基于大数据视角的财务分析框架研究

【摘要】随着信息技术的发展与应用，当今世界已进入大数据时代。而财务数据分析作为企业财务分析的重要部分，其分析结果的准确度直接影响财务管理水平。本项目从大数据的特点出发构建财务分析框架以提供更准确的数据信息。

【关键词】大数据 财务分析 数据挖掘

随着信息化技术的发展，网络在我们生活中发挥越来越重要的作用，各种网络词语，如：网络交易、电子支付、支付宝等概念广为人知，网络化模式也逐渐改变人们的日常生活和工作方式。随着云计算等信息技术的发展和应用，“大数据”横空出世，海量的数据日渐充斥着我们的世界，特别是财务方面，大数据时代因其海量、异构、价值大的数据特征和多变性的信息需求对财务分析提出了新的要求，并带来了机遇和挑战。如何在数据的海洋中搜寻到财务的宝贵信息，为财务经营决策提供数据依据成为众多企业亟需解决的问题。

一、传统财务分析的主要问题和局限性

（一）企业财务报表本身的局限性

传统财务报表分析主要以报表中的数据为主，而忽略对非财务报表指标的分析。首先，财务数据本身是有其不足的，比如企业会计准则对固定资产提折旧以及对外投资的核算是可以进行不同的会计处理，因此，其财务分析的结果也是具有片面性的。其次，财务报表以历史成本为计价基础，数据可靠，但缺乏时效性和相关性；同时，仅以货币计量成本，往往忽视机会成本，而机会成本恰恰是会计报表使用者做出决策的参考数据之一。另外，没有考虑通货膨胀或紧缩和物价变动的因素，会导致数据隐藏着物价升值或贬值的风险，不能提供给报表使用者精准有效的数据信息。

（二）传统财务分析忽视企业本身的发展

现存的财务分析技术仅仅起到了专家性质的解析数据的作用，缺乏与企业自身经营战略、资源配置、系统管理的结合，分离企业经营的过程和结果，财务报表使用者只能从财务数据中看到经营效率的高低，看不到潜在的财务、经营与战略风险。大部分企业往往将经营利润作为财务报表的重点，只图报表数据的好看，忽略了财务管理的综合分析与现金管理分析。

（三）财务分析方法的单一性

第一，比率分析法和比较分析法是财务分析的两个基本方法，但是这两种方法都只是对企业过去发生的经济业务的反映，同时，会计报表使用者只有在季度末、年末才能看到企业的报表，报表上的数据不能反映企业现时的经营状况，因此，报表使用者只能通过对过去数据的分析推测企业的未来发展状况。

第二，企业会计政策和会计方法的选择必须依靠财务人员的主观判断完成，而不同的财务人员受其经验、能力等因素的限制做出的财务判断也不同，缺乏统一的比较标准。

第三，忽略对非财务指标的研究。非财务指标是指与企业的长远发展有紧密联系的因素，比如公司的创新能力、技术目标、发展潜力、客户满意程度等。非财务指标可以让报表使用者立足于过去的数据，展望企业未来的发展状况，加深投资者对企业发展的信心，深切的影响企业的财务状况。

（四）忽视风险预警机制

大部分财务报表都是基于过去的数据进行财务分析的，大大降低了管理的有效性，不利于企业进行事前、事中控制，不能预见企业未来发展中可能遇到的财务风险，也不能起到指导企业经营战略的作用。这种现状不利于管理层展开工作，会一定程度上制约企业的可持续发展。

二、基于大数据的财务分析的改进措施

大数据时代的到来，加大了财务分析的工作量和工作难度，采用数据挖掘技术完成对隐藏在海量信息中的数据的采集，分析数据之间的内在联系和关联规则，并基于历史数据预测企业未来发展趋势，完成合理高效的分析工作，为企业经营提供科学的依据。

（一）从单一分析转向多样分析

数据挖掘算法包含三种方式：关联规则提取、聚类、分类和预测。关联规则提取，是通过数学模型的方法从无规则的数据中提取有意义的关联规则，通过关联规则协助做出合理决策[1]。在关联规则提取中，经常采用Apriori算法。此算法通过提取样本数据的频繁模式项，采取迭代的多重模式项方法，最终得到固定的频繁模式项，而这种模式项就是关联规则。关联规则有大量的数据支持，我们可以通过这种算法向潜在客户推荐产品，同时也能拓展数据内容，让财务分析更加全面。

（二）从分析结果转向监管过程

聚类方法是无监督分类方法，将数据通过某种距离计算进而分类的方法，通过事先给定的几个聚类中心，然后计算每个数据到各个聚类中心的距离来将每个数据划分到对应类别，通过多次迭代修改聚类中心，最终得到各个数据对应的聚类中心[2]。欧式距离（1-1）是一种简单有效的计算距离的方法。

通过此方法，可以对一些数据分类，然后得到相应结果。既可以完善数据在收集中缺失的必要属性，又可以直接通过后台信息的处理获取直接的产品信息，将数据的触角延伸到消费者的终端。

（三）从过去转向未来的预测

分类和预测是有监督的学习方法，在会计财务分析中，经常利用已知的信息预测未知的数据，将实际数据与预测数据进行比较，预测公司的发展方向，然后通过预测帮助企业管理层展开经营工作。

利用数据挖掘方法对财务分析的基本过程：确定分析对象、数据采集（时间序列数据）、数据预处理（删除噪声数据）、特征提取（提取原始数据的特征）、数据挖掘（将数据特征加入挖掘模型）、结果分析。下图1给出了财务分析中采用数据挖掘模型的流程。

三、大数据时代下做好财务分析的策略

（一）加强财务分析人员工作素质

任何一个工作，都要求有能力有技术的工作人员来完成，财务会计人员更是要求有深厚的专业素质和优秀的职业素养，才能有条不紊的处理大量财务数据和应对临时突发的财务风险。大数据为传统财务人员提供转向管理人员的机会，但是财务的网络化和信息化也对财务人员提出了更严格的专业要求，他们除了要具备扎实的会计基础能力外，还需要学习和深造大数据的处理能力和分析技术。随着企业规模的扩张、业务种类的繁多，财务人员将面临数据范围增大、数据规模扩充、数据类型复杂化，财务人员要在有限的时间里发现数据之间隐藏的联系和有价值的信息，这些都要求财务人员拥有熟练的技术和的经验。同时，财务人员也要将大数据的信息转化成管理建议辅助公司管理层做出有助于企业发展的科学决策。

（二）建立完备完整的财务分析体系

传统的财务分析模式仅是将纸质版原始材料录入电脑最后进行数据分析的一种方法，因此它是对过去死板数据的聚集和统计。越是大型的企业，其财务人员只能分析统计出近几年的财务数据，而更早前的数据却是人工难以应对的问题。大数据可以对企业积累多年的业务、市场、资源等方面进行深入分析，从中找出可以指导企业前进方向的意见，这样势必导致存储多年的数据流出，简单的人工操作显然不可能满足这种大工作量的任务，因此，大数据的兴盛必将重塑企业的财务分析系统。新型的财务分析体系会更加智能化，可以根据企业资金流向、市场环境变化、客户群体需求变化为企业制定最佳方案，同时，还能帮助企业防范风险。

（三）制定网络化安全管理措施

大数据给我们带来了巨大的便利，但我们也不能忽视随之而来的风险和危害。随着黑客技术的发展，竞争对手可能故意截取企业商业机密或恶意篡改商业信息让企业蒙受巨大的经济损失。数据在网络传递的过程中，也可能会被肆意的病毒侵入，影响企业大数据系统的稳定性和准确性。因此，企业应当建立健全网络保护措施，如安装正版杀毒软件，建立网络防火墙，信息提取采用身份识别技术等等，同时制定防火、防水以及突发事件的紧急处理办法。

四、总结

互联网技术正在悄无声息的改变着我们的生活，而大数据更是将我们带入全新的领域。财务分析不应该只重视对数据的研究，更应该结合行业环境、战略目标全面评价企业经营状况。在大数据处理下的财务数据能创造新的价值和发展动力，让企业进入高效健康的发展阶段。

参考文献

[1]陈俊明.基于布尔矩阵的空间关联规则提取方法研究[J].测绘与空间地理信息，2014，（5）.

[2]黄月，高学东.聚类分析在高校财务风险评价中的应用[J].中国管理信息化，2014，（8）.

[3]刘晓蓉.大数据时代财务分析的研究[J].现代商业，2015（12）：112.

[4]林洁莹.大数据时代背景下会计财务分析研究[J].济南职业学院学报，2015（12）：97.

基金项目：本文系安徽财经大学2015年大学生创新创业训练计划项目（201510378633）阶段性研究成果。

作者简介：杨星辰（1993-），女，安徽铜陵人，安徽财经大学2012级财务管理本科生，研究方向：财务管理。