大數據會計財務預測方法研究

王麗敏 公玨

（黑龍江科技大學管理學院，黑龍江 哈爾濱 150000）

隨著“5G時代”的到來，“大數據”這個詞也逐漸出現在人們的視野中。“大數據”這個詞并不是一個新詞，其產生的主要原因是互聯網及科技的發展，數據的增長無法運用人工的方法去整合或者使用人工的方法無法用較短的時間計算出結果。會計在古時候就已經出現了，那個時候的會計主要是通過系繩等方式進行簡單的計算，隨著社會的發展，會計逐步從繩結轉變為算盤，俗稱“記賬員”，通過將當日的支出和當日的收入進行計算，從而計算出利潤，幫助老板掙錢。之后就出現了賬簿，用于記錄每日的首支。會計的不斷發展，也使得會計人員的職責越來越多，會計也從簡單的記錄賬簿逐步演變成分析賬簿，到現在的財務分析。那么隨著大數據時代的到來，會計的職責也發生了變化。會計的職責之一就是幫助企業進行財務預測，在“大數據會計”產生前，已經誕生了財務軟件、“云財務”等財務分析方法，但因為財務軟件只是將財務的流程簡化，不能人工測算整個行業或者相似企業的數據，所以“大數據會計”也就在這個背景下應運而生。財務預測就是通過現有的數據估算未來的數據，大多數企業使用的都是本企業最近幾年的數據，然后通過數據分析對未來公司的財務狀況進行分析；也有些企業例如，處在初創期的企業，由于企業自身的數據不足以分析出企業未來的狀況，所以企業一般會使用企業所處的行業的數據進行分析，通過數據的關聯找到適合本企業的未來狀況。總的來說，“大數據會計”就是將大數據與會計研究相結合，通過運用大數據的研究方法幫助會計人員實現本企業的財務預測（如圖1）。

圖1 大數據會計

一、相關研究簡介

大數據是當今信息爆炸的產物，是一場技術的革新，波及了幾乎所有行業所有人[1]。會計信息是企業財務預測的基礎，會計信息的好壞直接影響著企業財務預測的結果。會計信息也是經濟發展的試金石，能夠預測未來的經濟趨勢，也能為過去的經濟決策提供有效驗證[2]。在當下大數據正在悄無聲息地改變會計財務預測的方法，并漸漸地成為企業內外部所有利益相關者決策的重要來源，從而對企業的財務報告產生影響并將使得企業管理層對于戰略部署進行決策。

從大數據的概念我們可以看出，其是一個動態的過程，它與之前的小數據有著相似的地方，但大數據和小數據之間也有許多不同。大數據時代有著鮮明的特點（如海量性、多樣性、真實性和價值性）但其實這些特征并非大數據所獨有的，有很多小數據也具備同樣的特征，但只不過只有大數據在這些特征的量和質方面有了更大的變化。大數據區別于小數據的關鍵特征應是它的高頻性和詳盡性，即小數據是“慢”數據和抽樣數據，大數據是“快”數據和總體數據。正是這種差異，將小數據時代與大數據時代的環境區別開來。大數據的產生也造就了數據處理的蓬勃時代，不像數字，數據本身是有排序的，數據的排序也會因為數據所在的行業有所不同，例如數據在財務中就是財務報表里的數據，而在調查問卷中就是每個問題的占比以及問題人數的多少。通過匯總數據，將數據分類整理后，運用大數據的方法從而找尋軌跡，找到如何分析和解決企業所面臨的現狀和問題。

二、研究目的

在現有的研究方法下，大多數人將研究方法分為定性和定量兩種分析方式，就像財務管理分析方法一樣，雖然是財務管理是四種分析方式，大家多采用的是比較分析方法，而針對學術研究來說，大家更是從定性和定量兩種分析方式進行分析。針對大數據會計的特點，本文采用的研究方法主要以定性研究為主，針對大數據背景下的同行業的會計數據進行會計財務預測進行研究，后通過觀察分析研究，得到初步關于大數據會計財務預測方法的結論。再在分析過程中運用對比研究的方法，對“大數據會計”與傳統會計財務預測流程的不同進行分析研究，同時運用該研究方法來討論大數據會計對財務預測結果的可視化處理。

三、研究意義

傳統意義上的會計主要是針對結構化的數據進行分析、整理。即通過一些進貨單、發票進行報表填列，數據整體上都是有規則性的，但隨著數據量的增多以及無規則數據的出現，就需要會計運用大數據的方法進行整理，即將大量的數據以及無規則的數據進行重新整理、分析。“大數據會計”也就是基于企業的業務增多、數據量增加產生。如果企業不使用大數據的方法，那么即使我們的Excel算到ZZ列，也無法將全部的數據進行匯總，更不要提將基于這些數據進行財務預測。那么以煤炭上市企業為例，截至2021年，我國共有煤炭上市企業37家，平均上市年份為9.5年，根據上市企業的相關要求，需要在每年的4月30日之前將去年的年報進行披露，平均年報頁數103頁；通過上述數據如果使用傳統的會計方法，將整個煤炭行業的財務數據進行整合至少需要幾個月的時間，其中使用的方法通常為Excel進行人工數據輸入，這不僅僅會大量的占用會計人員的時間，同時也會減低會計人員的積極性，使會計人員對于工作沒有熱情，導致企業的管理成本升高。但如果使用大數據的方法，通過Python進行數據抓取，只需要幾個小時的時間就能將所有數據抓取出來，并且數據還是實時更新，即能在公布出來之后及時地將原有的數據進行替換，通過這種方法能夠大大降低員工的工作量，提高員工的積極性，同時，也會縮短整合數據的時間，也能夠盡早地發現財務問題，進而進行財務預測。現階段的大數據會計也在逐步發展到供應鏈方向，從上下游直接進行財務處理，不僅僅會節約時間成本，同時，也將幫助企業更好地進行戰略策劃，及時根據市場情況進行戰略調整。

四、研究方法

在大數據的背景下，由于數據量的迅猛增長，財務數據分析難度加大同時也使得財務預測的方法發生了轉變。本文主要是將財務預測的流程（如圖2）分為四個步驟進行分析：

圖2 財務預測流程

第一，財務數據的收集和整理。

第二，財務數據處理。

第三，財務數據的分析以及挖掘。

第四，財務預測結果的可視化。

五、完成思路

（一）財務數據的收集和整理

在傳統的會計模式下，財務數據的收集和整理流程采用的是線下發票以及發貨清單等紙質版資料，這些資料通過一步一步地審批最后交到出納手里，出納整理匯總后再交給會計。在這種環境下，人工的成本非常大，而且企業需要大量的人員進行此步驟，而且步驟繁瑣導致人員的出錯率會較其他步驟少的企業出錯率低很多，尤其對于制造型的企業來說，這也是很大的成本。而大數據背景下的會計，更多的是使用云會計的方法，即將審批流程改為線上審批，資料以及發票等采用電子的形式。這樣的好處首先是能夠降低不必要的管理成本，不需要人工實地審批，通過線上的流程直接進行審批；其次，可以大大降低數據出錯的風險，線上流程可以看到審批，對于有錯誤的地方能及時進行修正；再次，線上審批能夠劃分責任，每個步驟安排專人進行負責，能找到錯誤的源頭劃分責任；最后，能提高人員的辦事效率，通過線上審批的方法，財務人員可以直接在電腦上進行數據的整理，無須進行紙質版匯總從而極大地提升了辦事效率，而且線上審批能夠看到每個人的審批時間，通過審批時間我們能夠發現企業內部是否有人投機取巧、渾水摸魚。

（二）財務數據處理

與傳統的會計模式不同，“大數據會計”對于財務數據的處理采用的是軟件直接生成，生成后對各部門的財務數據進行分類，并進行數據分析；而傳統的會計模式則是通過人工進行分類，時間較“大數據會計”耗費的時間較長，而且同時風險也較大，由于是人工進行操作，極有可能因為過于疲勞或者走神而看錯會計科目，使得原來應該記在部門里的費用分類到其他部門內，使得其他部門的成本增加，尤其是對于管理權分散的公司的影響是非常大的，所以，財務數據的處理如果能夠通過大數據的方法進行的話就能夠幫助企業數據風險降低，保障企業財務數據的準確性和及時性。

（三）財務數據的分析以及挖掘

財務數據在經過整理之后，會進行分析處理。在人們的印象中，財務分析就是普通的數據進行對比，并通過對比預測未來企業可能的狀況，但卻忽視了對于行業和時代的分析。例如，稅收方面，有些地方采用的是三年免減的政策，有的是五年，不同的地方稅收優惠不同，如果財務只根據前幾年的數據來預測，沒有加入有可能發生的稅收費用，那么財務人員預測企業未來的盈利情況就是不準確的。而“大數據會計”就能避免這一點，“大數據會計”先通過本企業的數據進行測算，然后會通過行業內大量的數據進行二次分析，同時，針對稅收問題進行分析。這種分析數據的方法較傳統會計來說不僅僅是分析的結果準確而且會加快企業預測的時間，幫助企業及時發現問題。

（四）財務預測結果的可視化

財務預測的結果在以往的經驗中大家都選擇的是圖表的方式進行，但其實圖像較圖表和文字來說更容易被人們接受和吸收。圖像能夠將數據更為直觀地表現出來，尤其是在大量數據面前，圖像的優點就更能凸顯出來了。在大數據時代，編程的興起使得人們對于數據又有了全新的理解：例如，Python；Python爬蟲技術能夠快速識別信息，并可以通過數據信息做出動態圖像，讓數據使用者更直觀地看到數據的對比和分析；傳統會計的Excel圖表無法動態的捕捉數據，而且不能對數據進行及時的可視化分析，對于企業管理人來說，數據結果的可視化是幫助其分析企業未來決策的重要手段。財務預測結果的可視化是未來“大數據會計”的一部分，“大數據會計”的發展也會使得會計更加智能方便。通過大數據的方法進行的財務預測能夠讓企業的內外部利益相關者更直觀地看到企業的數據，從而檢驗企業管理者的管理水平。