大數據時代企業財務風險預警機制與路徑探究

陳延豐

（江蘇農墾清潔能源有限公司 江蘇南京 210019）

我國學者普遍認為，企業想要更好地應對復雜多變的市場狀況和激烈的競爭環境，就應當建立健全財務風險預警機制。企業只有對財務風險進行有效的預測和識別，才能保障企業獲取強有力的競爭力。

一、大數據與財務風險預警

當前企業所展開的融資、投資以及運營管理活動都貫穿有財務風險預警。企業的具體實施以上活動過程中，應當著重關注戰略業務部門層面的預警需求，因為不同層面產生的決策需求也存在一定的差異性。比如說戰略層面，需要決定企業的業務。而業務層面的需要決定對哪一類產品進行開發和生產。而部門層面則需要決定對怎樣的銷售策略進行選用。因此各層面財務風險預警需求也有一定的差異性存在。同時針對預警需求差異性也需要針對性地展開數據分析。通過對大數據技術運用，財務風險機制能夠有效對社會經濟環境、企業發展運營實際傳導風險供應鏈系統所產生的各方面數據進行搜集。在具體抽取數據和分析數據過程中要充分考慮多個層面的風險預警需求，這樣才能使得不同層面的差異性預警需求得到滿足。另外，也能夠反復的收集和利用數據，進而使得預警成本和時間得以縮減。保障財務風險預警有著更大的適用范圍。

現今欠缺精準度和穩定性是大部分財務風險預警機制普遍存在的問題。基本原因在于企業在具體選取指標過程中，很少去關注非財務指標。同時在選取非財務指標時，采用的方法過于單一，只是列舉和試錯，這無疑會導致選中目標存在滯后性，不能較好的適應未來發展。大數據視域下，財務風險預警機制的基礎為全樣本數據，從不同視角對實時數據進行搜集。另外也并非只是非財務或特定財務指標，而是基于預警需求來展開選擇，這樣就能夠形成更加穩定準確的預警。但需要注意的是，雖然數據量保障了準確性，但卻對及時性提出了更高的要求。而大數據技術的運用能夠使得處理信息方面的速度大幅提升，進而保障了及時性。比如說Storm這一大數據處理架構，每秒鐘能夠處理的數據元組達到100萬個。通過大數據技術的應用，能夠有效及時地進行財務風險預測，大幅提升預警的及時性和準確性。大數據視域下，財務風險預警能夠實現高速全面覆蓋，也能夠使得風險預警在及時性、準確性方面的需求得到滿足。

二、財務風險預警機制設計

大數據背景下，可以劃分財務風險機制為特殊預警和常態預警兩部分。實際上企業的各方面經濟活動都需要有常態預警機制。所謂的特殊預警指的是企業在實施重大決策時啟動兩種預警機制包括四個環節，分別是數據的采集、處理風險的有效預判、報告合理出具以及預警效果的評價。

（一）采集和處理數據環節的機制設計

相關人員在采集和處理數據過程中，以信息技術對企業業務活動的各方面數據進行采集。包括了市場環境數據、行業數據、供應鏈數據、財務以及財務數據等等。然后基于相應的類型整理、分類，比如說可以在數據庫中以變量的方式儲存財務數據。但是針對非結構和半結構化數據需要進行處理。

（二）判斷風險環節的機制設計

在判斷風險階段創新機制。應當深度分析風險的程度和類別，同時有效地判斷風險預警。對于新機制來說，這一環節是至關重要的。通過計算數據庫中的大量數據。新機制能夠深入分析市場環境影響、供應鏈傳導影響、行業風險影響以及企業的發展實際，這樣就能夠對企業在運營管理過程中的經營風險、競爭風險、法律風險、政治風險進行識別。在財務預警機制中，如果量化的結果達到了風險預警值后，這時預警機制就會形成相應的預警結果。所以對于預警效果來說，選擇臨界值也至關重要。新機制可以對神經元模型和支持向量機模型進行運用，這樣能夠尋找到效果更為突出的臨界值。

支持向量機模型實際上就是對最優平面進行查找不同類型的數據對企業是否有財務風險的判斷指標以及數據庫中，通過計算獲取的變量，形成多維空間。在此空間中，不同的企業對應不同的點。新機制對這一模型進行運用，實際上就是尋求有效區分這些點，判斷企業是否面臨財務風險的最優平面，并形成決策函數。而臨界值就是這一函數，假如說在新機制中，輸入企業某一時點的數據，判定為存在財務風險的企業，那么會有預警發出。神經元模型實際上就是對人類機體傳遞神經遞質和神經網絡模擬。假如說條件滿足后，就會激活神經元，然后輸出相應的計算預定函數結果。在新機制中進行運用，我能夠有效地設定企業所在的點和最優平面的距離函數，假如說臨近預定值，那么就激活神經元，會對預警信號進行輸出，幫助企業有效地規避風險。在對新機制啟動前，需要企業以往的數據來訓練新機制，保障獲取的決策函數有效合理。

（三）預警報告環節的預警決策信息生成

新機制基于判斷風險的結果，可以對預警報告進行自動的生成。包括三方面，首先是結構化處理之后的非財務以及財務數據，包括了企業的具體發展狀況、市場環境，基本上都是以表格形式列出，這樣使用者理解和閱讀更為方便。其次是針對行業關聯影響、市場風險、企業內部狀況文字分析，這樣使用報告人員就能夠清晰地把握企業所處的大環境和自身運營實際。再次是企業面臨財務風險的預警，包括了風險等級、類型、成因以及可能導致的后果，這樣就能夠幫助企業管理層形成更加合理的決策。

（四）評價和反饋預警效果環節的運行機理

評價和反饋預警效果環節，能夠使得企業獲取更為穩定準確的預警新機制，能夠對使用報告人員評價的預警效果信息進行搜集，對上述談及的模型預定值展開調整，以此保障預警有著良好的敏感度。進而使得各企業在風險預警方面的需求得到滿足。另外，每次預警實際上都是對新機制的訓練，可以在具體使用中進一步修正決策函數，保障新機制能夠更好地適應各方面影響風險的因素變化，使得風險預警質量得到提升。

三、財務風險預警路徑設計

（一）動態分析企業內部狀況

企業運營管理狀況的分析是企業具體展開財務風險預警工作的前提，也是至關重要的一方面。主要分析財務和非財務兩方面的狀況。在衡量財務狀況方面難度不大，通過財務數據指標運用ERP系統，能夠獲取到企業當前現金流量、運營狀況和財務情況，對企業風險規避、運營管理、償債以及盈利能力進行反應。企業的治理結構、內控工作狀況所形成的規章機制都屬于非財務狀況。這些因素會間接性地對財務風險產生作用比如假如說企業并未形成完善的內控機制，即便財務業績較好，那么在未來也可能陷入巨大的財務風險之中。這是因為一旦爆發了內控風險，那么勢必會給其造成不可估量的損失。通過分析這些數據能夠形成更為穩定準確的預警效果。

（二）分析行業風險測度

行業風險分析指的就是市場大環境可能造成的風險。市場環境勢必會對企業產生一定程度的影響。在對這些因素進行衡量過程中，要關注行業的利潤率、行業銷售增長率等相關指標。通過對大數據技術進行運用，一方面能夠實時更新這些指標，同時也能夠有效地處理非結構化信息，繼而形成更加準確的預警分析。

（三）分析行業關聯影響

分析行業關聯影響指的就是分析企業受行業的發展變化的影響。不同行業在整個經濟大環境中實際上都是互相影響和聯系的。假如說房地產行業獲利水平持續向下降，那么勢必也會對鋼鐵、木材等有關的行業領域產生影響。甚至會對餐飲業產生一定程度的影響。新機制下，通過對大數據進行運用，以此分析搜集往年數據，進而就能夠對行業的影響方向和程度進行判定，對行業未來的發展趨勢進行預測，這樣就能夠較為有效地規避風險。

（四）分析供應鏈傳導影響

所謂的供應鏈傳導影響指的就是企業供應鏈的上下游企業發展以及財務狀況，某種程度上也會影響到企業。比如說美國政府對中興通訊的制裁。因為中興通訊很難在國內找到芯片供應商，所以其中的一些元器件都是由美國上游供應商提供。也正是因為美國制裁，而使得中興通訊發展受到制約，相應的也會對那些較為依賴中興通訊的企業產生較大程度的影響。這一因素可以以供應商所處行業的零件重要性、采購量占比和行業密集度等相關指標衡量。

（五）分析宏觀經濟影響

企業運營的環境會受到宏觀經濟的決定性影響，比如說政府部門出臺的各類政策、經濟危機、宏觀調控等等都會較大程度上影響到企業的未來發展。比如說在文章中所提及的中興通訊受美國制裁或者美國挑起的貿易戰。企業受到這些宏觀經濟的影響是難以有效把控的。通常情況下，這些影響又較大，甚至會使得企業的財務風險水平發生扭轉。所以企業應當在財務風險預警方面予以該方面足夠的重視。同時又因為當前基本上都是以文字的方式來呈現宏觀經濟因素的分析數據。所以在對預警進行分析過程中，可以通過大數據技術的運用來展開語調分析，進而將有效和無效信息區別開來，形成合理的預警決策。

（六）針對特殊預警和常態預警路徑的差異分析

上面所談及的預警分析都是特殊預警和常態預警必須執行的路徑。在處理分析數據的前提下，兩個預警路徑有差異存在。財務部門負責常態預警機制，需要每天更新數據。報告形成之后，由相關人員向使用報告者發送。基于使用報告人員的差異化需求，可以選擇不同的發送報告頻率。當需求較為緊急時，可以對實施報告進行發送。同時在內容方面，也可以有所不同。部門方面的財務風險預警，可以定位于較低層次的預警。預警機制應當遵循成本效益原則。通常情況下不針對這一層面來展開財務風險預警。但是新機制下，可以一次性地對每一層面的風險預警所需信息進行搜集，這樣就使得數據多次收集的成本得以縮減。同時不同層面財務風險預警又因為多維度、全面性的數據而有了有力的基礎，保障部門層面風險預警得以有效實施。通常情況下，這一層面不會有較大的財務風險影響，因此報告使用人員不會對預警準確性有太高的要求，但是卻要求報告的及時性。在采集數據過程中可以對企業內部數據為主的非財務以及財務數據進行勾選，簡單分析風險形成相應的預警報告。

而業務方面的財務風險預警主要針對企業所展開的投融資以及關鍵的經營活動。企業在對這些活動進行組織過程中，需要對行業以及自身的因素有所考慮。新機制下，通過對企業運營管理現狀行業大環境風險關聯行業的影響度和傳導、供應鏈影響進行系統化的分析，能夠有效地獲取企業在組織投融資或者重大經濟活動可能面臨著各方面財務風險。在選取指標方面，傳統的財務指標能夠對企業的發展現狀進行有效反映。假如說市場中的企業數量或者是網絡輿情出現變動，國家調整了貸款以及稅率的政策都會影響企業的發展。因此，也需要對這些因素有所考慮，來具體展開預警工作。業務層面的預警和部門層面預警相比，其內容更加充實。

戰略層面的預警和上述兩層面相比，產生的影響較為深遠，關乎企業在市場中能夠獲取怎樣的發展。因此，戰略層面風險預警不僅要關注行業大環境的現狀，以此保障企業能夠形成合理的決策。所以戰略層面的風險預警一方面要對行業的發展有所考慮，同時也應當關注自身的運營實際。選取指標方面，應當給予宏觀經濟數據更多的關注，有效分析和判斷宏觀經濟的發展趨勢，對企業受經濟走上和經濟態勢的影響進行識別，這樣才能夠對經濟危機級別的風險進行有效的應對和識別。同時也應當給予評價預測結果足夠的關注，以此保障能夠更準確地識別風險。所以戰略層面的財務風險預警需要考慮每一項預警指標。通常情況下，這些預警報告都會向董事會提交，有著更加充實的內容。特殊預警機制的啟用通常情況下發生在重大決策形成時，其針對性更強。在具體對數據進行采集時，有必要增加一些補充的項目材料。這樣才能夠保障特殊預警機制形成能夠使決策需求得到滿足。當形成預警報告中應當具體的提交組織人員，提供決策依據。

四、結束語

大數據視域下，企業想要有效地展開財務風險預警，就需要對大量的數據進行收集整理和分析。在對風險進行識別，形成預警機制過程中會多次的利用這些數據。這就要求風險預警應當保障多維性和更廣的覆蓋面。如此才能夠保障不同層面的預警需求得到滿足。另外，大數據背景下，財務風險預警機制的建立健全能夠使企業對自身發展狀況、市場大環境以及行業關聯影響度展開有效的分析，為企業形成合理的決策提供依據。