數字經濟時代大數據技術在國有企業財務管理中的應用策略

關鍵詞：大數據技術；國有企業；財務管理；數據抓取

中圖法分類號：F275 文獻標識碼：A

1引言

在數字經濟時代下，國有企業的財務管理方法與多種現代化技術進行了有效結合。大數據技術在數據處理性能上占據較大優勢，可應用在國有企業財務管理工作中。因此，本文提出一種應用策略，將大數據技術應用在不同的企業財務管理環節中。

2利用大數據技術獲取國有企業市場運營數據

大數據技術可應用在國有企業財務管理工作的方方面面，首先在數據獲取階段即可使用大數據技術獲取不同平臺的多源數據，本文采用大數據技術中的Scrapy框架對市場運營數據進行抓取，并對數據進行清洗，具體應用方法如下。

采用Scrapy框架對國有企業市場運營數據抓取之前需要對前置規則進行設定。通過預先設定抓取數據的格式以及屬性等參數，可以保證后續獲取的數據具備統一的數據格式，從而減少數據處理時的工作量。將需要抓取的財務運營數據按照數據用途進行分類，根據不同的數據類型設置對應的數據字段。調取Scrapy框架中的class informationitem模塊對國有企業市場運營數據用戶信息的格式進行定義，調取Fiedl模塊對運營數據的字段類型進行定義，采用User-agent對測試賬號進行更換，以便能夠抓取到更多平臺的國有企業財務運營相關數據。為保證爬取的頁面不會出現重復的情況，本文采用set變量對瀏覽過的頁面進行標記，以降低數據的重復度。采用process_jtem函數對抓取到的數據類型進行判斷，將同一類型的國有企業財務數據存儲到同一模塊中并對數據進行清洗處理。數據清洗主要包括對數據的屬性進行清洗以及對重復記錄進行清洗。通過對財務信息屬性標記的錯誤值進行檢測，剔除錯誤數據，同時需對屬性對應錯誤的數據進行清洗。重復記錄清洗主要通過檢測重復記錄的算法錯誤來實現，通過檢查算法中的編寫情況，對編寫錯誤的代碼進行修正并重新開始運行，即可實現對重復記錄的清洗。

通過上述步驟即可實現對國有企業市場運營數據的獲取，通過對數據進行清洗提高數據的純度以及數據之間的關聯性，從而為后續的財務管理提供幫助。

3挖掘國有企業財務數據關聯性

大數據技術不僅可以應用于獲取企業市場運營數據，還可以應用于運營數據的量化分析。通過結合大數據技術，對國有企業市場運營數據進行量化分析，以挖掘數據之間的關聯性，并在此基礎上構建財務數據管理流程。由于不同的國有企業財務項目下存在不同類型的運營數據，因此為保證數據挖掘的效率，首先需要對數據進行標準化處理以及均值化處理。通過采用數學手段對數據進行處理，可以保證企業運營數據呈現穩定的規律性變化。在該過程中，可采用大數據技術中的ETL數據處理工具，對國有企業運營數據進行批量化處理，并根據具體的量化指標輸出不同格式的運營數據。除此之外，還可采用ETL數據處理工具對投資數據、收益數據、盈虧數據等不同類型的數據進行劃分，通過計算同一類型下的運營數據均值，將企業運營數據分為不同的類型，在此基礎上實現對企業運營數據的細化處理。

通過計算國有企業財務數據的置信度實現對其相關性的分析。首先對置信度關聯規則進行設置，通過構建國有企業財務數據屬性概念對，對運營數據的支持度進行分析，數據支持度數值即代表了數據之間的相關性。數據支持度越大，代表該組數據之間的相關性就越強，則可以將相關性較強的同類數據進行統一處理，以提高國有企業財務管理的數據處理效率，減少數據歸類時間。

采用上述步驟對財務數據支持度進行計算，即根據支持度大小劃分出相關性較強的數據對以及相關性較弱的數據對，實現對國有企業財務運營數據的相關性挖掘與分析。

4結合大數據技術構建國有企業財務管理體系

一般情況下，結合大數據技術構建的國有企業財務管理體系結構如圖1所示。

通過圖1可以看出，在大數據技術支持下，國有企業財務管理體系共包括4個層次，分別為基礎數據采集層、業務管理層、數據存儲層以及數據應用層。其中，基礎數據采集層主要采用上文提出的數據抓取方法，通過Scrapy框架抓取不同平臺的國有企業財務運營數據，并對重復數據和冗余數據進行剔除，完成數據清洗工作。將清洗完成后的數據輸入業務管理層中，通過數據標簽自動化處理規則，對財務數據進行管理與運營。業務管理層內置了項目預算平臺以及投資管理平臺等多個子平臺，根據國有企業財務數據的業務類型對數據進行分類管理。結合大數據技術，子平臺可以對采集到的國有企業財務數據進行智能化分析與產出，通過輸出可視化分析結果，提高管理效率。數據存儲層主要負責存儲原始數據以及分析結果數據，內置ODS關系型數據庫，通過對數據進行分區管理，提高數據的處理性能。關系型數據庫采用集成模塊對外部數據源采集到的國有企業財務運營數據進行調用，通過將財務運營數據分為預算信息數據以及財務指標數據2種類型，實現對數據的分類處理。數據應用層主要負責將分析結果進行多維度呈現，通過輸出成本收益、投資信息、績效數據、人力管理等固體報表，幫助管理人員從不同角度了解當前國有企業財務的運營情況。

通過上述步驟即可建立國有企業財務管理體系，結合上述數據抓取以及數據關聯性挖掘等相關內容，即可構成數字經濟時代大數據技術在國有企業財務管理中的應用策略。

5應用實例部分

為證明提出的數字經濟時代大數據技術在國有企業財務管理中的應用策略具備可應用價值，在理論部分的設計完成后，構建應用實例環節，將本文提出的策略應用在具體實例中，并對策略的可應用價值進行檢驗。

5.1實例概況

本次應用實例選取的應用對象為某國有企業的財務管理數據。通過對該企業的歷史數據進行調取，明確企業的經濟規模、財務現狀、人力資源情況以及市場占有率等財務情況。采用本文提出的基于大數據技術的財務數據抓取方法對企業財務運營數據進行抓取與處理，通過建立財務管理體系實現對企業財務歷史數據的管理。

為檢驗本文提出的應用策略的應用價值，結合企業財務管理要求，在實際應用工作展開之前首先對該國有企業運營數據中的財務管理文件夾目錄進行了規定，具體文件類型以及目錄描述如表1所列。

通過表1可以看出，本次應用實例主要選取了6個財務項目編號，通過采用本文提出的方法，結合大數據技術對上述6個項目進行統一的財務管理，并針對不同的文件數據類型，建立不同的管理引擎，以驗證本文策略的可行性。

5.2應用結果

本次應用實例選取的評判標準為管理方法的管理效率，具體衡量指標為管理引擎的建立時間，該時間越短，則代表管理方法的管理效率越高，越能在短時間內對大規模企業財務運營數據進行有效管理。

通過采用本文策略對上述企業市場數據進行財務管理，得出不同文件項目的管理引擎建立時間。通過判定時間數值可以證明，本文策略在針對數據規模不同的文件夾建立管理引擎時，所需要的時間也有所不同。雖然建立管理引擎的時間存在差異，但是總體來看，6個財務管理項目的管理引擎建立時間均較短，因此可以證明本文提出的財務管理方法具備較高的管理效率，能夠有效提高企業的生產效率。通過使用大數據技術，既可以在短時間內抓取到不同平臺的企業市場運營數據，也可以對企業運營數據之間的相關性進行挖掘，以縮短數據處理時長，促進企業的經濟發展。

6結束語

本文所提出的數字經濟時代大數據技術在國有企業財務管理中的應用策略，通過應用大數據技術中的Scrapy框架，對企業財務數據進行抓取，在此基礎上構建的財務管理體系具備較高的管理效率，能夠在短時間內建立起管理引擎，并針對不同類型的財務項目對企業財務數據進行高效管理。

作者簡介：

魏慶軍（1985—），碩士，高級經濟師，研究方向：企業人力資源管理、財務管理、生產供應鏈管理。