基于大数据时代的制造业企业财务分析研究——以纺织服装企业为例

■/苏运柱

基于大数据时代的制造业企业财务分析研究
——以纺织服装企业为例

■/苏运柱

文章首先以纺织服装企业为例阐述了大数据时代制造业企业面临财务分析方法和分析思维的变革，然后指出大数据技术提高了财务分析的“决策有用性”，同时也给财务分析工作带来了巨大的挑战，最后提出了制造业企业财务分析人员应对大数据时代挑战的对策。

大数据时代制造业企业财务分析

大数据正在深刻的改变着我们社会的方方面面，一个大规模的挖掘和利用数据的时代已经来临。财务数据作为企业的核心，反应和支撑着企业资金及业务的正常运转，通过对财务数据的处理和信息的充分挖掘，能够有效改进财务管理，压缩资金成本，为企业带来丰厚利润。财务数据是企业最基本、积累量最为丰富的一种数据，本质上看“大数据”本身并没有太多价值，而基于大数据的处理和分析才能为企业带来巨大的增值价值。由于制造业企业生产的产品与人们的生活息息相关，与大数据时代有更为密切的联系，而纺织服装业作为传统的制造业企业，因此，研究大数据时代纺织服装业的管理变革对于深入探索制造业企业突破传统的管理困境有重要的意义。鉴于此，本文以纺织服装业为例，来探讨大数据时代制造业企业的财务分析方法和管理变革。

在我国纺织服装业整体低迷的经济环境下，企业的管理者迫切需要利用一种管理工具对企业进行全面的分析，以便制定正确的发展战略。大数据资源对于纺织服装企业的战略决策更为重要，纺织服装企业的管理者应思考如何在大数据时代更好地利用大数据进行战略决策，以走出当前整个行业面临的困境。例如，哈佛财务分析框架立足企业的发展战略对企业进行全方位的分析和预测，是比较适合我国纺织服装企业的战略决策工具。在大数据时代，纺织服装企业的ERP系统、配有射频识别流水线的仓库管理、客户关系管理技术等可以为财务分析提供海量的数据资源支撑，这使得将大数据分析应用到财务分析体系之中具有现实的可能性。

一、大数据时代纺织服装企业财务分析方法和分析思维的变革

在维克托·迈尔·舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中，作者指出“大数据是指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。”大数据有4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，即大数据已经突破了传统的结构化数据的范畴。本文按照哈佛财务分析的战略分析、会计分析、财务分析、前景预测的四个分析程序，分别阐述大数据对财务分析的理论方法和分析思维的影响。

（一）战略分析

战略分析主要运用“五力分析模型”对企业所处的行业竞争环境进行分析。包括供应商的议价能力，购买者的议价能力、新进入者的威胁、替代品的威胁、同业竞争者的竞争程度这五大影响因素。对于纺织服装企业来说，大数据时代，运用“五力分析模型”进行分析具有更大的可操作性，管理者可以获取更多的关于这五种影响力的数据信息，其分析的方法和思想也会发生相应的变革。下面以供应商的议价能力和购买者的议价能力来分析大数据对“五力分析模型”的影响和分析思维的变革。

1.供应商的议价能力。企业可以通过收集与供应商有关的大数据信息，判断供应商的数量，供应商市场结构及其竞争状况。例如，纺织服装企业的供应商主要是棉花提供商，企业可以运用大数据分析技术，对海量的气象气候数据进行分析处理，预测和评估棉花的产量，由此判断棉花供应市场的市场结构，进而判断供应商的讨价能力。由此，企业管理者可以更精确的分析供应商的议价能力。

2.购买者的议价能力。在大数据时代，企业可以更容易地获取购买者的相关数据信息。纺织服装企业直接与其议价的购买者是服装销售者等商家，其最终购买者是广大的服装消费大众。因此，通过对大众的服装购买习惯和购买偏好等数据信息的分析可以评估直接购买者（即服装销售者）的议价能力。例如，企业可以通过分析某一个地区人们的穿衣偏好方面的大数据，结合当地服装销售商家的信息，综合判断这一区域服装销售者的议价能力。

（二）会计分析

会计分析主要包括对会计估计和会计政策的分析、评价信息披露质量、评估公司会计的灵活性和恰当性。

由于我国会计准则对会计账务处理和财务报告列表有着严格的要求，大数据时代，会计的处理原则、方法不得随意变化。因此，会计分析在这一部分影响较小。但是，由于大数据可以为企业更迅速的提供更多的精确数据信息，在进行会计分析时也要考虑这些因素。例如，企业的存货减值准备的计提。当企业通过大数据分析到大众对某款服装的消费偏好发生了变化，消费者已经减少对某款服装的消费时，企业把该批未售出的服装作为存货，其销售价格已经开始下降，在符合会计准则规定的存货减值的其他条件时，企业应对该批与此相关的存货计提跌价准备。会计分析时应该注意分析这种情况，判断其会计处理的合理性。

（三）财务分析

财务分析主要通过一系列的财务指标来反映企业的盈利能力、偿债能力、营运能力和发展能力。大数据时代，财务分析中的财务指标将发生巨大的变革。

1.财务指标的获取更为及时。在传统的财务分析中，当财务比率的分子和分母，一个来自资产负债表的流量数据，另一个来自利润表或现金流量表的流量数据，为计算简单，该存量指标数据通常要计算该期间的期初与期末平均值。在大数据云计算时代，对于数据的获取和处理更为便捷，管理者不必等到期末便可以运用大数据处理技术对存量指标的所有样本数据进行处理分析，财务指标可以更为及时的获取，更好的满足财务分析的需要。

2.财务指标的分析视角更为宽泛。由于企业运用云计算技术对大数据进行处理，可以精确的预测相关的数据，并根据预测的数据做出经营决策。此时，相关的财务指标的分析就不能依据传统的分析思维进行，否则将得出错误的结论。例如，纺织服装企业可以对各类存货的各个变动时点的数据进行持续性的收集，同时对市场上消费者的服装消费偏好的数据信息进行分析，一旦预计市场需求发生变化，企业会及时调整存货数量，如果预计销量大增，企业将大量储备存货。在进行存货营运效率的分析时，得出的存货周转将会较小，这时财务分析人员不能据此得出企业存货运营效率较低、存货管理效率较低的结论。相反，企业能有效的利用大数据进行分析预测市场需求，进而迅速进行存货量的调整，这表明企业的存货管理效率更高。

3.财务指标的内容更为丰富。在大数据时代，许多以前无法用数据度量的指标可以进行量化，财务指标体系将增添更多新的分析指标，甚至一些原先的非财务信息也可以进行量化并纳入到财务分析体系中。许多非结构化数据对于企业的管理决策至关重要。其中结构化数据包括如数字、符号等数据信息，非结构化数据包括全文文本、图像、声音、影视、超媒体等信息。大数据时代之前，企业很难把这些非结构数据转换为与决策相关的数据，但是在大数据时代，运用云计算技术可以处理大量的各种类型的数据，利用这些数据可以设计更多的财务指标，极大地丰富了财务指标体系。例如，企业可以收集到大众对服装产品的评价数据信息，该评价信息的数据类型可以是非结构化的数据（例如大众对服装评价的音频、视频，图片等文件），运用大数据处理技术将其转换成某种产品的顾客满意度，以此来衡量该类产品的盈利能力。

4.财务指标的分析更加精准。有了大数据的基础，精准的财务分析才成为可能。例如在不具备大数据时，财务人员在计算库存周转率时，每月10日前做一次分大类的上月库存周转分析就很不错了，但我们都知道，这种分析既粗放又滞后，对管理的改善相当有限。但在大数据时代，可以获得每一天、每一种物料、每一次进出库、每一个批次的数据，系统就可以结合次日的生产计划计算出即时的细到每一个库存量单位的存货周转率。这种大数据基础之上的精准的财务分析赋予了数据新的实在意义，并实际突破了传统的计算库存周转率的桎梏。传统的财务分析，之所以用月度平均库存来算库存周转率，那是因为当时的数据基础和计算条件所限，既然大数据的时代到了，那财务分析的方式方法也得与时俱进。尤其是纺织服装企业近几年的库存量居高不下，这种精准的库存分析对企业去库存具有非常大的现实意义。

（四）前景预测

哈佛分析框架的最后一步是前景分析。前景分析侧重于预测公司未来，在战略分析、会计分析和财务分析的基础上对公司的未来做出科学预测，为战略决策者提供决策支持。前景预测的主要内容是综合利用所有有价值的信息对企业进行战略预测，为企业管理者提供战略决策支持。

大数据时代，大数据分析的主要功能就在于通过大量、复杂的数据进行各种预测。因此，大数据的预测功能与哈佛财务分析框架中的前景预测有着异曲同工之处。利用大数据分析，可以提供更多更精确的数据信息，帮助管理者更好地进行前景预测。但是，由于前景预测是建立在战略分析、会计分析和财务分析的基础上，同时融合其他的相关经济信息，其预测要依据相关的经济学和管理学理论，其预测的结果可能与大数据预测的结果不一致。因为大数据预测更重视“是什么”而不重视“为什么”，大数据分析更重视相关性而忽视因果性。此时，前景预测变得更为复杂。

面对大数据预测与企业依据传统经济管理理论预测的结果不相一致时，企业管理者更应该具有高超的管理决策艺术，不盲从于任何工具得出的结论。管理决策既是科学又是艺术，但科学的工具失灵时，管理的艺术性的一面显得更为重要。大数据时代，在战略预测时不可盲从大数据，还要综合考虑各种因素，得出合理的结论。

二、大数据时代对纺织服装企业财务分析的挑战及应对策略

（一）挑战

1.财务人员知识和技能的挑战。大数据作为云计算、物联网之后IT行业又一大颠覆性的技术革命，融合了大量的互联网技术。因此，大数据的收集和分析人员要具有较高的IT专业知识，目前我国纺织服装业的财务分析人员中具备这种专业知识的人只是少数，人才的缺乏会制约大数据分析技术在财务分析领域的有效运用。财务人员不仅是一个擅长与数字打交道的专业人士，也是一个具备丰富管理会计的知识储备和实践经验的人，如今的大数据时代，财务所面对的数据规模越来越庞大、数据类型越来越复杂，而企业管理者要求他们将数据在几秒钟内甚至是实时分析出有价值的信息，这就需要他们具备娴熟财务分析能力。

2.大数据资源的缺乏。在大数据时代，大数据是一种重要的战略资源，谁拥有大数据的所有权谁就拥有了主动权。对于纺织服装企业来说，由于自身处于传统制造业，对于大数据挖掘和分析不是其所长，如何更好地获取大数据资源是其面临的重要问题。

3.大数据的取舍。大数据时代可以提供海量的数据供财务分析使用，但并不是所有的数据都是有价值的数据。《大数据时代》一书的作者维克托·迈尔·舍恩伯格在另一本著作《删除》这本书中告诉我们，在大数据时代，删除是大数据的取舍之道，面对海量信息人类只有正确的取舍，才能构建一个积极而安全的未来。因此，财务分析中如何选取有价值的数据是财务分析工作面临的又一个挑战。

（二）对策

1.企业应该对财务人员进行大数据分析方面的技能培训，同时多招聘一些具有IT背景的管理人员，逐步提升财务人员的大数据分析和处理能力。

2.注意对大数据的收集，在一些服装专卖店等场所专门进行数据收集，同时与一些在大数据处理方面处于领先地位的互联网公司合作，共同收集大数据资源，建立大数据资源库。

3.企业要建立更为科学的财务分析评价系统，积极开发适合大数据的会计信息系统，提升财务人员的经济学和管理学理论水平和逻辑分析能力、财务判断力，识别大数据时代无效的数据信息。

三、结语

大数据将深刻影响财务分析工具在传统的制造业企业的应用模式，财务分析思维也将随之变革，财务分析的预测性功能将进一步凸显，财务分析在制造业企业的战略决策中也将发挥更大的作用。然而，大数据时代的大数据分析无论多么的精确也仅仅是支持人们分析决策的工具，无法取代人的理性分析，传统的经济学和管理学理论在财务分析和战略决策中仍然发挥着巨大的作用。因此，财务人员应在严谨科学的理论指导下合理使用大数据分析技术，提升财务分析工具的“决策有用性”，更好地为企业的战略决策提供财务支撑。

［1］维克托·迈尔·舍恩伯格（作者），肯尼思·库克耶（作者），盛杨燕（译者），周涛（译者）.大数据时代：生活、工作与思维的大变革〔M〕.杭州：浙江人民出版社，2013.

［2］张先治，陈友邦.财务分析〔M〕.大连：东北财经大学出版社，2009.

［3］中国注会会计师协会.财务成本管理〔M〕.北京：中国财政经济出版社，2014.

［4］张新民，钱爱民.财务报表分析〔M〕.北京：中国人民大学出版社，2011.

［5］李心合，蔡蕾.公司财务分析：框架与超越〔J〕.财经问题研究，2006（10）.

◇作者信息：重庆财经职业学院

◇责任编辑：罗敏

◇责任校对：罗敏

F275.5

A

1004-6070（2016）05-0061-03