基于大數據思維的財務數據挖掘和實踐應用

徐愛菲

（廣西國際商務職業技術學院， 廣西 南寧 530007）

大數據時代背景下，越來越多企業開始重視和利用大數據的價值，分析市場形勢，強化內部管理，但與此同時，也有很多人未能正確認識大數據急速擴張而產生的隱患及問題。要在短期內快速處理大數據，并最大程度消除隱患，使其真正為企業發展而服務，這成為了企業管理者及相關從業人員的重要目標。

1.大數據的背景及特征分析

大數據最初在西方國家的流行，可追溯到2009年前后，在其快速發展的過程中，大數據思維與大數據技術也被越來越多人關注和研究，于是商用化逐漸滲入生活化，影響著更多人的工作與生活[1]。大數據思維主要包括以下幾點：一是總體性思維。近百年來，人們研究社會現象的特征需要依靠對社會數據的收集，于是抽樣的數據收集方法成為一種重要手段，特別是針對一些無法進行訪問來聚合數據的情況較為有效。伴隨數據的增加和需求的提升，這樣的數據統計和分析方法逐漸落后，無法對大數據展開收集與分析，于是人們又通過各種算法來進行深入研究，力求了解樣本中更多隱藏的細節和關鍵的信息。伴隨大數據時代的到來，數據無論在采集環節、儲存環節，或是處理分析環節，都取得了較大的突破，人們在利用的過程中思維也在無形中發生轉變，從樣本思維轉變為整體思維，這樣的思維更利于人們全面直觀掌握數據的整體聯系[2]。二是容錯率思維。過去人們收集信息存在不充分、來源單一等問題，這需要將獲取的數據更結構化與精細化，否則分析出來的結論則存在偏差，于是人們開始探究數據樣本的精準。在大數據技術的支持下，伴隨大數據儲存、處理功能的發揮，人們也逐漸應用容錯性的思維，不再將絕對的精度作為唯一的追求目標，而是適度忽略精確，只需確保在一定范圍內，這樣更能從宏觀的角度獲取更多的數據信息。三是相關性思維。過去人們提取數據更注重各數據之間的因果關系，試圖通過這種方法發現數據的內部聯系，但由于樣本的有限，很難真正尋求到所有數據間的普遍關聯。大數據時代下，借助于數據挖掘技術有助于更好地找到各數據之間的隱藏性關聯，甚至可將其用于捕捉現況，預測未來，通過復雜非線性關系、線性關系的研究，很多表面無法察覺的數據聯系，都能顯著地表現出來被人們所利用[3]。

2.大數據挖掘及其意義分析

大數據應用至今，人們在數據技術生成、收集、應用方面的能力日趨加強，并且伴隨逐年發展的態勢，這種勢頭還將不斷延續。在這樣的背景下，大數據的應用也面臨全新的挑戰，信息爆炸的社會背景下，信息高度過載已成為一個顯著的問題，人們需要及時發現有用的信息，提高信息利用率。對于企業而言，更要試圖最大程度挖掘信息的價值，以促進企業的成長與發展，為作出正確決策而提供參考，否則所獲取的數據則會成為一種負擔，甚至成為垃圾數據。面對這種挑戰，企業內部財務管理、業務決策以及整體的戰略性發展工作，都要充分尊重大數據的應用規律，接受大數據發展的挑戰[4]。要最大程度挖掘大數據的價值，人們就要掌握大數據的挖掘特征。首先，數據的來源非常龐大，展現出豐富有效、真實以及不確定的特點。其次是數據價值的提取是為了滿足需求，因此在提取以前必須重點關注具體的需求是什么。最后，在當前愈發激烈的競爭市場上，數據挖掘的背后不同程度滲透出商業價值，且都是相對的。這些特點為企業在財務數據挖掘和應用工作上，工作人員應用大數據思維處理而提供非常重要的參考。

3.以L企業為例探討基于大數據思維的財務數據挖掘與實踐

3.1 L企業簡介

本文列舉的L企業為一家外貿企業，主要做進出口貿易，產品包括化工原料、機電產品、工藝品等等，在ERP系統上線后業務合同大幅度增加，生成的會計憑證與新增會計記錄均增加數十萬，自動化率已超90%，無論是內控、業務管理、風險防范和財務管理方面，都有非常顯著的效果。基于大數據技術的支撐，該企業的財務分析完全實現自動化，同時還建立了預警平臺和風險評估平臺。

3.2 企業需建立大數據思想挖掘模式

首先，企業的財務管理工作要將各類數據進行交互整合，由于財務數據包含的內容非常廣，幾乎囊括所有經營數據，因此對其進行分析很大程度已超越過去資金管理和成本控制的范疇。要處理這些繁瑣的數據，若無法將其整合，找出關聯，必然影響企業財務管理及經營管理的效率[5]。由此可見，需要對現有ERP系統數據作科學分類管理，結合企業管理的精細化程度按照數據用途將其分為戰略、預算、稅務、核算、資金管理和績效考核等多個組成部分，創建模型，同時對財務部門進行轉型，強化管理，打破信息孤島的局面。其次，要對海量的數據進行提純處理，結合大數據還原用戶實際需求的本質，在使用過程中就必須積極應用大數據思維處理財務信息，找到數據背后的關聯，將其原有的真實的面貌還原出來，作進一步的提純[6]。比如L企業就通過各種渠道掌握需要的信息，確保真實性和實效性的同時將數據背后隱藏的真實價值應用在會計工作中。再者是挖掘財務數據的本質。結合不同企業業務的特點，利用數據挖掘技術對財務數據的本質進行探索。多年的應用實踐證實，很多企業使用的管理數據未能很好地反映其業務情況，這與其未進行生產數據推導，找到相連性有關。比如L企業如果原材料的成本占比較大，那么就要結合企業購買原材料的數據對其生產的情況加以分析，推測企業經濟效益。若L企業電力需求量大，那么就要結合車間使用的電量對其生產情況進行預測，用財務數據來顯示生產狀況，一旦出現用電量減少的情況，就說明數據存在問題。由此可見，工作人員在進行數據分析時應對企業經營的情況作詳細了解，掌握業務的特點，及時將數據中的虛假數據清除，從而挖掘和獲取數據的本質[7]。

3.3 創建數據挖掘應用模型

當前各個企業應用的數據挖掘方法較多，具體在財務工作中多以幾種模型為主，如統計分析、決策樹分析、關聯規則、人工神經網絡、聚類分析等等。以下結合L企業的實際情況適當列舉幾種數據挖掘模型的應用。首先是統計分析模型，這是最基礎的一種模型和方法，其本質為統計分析，比如在應用聚類算法的過程中，需要計算平均值，在關聯算法中需要分析置信區間[8]。L企業在其銷售決策中就要細化分析客戶的價值，對其進行評級時結合其中一個閾值來判斷客戶的價值區間，最后結合區間的數據應用回歸建模的方式分析客戶的潛在價值，從而為決策的制定奠定基礎。其次是決策樹模型。該模型方法是面向海量的數據進行歸類與整理，通過剪枝來將無關的數據剔除，達到準確預測結論的目的。過程中工作人員要設定歸納值集合，使其形成完整的決策樹，若生成的決策樹沒有劃分全部數據對象，就要用重復訓練的方式提取新的數據集，將原始數據整合其中，循環重復，直到達到精確的效果。L企業就是在人員考核中應用了決策樹分析運算法。

3.4 財務數據挖掘的實現機制

要對財務數據進行挖掘，必須有實現價值的有效機制作保障，特別是在當前信息爆炸的背景下，企業更要從龐大的數據中獲取關聯數據，挖掘潛在價值，為決策提供參考與支持。在具體的實施過程中，首先就要對數據進行全面的預處理，比如L企業借助ERP系統初步清理初始數據，而最典型的清理對象是噪聲數據，這方面可用枚舉型的如記賬部門、財務類型、業務組屬性等作為噪聲數據的過濾對象，出現一些空值，結合收集數據的樣本信息處理空值，比如平均數值填充、最大頻率填充、隨機數填充等等，但要注意根據實際業務與變量本身的特征進行處理，絕不能隨意處理。工作人員嚴把財務數據生成過程關后，若出現不符合常理的噪聲數據，就要考慮其變異的最大可能性，做好全面預處理的工作以提高準確度[9]。其次是自動化的財務分析，如上所述L企業已實現財務分析自動化目標，可從接口實現ERP系統的自動生成財務分析文檔的工作。在財務數據指標的分析工作上，L企業延續傳統財務分析的方法，應用計算公式確立指標體系，結合指標的情況建立分析查詢的功能，比如經營指標完成的情況、營業收入情況、毛利情況、資產情況等等，結合企業的經營模式進行定向分析。這個過程中需要注意以下問題，如指標要素要齊全和適當、主輔指標的功能要協調與匹配，此外還要滿足多方面財務信息的需求，確保企業管理者能從中提取多層次和多角度的信息價值。隨后就是建立分析的層次樹，同樣應用決策樹的模型和方法，結合具體的需求進行分層應用。構建層次樹時，充分考慮到財務指標體系，結合廣度優先各層分支的建立原則，從高到低進行替換，確保數據泛化操作以及每個子結點都有類標志。具體操作中，樹形為0層，涉及多個層次域，如0層是樹根節點，結合層級遞進其分析的財務數據更為細致，第一層主要作定量分析和定性分析，第二層則分析定量的盈利情況、資產的運營情況和成長發展情況，定性則為有形資產以及企業的可持續發展能力等等。最后是自動生成分析文檔[10]。

4.結語

綜上所述，大數據時代下企業在進行財務管理和日常運營工作中，必須對在職員工進行培訓，強化大數據技術和技能，確保應用大數據思維挖掘和分析大數據的價值與作用，找出其關聯性以及能夠促進企業持續發展的關鍵內容，為企業正確決策提供參考。在大數據思維和數據挖掘應用的支撐下，企業的財務管理過程才能獲取更準確的數據信息，工作人員的工作效率才得以顯著提升，財務管理工作便捷性才能提高，才能為企業創造出更大的價值。