基于大数据的企业财务预警方法研究

赵青

【摘  要】以大数据与企业财务风险预警为切入点，在前人研究的基础上，概述企业财务预警方法相关理论，通过对现有企业财务预警方法及其效用的分析发现企业财务预警方法的不足之处，对企业财务预警的机制和路径提出新的设计。

【关键词】大数据;企业财务风险;预警方法

【Abstract】Taking big data and enterprise financial risk early warning as the starting point， and on the basis of previous studies， this paper summarizes the relevant theories of enterprise financial early warning methods， and finds out the shortcomings of enterprise financial early warning methods through the analysis of the existing enterprise financial early warning methods and their effectiveness. A new design for the mechanism and path of enterprise financial early warning is put forward.

【Keywords】big data; enterprise financial risk; the early warning method

1 引言

现代社会是一个高速发展的社会，科技日新月异，大数据就是这个高科技时代的产物。大数据对于企业的价值可以体现在以下几个方面：拥有庞大消费群体的企业可以利用大数据进行精准营销和个性化推荐，专注于“精美”模式的企业可以利用大数据进行服务转型和升级，面临科技压力的传统企业更需要跟上时代步伐对大数据进行充分利用[1]。大数据分析就是通过对大量数据的研究寻找相似相关等有用的信息，能够帮助企业更好地规避风险，适应变化，并从企业长远战略角度做出明智的决策。

本文对企业财务预警方法和理论进行解释说明，分析出大数据与企业财务预警方法的关联性。总结发现大数据背景下企业现有财务预警方法的不足。提出大数据背景下对于企业财务预警方法的要求，对企业财务预警方法的机制和路径进行改进 与提升。

2 大数据与企业财务预警概述

2.1 企业财务风险

企业财务风险是指在企业财务活动中受一些难以预想和操控的因素影响，企 业财务状况具有显著的不确定性，企业可能因此蒙受损失。财务风险是企業经营过程中各种风险在财务上的体现，具有复杂多变、不确定性和客观性的特征。由于企业运营在时刻变动的市场环境中，企业所处行业在某一时期的发展情况、宏观经济政 策等客观因素导致了财务风险的客观性，不受企业自身所控制，也因此说明了财务风险是难以避免的。

2.2 企业财务预警

“预警”是指在风险发生之前，根据过往的经验规律和分析得到的可能性前兆，计算风险发生的概率，发出信号报告危险状况，以防止风险在毫无准备或准备不充分的情况下发生，从而尽量减少可能发生的损失。企业财务风险预警是指 企业利用财务管理等理论和统计数学等方法，根据企业的经营活动中可能会发生 的风险对企业的财务数据和非财务数据进行分析评判，从而发现企业财务风险，对风险的类型、形成原因及其影响进行分析，给企业经营者发出预警信号，使管理者对风险进行防范和管理，最终能够避免或减少企业财务风险造成的损失，为 企业的经营运作和稳定发展保驾护航。

2.3 大数据与企业财务预警

在大数据时代，企业的日常运营产生大量的数据和信息，以 往的财务管理方式难以对数量庞大的数据进行高效搜集和分析，因此要依靠大 数据技术，充分发挥大数据技术在获取、分类与分析数据信息方面的特有能力， 高效整合企业的财务信息资源，使企业各部门信息互通互联，尽可能地降低企业 财务风险，保障企业运营。且在企业财务风险预警的基本环节中，大数据具有很高的应用价值，表现在以下方面：一方面，大数据运算能够改进以往企业财务风险预警方法主观性较强的不足;另一方面，大数据技术本身的特点更符合企业要求。大数据技术有着广泛的信息来源， 保证了信息的丰富性和全面性，既能够贴近企业的实际发展情况，又把握了经济发 展大方向，从而能够推动企业进行财务风险预警，能够进一步提升企业财务风险 预警效果。

3 基于大数据的企业财务预警方法设计

3.1 企业财务预警方法现状分析

现有企业财务预警方法主要包括传统统计模型预警方法和人工智能专家系统预警方法。其中，传统统计模型预警方法包括单变量模型、多变量模型分析以及逻辑回归模型;人工智能专家系统预警方法包括神经网络模型、遗传算法模型、支持向量机模型和案例推理。

单变量模型最早应用于财务预警，是较为简单且易于计算和理解的实证研究，但其缺点是财务指标单一，不能覆盖企业的全部经营情况，逻辑回归模型能够在不需要假设变量呈正态分布的条件下进行。财务预警模型中引入遗传算法，可以改进多元线性分析中不够客观的缺陷，但预测的准确度方面却没有提升反而降低。支持向量机模型能够处理动态和不稳定数据，但由于其过度适应难以选择到合适的特征集。案例推理的财务危机预警方法与以上方法相比更能够在复杂多变或数据不足的环境中使用，能够发现风险并提出解决方案，帮助企业管理者进行决策，但只适合与其他预测方法联合使用，不能单独进行预警。随着财务预警理论和技术手段的发展，财务预警方法也随之不断完善，人工智能方法的升级和大数据技术的使用成为当下的趋势，将通过集成各种方法和手段来提高预警准确性。

3.2 企业财务风险预警机制设计

支持向量机是借助最优化方法的机器学习算法，相比于以贪心学习为策略得 到局部最优解的人工神经网络，支持向量机可以通过有效算法找出目标函数的全 局最优解，其建立的判别函数具有更好的预测精度和泛用性。以支持向量机模型为基础，对财务预警机制进行设计，并划分为数据采集和 处理、风险判断、预警决策信息生成、预警效果评价和反馈四个阶段，以这四个 阶段作为常态预警机制，在企业制定重大决策时采用特殊预警机制。

3.2.1 数据的采集和处理

在数据采集和处理阶段，相关人员利用计算机每天收集和更新海量数据，包括企业内部财务和非财务数据、供应链上下游企业公开数据、本行业与相关行业 数据以及宏观经济数据等，并根据数据类型进行分类整理，财务数据可以直接存 储在数据库中，半结构化和非结构化数据通过处理后转化为数据形式进行存储[2]。

3.2.2 风险判断及风险级别划分

在风险判断阶段，财务预警机制需要分析风险类别和风险程度，并进行独立判断是否要做出风险预警，通过对数据库中 海量数据的计算，财务预警机制可对企业内部状况、行业风险、行业关联影响、 供应链传导影响和宏观经济影响等分析，能够识别和量化由于这些因素单独或者 交互影响所产生的经营风险、法律风险等能够引发财务风险的商业风险[3]。

3.2.3 决策信息生成

根据风险判断的结果，新机制可自动生成预警报告。报告主要由三部分组成：一是经过结构化处理的财务和非财务数据;二是根 据现有数据和信息对企业内部、所处行业和行业关联影响、供应链和宏观经济影 响进行的文字分析;三是对企业所面临财务风险的预警，包括风险类型和等级、风险产生 的原因和预期经济后果，从而为预警报告使用者的决策提供支持。

3.2.4 预警效果的评价和反馈

对预警效果进行评价并反馈给设计者有利于不断提高预警的准确度和稳定性。一方面，财务预警机制可以通过收集整理管理者对预警效果的意见，对模型中预设的临界值进行调整;另一方面，在使用过程中不断修正决策模型，提高财务预警机制的稳定性和对风险 影响因素变化的适应性，从而提高财务风险预警质量。

3.2.5 特殊预警机制

以大数据为背景，企业财务风险预警机制包括常态预警机制和特殊预警机制两部分。常态预警机制划分为以上四个阶段，为企业每一天的经营运作保驾护航，而特殊预警机制只有在企业即将进行重大决策时才会启动。企业在进行重大的经 营活动和投融资活动决策时，必须要综合考虑自身因素和行业因素业务层面的财 务风险。大数据使得企业可以通过多层次、多角度的分析充分认识企业所面临的 种种财务风险。特殊预警机制在选取指标时，不局限于传统的财务指标，贷款利 率等相关政策变动、同行企业动态以及媒体报道等信息都能够对企业产生影响， 也应包含在特殊预警机制的数据范围内。

4 结论

在大数据时代，企业财务风险预警是建立在前所未有的超大规模数据的基础上展开的，建立财务风险预警机制也成为企业保证健康经营平稳发展的重要手 段。大数据的优势能弥补以 往财务预警方法的不足，通过引入非财务信息来保障数据基础的全面性，根据行业和 部门的特点更加有针对性地构建企业财务预警模型，通过信息平台构建动态 预警方法保证数據的及时性。优秀的财务风险预警方法可以利用大数据技术推广到更多的企业，并且企业可以结合人工智能技术和自身特点量身定制预警指标，形成适合自己发展的制度模式， 更好地保障预警的准确性、及时性和稳定性。

【参考文献】

【1】李玥.大数据背景下企业财务管理的挑战与变革[J].智慧商业， 2018（33）：25-26

【2】李霞.大数据时代企业财务风险预警机制与路径探究[J].财税研究，2018（19）：151-152.

【3】田倩媛.企业财务困境预警方法概述[J].财讯，2014（10）：19.