張高勝

摘要：大數(shù)據(jù)改變了傳統(tǒng)財(cái)務(wù)預(yù)測(cè)的基礎(chǔ)，財(cái)務(wù)數(shù)據(jù)的內(nèi)涵、規(guī)模、范圍等都產(chǎn)生了質(zhì)的變化，進(jìn)而使財(cái)務(wù)預(yù)測(cè)的流程、方法發(fā)生了顛覆性的變革。

關(guān)鍵詞：大數(shù)據(jù) 財(cái)務(wù)管理 財(cái)務(wù)預(yù)測(cè)

隨著云計(jì)算、移動(dòng)互聯(lián)網(wǎng)、移動(dòng)終端、數(shù)據(jù)感應(yīng)器、物聯(lián)網(wǎng)等技術(shù)高速發(fā)展，人類已進(jìn)入一個(gè)嶄新的時(shí)代——大數(shù)據(jù)時(shí)代。從電子商務(wù)、社交網(wǎng)絡(luò)到移動(dòng)通信，從教育、公共服務(wù)、商業(yè)到政府等，正爆炸式產(chǎn)生結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)的“海量”數(shù)據(jù)。據(jù)統(tǒng)計(jì)， 2013 年全球產(chǎn)生的數(shù)據(jù)達(dá)到3.5ZB，到 2020 年產(chǎn)生的數(shù)量將增至 44ZB。“海量”的數(shù)據(jù)蘊(yùn)含的巨大的科學(xué)價(jià)值、經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值，人類對(duì)大數(shù)據(jù)的挖掘與應(yīng)用，將改變市場(chǎng)結(jié)構(gòu)、商業(yè)模式、組織結(jié)構(gòu)以及人類生活方式，使社會(huì)各個(gè)領(lǐng)域發(fā)生顛覆性變革。

財(cái)務(wù)預(yù)測(cè)是企業(yè)財(cái)務(wù)管理循環(huán)中重要的一環(huán)，是企業(yè)進(jìn)行財(cái)務(wù)決策的基礎(chǔ)，也是制定財(cái)務(wù)預(yù)算和計(jì)劃的依據(jù)。大數(shù)據(jù)時(shí)代的到來，使財(cái)務(wù)預(yù)測(cè)的基礎(chǔ)、模式、方法正經(jīng)歷深刻的變革。通過收集企業(yè)經(jīng)營(yíng)活動(dòng)相關(guān)的財(cái)務(wù)數(shù)據(jù)和非財(cái)務(wù)數(shù)據(jù)，以及與之相關(guān)的其他來源的海量數(shù)據(jù)，并對(duì)這些數(shù)據(jù)進(jìn)行分析與挖掘，進(jìn)而發(fā)現(xiàn)影響企業(yè)經(jīng)營(yíng)的關(guān)鍵因素，準(zhǔn)確地把握企業(yè)的經(jīng)營(yíng)現(xiàn)狀，為提高企業(yè)運(yùn)營(yíng)效率、提升企業(yè)價(jià)值和開拓企業(yè)新業(yè)務(wù)提供參考與導(dǎo)向。而且，從這些數(shù)據(jù)中可以獲取新的洞察力，預(yù)測(cè)企業(yè)經(jīng)營(yíng)的未來趨勢(shì)，并制定適應(yīng)企業(yè)未來發(fā)展規(guī)劃的財(cái)務(wù)戰(zhàn)略，更全面地推進(jìn)科學(xué)財(cái)務(wù)決策。

一、大數(shù)據(jù)背景下財(cái)務(wù)數(shù)據(jù)內(nèi)涵的變革

財(cái)務(wù)數(shù)據(jù)是財(cái)務(wù)預(yù)測(cè)的基礎(chǔ)，是財(cái)務(wù)預(yù)測(cè)方法的選擇及結(jié)果的精準(zhǔn)程度的保障。近年來，隨著大數(shù)據(jù)時(shí)代的到來，財(cái)務(wù)數(shù)據(jù)的內(nèi)涵發(fā)生了深刻變化，主要表現(xiàn)在以下幾個(gè)方面：

（一）財(cái)務(wù)數(shù)據(jù)的規(guī)模發(fā)生了重大變化。IDC的研究報(bào)告稱，全球每年產(chǎn)生的數(shù)據(jù)總量約為2.7—3.5ZB，未來10年全球大數(shù)據(jù)將增加50倍，使得全球數(shù)據(jù)量呈現(xiàn)出前所未有的爆發(fā)式增長(zhǎng)態(tài)勢(shì)。企業(yè)在經(jīng)營(yíng)的過程中通過物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、ERP系統(tǒng)、電子交易平臺(tái)、銷售點(diǎn)的數(shù)據(jù)收集技術(shù)（條形碼掃描儀、射頻識(shí)別、智能卡技術(shù)）、收銀臺(tái)客戶記錄、電子商務(wù)網(wǎng)站的日志、電子購(gòu)物中心顧客服務(wù)技術(shù)收集大規(guī)模的海量數(shù)據(jù)，這些數(shù)據(jù)是傳統(tǒng)財(cái)務(wù)數(shù)據(jù)的幾十倍甚至更多，這些數(shù)據(jù)在大數(shù)據(jù)分析技術(shù)的支持下都可以成為財(cái)務(wù)預(yù)測(cè)的依據(jù)。例如淘寶網(wǎng)圍繞著買賣雙方的交易、搜索、瀏覽、評(píng)價(jià)等每天活躍著超過50TB的數(shù)據(jù)量，并針對(duì)用戶提供免費(fèi)數(shù)據(jù)魔方、量子恒道、超級(jí)分析、金牌統(tǒng)計(jì)、云鏡數(shù)據(jù)等信息，用戶可以獲取行業(yè)、品牌的市場(chǎng)狀況、消費(fèi)者行為情況等，及時(shí)調(diào)整營(yíng)銷手段，進(jìn)而提高銷量。

（二）財(cái)務(wù)數(shù)據(jù)的范圍更寬泛。在大數(shù)據(jù)時(shí)代，由于數(shù)據(jù)收集與處理技術(shù)發(fā)生了質(zhì)的變化，財(cái)務(wù)預(yù)測(cè)所需的數(shù)據(jù)不僅依賴于結(jié)構(gòu)化的財(cái)務(wù)數(shù)據(jù)，而更重要的是依賴于與企業(yè)日常經(jīng)營(yíng)活動(dòng)相關(guān)的非財(cái)務(wù)數(shù)據(jù)和與企業(yè)經(jīng)營(yíng)無關(guān)的其他數(shù)據(jù)，因此數(shù)據(jù)范圍更寬泛。不僅包括企業(yè)內(nèi)部的采購(gòu)、銷售、庫(kù)存、生產(chǎn)等數(shù)據(jù)，也包括來自市場(chǎng)的經(jīng)濟(jì)數(shù)據(jù)、行業(yè)數(shù)據(jù)、客戶數(shù)據(jù)、交易數(shù)據(jù)、供應(yīng)商數(shù)據(jù)等，同時(shí)還包括來自政府的法律法規(guī)、稅收、審計(jì)數(shù)據(jù)，以及銀行的信用、融資等數(shù)據(jù)，這些數(shù)據(jù)可能分布在不同的地域、不同的機(jī)構(gòu)， 并且以不同的數(shù)據(jù)類型存在，數(shù)量異常龐大，維度更廣，范圍更寬。例如對(duì)銷售收入的預(yù)測(cè)，在傳統(tǒng)預(yù)測(cè)中主要是以歷史的銷售數(shù)據(jù)及某個(gè)單一市場(chǎng)數(shù)據(jù)作為預(yù)測(cè)的依據(jù)，但在大數(shù)據(jù)背景下可采用的數(shù)據(jù)范圍更寬，如電子商務(wù)平臺(tái)上的點(diǎn)擊率、客戶的收貨評(píng)價(jià)、銷售終端的付款記錄等都可以作為預(yù)測(cè)的數(shù)據(jù)基礎(chǔ)，這些數(shù)據(jù)在傳統(tǒng)財(cái)務(wù)決策系統(tǒng)無法收集和處理，只有借助大數(shù)據(jù)技術(shù)才能實(shí)現(xiàn)這些分布式數(shù)據(jù)的采集與預(yù)處理。

（三）財(cái)務(wù)數(shù)據(jù)更具多樣性，價(jià)值更巨大，但利用密度低。財(cái)務(wù)數(shù)據(jù)多樣性不僅表現(xiàn)為財(cái)務(wù)數(shù)據(jù)來源多樣，如傳統(tǒng)財(cái)務(wù)報(bào)表、企業(yè)內(nèi)部控制系統(tǒng)等結(jié)構(gòu)化的數(shù)據(jù)，電子商務(wù)平臺(tái)、社交網(wǎng)絡(luò)等非關(guān)系型數(shù)據(jù)庫(kù)的半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，同時(shí)也表現(xiàn)為數(shù)據(jù)類型、語態(tài)、語義的多樣性，如數(shù)據(jù)表單、傳感數(shù)據(jù)、文本、日志、音頻、視頻等。利用密度低主要是指海量數(shù)據(jù)下蘊(yùn)含的相關(guān)信息、有效信息可能只是其很小一部分，信息“提純”面廣，也就是說需要在海量的數(shù)據(jù)中去挖掘有限的可用信息。

二、大數(shù)據(jù)時(shí)代下財(cái)務(wù)預(yù)測(cè)流程的變革

大數(shù)據(jù)時(shí)代下由于財(cái)務(wù)數(shù)據(jù)基礎(chǔ)、財(cái)務(wù)數(shù)據(jù)處理技術(shù)、財(cái)務(wù)數(shù)據(jù)分析技術(shù)發(fā)生了根本性的變化，因此財(cái)務(wù)預(yù)測(cè)的流程也就發(fā)生了革命性的變化。主要分為財(cái)務(wù)數(shù)據(jù)收集與存儲(chǔ)、財(cái)務(wù)數(shù)據(jù)處理、財(cái)務(wù)數(shù)據(jù)分析與挖掘、財(cái)務(wù)預(yù)測(cè)模型建立、預(yù)測(cè)結(jié)果可視化幾個(gè)環(huán)節(jié)，如圖1所示。

（一）財(cái)務(wù)數(shù)據(jù)收集與存儲(chǔ)。財(cái)務(wù)數(shù)據(jù)收集是按照確定的數(shù)據(jù)分析內(nèi)容，收集相關(guān)數(shù)據(jù)的過程，它為數(shù)據(jù)分析提供了素材和依據(jù)。借助互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、電子商務(wù)交易平臺(tái)、社會(huì)化網(wǎng)絡(luò)和大數(shù)據(jù)交易平臺(tái)，企業(yè)可以從企業(yè)內(nèi)部、市場(chǎng)、稅務(wù)部門、 財(cái)政部門、會(huì)計(jì)師事務(wù)所、銀行和交易所等機(jī)構(gòu)獲取各種與財(cái)務(wù)預(yù)測(cè)相關(guān)的多樣化數(shù)據(jù)，為后續(xù)采用大數(shù)據(jù)技術(shù)和方法進(jìn)行數(shù)據(jù)處理提供數(shù)據(jù)支持。

（二）財(cái)務(wù)數(shù)據(jù)處理。財(cái)務(wù)數(shù)據(jù)來源、結(jié)構(gòu)、形態(tài)的多樣化，決定了這些海量數(shù)據(jù)的復(fù)雜化、混沌化、抽象化及碎片化，面對(duì)如此龐大而復(fù)雜的數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)處理方法已無能為力，而必須利用大數(shù)據(jù)處理技術(shù)對(duì)雜亂無章的數(shù)據(jù)進(jìn)行加工整理，主要包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)提取、數(shù)據(jù)計(jì)算等處理等環(huán)節(jié)，從中抽取出對(duì)預(yù)測(cè)有價(jià)值的數(shù)據(jù)，進(jìn)而形成適合數(shù)據(jù)分析的樣式。

（三）財(cái)務(wù)數(shù)據(jù)分析與挖掘。財(cái)務(wù)數(shù)據(jù)分析與挖掘就是從大量的數(shù)據(jù)中挖掘出有用的信息，并發(fā)現(xiàn)數(shù)據(jù)的內(nèi)部關(guān)系和規(guī)律，為解決問題提供參考。大數(shù)據(jù)時(shí)代下面對(duì)內(nèi)涵更深、結(jié)構(gòu)多樣復(fù)雜、數(shù)量龐大的財(cái)務(wù)數(shù)據(jù)，數(shù)據(jù)的分析與挖掘成為財(cái)務(wù)預(yù)測(cè)的關(guān)鍵。財(cái)務(wù)數(shù)據(jù)分析與挖掘主要對(duì)數(shù)據(jù)實(shí)行分類、聚類、關(guān)聯(lián)，進(jìn)而利用數(shù)據(jù)的關(guān)聯(lián)性進(jìn)行預(yù)測(cè)。Hadoop、HPCC和NoSQL等大數(shù)據(jù)分析與挖掘技術(shù)快速發(fā)展，為企業(yè)進(jìn)行財(cái)務(wù)分析與預(yù)測(cè)帶來了全新的分析視角，也以日新月異的速度改變著企業(yè)的分析能力，正逐步形成財(cái)務(wù)預(yù)測(cè)的全新生態(tài)系統(tǒng)。在未來，對(duì)大數(shù)據(jù)的分析和挖掘能力將成為企業(yè)的核心競(jìng)爭(zhēng)力之一。

（四）財(cái)務(wù)預(yù)測(cè)結(jié)果可視化。傳統(tǒng)財(cái)務(wù)預(yù)測(cè)結(jié)果是通過表格和圖形等可視化方式來呈現(xiàn)，面對(duì)多維、海量、動(dòng)態(tài)的大數(shù)據(jù)，為了清晰地傳遞預(yù)測(cè)結(jié)果，傳統(tǒng)的方法難以奏效，需要利用大數(shù)據(jù)的可視化方式進(jìn)行解釋。一般性的有反映復(fù)雜社交網(wǎng)絡(luò)的宇宙星球圖、標(biāo)識(shí)對(duì)象知名度的標(biāo)簽云、顯示集群成員分配的聚類分析可視化技術(shù)、反映事物歷史變化的歷史流圖和空間信息流等。通過這些可視化技術(shù)將預(yù)測(cè)結(jié)果以圖像、圖表、動(dòng)畫等形式表示出來，進(jìn)而利用其他的分析手段發(fā)現(xiàn)未知信息。

三、大數(shù)據(jù)時(shí)代下財(cái)務(wù)預(yù)測(cè)方法的變革

傳統(tǒng)財(cái)務(wù)預(yù)測(cè)以結(jié)構(gòu)化數(shù)據(jù)為基礎(chǔ)，以定量或定性化的模型為支撐，以從因到果的邏輯推理得到預(yù)測(cè)結(jié)果，如時(shí)間序列預(yù)測(cè)、回歸分析、趨勢(shì)分析等。但在大數(shù)據(jù)時(shí)代，預(yù)測(cè)的數(shù)據(jù)基礎(chǔ)已發(fā)生了質(zhì)的變化，主要以非結(jié)構(gòu)化數(shù)據(jù)為主，結(jié)構(gòu)混亂，已無法找到像傳統(tǒng)財(cái)務(wù)預(yù)測(cè)一樣精確化的處理方式，大數(shù)據(jù)時(shí)代下財(cái)務(wù)預(yù)測(cè)方法已發(fā)生深刻變化。

（一）大數(shù)據(jù)時(shí)代下以“全部數(shù)據(jù)”為基礎(chǔ)的預(yù)測(cè)改變了財(cái)務(wù)預(yù)測(cè)的基礎(chǔ)。傳統(tǒng)的財(cái)務(wù)預(yù)測(cè)包括定性與定量分析，其中定量分析主要是時(shí)間序列預(yù)測(cè)、因果分析預(yù)測(cè)，其基礎(chǔ)主要是統(tǒng)計(jì)分析中的“抽樣分析”，它是基于有限的樣本數(shù)據(jù)來進(jìn)行論證，是“小數(shù)據(jù)時(shí)代”不可能收集和分析全部數(shù)據(jù)的情況下的無奈選擇。但是傳統(tǒng)的抽樣分析存在很大的缺陷和局限，因?yàn)槌闃臃治鼋Y(jié)果的準(zhǔn)確性與樣本的數(shù)量及樣本選擇的隨機(jī)性有關(guān)，而實(shí)現(xiàn)這種隨機(jī)性是很難的。

在大數(shù)據(jù)背景下，財(cái)務(wù)預(yù)測(cè)不再依賴抽樣的方法，而是采用全部數(shù)據(jù)的方法。數(shù)據(jù)收集、存儲(chǔ)、處理技術(shù)翻天覆地的變化，云計(jì)算、物聯(lián)網(wǎng)、數(shù)據(jù)庫(kù)等技術(shù)的發(fā)展，為獲取足夠大的樣本數(shù)據(jù)乃至全體數(shù)據(jù)提供了技術(shù)支撐。Hadoop等開源技術(shù)的發(fā)展也為數(shù)據(jù)的分析與挖掘提供了條件。2009年谷歌對(duì)流感趨勢(shì)預(yù)測(cè)是基于全部數(shù)據(jù)分析預(yù)測(cè)的經(jīng)典案例，共檢索了5 000萬條詞條，處理了4.5億元個(gè)數(shù)據(jù)模型，并與美國(guó)疾控中心歷史實(shí)際病倒進(jìn)行比較得出結(jié)論，其威力至今令人驚嘆。

（二）大數(shù)據(jù)時(shí)代下基于“相關(guān)性”的預(yù)測(cè)改變了財(cái)務(wù)預(yù)測(cè)的方法邏輯。Viktor Mayer-Schonberger在《大數(shù)據(jù)時(shí)代》中指出“建立在相關(guān)關(guān)系分析基礎(chǔ)上的預(yù)測(cè)是大數(shù)據(jù)的核心”，與“小數(shù)據(jù)時(shí)代”基于因果關(guān)系的財(cái)務(wù)預(yù)測(cè)不同，大數(shù)據(jù)時(shí)代的財(cái)務(wù)預(yù)測(cè)主要通過尋找事物間的相關(guān)關(guān)系尋找答案。傳統(tǒng)財(cái)務(wù)管理依賴于對(duì)因果關(guān)系的尋找來分析問題，先通過假設(shè)兩個(gè)變量之間存在某種因果關(guān)系，然后進(jìn)行證明，是通過揭示其內(nèi)部的動(dòng)作機(jī)制來進(jìn)行分析，這種方式極大地限制了我們的思維視角。例如傳統(tǒng)銷售百分法對(duì)資金需求的預(yù)測(cè)，主要依據(jù)是會(huì)計(jì)科目與銷售收入之間的依存關(guān)系，利用銷售收入增長(zhǎng)率來預(yù)測(cè)財(cái)務(wù)報(bào)表，預(yù)測(cè)出資金需求，顯然這種分析無論是科學(xué)性還是準(zhǔn)確性上都存在很大的局限性。大數(shù)據(jù)時(shí)代的財(cái)務(wù)預(yù)測(cè)不再過度依賴因果關(guān)系，而更多的是依賴量化兩個(gè)變量之間的關(guān)聯(lián)性來分析一個(gè)現(xiàn)象。沃爾瑪“啤酒與尿布”的故事，就是大數(shù)據(jù)利用相關(guān)關(guān)系最著名的應(yīng)用，看起來啤酒與尿布是兩個(gè)毫不相關(guān)的東西，但沃爾瑪利用大數(shù)據(jù)技術(shù)發(fā)現(xiàn)了其中的規(guī)律，并獲得巨大的利益。通過對(duì)財(cái)務(wù)大數(shù)據(jù)的比較、聚類、分類等分析，尋找兩個(gè)或兩個(gè)以上變量之間的某種規(guī)律性，找出數(shù)據(jù)集里隱藏的相互關(guān)系，進(jìn)而對(duì)企業(yè)的未來趨勢(shì)作出判斷與預(yù)測(cè)，正是因?yàn)檫@種思維模式的突破，使得大數(shù)據(jù)背景下的財(cái)務(wù)預(yù)測(cè)獲得更大的創(chuàng)新空間。

（三）大數(shù)據(jù)時(shí)代下財(cái)務(wù)預(yù)測(cè)結(jié)果轉(zhuǎn)向多樣化。傳統(tǒng)財(cái)務(wù)預(yù)測(cè)以結(jié)構(gòu)化數(shù)據(jù)為基礎(chǔ)，依賴于統(tǒng)計(jì)方法對(duì)數(shù)據(jù)進(jìn)行處理，利用數(shù)學(xué)模型進(jìn)行預(yù)測(cè)，其結(jié)果追求精準(zhǔn)性。而大數(shù)據(jù)以非結(jié)構(gòu)化數(shù)據(jù)為主，數(shù)據(jù)結(jié)構(gòu)混亂，需要改變傳統(tǒng)財(cái)務(wù)預(yù)測(cè)的結(jié)構(gòu)化、標(biāo)準(zhǔn)化和精確化的信息處理方式，設(shè)計(jì)新的且適合大數(shù)據(jù)特征的數(shù)據(jù)處理方式。同時(shí)，大數(shù)據(jù)分析以全體或總體為對(duì)象，幾乎不可能找到合適的統(tǒng)計(jì)學(xué)或數(shù)學(xué)模型來描述全體或總體的特征、規(guī)律、聯(lián)系，也很難直接或直觀地發(fā)現(xiàn)全體或總體的本質(zhì)、屬性、特征、規(guī)律、聯(lián)系。大數(shù)據(jù)財(cái)務(wù)預(yù)測(cè)不再追求精確的結(jié)果，而是可能提供更多需要的結(jié)果和發(fā)現(xiàn)，財(cái)務(wù)預(yù)測(cè)結(jié)果轉(zhuǎn)向多樣化和發(fā)現(xiàn)新知識(shí)。

參考文獻(xiàn)：

[1]呂本富.大數(shù)據(jù)預(yù)測(cè)研究及相關(guān)問題[J].科技促進(jìn)發(fā)展，2014，（10）.

[2]程平，萬家盛.大數(shù)據(jù)時(shí)代財(cái)務(wù)共享服務(wù)中心云平臺(tái)的構(gòu)建及其應(yīng)用[J].商業(yè)會(huì)計(jì)，2015，（15）.

[3]鄧仲華，劉偉偉，陸穎雋.基于云計(jì)算的大數(shù)據(jù)挖掘內(nèi)涵及解決方案研究[J].研究情報(bào)理論與實(shí)踐，2015，（38）.