大数据对财务分析工作的影响和对策

摘要：大数据是一项新的技术变革，无论是学术界、企业界还是政府都受到其影响。大数据时代，企业的经营环境、决策环境都发生巨大的变化，财务分析长期以来在企业内充当决策参谋的角色，能否认清大数据对其产生的影响，对提高财务分析价值，适应大数据变革具有重要的实践意义，本文主要从大数据对财务分析的影响出发，进而提出财务分析转型对策。

关键词：大数据；财务分析；非结构化数据；业财融合

2012年，维克多的《大数据时代》开创了国内外大数据研究的先河，随后学术界各种研究中心、学术论坛纷纷成立；许多企业和组织开始着手研发大数据解决方案或应用；各国政府也将大数据发展提升到战略高度，我国在2015年9月印发了《促进大数据发展行动纲要》。可见，大数据离我们越来越近，甚至已经在逐渐渗透到我们的工作与生活中。

一、大数据对财务分析工作的影响

（一）大数据思维给传统的财务思维带来巨大冲击

维克多在《大数据时代》中提出大数据分析：要相关不要因果，要全体不要抽样，要效率不要绝对精确。对于财务来说，账务处理、会计假设、会计估计都需要有充分的依据，仅依靠相关性将不足以采信，而民间审计、政府审计、资本市场等对每笔账务的列示原因更有着非同一般的关注，因果关系早已被财务人员内化为习惯，要相关不要因果对传统财务思维将是巨大的挑战。在精确和效率的排序上，财务通常将精确排在首位，也与大数据思维有别，财务工作对数据精确性要求极高，尤其会计核算工作，“有借必有贷、借贷必相等”是会计试算平衡法的基本原理，容不得半点差错。

（二）传统分析仅抓住10%的数据，将难以看清全局

涂子沛把大数据分为结构化数据和非结构化数据2大类，结构化数据可以简单理解为行数据，即可以用二维表结构来逻辑表达的数据，而不方便用二维表来表现的数据即为非结构化数据，包括所有格式文本、图片、音/视频等。大数据时代，结构化数据占比仅10%左右，传统财务分析以研究结构化数据见长，尤其财务分析中最受推崇的比率分析，全部基于结构化的数据进行研究，而对于90%的非结构化数据，传统的分析方法却无能为力。

（三）大数据、低密度特征意味着分析技术必须要升级

随着采集、处理数据量级的增长以及数据类型的多样化，Excel等财务人员惯用的办公软件性能将无法满足需要：首先数据采集环节，传统的点对点数据人工交互手段，仅能解决少量、低频数据需求，很难满足大数据分析大量、高频的采集需求；在数据存储方面，大数据的源数据是由结构和非结构化数据组成，传统的行式关系型数据库将无能为力，尤其在非结构化数据的处理方面，劣势尤为突出；在数据挖掘上，将面临更大的挑战，大数据广泛采用的Hadoop的分布式存储技术，要求使用者至少要熟练使用一门编程语言，如Python、Matlab、Java、SQL等，在此方面，大部分财务人员几乎是零基础。

二、大数据环境下财务分析变革的对策

（一）转变传统思维观念

1.要相关不要因果，有赖于决策者和执行者先行先试

传统财务分析习惯沿着“发现问题-分析问题-解决问题”的思路进行分析，能够清楚的讲明因与果，说服力强，易被采信。而大数据应用中可以在事先未能发现问题，更无法有效分析问题的情况下，根据相关性提出企业经营效益提升方案，比如啤酒与尿片的案例。如果决策者和执行者未能转变观念，仍然深究因果，财务分析的成果将很难被采纳，财务将因无法影响决策，又不能亲自实践，使其价值无法得到体现，那么，财务分析拥抱大数据将会是一纸空谈。

2.要全体不要抽样，财务分析框架需增加非结构化数据研究

受限于计算能力和效率，传统的分析技术多用抽样的方法，抽样将意味着未被抽到的数据信息会被遗漏，为确保会计信息的客观、公允，财务在对损失和收益的估计上偏谨慎。大数据时代，计算机技术已经让全量研究成为可能，并有效解决抽样不足的问题，数据分析将有可能更全面、客观的评价经营活动。现行的财务分析架构，多偏向于结构化的数据，在大数据时代，拥有更高效的数据存储和挖掘技术，财务分析的框架必须扩充非结构化数据研究的内容，对涵盖业财、乃至企业内外的全量数据开展研究，以提高对损失和收益的准确估计，而非偏高估损失，低估收益的谨慎估计。

3.要效率不要绝对精确，允许适当的不精确更有利于反应现实

大数据时代，无论是数据源和数据处理技术都与小数据时代有本质的不同，由于数据来源和数据类型的多样性，巨量的数据将不可避免地会获得不精确性数据。不精确数据并不一定妨碍我们认识总体，而且对于分析来说，偏离常理的现象和数据，反而具有更高的研究价值，不同质量的数据汇集起来，将有助于我们更加全面的了解总体的真实情况。需要强调的是，客观的认识数据的不精确性，并非放任不管，允许数据不精确，是允许人为不可控的数据存在偏差，对于可控的数据，精细化管理仍然是大数据时代所需要的。

（二）重视非结构化数据分析

1.非结构化数据是“数据金矿”

随着信息化的普及，办公自动化、无纸化成了企业的标配，大量的非机构化经营数据实时产生，这些数据的生产可以是任何人，任何时间，任何方式，正因为其任意性，其中不乏“脏数据”，造就了大数据的价值低密度；而其即时、多样的特征，给予了我们掌握实时动态，开展多维分析的可能，深挖大数据，将给财务分析和经营管理带来新的视角。

2.非结构化数据“掘金”可先易后难

大数据平台的搭建是一项系统工程，搭建一套完整高效的大数据平台有很高的技术门槛，且投入大、耗时长、见效慢，鉴于此，可先易后难，逐步深入。因Hadoop是一个分布式计算框架，可以在大量廉价的硬件设备组成的集群上运行，3-4台普通办公电脑即可搭建起简易的Hadoop大数据存储平台以满足早期的非结构化分析需要，使用Hadoop分布式文件系统存储海量源数据，通过MapReduce分布式计算模型来处理这些海量源数据，然后采用Hbase分布式数据库存储处理后的海量数据，以此来实现对海量非结构化数据的分析和管理。早期的应用场景，可以先从管理热点推荐开始，因大数据推荐技术较为成熟，有成型的算法可以借鉴，首先采用中文分词技术建立信息检索索引，对非结构化数据进行自动分类，自动摘要，同时借助大数据推荐算法实现对热点资讯抓取，高重复词条推荐，从而帮助分析人员快速聚焦经营热点开展研究。当小的应用价值得到肯定，大规模部署Hadoop集群环境将成为可能，而分散在各大信息孤岛的数据，埋藏在各处电脑终端的数据也将有望共享整合，逐步实现大数据，大价值。

（三）主动向业务延伸，开展业财融合分析

1.决策职能将重新布局，财务分析需业财兼顾。大数据时代，单纯依靠主观决策将无法应对复杂的环境，长期以来依靠经验、理论和思想的决策方式将让位于精准的数据分析。大数据下决策参与者的角色将发生改变，各级人员因均可方便地获得决策所需信息，决策不再是少数高层管理者的专权，传统的决策分工将因此出现调整，更多战术层决策下移，企业高层有更多时间和精力谋划战略决策，但同时也需要做更多维度的考量，并实时、动态掌握每项战术的执行情况，以便制定合理的战略决策。财务分析若要继续履行好高层决策参谋的角色，必须顺势而为，贴近战略需要，以更加全面的视角评价，开展兼顾业务的融合分析。

2.业财融合分析是财务报告披露和风险管理的需要。大数据驱动的经营管理模式，从决策到执行的时间将明显缩短，决策的依据源于数据，执行的结果反应为数据，远离业务的财务分析，将无法给予及时的风险和价值评估，而财务报告披露是企业对投资人、政府、监管机构的义务，并不会因为企业决策方式的变化而减少，反之可能提出更高的要求。因此财务分析需要在决策环节充分介入，合理评价决策的合规性和效益性，及时的将执行结果与财务报告建立起动态联系，以满足业绩评价和对外披露的需要。

三、小结

大数据，对于财务工作来说，不仅是一门技术，更是一种全新的模式，财务分析的架构、工具、方法、理念均将随之改变，只有充分认识到大数据所带来的影响，抓住这一趋势，才能充分发挥财务分析在企业经营决策中应有的价值，促进企业提高竞争力，在激烈的市场竞争中取得优势。

参考文献：

[1]李敬华，贾蓓，李倩茹.传统统计数据和大数据内涵辨析[J].电信快报，2016（9）.

[2]郭春霞.大数据环境下高校图书馆非结构化数据融合分析[J].图书馆学研究，2015（05）.

[3] 奉国和，郑伟.国内中文自动分词技术研究综述[J].图书情报工作，2011（01）.

[4]朱倩，钱立.基于Mahout的推荐系统的分析与设计[J].科技研究，2013（06）.

[5]崔杰，李陶深，兰红星.基于Hadoop的海量数据存储平台设计与开发[J].计算机研究与发展，2012（49）.

（作者单位：中国移动通信集团广东公司深圳分公司）