大数据、云会计时代考虑数据质量特征的企业投资决策

程平 孙凌云

【摘 要】 大数据时代的到来，使得数据作为企业制定科学合理的投资决策依据显得愈发重要。在将企业投资决策划分为准备、制定和评估、监控和调整三个阶段的基础上，考虑数据的完整性、及时性、可靠性等关键质量特征，构建了大数据、云会计环境下的企业投资决策框架，详细阐述了投资决策各个阶段需要重点考虑的数据质量特征。

【关键词】 大数据； 云会计； 投资决策； 质量特征

中图分类号：F232；C931 文献标识码：A 文章编号：1004-5937（2015）12-0134-03

一、引言

大数据时代的来临，使得企业通过多年信息化建设积累的海量数据成为企业重要的战略资产之一。云会计利用云计算技术和理念构建的会计信息化基础设施和服务，可将企业的海量数据托管于云会计服务提供商的云平台，并保证这些重要数据处于企业的控制之下。企业投资决策作为企业所有决策中最关键和最重要的决策内容之一，是为了实现其预期的投资目标，运用一定的科学理论、方法和手段，通过一定的程序对投资活动中重大问题所进行的分析、判断和方案选择。目前，很多企业的投资决策过程并未完全考虑企业海量数据的价值，即使考虑，也往往容易忽略制定决策所需数据应具有的质量特征，这就导致企业的投资决策经常存在一定的偏差甚至是失误。大数据、云会计技术的发展，使得面临市场竞争越发激烈的企业可以充分获取并利用海量数据为企业制定科学合理的投资决策提供支撑。

投资决策作为企业财务活动的重要组成部分，多年来一直是理论界和实务界关注的焦点。李月琳等（2014）通过问卷调查探讨了不同个体股票投资者在投资决策时利用的信息类型及相关影响因素，从投资者的资金量、投资经验、受教育程度以及风险厌恶程度等特征对投资者在企业投资中的信息利用行为进行了研究，结果表明这些特征对企业的投资决策具有重要影响。吴卫红等（2013）通过建立投资决策评估指标体系，结合层次分析法、熵权法确定指标体系综合性权重，并利用DS理论对项目进行投资决策评估体系，进而削弱了投资评估过程中信息的不准确、不完备等特性，为企业投资决策提供了一种定量化的方法。高凡修（2014）基于多目标神经网络，提出并构建了一种高新企业投资决策方案评估方法。谢兵等（2013）基于弃权博弈模型，构建了一个企业的投资决策模型。程平（2015）在构建大数据、云会计时代企业财务决策流程的基础上，阐述了云会计平台和大数据技术如何对企业的财务决策提供支撑，并分析了这两种技术对企业财务决策中公允价值的确定和成本控制产生的影响。

综观上述文献，现有研究还主要集中在投资决策的影响因素、指标体系和决策方案评估方法等方面，云会计、大数据环境下的相关研究目前还主要关注企业财务决策的宏观层面。由于投资决策对企业的战略发展有着重要的影响，为了提高企业财务决策的效果，指导大数据、云会计环境下企业财务决策的有效实施，本文建立了大数据、云会计环境下基于数据质量特征的企业投资决策框架，并从投资决策的准备、制定和评估、监控和调整三个阶段分别阐述了各阶段需要重点关注的数据质量特征，期望本文的研究能够为企业的投资决策提供借鉴和参考。

二、大数据、云会计环境下考虑数据质量特征的投资决策框架

在大数据、云会计环境下，数据作为企业最具价值的资产之一，数据质量与企业的决策投资之间存在着直接联系。高质量的数据可以使企业的投资决策更加科学、高效。在企业的投资决策过程中，数据的完整性、及时性、可靠性等质量特征对企业投资决策的数据收集和准备阶段、制定和评估阶段、监控和调整阶段都有着重要的影响。基于这样的理解和分析，并基于企业的投资决策流程，以数据为主线，在分析各个阶段对应数据源、数据质量特征、数据类型的基础上，构建了大数据、云会计环境下考虑数据质量特征的企业投资决策框架，如图1所示。

准备阶段主要涉及到数据的收集。首先要确定投资目标，这是投资决策的前提，也就是企业想要达到怎样的投资收益，这个过程需要企业根据自身的条件以及资源状况等数据来确定。其次是要选择投资方向，一方面需要根据企业内部的历史数据，另一方面还要结合市场环境状况等外部因素进行筛选进而确定投资方向。这个阶段的数据来源比较广泛，如公司年报中的收入、利率、费用等多为非结构化数据，当然也有一些存在于ERP系统等数据库之中的结构化数据。

制定和评估阶段主要涉及根据可行性制定投资方案并进行方案评估的相关数据。可行性分析主要涉及与风险相关的概率分布、期望报酬率、标准离差、标准离差率、风险报酬率等数据，要确保风险在企业可承受的范围内才说明此投资是可行的。方案评估主要涉及现金流量、各类评价指标以及资本限额等数据。现金流量可采用非贴现现金流量指标或者贴现现金流量指标数据来衡量。投资回收期、平均报酬率、平均会计报酬率、净现值、内含报酬率、获利指数、贴现投资回收期等各类指标涉及到的数据对投资决策的评估起着重要作用。这些数据的来源涉及到多个利益相关者，同时来源渠道也比较广泛，多为非结构化数据且各类数据之间标准不统一，难以兼容。

在监控和调整阶段主要考虑企业实际的现金流量、收益与预期之间的比较以及企业实际承受能力是否在可控范围内。如果相差较大至企业不可控就需要及时查找出引起差异的原因，对相关数据进行分析处理并调整投资决策方案。

企业的整个投资决策流程都是基于云会计平台获取各种数据，然后通过大数据相关技术（Hadoop、HPCC、Strom、Apache Drill、RapidMiner、Pentaho BI等）对各类结构化、半结构化、非结构化数据进行分析处理并存储于企业的数据中心（DBMS、File、HDFS、NoSQL等），这种处理模式可以在很大程度上提高企业整个投资决策过程中数据的完整性、及时性和可靠性，满足企业投资决策对数据的高质量要求。

三、企业投资决策各阶段需要重点关注的数据质量特征

在大数据、云会计环境下，对于企业积累的海量数据，在保证数据完整性和及时性的同时，需要采用科学的方法对各种数据进行归类、分析，保证数据的可靠性，确保投资决策的科学性和有效性。一般而言，企业投资决策各个阶段需要重点关注的数据质量特征往往是不同的。

（一）投资决策准备阶段重点关注数据获取的完整性和及时性

企业在进行投资决策之前，需要在结合自身资源及发展现状的前提下制定投资的预期目标，如实现企业的多元化发展、企业利润的可持续增长、企业规模的扩张等。确定投资目标后需要考虑如何投资，这需要结合当前市场外部环境以及同行业之间的相关数据进行分析来确定，因此，企业投资决策准备阶段需要重点关注获取内外部数据的完整性和及时性。

在数据获取过程中，由于数据获取工具的局限性往往导致数据是不对称的，而且处于一个不断变化的状态，企业想要完全获取所有数据是比较困难而且成本比较高，因此数据的完整性对企业的决策有着重要的影响。财务数据在一定程度上能够反映企业内部的资源状况，但是不能忽视非财务数据对投资决策的影响。非财务数据能够反映企业服务质量、竞争能力以及创新能力等各方面的信息，如企业是否具有足够的创新和竞争能力来应对和挑战这个领域，这是企业未来盈利判断的重要依据。数据收集不完整可能导致无法对企业投资目标进行正确的判定，盈利也会受到相应的影响。其次，数据存在时效性，必须在决策之前提供才能发挥其作用，否则就会失去价值。对外部市场环境数据以及同行业数据收集，在传统的会计信息化模式下，企业中一方面存在一些纸质而非电子的数据信息无法进行及时汇总，另一方面相关的外部数据的获取也存在延时性，这就可能导致在投资决策之前一些重要数据无法及时获取，比如市场环境趋势的变动、同行业已有意向投资等数据的获取都会影响决策的制定。由此可见，数据获取的完整性和及时性都在一定程度上影响了投资决策前期的准备工作。

在大数据时代，云计算、互联网、移动互联网、物联网、社交网络等多种技术的交叉与融合，使企业可以获取更多的数据，并通过云会计平台将这些海量数据存储在远程的数据中心而不是本地计算机内，从而解决传统管理工具无法管理大容量（TB、PB等级）的数据，保证了数据的完整性。其次，数据的存储都在云端，云会计供应商可以帮助企业管理各类数据资源。企业根据自己的业务需求向云会计供应商定制各种相关会计信息化服务，并利用基于云计算技术的软件，通过IaaS（基础设置及服务）将各类数据信息及时存储并进行管理，通过DaaS（数据即服务）构建和整合各类投资决策相关信息的数据资源，通过SaaS（软件即服务）来构建基于云会计的企业投资决策信息系统。通过该系统，一方面可以将决策相关数据及时存储到云端，另一方面可以系统地获取其他各类与决策相关的数据资源。此外，还可以提供企业内部以及相关企业各类数据之间的交换与互访。这种访问不会因为数据存储的物理地址以及获取数据的实际时间受到限制，从而实现数据访问、获取的及时性，确保企业投资决策之前能实时、动态地得到相关数据。

（二）投资决策方案制定和评估阶段重点关注数据的可靠性

企业获取的原始数据需要先对其进行数据清洗才能用于投资方案的制定。企业可以采用大数据处理技术进行数据分析和挖掘，以判断投资可行性并对投资方案进行评估。一般而言，企业的投资往往是期望得到额外的风险报酬。风险报酬率的确定主要根据风险报酬系数进行判断，但它的取值主要是参考企业以往的同类项目或者同行业的数据以及按照国家定期公布的各行业风险报酬系数或者由企业组织相关专家进行确定，这样的确定方式存在较大的主观性，在很大程度上降低了该数据的可靠性，从而导致投资决策有偏差甚至是失误。此外，现金流量作为评价投资可行性的基础性数据，涉及到投资回收期、平均贴现率等非贴现现金流量指标以及净现值、内含报酬率以及获利指数等贴现现金流量指标，企业在投资时期望的投资回收期，如何设定现金流量的数额、时间分布以及在这期间投资报酬率的确定都是企业投资决策需要考虑的主要因素。由此可见，投资方案的制定和评估需要通过相关技术对收集的数据进行科学分析和处理，避免一些主观因素造成的影响，提高数据的完整性和可靠性，进而保证投资决策更科学、可靠。

企业投资决策需要各方面的数据，其来源渠道比较广泛，包括企业ERP系统、各种POS终端等产生的商业数据，基于互联网产生的社交网络数据，GPS、射频识别（RFID）设备、传感器及视频监控设备等产生的物联网数据等。这些数据其中一类是按照特定格式整理的结构化数据，一般由企业的信息系统进行管理；另一类是以纸张或数字化等形式存在于信息系统之外的大量非结构化数据。非结构化数据往往包含了很多对企业投资决策有价值的信息，由于缺乏信息化管理，往往很少被有效使用。数据标准的不统一和数据处理技术的局限，使得无法将收集到的数据进行归纳、汇总并处理各类数据之间的相关关系，从而容易忽略影响投资决策的重要因素。企业独立运行的各个业务信息系统可以通过数据ETL工具将数据抽取、转载、加载到一个或者多个数据仓库中，这些数据经过清洗之后就实现了数据的标准化。通过联机分析处理（OLAP）和数据挖掘技术进行大数据处理，分析各种数据之间的相关关系和因果关系，以有效地保证数据的完整性，从而可以在很大程度上避免由于数据不完整而使得投资决策评估和方案选择产生偏差甚至导致失误的状况。

企业的各种历史数据可以经过数据清洗后通过数据仓库进行存储。数据仓库可以系统地记录企业从过去某一时间到目前各个阶段的数据，经过数据清洗、装载、查询、展现等流程之后的数据质量较高，可靠性较大。这些数据可以通过大数据处理技术进行数据挖掘，找到数据潜在的价值。通过数据仓库和数据挖掘技术进行数据分析和处理之后获得的数据更科学、准确，尽可能地避免了人为主观因素导致的数据不可靠性，提高投资决策的质量。

（三）投资决策监控和调整阶段重点关注数据的及时性

企业在投资执行过程中，需要对项目实施情况进行有效的监控和风险管理，并能够根据企业外部环境和企业发展战略的变化，对原有的投资方案作出及时有效的调整，如延迟投资、扩充或缩减投资甚至是放弃投资。

在大数据、云会计时代，企业可以通过向云会计供应商定制相关服务，实时获取云端数据，采用大数据的分析处理技术对企业自身、同行业以及市场环境等各类因素进行分析处理，预测和发现企业项目投资过程中出现的相关问题，并及时地提出有效的解决方案。该阶段，数据获取的及时性在很大程度上可以提高投资决策风险管理的科学性和合理性。

四、结语

在大数据、云会计时代，数据作为企业投资决策的重要支撑内容，需要具备一定的质量特征。企业可以通过大数据分析处理、数据挖掘和数据仓库等各类技术，确保投资决策所需相关数据的完整性和及时性并提高数据的可靠性，降低投资决策的风险，保证投资决策的质量，进而达到企业投资的预期收益。

【参考文献】

[1] 程平，何雪峰.“云会计”在中小企业会计信息化中的应用[J].重庆理工大学学报（社会科学），2011，25（1）：55-60.

[2] 李月琳，刘济群.个体投资者投资决策中的信息利用行为研究[J].情报资料工作，2014（6）：29-34.

[3] 吴卫红，李小伟，张爱美.基于AHP-熵权和改进DS理论的项目导向型企业项目投资决策研究[J]. 工业技术经济，2013（12）：25-31.

[4] 高凡修.构建基于多目标神经网络的高新企业投资决策方案评估方法[J].统计与决策，2014（23）：176-178.

[5] 谢兵，等.基于期权博弈理论的EPC项目投资决策研究[J].水电能源科学，2013（12）：250-253.

[6] 程平，王晓江.大数据、云会计时代的企业财务决策研究[J].会计之友，2015（2）：134-136.