大数据时代财务分析问题的新趋向及其对策

刘 俊

(山西省财政税务专科学校，山西 太原 030024)

一、大数据时代财务分析的特点

(一)数据来源广泛

传统的财务分析主要是根据企业会计人员编制的资产负债表、利润表及现金流量表等报表数据进行相关指标分析，其数据主要来源于企业内部且为结构化数据。随着信息化的高速发展与普及，拘泥于企业内部数据来源的财务分析已无法满足管理决策的需要，更多的外部数据成为企业财务分析的重要来源，这些数据可以是文本、图片、多媒体影音甚至是浏览记录等。多种多样的数据形态为企业财务分析提供了更多视角，也更能满足当下变化多端的市场竞争。

(二)定期分析转为实时分析

对于身处互联网时代的企业来说，信息获取的速度无疑是其竞争的关键所在。因此，过去一直遵循定期出报告的财务分析已经无法满足管理决策的需要，即传统的财务分析结果所带来的价值逐渐降低。而大数据时代，随着云计算、数据挖掘以及数据分析技术的日趋成熟，实时监测行业发展动态，快速获取相关财务指标已非难事。

(三)数据间因果性弱化

一直以来，财务分析主要侧重于解决什么原因导致什么样结果的问题。例如，财务分析中的连环替代法是从几个相互影响目标对象的因素中分别研究每个因素对目标对象的影响程度，数据之间因果关系极强，甚至在做精确的财务分析之前就可判断出之间的因果关系。而随着智能化时代的到来，“打败你的不是对手，颠覆你的不是同行”这句话已被越来越多的真实案例印证，如康师傅方便面销量的急剧下降并不是因为同行业竞争对手，而是由于美团外卖、饿了么等外卖平台的兴起。因此财务分析如果还是固步自封，拘泥于过去的经验判断，那么其分析结果终将沦为空中楼阁。只有充分利用大数据分析技术，对海量数据进行深度挖掘，运用信息化科技手段对看似毫无因果关系的数据进行合理分析预测，才可能做出真正有价值的分析结果。

(四)分析内容侧重业财融合

随着财务机器人、财务共享中心等技术的发展，过去重复、机械化的填制凭证等会计工作逐渐被机器所取代。当前，对财务人员的要求越来越高，财务人员不仅要熟练掌握财务知识，更要懂得业务知识，因此财务分析要重视业务融合，向企业经营管理者提供真正有价值的分析结果。大数据时代各种信息化技术的发展为财务人员及时获取有关业务的数据指标提供了保障，如财务人员可以利用客户浏览记录、购买记录等数据痕迹进行客户偏好分析，从而帮助企业进行精准营销，也可以根据上下游企业的赊销价格等数据结合同行业竞争者的相关数据调整策略方针。

二、大数据时代财务分析存在的问题

(一)数据标准化难以统一

大数据时代数据不仅规模庞大，类型也多种多样，不仅包括结构化数据，也包括非结构化数据。传统财务分析数据形式主要是结构化数据，如企业ERP、财务系统，医疗HIS数据库，教育一卡通，政府行政审批，其他核心数据库等，这种结构化的数据计算机容易识别操作。而当下由于大量非结构化数据如图片、文本、影音等蕴含着巨大的商业分析价值，因此对非结构化数据的处理和挖掘，构建统一的标准化数据来源是企业真正实现数字化的关键所在。

(二)数据难以获取

大数据时代财务分析数据来源渠道广泛，某些渠道的数据可能属于开源的，比较好获取，但是如果企业的一些数据需要从不开放的第三方平台获取，就会出现数据割裂的现象。例如，有些零售企业可能会跨平台投放产品，而每个平台的结算支付方式可能会再用第三方平台进行跳转结算，如星巴克可以在支付宝、美团、高德地图、大众点评等多个平台进行线上下单，这样整个流程下来每个环节的数据都存在于独立的平台上，这无疑给企业进行大数据分析带来数据收集的壁垒。

(三)分析技术需升级

传统的财务分析技术主要依靠Excel等分析工具，而随着数据规模几何式的增长以及数据类型的多元化，惯用的财务软件已经无法满足大数据时代对数据处理的要求，因此一些大企业已经和相关科技公司合作搭建大数据分析处理平台。例如，王府井百货与百分点合作搭建的王府井大数据平台将用来分析商品、用户和业务数据，以打通用户和后端运营的关系，构建用户画像，分析商品的全渠道经营状况。其中，百分点帮助王府井百货针对线上用户的浏览和购买行为进行数据分析，从而形成实时的商品个性化推荐和消息推送。再如，在京沪高铁的信息化建设项目中，其关键旅客服务系统如显示系统、广播系统、时钟系统、闸机检票系统等全部由微软的SQL Server 企业版数据平台支撑。与传统的信息化架构相比，微软的解决方案所需要的投入更低，管理也更加方便，在实际运营中有非常高的效率，并且可以根据未来业务需求的变化进行不断地扩展。此外，高铁运营方还可以通过数据分析预测业务趋势，为旅客提供更加个性化的服务。

(四)技术人才的匮乏

信息技术的迅速发展给传统财务人员带来巨大冲击，习惯于过去重复化、机械化操作流程的财务人员无法打破自己的舒适区去迎接新技术的发展。因此，迫于改革的企业最大的难题就是企业员工观念的革新与对新技术的掌握。大数据时代的财务人员除了需要转变思维方式，还需要掌握大数据时代下财务分析技术如Python、Matlab、Java、SQL等编程语言，而从零开始学习需要极大的勇气与魄力。更重要的是，信息化技术背景下对复合人才的要求越来越多，而我国高校人才培养以及教师自身知识的储备无法及时跟上时代的步伐，进而加剧了人才的匮乏。

三、大数据时代财务分析的解决措施

(一)运用现代智能化数据库转换技术

随着企业对大数据资源的需求越来越迫切，相关非结构化数据处理的信息化技术也如雨后春笋般蓬勃发展，企业可以根据自身发展的需要使用合适的数据处理手段，如可以利用现代发展成熟的算法对非结构化数据进行分类，抓取重复性高的热点词条帮助数据分析人员及时关注关键领域，进一步开展数据分析做出合理预测，运用成熟后企业可以进一步搭建大规模的数据转换平台。这种会计大数据处理平台是基于云计算而不是传统的线性计算方式，不仅可以提高大数据处理效率，还能降低成本，助力企业真正实现大数据、大价值。

(二)建立一方数据中台

对于有些企业存在跨平台投放，但由于平台数据不开放导致企业财务分析所需要的数据获取不全面，出现数据割裂现象，企业可以通过建立数据中台，打通数据从源头到终端的全里程，帮助企业建立端到端的服务，真正实现从业务层到财务层的融合。建立完整数据链的一方数据中台，让数据中台为企业打通业务端、客户端等各个端口的数据，构建统一完整的用户画像，生成多维度、全方位的财务分析视角。

(三)升级财务数据分析技术

在数据采集阶段，可以运用分布式数据采集技术。例如，很多互联网企业都有自己的海量数据采集工具，多用于系统日志采集，如Hadoop的Chukwa、Cloudera的Flume、Facebook的Scribe等，这些工具均采用分布式架构，能满足每秒数百MB的日志数据采集和传输需求，也符合大数据财务分析高频、大量的特点。在数据存储阶段，云计算、Web存储技术的逐渐成熟为大数据时代海量数据的存储提供了便捷，为企业处理海量数据进行数据分析提供了数据支撑。不同于传统财务分析数据主要是基于财务报表所展现的历史数据进行定量分析，大数据时代的财务分析需要对所获取的海量数据进行挖掘清洗，这种数据分析可以使企业管理者跳出有限的历史数据的桎梏，从更加宏观、海量的数据中探索行业发展趋势，把握行业发展命脉。

(四)增加财务分析人员的大数据知识储备

企业管理者应重视对财务人员的继续教育与后续培训，面对现代信息技术的日新月异，财务人员身处时代发展的浪潮，应不断完成自身使命的转换。财务人员应抱有终身学习的使命，不断革新自己的财务知识和财务理念，对新技术勇敢接纳。企业管理者应制订相应员工培养计划，及时学习行业领先企业的新技术，组织财务人员观摩学习业内信息化程度较高的企业信息技术应用，如德勤的财务机器人、海尔的财务共享中心等。此外，企业可以与高校进行校企合作，联合培养人才，一方面可以使高校及时根据社会发展需要调整财务相关的专业教学计划、人才培养方案，避免学校教学与社会脱节，满足社会发展需要；另一方面企业也可以利用高校的教学资源培养自己所需要的人才，实现校企共赢。

四、结语

置身大数据时代，得益于我国政府大力支持并主导云计算、人工智能、5G等新基建投资，大到国家，小到企业的数字化进程都发展迅猛。传统的财务分析早已无法满足智能化时代的需求，从事财务工作的企业财务人员和高校科研工作者，都不应再抱残守旧，而应努力成为大数据时代下数据的生产者、研发者、营销者与使用者，充分依靠并借助云计算等先进技术深度挖掘大数据的潜在价值，实现技术赋能，使大数据时代下的财务分析能够真正为利益相关者提供有价值的信息。