大数据时代企业财务风险预警机制与路径探究

李霞

摘 要：即便20世纪30年代以来国内外学术界提出大量企业财务风险预警模型，但是该风险预警模型往往无法满足实际情况中对预警结果及时性、稳定性及准确性的要求，客观上要求相关从业人员以企业财务风险预警需求及大数据技术为切入点，组建具有大数据时代特色的高速、全面及多角度企业财务风险预警机制，以达到彻底解决企业财务风险预警问题的目标。本文以大数据时代企业财务风险为切入点分析其预警机制构建要点，就提出具体的设计路径进行深入探究，旨在为相关从业人员积累更多的工作经验。

关键词：大数据；企业财务风险；预警机制；实践路径

伴随社会进步及经济发展，企业所面临的经济环境变化日新月异，不止为企业赢得更多的发展机会，更产生相应的财务风险亟待解决。有学者明确指出面对多变市场及激烈竞争的挑战，企业构建科学合理的财务风险预警机制具有不可比拟的积极作用，换而言之准确识别预测财务风险方可帮助企业于全球化经济竞争形势下屹立不倒。上个世纪30年代全球范围内着手研究企业财务风险预警机制，有学者发现“股东权益/负债”及“净利润/股东权益”能有效区分正常企业及财务困难企业，其预测准确性较高。相较于西方发达国家，我国企业财务风险预警机制研究起步时间晚，已取得一定研究成果，例如：以F模型为例弥补Z模型无法综合考虑现金流量变动的不足。鉴于此，本文针对大数据时代下企业财务风险预警机制及路径的研究具有重要现实意义。

一、大數据时代企业财务风险预警

一般说来，企业财务风险预警贯穿于日常生产经营活动、融资活动及投资活动过程始终，而企业开展日常经营活动时往往以战略层面、业务层面及部门层面为切入点产生财务风险预警需求。同时，层面不同所产生的决策也不尽相同，例如：部门层面决定采取具体销售策略、业务层面决定开发具体新产品、战略层面决定开拓具体业务等。由此可见，企业各个层面财务风险预警的要求及标准存在着显著差异性，并且不同预警需求对应着不同的数据分析基础，灵活运用大数据技术构建财务风险预警机制，能帮助企业收集真实反映企业宏观经济影响、行业关联影响、行业风险、供应链传导影响及内部状况的海量数据。

同时，不同层面预警财务风险时可结合层面自身特点需求抽取相应的数据进行深入分析，以达到满足不同层面财务风险预警需求的目标。由于数据可一次性收集后反复再次利用，一定程度上降低单次风险预警的时间控制其成本投入，扩大财务风险预警的适用范围。由此可见，大数据时代下企业财务风险预警机制具有全方位及多维度等鲜明特点。受现有的企业财务风险预警机制自身稳定性及准确性不足的影响，其问题产生原因与指标选取时非财务性因素综合考虑不足间存在着密切联系，并且选取非财务指标时倾向于采取试错或列举等方法，造成被选中的指标丧失及时性，不适用于企业长远发展。

二、大数据时代企业财务风险预警机制设计要点

按机制类型，大数据下企业财务风险预警机制可分为特殊预警机制及常态预警机制，而常态预警机制贯穿于企业日常经营活动过程始终，特殊预警机制往往于提出重大决策时自行启动，可细分为反馈预警结果、评价预警效果、出具预警报告、判定财务风险及采集处理数据等阶段。其中，采集处理数据阶段中技术人员可利用计算机每日自动化收集更新与企业、行业或宏观经济相关的海量数据，例如：宏观经济数据、行业及其相关数据、供应链企业公开数据及企业内部财务或非财务数据等，结合数据类型进行详细划分整理，例如：财务数据中结构化数据可被视为变量存储于数据库中。

同时，非结构化及半结构化数据必须率先进行结构化处理，以半结构化数据中最为常见的文字信息为例先清洗数据及语义分析后再得出反映原始数据的数字化变量，为计算机分析做好前期准备。由于风险判定阶段中风险预警机制必须提前划分风险类别分析风险程度，直接决定是否作出风险预警提示，是预警机制中最为重要的阶段之一，主要通过计算数据库中海量数据全面分析宏观经济影响、供应链传导影响、行业关联影响、行业风险及企业内部状况，完成独立或交互影响所产生的经营风险、竞争风险、法律风险及政治风险等易引发财务风险的商业风险识别量化任务。

从现有的财务预警机制角度来看，量化结果超出风险预警的临界点则预警机制可自动作出预警决策。由此可见，风险预警临界值对于保证预警效果具有不可比拟的积极作用，而临界值过高则存在造成企业忽略风险采取冒进措施的可能性，临界值过低则存在造成企业错失最佳发展机会的可能性。同时，全新财务风险预警机制无法脱离人工智能技术及大数据技术的支持，完全支持神经元模型及向量机模型，找到更为优化的临界值。其中，向量机模型以寻求最优平面为核心内容，主张分开类型差异性大的数据，并且数据库中经计算得出的变量及企业是否存在财务风险的评估指标共同组成多维空间。

三、大数据时代企业财务风险预警路径设计要点

1.分析内部动态

作为企业财务风险预测预警最为基础的工作环节之一，企业内部状况可分为非财务状况及内部财务状况。其中，企业内部财务状况把握难度较低，主要通过企业ERP系统等软件所提供的各项财务指标或财务数据进行总体衡量，所有数据展示企业过去及现在的现金流情况、经营成果及财务状况，真实反映企业自身的发展能力、风险控制能力、经营能力、债偿能力及盈利能力，一定程度上影响企业未来的财务风险；非财务状况可细分为规章制度实施后果、内部控制建设情况及企业治理结构等，潜在影响企业未来发展的财务风险，一旦企业自身内部控制制度不全或出现重大缺陷则存在埋下财务风险的可能性。

2.分析风险测度

一般说来，分析行业风险指全面分析预警企业所处行业的发展现状及可能对企业产生的影响，换而言之企业是其所处行业的主要组成部分，深受行业总体发展进程、行业竞争程度及行业现状等方面因素的影响，主张凭借行业销售增长率、行业利润率及行业集中度等定量指标完成评估衡量。由此可见，灵活运用大数据技术能及时更新量化指标，更能妥善处理类似管理层语调的非结构化信息，以达到获取增量信息提高预警分析准确性的目标。此外，一旦内部控制风险大规模爆发则难以预估对企业自身所产生的影响，而通过分析数据等方法能大大提高风险预警的稳定性及准确性。

3.分析关联影响

分析行业关联影响指分析除企业上下游行业外其他相关行业的发展变化总结其对企业所处行业的影响，尤其是宏观经济环境下，各个行业间存在着一定程度的联系及影响，例如：房地产行业发展不景气造成其木材或钢铁等上游行业、家电生产销售等下游行业及金融行业遭受严重影响，甚至波及城市居民收入，直至影响看似关系不大的餐饮行业。由此可见，相关技术人员于全新预警机制下灵活运用大数据技术搜集分析企业往年相关数据，分析各个行业对企业所处行业的影响方向及影响程度，便于确定出相关行业，再结合分析结果预测行业未来的主流发展趋势判断其是否存在财务风险及其风险水平高低。此外，供应链传导影响指企业所处行业上下游企业财务情况及发展方向所形成的供应链传导对企业的影响，客观上要去评估企业财务风险时必须全面分析供应链传导影响。

四、结语

通过本文探究，认识到大数据环境下企业财务风险预警以大规模数据为基础进行机制构建，而大数据被风险识别及风险分析后反复加工利用，对于实现多角度全方位风险预警目标具有不可比拟的积极作用，最终满足不同层次的企业财务风险预警要求。同时，大数据下财务风险预警机制不止能以宏观经济影响、行业关联影响、供应链传导、行业及企业内部状况为切入点进行深入数据挖掘分析，更成为风险预警及时性及准确性的保障。因此，相关从业人员结合各个企业间自身特殊性，将人工智能技术与财务风险预警机制建立相结合，定制出符合自身发展方向的财务风险预警指标不断调整其指标权重，促使财务风险预警模式向个性化转变，进一步保证财务风险预警的稳定性、及时性及准确性。

参考文献：

[1]蔡立新，李嘉欢.大数据时代企业财务风险预警机制与路径探究[J].财会月刊，2018（15）：38-43.

[2]张艳春.企业财务风险管理、财务内部控制以及预警机制建设[J].内蒙古科技与经济，2015（24）：39-41.

[3]李云霞.企业财务风险预警机制的建立研究[J].财经界（学术版），2015（14）：197-198.

[4]杨瑾淑.基于危机预警机制的企业财务风险管理研究[J].改革与战略，2014，30（11）：32-34.

[5]李莉.企業财务风险预警机制建设研究[J].时代金融，2014（27）：86.

[6]高蓉.后金融危机时期中小企业财务风险预警机制研究[J].长春理工大学学报（社会科学版），2014，27（09）：67-70.