大数据挖掘在企业财务分析领域中的应用与挑战

2022-05-30张永礼袁娇娇

商场现代化 2022年17期

张永礼?袁娇娇

基金项目：河北地质大学教学改革研究与实践项目（项目编号：2020J42），“大数据时代信息管理与信息系统课程体系整体优化与教学内容改革研究与实践”;国家社会科学基金一般项目（项目编号：21BTJ049），“基于金融关联图谱的小微企业供应链融资信用风险预测与防范研究”

摘要：以5G网络、云计算、人工智能等技术为代表的大数据时代，企业和个人普遍面临着“数据爆炸，知识贫乏”的尴尬处境。大数据挖掘技术通过数据获取、清洗、加载、商务建模、可视化分析等技术手段和工具，为企业财务分析开辟了新的途径与方法。本文在阐述大数据挖掘技术、财务分析相关概念的基础上，分析了大数据时代传统财务分析面临的困境，大数据挖掘技术应用于财务分析领域的必要性和面临的挑战，并最终提出大数据挖掘技术应用的相关对策与建议。

关键词：大数据;数据挖掘;财务分析

一、引言

随着移动互联网和智能终端以及5G通信技术的普及，信息技术与经济社会的交汇融合，引发了数据迅猛增长。根据中国互联网络信息中心（CNNIC）2022年2月25日发布的第49次《中国互联网络发展状况统计报告》显示，截至2021年12月，我国互联網普及率达73%，网民规模达10.32亿，而其中大数据的应用将会涉及到生活的方方面面。以互联网网络数据为代表的大数据在格式、体量、价值，都远远超出了传统数据的规模。新摩尔定律认为，人类有史以来的数据总量，每过18个月就会翻一番，而海量的数据蕴含着巨大生产力和商机。2011年至2014年四年间，我国大数据处于起步阶段，每年平均增长在20%以上。2015年，大数据市场规模已达到98.9亿元;2016年增速达到45%，超过160亿元;预计2022年，我国大数据市场规模将超过9000亿元，有望成为世界第一数据资源大国。但是数据开放度低、技术薄弱、人才缺失、行业应用不深入等都是数字经济发展中亟待解决的问题。

以5G网络、云计算、人工智能等为代表的新兴技术的高速发展推动人类社会快速进入信息爆炸的大数据时代，“大数据”成为当今时代的标签和热词。大数据时代，企业每天都会产生反映企业经营状况的海量数据，企业如果不想在竞争中被淘汰，就必须获取这些数据并对其进行分析与挖掘，以指导企业业务决策。大数据挖掘技术通过数据获取、清洗、加载、商务建模、可视化分析等技术手段和工具，为企业进行有效的财务分析，做出正确的财务决策提供了科学依据。

财务状况是一个企业日常经营和管理活动的综合反映，预示着企业将来的成长态势和发展方向。因此，如何将大数据挖掘技术与传统财务分析技术相结合，完成数据获取、清洗、建模、分析、挖掘等工作，以便从海量财务数据中提炼出指导业务决策的信息与知识，是当前数据挖掘和财务分析研究领域的热点。“数据驱动企业，分析变革经营”的大数据时代已经来临，利用财务数据挖掘技术和学习分析技术，构建财务分析领域相关模型，探索财务指标变量之间的相关关系，为企业经营与业务决策提供有效支持将成为未来财务分析的发展趋势。尤其是，近年来大数据挖掘技术的进步，可以为企业进行财务分析提供新的思路和方法，让企业决策者能够更准确便捷地获得有用信息，减少人力和时间成本，为企业财务分析提供新的思路和方法，以提高企业的市场竞争能力，促进企业良性发展。

二、相关概念的界定

1.大数据挖掘

数据挖掘是从大量、随机、不完全、模糊和有噪声数据中提取隐含在数据背后、事先未知且潜在有用的知识或信息的过程。大数据时代，数据挖掘技术获得了飞速发展和长足进步，已形成了关联规则、神经网络、决策树、贝叶斯定理、聚类分析、时间序列预测等多项技术，极大地满足了经济与社会需求，广泛应用于企业业务运营，风险防控，商机预测等领域。

大数据挖掘与数据仓库、OLAP（联机在线分析）等技术紧密相关。一般来说，数据仓库和数据集市是数据挖掘的一种数据源，数据挖掘是数据仓库的一个应用。OLAP是一种验证性质的数据分析，用户提出问题或某种假设，OLAP负责从上到下、由浅入深的展现问题相关的详细信息，供用户判断提出假设是否合理。数据挖掘是一种挖掘性质的数据分析，它能够自动发现事物间潜在的关系和特征模式，并且利用这些特征模式进行有效的预测分析。大数据挖掘和OLAP相辅相成，大数据挖掘能够发现OLAP不能发现的、更为复杂和细致的问题，而OLAP能够迅速地告诉我们系统的过去和现在是怎样的，从而能够帮助我们更好地理解数据，加快知识发现的过程，并且迅速验证大数据挖掘发现的结果是否合理。大数据挖掘流程一般包括数据清理（这个可能要占全过程60%的工作量）、数据集成、数据选择、数据变换、数据挖掘（选择适当的算法来找到感兴趣的模式）、模式评估和知识表示等步骤，其一般功能可分为描述性数据挖掘和预测性数据挖掘，其通常挖掘出的模式包括概念/类描述特性化和区分、关联分析、分类和预测、聚类分析、孤立点分析、趋势和演变分析等。

2.财务分析

20世纪初，财务分析逐渐诞生。最早的财务分析非常关注企业信用和偿债能力的评价分析，以满足银行对企业信用审核和发放贷款的需求。随着资本市场的成熟和股份制企业的产生，财务分析内容越来越广泛，涵盖了企业日常经营管理的基本活动，成为企业管理决策的重要内容和主城部分。一般来讲，财务分析是指企业依据资产负债表、现金流量表、利润表等财务报表所披露的相关业务活动记录和会计核算数据，对企业自身过去一段时间内的经营情况和财务情况进行分析判断，对企业过去的经营情况做出客观评价，为企业高层科学决策提供支持。

数据挖掘技术在财务分析领域的应用研究始于1987年美国职业会计师协会（AICPA）发表的一份名为“人工智能与专家系统介绍”的管理指导特别报告，该报告提出将包括数据挖掘技术在内的人工智能技术引入财务领域。自此之后，国内外学者开始探索数据挖掘技术在财务状况分析、财务危机预警等传统财务分析领域中的应用。

三、大数据挖掘技术应用的必要性

随着资本市场以及行业里的竞争越来越激烈，企业在高速发展的同时，也掌握着越来越多的信息，而管理决策者、投资者、财务报表使用者等相关各方在面对大量数据时，对信息的质量要求不断增大，只想要筛选出对自己有用的信息，而以财务报表为主要分析对象的传统财务分析在当下有很多弊端，已不能够满足财务报表使用者等相关各方获取企业相关信息，传统财务分析方法存在的局限性已不能顺应企业未来发展基调，无法应对当下经营模式下对于企业财务管理的需求，无法帮助企业更好地发展。

1.传统财务分析具有局限性，无法预测未来

传统财务分析主要针对财务报表开展分析，而财务报表往往是企业历史数据和过往经营业绩的反映，无法评估企业未来发展趋势。大数据挖掘技术可以对企业经营状况数据进行整合与筛选，选择合适算法完成数据建模，从而发现数据之间关联与规则，并根据验证后的规则对各种数据指标开展预测，为企业未来经营决策和发展方向判定提供更多的参考和依据，提高企业决策效率和质量。

2.传统财务分析存在滞后性，无法实时分析

传统财务分析所利用的财务报表往往是以月为单位发布的数据，存在滞后性，因此，传统企业财务分析无法实时分析，做出合理预测，进而影响企业决策速度。大数据挖掘技术与传统财务分析的有效结合后，企业可以把财务数据实时更新到大数据挖掘技术构建的模型中进行分析，利用大数据挖掘技术，从海量财务数据中，提取出有利于企业成长和提升商业价值的信息。相比较传统财务分析，大数据挖掘技术可以进行信息的实时获取、汇总和分析，提高了企业决策效率，增加了企业市场信息的灵敏性和市场行动的敏捷性。

3.传统财务分析工作量大，消耗成本高

“互联网+”时代，个人和企业每天都会产生和获得大量信息，如何从海量数据中筛选出有效信息，挖掘数据背后隐藏的商业价值，是企业面临和着重解决的难题。传统财务分析方法由于自身的种种局限性，往往会消耗大量的人力和时间成本，而大数据挖掘技术在程序开发与数据建模工作初次设定完成后，便可以重复循环，自动化、自主化完成数据处理和数据分析工作，大大降低了传统财务分析所需的人力、物力和时间的花费。

4.传统财务分析只注重财务指标，片面单一

传统财务分析常常围绕偿债能力、盈利能力、发展能力、风险水平等财务指标开展分析，但这些财务指标仅仅反映企业历史经营状况，且分析方法单一，往往无法预测企业未来财务状况。大数据时代，企业发展除了受到财务因素影响之外，还会受到企业位置、宏观政策、客户满意度等多种外部因素的影响。大数据挖掘技术可以将财务指标与非财务指标整合起来，分析计算各个指标之间的相关与因果关系，为企业业务决策提供更加精确的指导，助推企业发展。

四、大数据挖掘技术应用面临的挑战

1.信息存储压力增大

企业日常经营活动中，每天都有大量数据的产生，为获取有用信息，财务人员需要对大量数据进行筛选和分析，以便企业管理层更准确地掌握企业经营状况的好坏，做出正确的经营决策，促进企业的良性发展。但是，大数据时代的信息往往更新速度快、数据量大且所需数据存储空间巨大，而数据存储空间的不足将导致企业日常经营数据搜寻与保存困难，大大降低企业财务人员利用数据挖掘技术进行财务分析的速度和准确度，进而影响企业管理层的业务决策。为满足企业财务人员能够准确及时地进行财务分析，提高企业管理层决策效率，企业需要加大数据库建设，缓解企业信息存储压力，提高企业数据处理与数据分析效率。

2.财务信息质量相对较差

大数据时代，企业日常经营活动日益信息化，随着财务数据量的增加，也会出现数据质量差，准确度和可靠性不过关等问题。数据质量较差将会大大降低企业财务分析的准确度，使得财务分析结果难以体现企业真实发展状况，进一步影响企业管理层做出正确财务决策，对企业未来发展方向和目标做出错误判断，增大企业未来发展风险。因此，企业应完善财务信息相关制度，确保财务信息的准确性和可靠性，进而保障数据质量，提高企业决策客观性。

3.信息安全性问题

大数据挖掘技术为企业财务分析工作带来便利的同时，也面临着信息泄露和信息安全问题。财务问题关乎企业生死，是企业发展命脉，也是企业维持核心竞争力的保证。于企业而言，如果机密的财务信息等非公开数据被泄露，企业可能会面临巨大的损失，导致企业核心竞争力下降，市场份额减少等重大事故。因此，企业相关部门在应用大数据技术的同时，应高度重视企业信息安全问题，以保障企业敏感商业信息不被泄露，给企业带来巨大损失。

五、结论与建议

随着5G网络、云计算、人工智能的普及，企业日常经营过程中产生和积累了大量数据，如何从海量数据中筛选出任务相关数据，并通过数据分析与挖掘手段发现隐藏在数据背后的商业价值，是当前企业面临的重要课题。在大数据时代背景下，传统财务分析存在诸多局限，将大数据挖掘技术引入传统财务分析领域十分必要，为解决大数据挖掘技术应用过程面临的挑战，本文提出如下对策与建议。

1.加强财务信息化建设

信息化是数据分析與数据挖掘的基础。企业发展过程中应重视投入一定的人力财力普及财务信息系统的使用，并根据时代进步和软硬件发展升级改进企业信息系统，强化财务信息化建设，为企业大数据分析与挖掘工作“铺路”和“打基础”。企业加强财务信息化建设的同时，也要重视企业财务和技术人员的培训工作，提高员工职业素养和道德水平，定期充实与更新相关人员财务分析知识储备，掌握大数据分析与挖掘前沿技术，提高员工业务水平和决策质量。

2.健全财务信息安全防范制度

大数据时代，企业信息安全或网络风险不断增多，受到信息系统漏洞、人为攻击等多方面威胁，因此，企业管理部门应持续加强员工信息风险防范意识，制定风险防范制度，加强财务人员技术培训，降低企业财务数据泄露风险。信息技术部门需加大人力、物力和时间投入，加强企业信息安全管理，维护企业的财务信息安全，防范数据背后的商业价值被网络攻击和窃取。

3.建立信息安全监督管理部门

企业日常经营过程中，企业应该建立全面有效的监督管理部门，对各项财务信息进行监管，保证企业财务信息质量的同时，监督相关人员是否切实履行工作职责，严防徇私舞弊等情况的出现，维持企业的正常经营。另外，监督管理部门还要加强对相关监督管理人员的培训与学习，提高综合能力，树立忧患意识，不断了解国家相关法律法规政策，提高工作效率，为企业的监督管理工作奠定基础。

参考文献：

[1]胡容.数据挖掘在公司财务分析中的应用分析[J].纳税，2021，15（03）：121-122.

[2]王惠质.大数据时代对企业财务分析的影响[J].河北企业，2021（03）：100-102.

[3]冯彩丽.大数据挖掘技术在企业财务分析中的应用[J].投资与创业，2021，32（05）：61-63.

[4]张鹭.大数据挖掘技术在财务分析中的应用[J].轻工科技，2021，37（07）：61-62.

[5]刘念.大数据挖掘技术在财务分析中的应用研究[J].财会学习，2019（27）：13-14.

[6]周军.企业财务分析存在的问题及对策思考[J].大众投资指南，2020（09）：128-129.

[7]丁淑红.大数据时代背景下会计财务分析研究[J].大众投资指南，2017（12）：11.

[8]刘雄伟.探索大数据时代下企业财务分析中存在问题及方法[J].现代经济信息，2017（17）：169.

[9]骆科波.大数据时代企业财务管理的挑战和改革[J].财经界，2022（07）：110-112.

[10]李丽娟.大数据环境下管理会计发展的机遇与挑战[J].财会学习，2020（22）：105-106.

[11]路伟果，刘光军，彭韶兵.数据挖掘技术对会计的影响及应对[J].财会月刊，2020（07）：68-74.