数据挖掘在公司财务分析中的应用探究

刘哲 张爽 苗得庆

1. 贵州食品工程职业学院 贵州 贵阳 551400；

2. 贵州财经职业学院 贵州 贵阳 551400

1 数据挖掘定义

数据挖掘，在20世纪90年代便有国外学者对其定义及重要性做出了相关阐释，比如1998年，WilliamE等相继提出并且设计了3种关于数据挖掘的方法，该方法主要对交易往来的一些信息做出财务分析，为以后的学者对这一方面研究提供了大量的参考意义。我国有学者认为数据挖掘隶属于人工智能技术，具有广泛用途，由于现如今的数据具有很多图像化、复杂性的特点，运用原始的方法不能高效率的提取有用信息。而数据挖掘技术通过各种手段，如：关联、聚类等，可以很好地进行数据深层次分析。综上所述，数据挖掘就是通过一系列算法和模型对于所隐藏的数据进行挖掘和整理分析，其中包括结构化数据和非结构数据，然后将所得到的数据进行回归、判别、聚类等分析，最终得出更加准确的数据供管理者进行决策。由于这些企业每天的业务量数不胜数，其产生的数据也需要进行高效的整合和分析，数据挖掘便可以提供一个可以进行信息处理的平台，将数据进行收集整理，然后在企业之前确定的管理目标范围内筛选获得的数据，提高分析精准度[1]。

2 数据挖掘技术具有的特点概述

2.1 基于大规模数据的特点

随着我国各行各业信息化程度的日益加深，数字经济产业规模不断扩张，不同行业中的大、中、小不同规模的企业财务相关数据的累积速度呈现爆炸式增长。数据挖掘技术具有基于大规模数据的特点，虽然绝大部分种类的数据挖掘相关算法能够在小规模数据集中运行并得到结果，但是小规模数据最终获得的结果往往不能够反映出事物背后真实的客观规律，导致数据挖掘所得结论的准确性大大降低。在大规模数据中数据挖掘技术能够最大效率的排除非普遍性及错误数据的干扰，有效避免数据挖掘所得错误结论的情况。由于近年来各行业企业财务相关数据形成了海量数据，基于此特点数据挖掘技术能够在企业经营策略探索、业务发展方向决策等方面发挥举足轻重的作用。

2.2 非平凡性的特点

财务信息是各企业最重要的商业机密之一，在大量信息和数据中所隐藏的规律不能通过简单的处理方式获得，通过复杂的数据挖掘技术所得出的结论在绝大多数情况下也是不简单的。数据挖掘技术具有以上非平凡性的特点，建立在该特点的基础上，通过对财务数据的挖掘所得的规律和结论，往往能够真实反应企业发展的潜力以及存在的弊病，并更高效得帮助企业规避风险并找到最合适的发展路径。

2.3 隐含性的特点

在财务数据信息的背后存在非常隐蔽的有效信息，著名的“啤酒和尿片”的商品陈列营销案例揭露了两个看起来毫不相关事物的关联性，并通过这一策略提高了二者的销量。通过分析客户购买商品的财务数据的来研究用户购买行为被称为“购物篮分析”，目的就在于找出哪些商品摆放在一起能够相互促进销量的提升[2]。基于数据挖掘的隐含性的特点，可通过数据挖掘算法对企业销售财务数据加以分析并刻画精准的用户的画像，发掘用户隐含的购买习惯和偏好并推荐对应的商品。除销售财务数据外，数据挖掘技术还能够发现隐藏在各类企业财务数据内部的有效信息，推动企业制订正确的营销、管理等战略。

2.4 新奇性的特点

数据挖掘还具有新奇性的特点，首先是数据分析手段及工具具有新奇性。区别于传统的利用电子表或关系型数据库对财务信息数据进行管理的方式，大数据背景下掌握新型数据分析和处理工具已成为对企业财会岗位员工的基本要求。其次是分析所得的结论具有新奇性，通过复杂的数据挖掘算法对财务数据的分析和处理常常会得出意想不到的结果。随着我国数字经济的腾飞，用户的消费模式和习惯日新月异，企业的管理和经营方式和方法也必须随之更新。数据挖掘技术用于公司财务分析的目的不是获取已知的经验而是构建全新的知识体系和管理理念，通过数据挖掘新奇性的特点能够帮助企业获得前瞻性和超前的洞察力。

2.5 高价值性的特点

高价值是数据挖掘技术的重要特点，也是大数据时代数据挖掘技术不断被深入研究和并取得长足进步的原动力。数据挖掘作为新型的高效率、高精度的数据处理和分析技术，利用该技术对公司的财务数据进行分析所得的结论，在大多数情况下能够为企业带来直接效益或间接效益，包括经济效益和社会效益等。虽然在部分数据挖掘项目中，可能由于数据质量不高或者业务目标不明确等目标，导致所得结论不能够很好的用于指导企业管理者做出决策。但是从长远来看，基于数据挖掘技术的高价值性特点，只有合理的利用数据挖掘技术做好财务分析工作才能不断优化公司发展路径，并获得更大收益。

3 数据挖掘技术在财务分析系统中的应用算法

3.1 Apriori算法

当前，我国公司财务分析工作使用到的数据挖掘技术，在我国发展势头良好，并且由专业人员不断地进行完善以适应更高发展层次的需求。因此，财务分析系统中的应用算法也进行了相对应的调整，而调整后的应用算法进一步细化了财务分析的顺序。在这过程中，Apriori算法应运而生。Apriori算法是一种极具代表力的算法，是在西方布尔关联规律频繁项集算法的基础上衍生而出的新算法，此算法一经应用就在国际上引起广泛关注，其基本思路就是首先找到销售商品的频集，并根据频集出现的频繁性确认支持度的范围，并且确认最小支持度和最小可信度，以便达到期望的效果。

3.2 粗糙集算法

公司财务分析应用粗糙集算法可以有效地预测到新发生的财务情况。此种算法在这两种算法中应用范围最广，提出时间最久。作为一种数学计算工具，被各行各业广泛地应用于分析处理不完整且不精准的数据上，并通过二次计算进而确立较为精准的最终结果，并且此种计算法还能应用定量方法，具有可操作性强，操作过程简便的特点，特别适合用在商品数据处理上，且能对数据进行分析、整理以及归纳。

3.3 遗传算法

遗传算法的原理是进化与遗传理论的结合，由选择过程、重组过程、突变过程这3个基本算子组成。首先编码要解决的问题，然后计算出数据的适应度。基本算子不同，所选取的算法与实施过程也不同。遗传算法可以对数据进行分类，并且优化了数据计算，在数据挖掘中其优势显而易见，而且遗传算法相较神经网络方法来说比较简单，解决组合优化问题也比较高效[3]。

3.4 网络信息采集

网络信息采集的流程主要包括确定目标信息源、制定采集方法、数据挖掘与处理存储结构。信息源是非常重要的，需要清晰的认识目标，以此来减少工作量，提高工作效率。而对于文献数据库网站、门户网站、国家或行业发布情报的站点、国内外信息网、个人或公司的相关网站等不同信息源，需要采用不同方法来采集。存储结构对数据采集与整编也是非常重要的，国家对于数据的存储结构有一套标准，将不同的存储结构按照国家标准统一化，方便后期数据挖掘的进行。

4 数据挖掘技术对公司财务分析服务的影响

4.1 公司财务分析服务方式的变革

我国企业财务分析系统为适应大数据时代的发展特征，正不断地在开展财务分析结构的变革调整。首先，最突出的一方面就是公司财务分析方式的变革。众所周知，我国随着互联网技术的发展，为国内公司企业带来了多种财务分析渠道，丰富了公司财务分析的服务层次。员工通过互联网客户端以及各大App终端、社交服务软件能够获取公司的资讯，这在一定程度上拓宽了沟通渠道，使得在员工在大数据时代下获得的公司服务更加便捷，精准。不仅如此，用户还可以借助数据挖掘技术获取更多行业以外的资讯，使得资源共享更充分便捷，并能使服务透明化，进而逐步形成公司财务分析的系统结构[4]。

4.2 公司财务分析管理部门人才结构的调整

公司财务分析管理部门人才结构的变革对于现阶段大数据时代下公司财务分析而言影响颇深。当前我国大部分公司正处于用人难的阶段，因公司对人才的专业技术能力以及学历要求较高，故而在需求大量人才的同时也不会忽视质量。公司除了要大量地引进财务专业人才外，在未来发展中还应当引进大量的IT人才，并通过专门的培训使其能够迅速成长，进而让员工在公司财务分析、数据分析以及数据工程领域等有所作为，推动我国公司财务分析工作的发展进程。

4.3 公司财务分析服务流程的完善

公司财务分析流程的完善是迅速提升财务分析工作效率的必要保障，只有将工作的质量提升到更高的层次，才能使得财务分析工作取得更加瞩目的成果。此外，公司财务分析工作流程的完善还能够使得财务工作流程更加简便、透明。与此同时公司财务分析流程的完善在一定程度上还会促进公司品牌价值的提升。在许多公司中，财务分析工作涉及范围广泛，且能够衍生出价值链结构，为公司带来巨大的商业价值。

5 数据挖掘技术下提升公司财务分析运行效率的优化策略

5.1 政策层面

首先，从政策层面来分析，我国的公司应当结合大数据时代的发展规律，制定一个长远的发展规划，并且聘请专业的财务机构对企业内部工作人员进行培训，始终本着统筹兼顾的原则，注重交流合作的发展原则，加大力度开展与跨行业的企业之间的合作。如互联网运营商、大数据软件厂商等。同时，应不断地进行多层次，多种方式的高端学术交流，吸纳大量相关专业的人才，为企业源源不断地注入新鲜血液。另外，最重要的一点就是要让企业内部的财务分析工作人员认识到数据挖掘技术为企业带来的潜在经济价值，以及在现阶段优化转型的机遇与风险，进而在企业内部形成上下团结的状态，从而统一战略思想、统一发展步调，共同实现公司的可持续发展[5]。

5.2 实施层面

从实施层面来分析，我国公司财务分析平台的建设应以充分涵盖公司财务分析业务整体为前提，并在原有的基础上，不断拓展新的财务分析功能，为管理层的决策提供更全面的数据服务。因此，我国公司财务分析要想充分地实现自身的价值就必须先完善现有业务系统的使用功能，全面提升业务系统功能模块的使用效率并形成完整的指标数据，实现平台系统升级无缝对接，有效地解决数据共享与流程顺畅等问题，在一定程度上推动大数据时代下公司财务分析新业务的发展。

6 结束语

现如今，大数据时代的推进使得数据挖掘技术的使用有了更广阔的平台。而在公司内数据信息日益增加，管理难度愈来愈高的当下，数据挖掘的出现为信息处理带来了新的思路。在公司内，应用数据挖掘手段能够有效地优化改革财务分析工作，并能通过快捷便利的数据分析能力，快速处理与公司财务分析工作有关的信息，从而为相关体系的构建奠定稳定基础。在这一情况下，公司中的管理层也能快速获得需要的财务信息，以使得做出的经营决策能更准确有效。