數據挖掘與分析在智能財務中的應用研究

王慧梅 陜西理工大學管理學院

引言

數字化時代背景下的信息時代是豐富的，可是想要從中找出具有企業利用價值的信息確實不容易。在數據挖掘技術日趨成熟的今天，在獲取查找分析信息中扮演著不可或缺的作用。而對于企業經營來說，其掌握的相關的信息量和企業的運行情況是息息相關的。數據挖掘是一個從海量信息庫中找到與之相關有用的信息的過程，并且運用多種分析方法加以分析處理，如：關聯、聚類、偏差和回歸分析等。在時代發展的今天，我們必須需要一種能夠從大量信息中瞬間提取并分析出相關有用信息的技術，該技術在一定程度上能夠提取相關信息加以分析，比如相關圖表、分析可行性、建立相關模型等。

一、數據挖掘定義

數據挖掘，在20世紀90年代便有國外學者對其定義及重要性做出了相關闡釋，比如1998年，William E等相繼提出并且設計了3種關于數據挖掘的方法，該方法主要對交易往來的一些信息做出財務分析，為以后的學者對這一方面研究提供了大量的參考意義。我國張凌燕學者認為數據挖掘隸屬于人工智能技術，具有廣泛用途，由于現如今的數據具有很多圖像化、復雜性的特點，運用原始的方法不能高效率的提取有用信息。而數據挖掘技術通過各種手段，如：關聯、聚類等，可以很好地進行數據深層次分析。綜上所述，數據挖掘就是通過一系列算法和模型對于所隱藏的數據進行挖掘和整理分析，其中包括結構化數據和非結構數據，然后將所得到的數據進行回歸、判別、聚類等分析，最終得出更加準確的數據供管理者進行決策。由于這些企業每天的業務量數不勝數，其產生的數據也需要進行高效的整合和分析，數據挖掘便可以提供一個可以進行信息處理的平臺，將數據進行收集整理，然后在企業之前確定的管理目標范圍內篩選獲得的數據，提高分析精準度。主要流程如圖 1所示：

圖1 數據挖掘的流程

主要算法如圖 2所示：

圖2 數據挖掘的幾種算法

二、智能財務下所反映出的傳統財務的問題

（一）無法高效處理大量信息

在當今信息化時代下，大量的信息需要及時處理，如果不及時處理，那么最終造成的信息不對稱將會給企業帶來很大的麻煩。比如，客戶的信譽值期待值降低等。但是傳統的技術不能高效率地來處理，這就形成了信息處理不及時和客戶企業做決策的兩者之間的矛盾，進一步給企業帶來不可估量的風險。

（二）企業成本管控不足

在去年和今年，新冠疫情導致許多企業在夾縫中求生存，在這樣的經濟大環境下，必須進一步的管控成本，減少不必要的支出，而不僅僅只局限于企業整體的財務報表中的數據，更要進一步管控在業務流程等的成本，應該將企業的每個業務部門的大量信息加以分類整合，建立相關模型，進行回歸分析，計算出相應的利潤率等盈利指標，篩選出利潤率較高的部門，給予他們較高的權重來提高降低企業的成本，提高經濟效益。

（三）風險評估不到位

早在1998年，Hall就在《會計信息系統》這本書中表明，傳統的會計人員的職能應該從簡單的核算記賬向決策和管理的方向轉變。即需要運用相關的財務信息，對得到的數據進行整合，做出相關的財務風險評估方案，減少相應的財務風險。這個理論也算是對財務人員較早地提出了轉型要求，以適應經濟的不斷發展。現如今，多數企業的財務人員仍然僅僅只是在做賬的環節中，并不能運用數據分析技術對所獲得的信息進行進一步整合分析出報表。我們需要從傳統的核算型會計轉變為管理決策類會計，不然遲早會被智能財務所代替。

（四）業財融合不落實

在2016年，我國財政部就發布了《管理會計基本指引》，指引中明確表示“單位應當加強管理會計工作，提升企業內部管理水平，促進市場經濟轉型升級，單位在應用管理會計時應遵循‘融合性原則’，即管理會計應嵌入單位相關領域、層次、環節，以業務流程為基礎，利用管理會計工具方法，將財務和業務有機結合”[1]。由此可見，傳統型核算會計應該逐步向管理會計轉移，以適應社會的發展和企業管理目標的完成。

三、數據挖掘對于智能財務應用的意義

（一）提高財務工作效率

在大數據的背景下，云計算模型應該廣泛普及，以用來提高該企業人員的工作效率，同時也可以將數據的價值發揮得淋漓盡致。這樣就可以在會計信息得到充分披露的同時，也可以提高數據的利用率，這便是云計算模型的奧妙所在[2]。數據挖掘技術可以在一定的理論基礎上和財務管理相結合，為企業制定出投資籌資最好的組合決策，并且為相關的審計人員提供原始的財務信息，提高了數據的準確率和人員的效率。比如，各種統計報表和相關模型等。同時也要加強相關工作人員的意識和學習能力，不斷地去提高自己。

（二）強化財務風險評估

現如今的大環境，必須使用行之有效的數據挖掘手段來進行信息摘取分析，比如建立相關數據模型，分析可行性等，而不只是僅僅的去分析財務報表的相關指標[3]。指標只是量化的結果，可是追究其中的原因還是需要從源頭數據進行各種分析才能得知。并且將該分析技術運用企業的投資籌資和決策中，篩選出最大投資報酬組合，最小風險組合等，預測重要價值產品和客戶，有針對性制定銷售方案，提高企業的利潤，增加企業股票市值，穩固市場地位。

（三）加強審計財務舞弊監督

利用數據挖掘，進一步地深入信息來源，查找相關疑似錯誤信息，及時地進行更正[4]。整個過程中，大數據技術將進程的效率提高了兩倍不止，也更好地檢查了企業的財務舞弊情況，建立相關模型（回歸模型、標準值檢驗等），判斷審計數據是否存在舞弊、欺詐等行為，為和諧公平的市場環境奠定基礎，使得企業的財務管理、預測、決策等方面達到預期效果。

（四）強化業財融合的實施

運用挖掘分析技術，可以更好地進行市場分析決策，建立相關產品和消費者等眾多對象之間的聯系，分析其中的相關性，制定最佳的銷售方案和企業經營方案，幫助企業獲得最大的利潤。財務人員不僅需要會簡單的核算賬務，也要學會分析相關銷售數據，運用數據分析，建立相關模型，找出相關潛在客戶等信息，最終作出相關銷售方案，這便無形之中轉變了財務人員的職能。企業的經營管理目標往往是隨著經濟環境變化的，財務人員必須與時俱進，與業務人員相溝通，需要深刻認識到自己所處的定位，不能把自己僅僅定位在一個會做賬務處理的角色上，要打破職業部門的概念束縛，做好事前預測，而不僅僅只是側重于事后的核算。財務和業務應該相互促進，相互融合，打破壁壘，相輔相成，而不是你中沒我，我中沒你。

結語

數據挖掘分析技術對于財務分析來說至關重要，不可或缺，發揮著不可估量的作用，尤其在財務審計、財務風險評估、財務預測、財務舞弊、提高效率等方面具有重要意義，給企業的管理者可以提供一定的相關決策。而對于以后數據挖掘技術的具體應用前景具有很大空間。

時代在發展，信息日益增多。我們需要在原來的數據分析處理的理論基礎上不斷去進行創新。傳統的數據分析技術已經落后了，在一定程度上，它僅僅只是從企業的財務報表上已經被量化的數字上面去分析，比如相關經營指標、盈利指標等，而不去系統地去追根溯源，造成這種情況的原因是什么？哪個品牌造成的？哪個制造商造成的？哪個消費者造成的？因此僅僅依靠傳統的分析技術在如今紛繁復雜的時代下遠遠不能夠和現如今的大數字時代化的背景相聯系。因此我們需要與時俱進，開拓創新，吐故納新。對于企業來說，熟練地去運用一定的數據挖掘分析技術可以達到事半功倍的效果，高效地去處理一些財務數據，更深層面地分析其所產生的原因，從根源中找原因，從原因中找對策，從對策中找企業最佳的經營決策、最佳投資組合等，這樣才能夠為企業創造出最大的價值，提高市場地位，拓寬市場份額和品牌附加值，因此數據挖掘對于財務分析有著不可估量的作用。