基于大數據思維的財務數據挖掘及應用研究

毛青龍

（銀聯商務股份有限公司，上海 200120）

一、引言

在當今全球經濟快速發展的大背景下，企業借助互聯網技術及信息化技術的優勢實現了長足發展，綜合實力得到了明顯的提升，而在企業實現快速發展的同時，大量需要處理的信息化數據產生，尤其是財務管理方面的數據，給企業財務管理系統帶來了巨大的壓力。在這種情況下，僅僅依靠財務工作人員是無法完成分析和處理這些財務數據工作的，為了有效分析和處理這些數據信息，從而為企業戰略決策和制度的制定提供數據方面的支撐，需要引進先進的數據處理技術，以挖掘出財務信息背后隱藏的資源間的相互聯系。數據挖掘技術的出現恰好解決了企業當前在財務數據分析、處理方面面臨的難題，可以實現對財務信息的有效分析和處理。

大數據挖掘流程圖

二、大數據挖掘技術的定義及特點

大數據的概念由來已久，隨著時代的發展和變遷，其具體的意義也在不斷發生變化。如今，人們通常用它來描述和定義數量巨大、類型眾多的數據。隨著信息化時代的到來，各行各業的數據呈爆炸式增長，這充分表明了企業發展和擴張的速度之快，但數據的爆炸性增長也為企業帶來了隱患，如何在短時間內高質量、高效率地處理這些數據已成為當今企業最為關注的問題之一。在這種情況之下，大數據挖掘技術應運而生，其為人們在短時間內快速處理大量數據以及生成具有參考價值的決策信息提供了切實可行的方案。

早在20世紀90年代就有西方學者對大數據挖掘的定義及重要作用進行了相關闡述，還針對一些貿易商的財務信息提出了具體的有關數據挖掘方式，從而為后來大數據挖掘技術的發展打下了良好的基礎。我國有學者認為，大數據挖掘技術是一種人工智能技術，具有十分廣闊的應用空間，其具體是指利用計算機特定的算法，在數據庫中篩選、轉換和挖掘所需要的數據，進而獲取自己想要的有效數據。一般情況下，大數據挖掘技術不包括對數據進行采集和處理。在當今時代，數據一般都具有規模龐大、復雜程度高的特點，大數據挖掘技術可以通過諸如數據關聯、數據類聚等方式，對相關數據進行更深層次的分析和解讀。對于企業財務部門來講，運用大數據挖掘技術分析的多為結構化數據、半結構化數據，其主要的挖掘流程包括數據準備、數據挖掘以及結果分析三大部分的內容，具體流程如上圖所示。

大數據挖掘技術具有以下幾個顯著特征：首先是數據的體量規模十分龐大，具有豐富、有效、真實的內容，且其內容存在很強的不確定性；其次是進行大數據挖掘的最終目的是解決用戶的實際問題，以滿足不同用戶的需求；最后是通常情況下，在某個特定的領域內，大數據挖掘技術都具有非常高的商業價值，但這種商業價值通常都是相對來說的，并且大數據挖掘技術的數據信息能夠被用戶理解和運用。

三、大數據時代的思維特征

（一）總體性思維

自19世紀開始，有關學者在研究社會現象的整體性特征的過程中，在采集數據時，受限于當時的技術手段和社會發展水平，所采用的主要方式是抽樣，但這種方式存在一定的片面性，對想要利用聚合數據的人來說是一種無奈之舉。而如今人們可以自由選擇各種算法對數據展開分析，以便對數據有全面了解。在大數據時代，無論是對數據的采集和處理，還是對數據的存儲和分析，都取得了長足的進步，人們能夠高效率和高質量地對相關數據進行研究。在這種模式下，人們的思維方式也逐漸從以往的樣本性思維轉變為總體性思維，以便對數據有更加直觀、全面和立體的了解。

（二）相關性思維

在抽樣獲取數據的年代，人們嘗試用有限的樣本數據研究整個事物的內在邏輯和關系，但從客觀、嚴謹的角度來講，有限的樣本并不能完整反映出事物整體的特征。在大數據時代，大數據挖掘技術能夠分析和呈現事物內在的邏輯和隱藏關系，通過對普通線性關系和較為復雜的線性關系的研究，為人們揭開事物的真實面目，發現相關數據之間的內在聯系，從而使人們更好地了解這個世界。

（三）學習趨勢思維

在采用傳統的樣本收集方式收集數據時，因為其來源較為單一且信息數據有限，所以具有很強的局限性，在進行財務數據處理時還會因過于保守，導致分析結果出現差錯，而運用大數據挖掘技術則可以對數據進行儲存、計算和分析等處理。在這種模式之下，財務管理人員需要積極轉變數據處理思維，摒棄傳統思想，保持高度的學習熱情來看待大數據挖掘技術，并通過學習對其進行不斷的優化和完善，在宏觀層面上獲取更多的數據信息，加深對事物本質的了解。

四、財務數據挖掘存在的問題

隨著我國市場經濟和信息化的高速發展，企業之間的競爭愈發激烈，企業每天都會產生大量的財務數據，而相關政策的制定也對財務數據提出了更高的要求。在這種情況下，企業對這些數據的處理仍然存在很多不足，當下全國大部分企業的財務管理依然存在諸多問題。

（一）財務數據分析依賴手工財務方式

對現代企業來講，每天產生的新數據都具有相當大的規模，對這些數據進行處理是一個耗時耗力的大工程。而時間對一家企業來講是開拓市場、獲得持續發展的生命基準線，所以企業對財務數據挖掘越發重視。在實際的生產經營中，大部分企業核算和處理財務數據的主要方式依然是會計核算，這種傳統的手工財務方式不僅需要耗費大量的人力，且整體效率不高。企業財務人員在手工做賬時，首先要依據原始憑證記賬，然后編制匯總表和制作會計賬簿，并依據會計報表編制納稅申報表等，必須經過諸多環節才能夠完成財務數據的處理工作。而且這種方式能提供的參考依據都是已經發生的事，據此對企業未來的發展方向進行評估和預測具有一定的滯后性。

（二）財務數據口徑管理較復雜

當前大部分企業的財務分析仍然以定量分析為主，通過對企業盈利能力、投資水平及運營手段進行評估和計算，實現企業的財務管理。在信息化時代，大數據挖掘技術和互聯網技術的出現為企業獲取全面、精準的相關數據提供了更多的選擇，使數據的類型趨于多元化。相較于這種智能化的數據處理方式，傳統企業管理口徑財務數據通常存儲在眾多Excel文件中，數據存儲、管理不規范，在企業制定相關決策時，無法為其提供有效的參考。

（三）業務、財務數據難以高度同步

當今企業的數據體量通常較大，要想在體量較大的數據之中查找到自身所需的有用信息，不僅要對數據進行采集、存儲和分析，還需要對數據進行篩選，以便為企業制定決策提供數據支撐。但對海量數據進行識別和篩選，對所有企業來講都是一個大工程，且很難實現業務數據和財務數據的高度同步。如此一來，企業不但難以獲取有用的信息，而且會產生過多的數據垃圾，對企業的正常運營造成嚴重影響。

五、基于大數據思維的財務數據挖掘策略

（一）加強財務數據口徑管理

現代企業要想實現可持續發展，就要提升企業財務管理水平，統一企業財務數據的管理口徑，從而為企業開展內部管理工作打下堅實的基礎。具體來講，首先企業應明確自身的年度預算編制目標，并依據此目標制訂詳細的年度工作財務收支計劃，盡可能細化各部門和單位的預算費用，針對不同的工作制訂具體的實施方案。在進行方案評審時，要堅持科學、合理的原則。其次還應加強財務部門同其他部門之間的交流和溝通，因為企業的預算工作通常是財務部門的工作，其他部門很少參與，財務部門無法全面掌握其他部門的資料，所以制訂的預算方案和標準不符合部門實際情況，出現了財務數據口徑不一致的問題。因此，財務部門應主動加強與其他部門之間的聯系，以增強財務數據管理的準確性和科學性，從而統一企業的財務數據管理口徑。

（二）加強前端系統建設，提高自動化程度

利用大數據挖掘技術進行財務數據處理時，應本著跨過系統之間的數據交換環節，直接從源頭獲取財務數據的原則，以求隨時隨地滿足分析財務數據的需求，從而做到對財務數據的處理從事后分析轉變為實時分析。企業應依據自身發展情況建立起分析層次樹，再運用各種計算方式對數據指標進行計算，同時將具體分析情況同步在企業的ERP系統之中。此外，在完成企業的定向財務數據分析后，還應在分析指標的基礎上，自動生成企業的財務數據分析文檔，以便財務管理人員對財務數據進行分析。企業實現對財務數據的自動化分析，可以在很大程度上減少財務人員的工作量，提升其工作效率，提升財務數據分析的準確率。

（三）創建數據挖掘應用模型

在企業財務管理領域，較為常見的分析模型有統計分析模型、決策樹模型以及關聯規則模型等。企業在應用這些模型時，應根據自身發展的實際情況選擇。

具體來講，首先是統計分析模型，其是大數據挖掘中最為基礎和常見的模型，在其他模型之中都可以應用到統計分析模型的相關內容，如聚類模型，其應用了統計分析模型的有關算法。在企業細化及分析客戶價值的過程中，在企業制定銷售決策和對客戶進行評級的過程中，可以使用辨別分析法，依據一個具體的閾值范圍對客戶能夠創造的價值進行判斷，這有利于企業管理者制定相關決策。

其次是決策樹模型，它是一種用于歸納整理大體量數據，并通過排除多余數據，對有效數據進行分析得出相應結論的模型。其具體流程是先利用設定歸納值集合的方式建立起能夠準確劃分數據對象的決策樹，然后以這些數據信息為基礎，進行數據集的提取并將其放入原始數據集之中，待所有數據都被精確整理和歸納之后，就可以將其運用到財務管理工作中。

最后是關聯規則模型，它是一種在現今的數據挖掘之中應用得較為廣泛的一種模型，反映的是財務數據邏輯關系之外本身的關聯性，站在體現數據事實的角度對數據進行深層次挖掘，從而為企業制定相關決策提供依據。

六、結語

大數據挖掘技術的應用對企業財務分析與管理來講具有十分重要的作用，不僅可以提升企業的財務管理質量和效率，而且對企業進行財務審計和財務風險評估具有非凡的意義。因此，我們應結合企業發展實際情況，充分利用大數據挖掘技術篩選和計算財務數據，從而為企業相關決策的制定和企業財務管理系統的優化提供數據方面的支撐，進而不斷推動企業向前發展。