的工程,其規模較大,無法在合理時間內利用主流工具進行資料整理。因此,基于管理會計視角的財務大數據框架構建便成為了企業財務管理的重點,只有大數據技術得到穩定發展,才能確保我國企業管理會計工作的安全性和穩定性。