企业财务大数据与财务管理

朱晓虹

[摘要]财务大数据运作成为企业发展新的经济增长点，把企业财务管理推到一个新的起跑线上。谁运作了财务大数据，谁就会成为企业财务管理的佼佼者。财务大数据运作的企业获得丰厚回报的现实，使我们深刻认识到，错过第一批财务大数据运作的机会可以理解，再不及时跟进则可能在未来发展中处于劣势。在此基础上，本文阐述对一些财务大数据运作要素的见解。

[关键词]财务大数据；经济增长点；财务管理

[中图分类号]275

企业财务部门积累的各种管理数据及数据组合就是财务大数据。财务大数据具有海量、种类繁多、未因某种需求加工整合等特征。财务大数据运作就是运用专门的技术和知识，使这些数据释放价值，导致未来经营管理的完善和企业经济绩效的提高。

一、财务大数据运作的作用

（一）配合企业管理者走向数据化决策

账务数据量越是爆炸式地增长，财务人员提纯的信息就越有代表性、典型性、针对性，提供给企业管理者作为决策依据，所确定的方案就越精确、合理。事实一而再、再而三地证明财务大数据运作的结果往往是正确的。数据信息海量，等于管理者拥有了“千里眼”和“顺风耳”， 可以清楚地看到形势、环境或业务现状；数据信息质量高，等于拿到了开启思路的“金钥匙”，能够慧眼识别出最佳方案。在决策时相信数据、使用数据，用数据说话，逐步减少了依赖主观经验、“跟着感觉走”和“赌一把”尝试。如果财务人员以图视化的形式报送数据资料，那么决策就寓于趣味之中了。

（二）经济预测趋于科学化

财务数据的预测价值，在于通过其连续波动的规律，对未来正常情况下的经营进行虚拟的延伸和扩展，获得与其相关的数据。我们掌握的预测对象在未来的“样子”就比较靠谱。以利用回归分析法预测为例：财务人员通过电脑操作，将一组作为自变量的已知年度经营业绩数据带入数学方程，运算后产生下个年度的因变量。求远期年度的因变量，尽管循环运算的工作量大，但智能机器都能轻松完成。将全部数据在坐标图上定位，逼真地显示了其历史的假定预测项目的指标变动轨迹。在预测范围内，输入一、两个自变量，只能简单地看出它们的发展方向，输入密集的自变量，能看到精确度较高的因变量，看到数值与数值之间的浮动幅度。

（三）防范经营风险随之升级

财务人员使用网络工具，从不同经纬度不同层面考察与本企业交易的协同方或对方的信息，视野开阔，没有信息壁垒的限制。一旦发现未披露的有异动的数据，立刻引起足够警惕，及时查询原因，快速鉴别是否属于欺诈行为。遇到账务纠纷、流动资金被长期拖欠时，在线查阅、下载国家财经法律法规条款、类似案例的可参考做法，用现代信息技术获取有利于本企业利益的证据以及相关数据信息，制定、落实妥善的应对风险的方案。企业财务数据是不可任意泄露的，所以防范风险必须在对外通道新增隐私保护的措施。

（四）助推财务工作做得更好

互联网平台使政府部门的有关政策、客户现状、金融工具和市场配套服务等变得公开透明。面对某些业务事项，财务人员把账上的数据和网上的数据合并思考，穿透数据看到真实的状态，达到最佳的选择、最妥贴的安排。例如，选择办理人民币结算、信贷的银行、办理国际结算的银行、常年企业会计顾问、财务应用软件等，财务人员浏览媒体上各个目标宣传的详细资料和用户评价，在市场数据里好中挑好，再佐证自身的经历、体验和感觉，就能精准锁定称心如意的合作伙伴或实物，确保财务工作如虎添翼。

二、财务大数据运作的条件

企业财务人员的办公桌上均有一台以上的具有人脑思索的智能电脑，人手一部与互联网捆绑的手机。企业实行会计电算化作业多年，财务、会计人员使用其各个功能模块已经游刃有余。财务大数据运作人员的岗位职责明确，具备实用性强、稳定性高的计算机操作的技术能力。财务部门的数据平台处于企业数据运行系统的中心位置，信息流在公司旗下所有网络都畅通无阻，使财务、业务部门的数据能够迅速汇集和交换。拟有财务大数据运作的制度和执行规范，能够结合实际及时更新。企业上下看到早期财务大数据运作的成效，兴趣浓厚，积极性高。企业领导养成了读数据、用数据的习惯，高度重视、精心部署财务大数据运作，在可能的情况下举办或派员参加财务大数据运作的培训。

三、财务大数据运作的实施

（一）大数据收集

财务大数据运作的基础工作就是捕捉、采集数据。财务人员的一切职业行为，都会产生数据。与国内外客商交易、资金结算、债权债务处理等，与政府有关部门、专业服务商、企业内部高管、业务部门之间的交互数据俯拾皆是。只要有心，就能从互联网、专业会议、纸质资料、业务咨询、同业人员社交等渠道入手，方便、快捷、动态地检索信息、查阅所需资料与相关记录，获得有使用价值的数据。收集特殊的数据，需要利用一定的技术、人际关系，甚至交换或者付出必要的代价。外贸企业财务部门关注汇率变化，可以用“点对点”方式由专人浏览、登记银行固定网页每天刷新的外汇牌价。收集大数据并不在于数量多，而在于“一网打尽”，力求每个项目、每段过程的数据完整，避免重要信息的遗漏或导致以偏概全。

（二）大数据存储

将各种分散的财务数据全部纳入一个大的数据库。在手的适用数据丰富充裕，有需求时就能信手拈来，产出的成果要比“现买现卖”式数据产出的成果要好很多。存储介质（电脑、移动硬盘、光盘等）的容积很大，财务人员无须有大数据存贮空间不够的顾虑。但是也不能瞎存储，应该粗选、剔除冗余信息。存储的数据必须备份，部分核心数据应该打印存档。已有的纸质财务数据资料尽可能通过扫描转化为存储介质，以便长期保管。信息要分门别类储存，采取标签化管理，保证能在最短的时间内检索出来。财务人员大规模聚合、保存并高效使用数据，无疑为企业财务大数据运作积淀了宝贵资产。

（三）大數据分析

财务人员带着某一明确的目的和任务，依据数据基准特征，对面广量大的财务数据进行梳理、分析。一般都是利用Excel工具来进行加减乘除、汇总和统计，对数据进行划区间、划层次、划阶段或总体的运算。各种算法如比较同一项目不同组织、不同时期的数据，测定某一单项在大类或整体的占比，演算某一项目数据与其他数据重组的结果，对所分析的若干业务按照一定的标准进行大小、多少、快慢、强弱的排序等等。适用于用经济数据勾勒出某一组织、某一事件的轮廓，了解企业业务发展的程度、驱动原因和对现在、未来的影响，业务实绩在预期范围内的走向，交叉验证某一关联业务过程的合理性与存在问题等。运算由电脑自行完成，人工不可能干预新数据的生成，因而是客观公正的。经过大数据分析，财务人员的智慧被放大，从数据资源中发现了新的信息，获得了新的认识，形成了新的判断。

（四）大数据挖掘

大数据挖掘比大数据分析在深度上更胜一筹。以资金流转、资本营运、成本费用控制、悬案处置、纳税运筹等为研究对象，解剖、探讨原始的和重复利用的财务大数据。历年来的会计核算资料已经被精简到实际需要的容量，不属财务大数据的范畴。但是把这些数据与其他数据交织在一起，仍然可以用作财务大数据挖掘与其本身用途无关的新的潜藏的价值。依从教授、专家、高级会计职称人员、政府部门某业务专管人员的提议，财务部门领导、实务工作人员深思熟虑、各抒己见，采用财务管理学的专业技术或数学公式，把多源的多类型的复杂的数据有机配伍、反复试算等等。观察、寻找数据与数据、信息与信息、事项与事项之间以及财会业务内在关系、结构，观察、寻找以前未曾认识的决定性因素和数据背后隐蔽的奥秘。凭着逻辑判断，企业领导就能将研究成果直接转化为预测、决策和摆脱“老大难”困境的路线图，财务人员就能激发出做好某项财会业务的灵感，悟出理性认识和行为规则。

（五）大数据共享

大数据不断流动和充分分享，才能保持生命力和活力。在共同遵循数据治理的框架下，部分财务大数据、财务分析的论证、结论意见以日报、周报、月报、季报、半年报、年报、专题报告等形式发送到总经理信箱，以局域网平台信息发布的形式告知本企业业务、管理部门、人员或下属单位。企业财务部门向政府业务管理部门、社会服务机构提供财务数据，在广告、网上媒介宣传本企业的资料包含的财务数据，就是接受方的财务大数据。在合作方的网站上设置本企业网站网址的链接，有关人员点击网页后也能关注本企业的财务数据。

四、财务大数据运作的深化重点

（一）树立大数据运作的正确理念

财务人员与计算机完美合璧，财务工作物质条件改变了，财务人员的思维方式也要改变。小数据时代的财务数据来之不易，所以财务分析只能对有限的样本数据精确使用；而进入大数据时代，财务人员可以获得海量的即时数据并进行分析。因此，财务人员要从样本思维转向总体思维，致力于全面地立体地系统地认识财务工作，过目所有资金流动的细节从精确思维转向容错思维，适当忽略微观层面上的精确度，允许一定程度的错误与混杂，反而可以在宏观层面拥有更好的信息和洞察力；从因果关系思维转向相关关系思维，有些财务事项不存在确定的因果关系，但是肯定存在线性或非线性的关联关系，厘清相关关系的效果超越寻找因果关系的效果。

（二）开展数据的标准化处理

企业会计电算化核算必须严格执行现行会计制度一级科目规定的内容，按照企业信息系统整体规划和财务管理的要求拟定二、三级科目的核算内容，尽量保持与同行业企業通常定义的口径相吻合，以便对外输出的数据与接受外部的数据都能对口或衔接。无论是存储的还是导入、复制的原始数据，在使用前必须进行数据同趋化处理和无纲量化处理。同趋化处理主要解决不同性质的财务数据问题，如将几个类的数据合并或者在一个类的数据中剔除不符合的部分等，使所有数据对测评目标的作用力一致。数据无纲量化处理主要解决财务数据的可比性问题，如变量单位或大或小均换算为默认的变量单位等，使各指标值都属于同一数量级别。

（三）改造非结构化财务数据

传统的财务分析内容就是像会计核算资料之类的结构化数据，现时的财务分析内容逐步扩展到像文本、图像、声音、网页之类的非结构化数据。非结构化数据蕴藏的信息比结构化数据更丰富更深刻更生动，因而使分析质量大幅度提高。当然，非结构化数据不直接对应某个财务事项属性，必须经过一番调整改造。要利用一个强大的搜索引擎，按照一定的办法净化数据：一是消除形形色色的不完整数据、错误数据和重复数据，二是对财务数据进行集成并存储数据库。这样，就可以多次将数据集用于搜索和分析了。把非结构化财务数据改造成结构化财务数据，也就是实现了所谓的“量化”。有些数据因其个体之间的差异太大致使改造困难，有待于进一步创新技能与方法。

（四）建立有效的财务数学模型

建立财务数学模型，能够为预测企业经营未来变化的趋势，或对内控制某一种财务现象的发展提供某种意义上的最优策略。建模就是借助计算机求解，从定量的角度来解释实际问题，并接受实践的检验。财务人员要深入细致地调查研究建模对象信息，提炼出共性因子，灵活巧妙地使用数学符号、数学公式和其他数学知识来刻画各种变量与常量之间的关系，抽象而又纯洁的模拟其本质。要对积累的各种计算过程进行过虑，精简、改进错综复杂的环节，就能发现、保留科学的合理的财务数学结构。财务人员在财务数据分析时把数量假设和综合推算方法内置于Excel表格、有关程序的计算中，可以说就是财务数学模型或其雏形的孵化。

主要参考文献：

[1]叶盈吟，大数据视角下企业财务管理研究[J]，管理观察，2 016（2 7），121-12 2+12 5.

[2]茅未衍，大数据视角下的财务动态管理实践[J].财会学习，2016 （09）：32.

[3]赵婧，大数据背景下企业会计数据的新特点[J].财会月刊，2014 （21）：105-108.

[4]董超，卢桂林，胡青善，一本书搞懂企业大数据应用[M].北京：化学工业出版社，2017.7.