大数据时代财务预测的变革探索

张高胜

摘要：大数据改变了传统财务预测的基础，财务数据的内涵、规模、范围等都产生了质的变化，进而使财务预测的流程、方法发生了颠覆性的变革。

关键词：大数据 财务管理 财务预测

随着云计算、移动互联网、移动终端、数据感应器、物联网等技术高速发展，人类已进入一个崭新的时代——大数据时代。从电子商务、社交网络到移动通信，从教育、公共服务、商业到政府等，正爆炸式产生结构化与非结构化数据的“海量”数据。据统计， 2013 年全球产生的数据达到3.5ZB，到 2020 年产生的数量将增至 44ZB。“海量”的数据蕴含的巨大的科学价值、经济价值和社会价值，人类对大数据的挖掘与应用，将改变市场结构、商业模式、组织结构以及人类生活方式，使社会各个领域发生颠覆性变革。

财务预测是企业财务管理循环中重要的一环，是企业进行财务决策的基础，也是制定财务预算和计划的依据。大数据时代的到来，使财务预测的基础、模式、方法正经历深刻的变革。通过收集企业经营活动相关的财务数据和非财务数据，以及与之相关的其他来源的海量数据，并对这些数据进行分析与挖掘，进而发现影响企业经营的关键因素，准确地把握企业的经营现状，为提高企业运营效率、提升企业价值和开拓企业新业务提供参考与导向。而且，从这些数据中可以获取新的洞察力，预测企业经营的未来趋势，并制定适应企业未来发展规划的财务战略，更全面地推进科学财务决策。

一、大数据背景下财务数据内涵的变革

财务数据是财务预测的基础，是财务预测方法的选择及结果的精准程度的保障。近年来，随着大数据时代的到来，财务数据的内涵发生了深刻变化，主要表现在以下几个方面：

（一）财务数据的规模发生了重大变化。IDC的研究报告称，全球每年产生的数据总量约为2.7—3.5ZB，未来10年全球大数据将增加50倍，使得全球数据量呈现出前所未有的爆发式增长态势。企业在经营的过程中通过物联网、互联网、ERP系统、电子交易平台、销售点的数据收集技术（条形码扫描仪、射频识别、智能卡技术）、收银台客户记录、电子商务网站的日志、电子购物中心顾客服务技术收集大规模的海量数据，这些数据是传统财务数据的几十倍甚至更多，这些数据在大数据分析技术的支持下都可以成为财务预测的依据。例如淘宝网围绕着买卖双方的交易、搜索、浏览、评价等每天活跃着超过50TB的数据量，并针对用户提供免费数据魔方、量子恒道、超级分析、金牌统计、云镜数据等信息，用户可以获取行业、品牌的市场状况、消费者行为情况等，及时调整营销手段，进而提高销量。

（二）财务数据的范围更宽泛。在大数据时代，由于数据收集与处理技术发生了质的变化，财务预测所需的数据不仅依赖于结构化的财务数据，而更重要的是依赖于与企业日常经营活动相关的非财务数据和与企业经营无关的其他数据，因此数据范围更宽泛。不仅包括企业内部的采购、销售、库存、生产等数据，也包括来自市场的经济数据、行业数据、客户数据、交易数据、供应商数据等，同时还包括来自政府的法律法规、税收、审计数据，以及银行的信用、融资等数据，这些数据可能分布在不同的地域、不同的机构， 并且以不同的数据类型存在，数量异常庞大，维度更广，范围更宽。例如对销售收入的预测，在传统预测中主要是以历史的销售数据及某个单一市场数据作为预测的依据，但在大数据背景下可采用的数据范围更宽，如电子商务平台上的点击率、客户的收货评价、销售终端的付款记录等都可以作为预测的数据基础，这些数据在传统财务决策系统无法收集和处理，只有借助大数据技术才能实现这些分布式数据的采集与预处理。

（三）财务数据更具多样性，价值更巨大，但利用密度低。财务数据多样性不仅表现为财务数据来源多样，如传统财务报表、企业内部控制系统等结构化的数据，电子商务平台、社交网络等非关系型数据库的半结构化数据和非结构化数据，同时也表现为数据类型、语态、语义的多样性，如数据表单、传感数据、文本、日志、音频、视频等。利用密度低主要是指海量数据下蕴含的相关信息、有效信息可能只是其很小一部分，信息“提纯”面广，也就是说需要在海量的数据中去挖掘有限的可用信息。

二、大数据时代下财务预测流程的变革

大数据时代下由于财务数据基础、财务数据处理技术、财务数据分析技术发生了根本性的变化，因此财务预测的流程也就发生了革命性的变化。主要分为财务数据收集与存储、财务数据处理、财务数据分析与挖掘、财务预测模型建立、预测结果可视化几个环节，如图1所示。

（一）财务数据收集与存储。财务数据收集是按照确定的数据分析内容，收集相关数据的过程，它为数据分析提供了素材和依据。借助互联网、物联网、电子商务交易平台、社会化网络和大数据交易平台，企业可以从企业内部、市场、税务部门、 财政部门、会计师事务所、银行和交易所等机构获取各种与财务预测相关的多样化数据，为后续采用大数据技术和方法进行数据处理提供数据支持。

（二）财务数据处理。财务数据来源、结构、形态的多样化，决定了这些海量数据的复杂化、混沌化、抽象化及碎片化，面对如此庞大而复杂的数据，传统的数据处理方法已无能为力，而必须利用大数据处理技术对杂乱无章的数据进行加工整理，主要包括数据清洗、数据转化、数据提取、数据计算等处理等环节，从中抽取出对预测有价值的数据，进而形成适合数据分析的样式。

（三）财务数据分析与挖掘。财务数据分析与挖掘就是从大量的数据中挖掘出有用的信息，并发现数据的内部关系和规律，为解决问题提供参考。大数据时代下面对内涵更深、结构多样复杂、数量庞大的财务数据，数据的分析与挖掘成为财务预测的关键。财务数据分析与挖掘主要对数据实行分类、聚类、关联，进而利用数据的关联性进行预测。Hadoop、HPCC和NoSQL等大数据分析与挖掘技术快速发展，为企业进行财务分析与预测带来了全新的分析视角，也以日新月异的速度改变着企业的分析能力，正逐步形成财务预测的全新生态系统。在未来，对大数据的分析和挖掘能力将成为企业的核心竞争力之一。

（四）财务预测结果可视化。传统财务预测结果是通过表格和图形等可视化方式来呈现，面对多维、海量、动态的大数据，为了清晰地传递预测结果，传统的方法难以奏效，需要利用大数据的可视化方式进行解释。一般性的有反映复杂社交网络的宇宙星球图、标识对象知名度的标签云、显示集群成员分配的聚类分析可视化技术、反映事物历史变化的历史流图和空间信息流等。通过这些可视化技术将预测结果以图像、图表、动画等形式表示出来，进而利用其他的分析手段发现未知信息。

三、大数据时代下财务预测方法的变革

传统财务预测以结构化数据为基础，以定量或定性化的模型为支撑，以从因到果的逻辑推理得到预测结果，如时间序列预测、回归分析、趋势分析等。但在大数据时代，预测的数据基础已发生了质的变化，主要以非结构化数据为主，结构混乱，已无法找到像传统财务预测一样精确化的处理方式，大数据时代下财务预测方法已发生深刻变化。

（一）大数据时代下以“全部数据”为基础的预测改变了财务预测的基础。传统的财务预测包括定性与定量分析，其中定量分析主要是时间序列预测、因果分析预测，其基础主要是统计分析中的“抽样分析”，它是基于有限的样本数据来进行论证，是“小数据时代”不可能收集和分析全部数据的情况下的无奈选择。但是传统的抽样分析存在很大的缺陷和局限，因为抽样分析结果的准确性与样本的数量及样本选择的随机性有关，而实现这种随机性是很难的。

在大数据背景下，财务预测不再依赖抽样的方法，而是采用全部数据的方法。数据收集、存储、处理技术翻天覆地的变化，云计算、物联网、数据库等技术的发展，为获取足够大的样本数据乃至全体数据提供了技术支撑。Hadoop等开源技术的发展也为数据的分析与挖掘提供了条件。2009年谷歌对流感趋势预测是基于全部数据分析预测的经典案例，共检索了5 000万条词条，处理了4.5亿元个数据模型，并与美国疾控中心历史实际病倒进行比较得出结论，其威力至今令人惊叹。

（二）大数据时代下基于“相关性”的预测改变了财务预测的方法逻辑。Viktor Mayer-Schonberger在《大数据时代》中指出“建立在相关关系分析基础上的预测是大数据的核心”，与“小数据时代”基于因果关系的财务预测不同，大数据时代的财务预测主要通过寻找事物间的相关关系寻找答案。传统财务管理依赖于对因果关系的寻找来分析问题，先通过假设两个变量之间存在某种因果关系，然后进行证明，是通过揭示其内部的动作机制来进行分析，这种方式极大地限制了我们的思维视角。例如传统销售百分法对资金需求的预测，主要依据是会计科目与销售收入之间的依存关系，利用销售收入增长率来预测财务报表，预测出资金需求，显然这种分析无论是科学性还是准确性上都存在很大的局限性。大数据时代的财务预测不再过度依赖因果关系，而更多的是依赖量化两个变量之间的关联性来分析一个现象。沃尔玛“啤酒与尿布”的故事，就是大数据利用相关关系最著名的应用，看起来啤酒与尿布是两个毫不相关的东西，但沃尔玛利用大数据技术发现了其中的规律，并获得巨大的利益。通过对财务大数据的比较、聚类、分类等分析，寻找两个或两个以上变量之间的某种规律性，找出数据集里隐藏的相互关系，进而对企业的未来趋势作出判断与预测，正是因为这种思维模式的突破，使得大数据背景下的财务预测获得更大的创新空间。

（三）大数据时代下财务预测结果转向多样化。传统财务预测以结构化数据为基础，依赖于统计方法对数据进行处理，利用数学模型进行预测，其结果追求精准性。而大数据以非结构化数据为主，数据结构混乱，需要改变传统财务预测的结构化、标准化和精确化的信息处理方式，设计新的且适合大数据特征的数据处理方式。同时，大数据分析以全体或总体为对象，几乎不可能找到合适的统计学或数学模型来描述全体或总体的特征、规律、联系，也很难直接或直观地发现全体或总体的本质、属性、特征、规律、联系。大数据财务预测不再追求精确的结果，而是可能提供更多需要的结果和发现，财务预测结果转向多样化和发现新知识。

参考文献：

[1]吕本富.大数据预测研究及相关问题[J].科技促进发展，2014，（10）.

[2]程平，万家盛.大数据时代财务共享服务中心云平台的构建及其应用[J].商业会计，2015，（15）.

[3]邓仲华，刘伟伟，陆颖隽.基于云计算的大数据挖掘内涵及解决方案研究[J].研究情报理论与实践，2015，（38）.