大數據挖掘在企業財務分析領域中的應用與挑戰

張永禮?袁嬌嬌

基金項目：河北地質大學教學改革研究與實踐項目（項目編號：2020J42），“大數據時代信息管理與信息系統課程體系整體優化與教學內容改革研究與實踐”;國家社會科學基金一般項目（項目編號：21BTJ049），“基于金融關聯圖譜的小微企業供應鏈融資信用風險預測與防范研究”

摘 要：以5G網絡、云計算、人工智能等技術為代表的大數據時代，企業和個人普遍面臨著“數據爆炸，知識貧乏”的尷尬處境。大數據挖掘技術通過數據獲取、清洗、加載、商務建模、可視化分析等技術手段和工具，為企業財務分析開辟了新的途徑與方法。本文在闡述大數據挖掘技術、財務分析相關概念的基礎上，分析了大數據時代傳統財務分析面臨的困境，大數據挖掘技術應用于財務分析領域的必要性和面臨的挑戰，并最終提出大數據挖掘技術應用的相關對策與建議。

關鍵詞：大數據;數據挖掘;財務分析

一、引言

隨著移動互聯網和智能終端以及5G通信技術的普及，信息技術與經濟社會的交匯融合，引發了數據迅猛增長。根據中國互聯網絡信息中心（CNNIC）2022年2月25日發布的第49次《中國互聯網絡發展狀況統計報告》顯示，截至2021年12月，我國互聯網普及率達73%，網民規模達10.32億，而其中大數據的應用將會涉及到生活的方方面面。以互聯網網絡數據為代表的大數據在格式、體量、價值，都遠遠超出了傳統數據的規模。新摩爾定律認為，人類有史以來的數據總量，每過18個月就會翻一番，而海量的數據蘊含著巨大生產力和商機。2011年至2014年四年間，我國大數據處于起步階段，每年平均增長在20%以上。2015年，大數據市場規模已達到98.9億元;2016年增速達到45%，超過160億元;預計2022年，我國大數據市場規模將超過9000億元，有望成為世界第一數據資源大國。但是數據開放度低、技術薄弱、人才缺失、行業應用不深入等都是數字經濟發展中亟待解決的問題。

以5G網絡、云計算、人工智能等為代表的新興技術的高速發展推動人類社會快速進入信息爆炸的大數據時代，“大數據”成為當今時代的標簽和熱詞。大數據時代，企業每天都會產生反映企業經營狀況的海量數據，企業如果不想在競爭中被淘汰，就必須獲取這些數據并對其進行分析與挖掘，以指導企業業務決策。大數據挖掘技術通過數據獲取、清洗、加載、商務建模、可視化分析等技術手段和工具，為企業進行有效的財務分析，做出正確的財務決策提供了科學依據。

財務狀況是一個企業日常經營和管理活動的綜合反映，預示著企業將來的成長態勢和發展方向。因此，如何將大數據挖掘技術與傳統財務分析技術相結合，完成數據獲取、清洗、建模、分析、挖掘等工作，以便從海量財務數據中提煉出指導業務決策的信息與知識，是當前數據挖掘和財務分析研究領域的熱點。“數據驅動企業，分析變革經營”的大數據時代已經來臨，利用財務數據挖掘技術和學習分析技術，構建財務分析領域相關模型，探索財務指標變量之間的相關關系，為企業經營與業務決策提供有效支持將成為未來財務分析的發展趨勢。尤其是，近年來大數據挖掘技術的進步，可以為企業進行財務分析提供新的思路和方法，讓企業決策者能夠更準確便捷地獲得有用信息，減少人力和時間成本，為企業財務分析提供新的思路和方法，以提高企業的市場競爭能力，促進企業良性發展。

二、相關概念的界定

1.大數據挖掘

數據挖掘是從大量、隨機、不完全、模糊和有噪聲數據中提取隱含在數據背后、事先未知且潛在有用的知識或信息的過程。大數據時代，數據挖掘技術獲得了飛速發展和長足進步，已形成了關聯規則、神經網絡、決策樹、貝葉斯定理、聚類分析、時間序列預測等多項技術，極大地滿足了經濟與社會需求，廣泛應用于企業業務運營，風險防控，商機預測等領域。

大數據挖掘與數據倉庫、OLAP（聯機在線分析）等技術緊密相關。一般來說，數據倉庫和數據集市是數據挖掘的一種數據源，數據挖掘是數據倉庫的一個應用。OLAP是一種驗證性質的數據分析，用戶提出問題或某種假設，OLAP負責從上到下、由淺入深的展現問題相關的詳細信息，供用戶判斷提出假設是否合理。數據挖掘是一種挖掘性質的數據分析，它能夠自動發現事物間潛在的關系和特征模式，并且利用這些特征模式進行有效的預測分析。大數據挖掘和OLAP相輔相成，大數據挖掘能夠發現OLAP不能發現的、更為復雜和細致的問題，而OLAP能夠迅速地告訴我們系統的過去和現在是怎樣的，從而能夠幫助我們更好地理解數據，加快知識發現的過程，并且迅速驗證大數據挖掘發現的結果是否合理。大數據挖掘流程一般包括數據清理（這個可能要占全過程60%的工作量）、數據集成、數據選擇、數據變換、數據挖掘（選擇適當的算法來找到感興趣的模式）、模式評估和知識表示等步驟，其一般功能可分為描述性數據挖掘和預測性數據挖掘，其通常挖掘出的模式包括概念/類描述特性化和區分、關聯分析、分類和預測、聚類分析、孤立點分析、趨勢和演變分析等。

2.財務分析

20世紀初，財務分析逐漸誕生。最早的財務分析非常關注企業信用和償債能力的評價分析，以滿足銀行對企業信用審核和發放貸款的需求。隨著資本市場的成熟和股份制企業的產生，財務分析內容越來越廣泛，涵蓋了企業日常經營管理的基本活動，成為企業管理決策的重要內容和主城部分。一般來講，財務分析是指企業依據資產負債表、現金流量表、利潤表等財務報表所披露的相關業務活動記錄和會計核算數據，對企業自身過去一段時間內的經營情況和財務情況進行分析判斷，對企業過去的經營情況做出客觀評價，為企業高層科學決策提供支持。

數據挖掘技術在財務分析領域的應用研究始于1987年美國職業會計師協會（AICPA）發表的一份名為“人工智能與專家系統介紹”的管理指導特別報告，該報告提出將包括數據挖掘技術在內的人工智能技術引入財務領域。自此之后，國內外學者開始探索數據挖掘技術在財務狀況分析、財務危機預警等傳統財務分析領域中的應用。

三、大數據挖掘技術應用的必要性

隨著資本市場以及行業里的競爭越來越激烈，企業在高速發展的同時，也掌握著越來越多的信息，而管理決策者、投資者、財務報表使用者等相關各方在面對大量數據時，對信息的質量要求不斷增大，只想要篩選出對自己有用的信息，而以財務報表為主要分析對象的傳統財務分析在當下有很多弊端，已不能夠滿足財務報表使用者等相關各方獲取企業相關信息，傳統財務分析方法存在的局限性已不能順應企業未來發展基調，無法應對當下經營模式下對于企業財務管理的需求，無法幫助企業更好地發展。

1.傳統財務分析具有局限性，無法預測未來

傳統財務分析主要針對財務報表開展分析，而財務報表往往是企業歷史數據和過往經營業績的反映，無法評估企業未來發展趨勢。大數據挖掘技術可以對企業經營狀況數據進行整合與篩選，選擇合適算法完成數據建模，從而發現數據之間關聯與規則，并根據驗證后的規則對各種數據指標開展預測，為企業未來經營決策和發展方向判定提供更多的參考和依據，提高企業決策效率和質量。

2.傳統財務分析存在滯后性，無法實時分析

傳統財務分析所利用的財務報表往往是以月為單位發布的數據，存在滯后性，因此，傳統企業財務分析無法實時分析，做出合理預測，進而影響企業決策速度。大數據挖掘技術與傳統財務分析的有效結合后，企業可以把財務數據實時更新到大數據挖掘技術構建的模型中進行分析，利用大數據挖掘技術，從海量財務數據中，提取出有利于企業成長和提升商業價值的信息。相比較傳統財務分析，大數據挖掘技術可以進行信息的實時獲取、匯總和分析，提高了企業決策效率，增加了企業市場信息的靈敏性和市場行動的敏捷性。

3.傳統財務分析工作量大，消耗成本高

“互聯網+”時代，個人和企業每天都會產生和獲得大量信息，如何從海量數據中篩選出有效信息，挖掘數據背后隱藏的商業價值，是企業面臨和著重解決的難題。傳統財務分析方法由于自身的種種局限性，往往會消耗大量的人力和時間成本，而大數據挖掘技術在程序開發與數據建模工作初次設定完成后，便可以重復循環，自動化、自主化完成數據處理和數據分析工作，大大降低了傳統財務分析所需的人力、物力和時間的花費。

4.傳統財務分析只注重財務指標，片面單一

傳統財務分析常常圍繞償債能力、盈利能力、發展能力、風險水平等財務指標開展分析，但這些財務指標僅僅反映企業歷史經營狀況，且分析方法單一，往往無法預測企業未來財務狀況。大數據時代，企業發展除了受到財務因素影響之外，還會受到企業位置、宏觀政策、客戶滿意度等多種外部因素的影響。大數據挖掘技術可以將財務指標與非財務指標整合起來，分析計算各個指標之間的相關與因果關系，為企業業務決策提供更加精確的指導，助推企業發展。

四、大數據挖掘技術應用面臨的挑戰

1.信息存儲壓力增大

企業日常經營活動中，每天都有大量數據的產生，為獲取有用信息，財務人員需要對大量數據進行篩選和分析，以便企業管理層更準確地掌握企業經營狀況的好壞，做出正確的經營決策，促進企業的良性發展。但是，大數據時代的信息往往更新速度快、數據量大且所需數據存儲空間巨大，而數據存儲空間的不足將導致企業日常經營數據搜尋與保存困難，大大降低企業財務人員利用數據挖掘技術進行財務分析的速度和準確度，進而影響企業管理層的業務決策。為滿足企業財務人員能夠準確及時地進行財務分析，提高企業管理層決策效率，企業需要加大數據庫建設，緩解企業信息存儲壓力，提高企業數據處理與數據分析效率。

2.財務信息質量相對較差

大數據時代，企業日常經營活動日益信息化，隨著財務數據量的增加，也會出現數據質量差，準確度和可靠性不過關等問題。數據質量較差將會大大降低企業財務分析的準確度，使得財務分析結果難以體現企業真實發展狀況，進一步影響企業管理層做出正確財務決策，對企業未來發展方向和目標做出錯誤判斷，增大企業未來發展風險。因此，企業應完善財務信息相關制度，確保財務信息的準確性和可靠性，進而保障數據質量，提高企業決策客觀性。

3.信息安全性問題

大數據挖掘技術為企業財務分析工作帶來便利的同時，也面臨著信息泄露和信息安全問題。財務問題關乎企業生死，是企業發展命脈，也是企業維持核心競爭力的保證。于企業而言，如果機密的財務信息等非公開數據被泄露，企業可能會面臨巨大的損失，導致企業核心競爭力下降，市場份額減少等重大事故。因此，企業相關部門在應用大數據技術的同時，應高度重視企業信息安全問題，以保障企業敏感商業信息不被泄露，給企業帶來巨大損失。

五、結論與建議

隨著5G網絡、云計算、人工智能的普及，企業日常經營過程中產生和積累了大量數據，如何從海量數據中篩選出任務相關數據，并通過數據分析與挖掘手段發現隱藏在數據背后的商業價值，是當前企業面臨的重要課題。在大數據時代背景下，傳統財務分析存在諸多局限，將大數據挖掘技術引入傳統財務分析領域十分必要，為解決大數據挖掘技術應用過程面臨的挑戰，本文提出如下對策與建議。

1.加強財務信息化建設

信息化是數據分析與數據挖掘的基礎。企業發展過程中應重視投入一定的人力財力普及財務信息系統的使用，并根據時代進步和軟硬件發展升級改進企業信息系統，強化財務信息化建設，為企業大數據分析與挖掘工作“鋪路”和“打基礎”。企業加強財務信息化建設的同時，也要重視企業財務和技術人員的培訓工作，提高員工職業素養和道德水平，定期充實與更新相關人員財務分析知識儲備，掌握大數據分析與挖掘前沿技術，提高員工業務水平和決策質量。

2.健全財務信息安全防范制度

大數據時代，企業信息安全或網絡風險不斷增多，受到信息系統漏洞、人為攻擊等多方面威脅，因此，企業管理部門應持續加強員工信息風險防范意識，制定風險防范制度，加強財務人員技術培訓，降低企業財務數據泄露風險。信息技術部門需加大人力、物力和時間投入，加強企業信息安全管理，維護企業的財務信息安全，防范數據背后的商業價值被網絡攻擊和竊取。

3.建立信息安全監督管理部門

企業日常經營過程中，企業應該建立全面有效的監督管理部門，對各項財務信息進行監管，保證企業財務信息質量的同時，監督相關人員是否切實履行工作職責，嚴防徇私舞弊等情況的出現，維持企業的正常經營。另外，監督管理部門還要加強對相關監督管理人員的培訓與學習，提高綜合能力，樹立憂患意識，不斷了解國家相關法律法規政策，提高工作效率，為企業的監督管理工作奠定基礎。

參考文獻：

[1]胡容.數據挖掘在公司財務分析中的應用分析[J].納稅，2021，15（03）：121-122.

[2]王惠質.大數據時代對企業財務分析的影響[J].河北企業，2021（03）：100-102.

[3]馮彩麗.大數據挖掘技術在企業財務分析中的應用[J].投資與創業，2021，32（05）：61-63.

[4]張鷺.大數據挖掘技術在財務分析中的應用[J].輕工科技，2021，37（07）：61-62.

[5]劉念.大數據挖掘技術在財務分析中的應用研究[J].財會學習，2019（27）：13-14.

[6]周軍.企業財務分析存在的問題及對策思考[J].大眾投資指南，2020（09）：128-129.

[7]丁淑紅.大數據時代背景下會計財務分析研究[J].大眾投資指南，2017（12）：11.

[8]劉雄偉.探索大數據時代下企業財務分析中存在問題及方法[J].現代經濟信息，2017（17）：169.

[9]駱科波.大數據時代企業財務管理的挑戰和改革[J].財經界，2022（07）：110-112.

[10]李麗娟.大數據環境下管理會計發展的機遇與挑戰[J].財會學習，2020（22）：105-106.

[11]路偉果，劉光軍，彭韶兵.數據挖掘技術對會計的影響及應對[J].財會月刊，2020（07）：68-74.

[12]倪可，鐘山河，王斐.基于大數據視角的財務分析研究[J].商業會計，2020（10）：106-108.

[13]王丹梅，侯清涵.基于大數據技術的BI分析系統在財務管理方面的應用[J].國際商務財會，2020（07）：3-6.

[14]顧逸宸.數據挖掘技術在醫院財務分析中的應用[J].財經界，2020（29）：121-122.

[15]李佳慧，孫瑾.數據挖掘在財務管理中的應用研究[J].大眾投資指南，2020（07）：167-168.

[16]周軍.企業財務分析存在的問題及對策思考[J].大眾投資指南，2020（09）：128-129.

[17]張艷云.大數據環境下建材企業財務分析平臺應用研究[D].上海財經大學，2020.