孔玉珍

摘要：大數(shù)據(jù)時(shí)代，企業(yè)的經(jīng)營(yíng)環(huán)境、決策環(huán)境都發(fā)生巨大的變化，財(cái)務(wù)分析長(zhǎng)期以來在企業(yè)內(nèi)充當(dāng)決策參謀的角色，能否認(rèn)清大數(shù)據(jù)對(duì)其產(chǎn)生的影響，對(duì)提高財(cái)務(wù)分析價(jià)值，適應(yīng)大數(shù)據(jù)變革具有重要的實(shí)踐意義。

關(guān)鍵詞：大數(shù)據(jù)；財(cái)務(wù)分析；業(yè)財(cái)融合

一、大數(shù)據(jù)對(duì)財(cái)務(wù)分析工作的影響

（一）大數(shù)據(jù)思維給傳統(tǒng)的財(cái)務(wù)思維帶來巨大沖擊

對(duì)于財(cái)務(wù)來說，賬務(wù)處理、會(huì)計(jì)假設(shè)、會(huì)計(jì)估計(jì)都需要有充分的依據(jù)，僅依靠相關(guān)性將不足以采信，而民間審計(jì)、政府審計(jì)、資本市場(chǎng)等對(duì)每筆賬務(wù)的列示原因更有著非同一般的關(guān)注，因果關(guān)系早已被財(cái)務(wù)人員內(nèi)化為習(xí)慣，要相關(guān)不要因果對(duì)傳統(tǒng)財(cái)務(wù)思維將是巨大的挑戰(zhàn)。在精確和效率的排序上，財(cái)務(wù)通常將精確排在首位，也與大數(shù)據(jù)思維有別，財(cái)務(wù)工作對(duì)數(shù)據(jù)精確性要求極高，尤其會(huì)計(jì)核算工作，“有借必有貸、借貸必相等”是會(huì)計(jì)試算平衡法的基本原理，容不得半點(diǎn)差錯(cuò)。

（二）傳統(tǒng)分析僅抓住 10% 的數(shù)據(jù)，將難以看清全局

大數(shù)據(jù)時(shí)代，結(jié)構(gòu)化數(shù)據(jù)占比僅 10% 左右，傳統(tǒng)財(cái)務(wù)分析以研究結(jié)構(gòu)化數(shù)據(jù)見長(zhǎng)，尤其財(cái)務(wù)分析中最受推崇的比率分析，全部基于結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行研究，而對(duì)于90% 的非結(jié)構(gòu)化數(shù)據(jù)，傳統(tǒng)的分析方法卻無能為力。

（三）大數(shù)據(jù)、低密度特征意味著分析技術(shù)必須要升級(jí)

隨著采集、處理數(shù)據(jù)量級(jí)的增長(zhǎng)以及數(shù)據(jù)類型的多樣化，Excel 等財(cái)務(wù)人員慣用的辦公軟件性能將無法滿足需要：首先數(shù)據(jù)采集環(huán)節(jié)，傳統(tǒng)的點(diǎn)對(duì)點(diǎn)數(shù)據(jù)人工交互手段，僅能解決少量、低頻數(shù)據(jù)需求，很難滿足大數(shù)據(jù)分析大量、高頻的采集需求；在數(shù)據(jù)存儲(chǔ)方面，大數(shù)據(jù)的源數(shù)據(jù)是由結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)組成，傳統(tǒng)的行式關(guān)系型數(shù)據(jù)庫(kù)將無能為力，尤其在非結(jié)構(gòu)化數(shù)據(jù)的處理方面，劣勢(shì)尤為突出；在數(shù)據(jù)挖掘上，將面臨更大的挑戰(zhàn)，大數(shù)據(jù)廣泛采用的Hadoop 的分布式存儲(chǔ)技術(shù)，要求使用者至少要熟練使用一門編程語言，如 Python、Matlab、Java、SQL 等，在此方面，大部分財(cái)務(wù)人員幾乎是零基礎(chǔ)。

二、大數(shù)據(jù)環(huán)境下財(cái)務(wù)分析變革的對(duì)策

（一）轉(zhuǎn)變傳統(tǒng)思維觀念

1. 要相關(guān)不要因果，有賴于決策者和執(zhí)行者先行先試

傳統(tǒng)財(cái)務(wù)分析習(xí)慣沿著“發(fā)現(xiàn)問題—分析問題—解決問題”的思路進(jìn)行分析，能夠清楚的講明因與果，說服力強(qiáng)，易被采信。而大數(shù)據(jù)應(yīng)用中可以事先發(fā)現(xiàn)問題，更可以在無法有效分析問題的情況下，根據(jù)相關(guān)性提出企業(yè)經(jīng)營(yíng)效益提升方案。如果決策者和執(zhí)行者未能轉(zhuǎn)變觀念，仍然深究因果，財(cái)務(wù)分析的成果將很難被采納，財(cái)務(wù)將因無法影響決策，又不能親自實(shí)踐，使其價(jià)值無法得到體現(xiàn)，那么，財(cái)務(wù)分析擁抱大數(shù)據(jù)將會(huì)是一紙空談。

2. 要全體不要抽樣，財(cái)務(wù)分析框架需增加非結(jié)構(gòu)化數(shù)據(jù)研究

受限于計(jì)算能力和效率，傳統(tǒng)的分析技術(shù)多用抽樣的方法，抽樣將意味著未被抽到的數(shù)據(jù)信息會(huì)被遺漏，為確保會(huì)計(jì)信息的客觀、公允，財(cái)務(wù)在對(duì)損失和收益的估計(jì)上偏謹(jǐn)慎。大數(shù)據(jù)時(shí)代，計(jì)算機(jī)技術(shù)已經(jīng)讓全量研究成為可能，數(shù)據(jù)分析將有可能更全面、客觀的評(píng)價(jià)經(jīng)營(yíng)活動(dòng)。大數(shù)據(jù)擁有更高效的數(shù)據(jù)存儲(chǔ)和挖掘技術(shù)，財(cái)務(wù)分析的框架必須擴(kuò)充非結(jié)構(gòu)化數(shù)據(jù)研究的內(nèi)容，對(duì)涵蓋業(yè)財(cái)、乃至企業(yè)內(nèi)外的全量數(shù)據(jù)開展研究。

3. 要效率不要絕對(duì)精確，允許適當(dāng)?shù)牟痪_更有利于反應(yīng)現(xiàn)實(shí)

大數(shù)據(jù)時(shí)代，無論是數(shù)據(jù)源和數(shù)據(jù)處理技術(shù)都與小數(shù)據(jù)時(shí)代有本質(zhì)的不同，由于數(shù)據(jù)來源和數(shù)據(jù)類型的多樣性，巨量的數(shù)據(jù)將不可避免地會(huì)獲得不精確性數(shù)據(jù)。不精確數(shù)據(jù)并不一定妨礙我們認(rèn)識(shí)總體，而且對(duì)于分析來說，偏離常理的現(xiàn)象和數(shù)據(jù)，反而具有更高的研究?jī)r(jià)值，不同質(zhì)量的數(shù)據(jù)匯集起來，將有助于我們更加全面的了解總體的真實(shí)情況。客觀的認(rèn)識(shí)數(shù)據(jù)的不精確性，并非放任不管，允許數(shù)據(jù)不精確，是允許人為不可控的數(shù)據(jù)存在偏差，對(duì)于可控的數(shù)據(jù)，精細(xì)化管理仍然是大數(shù)據(jù)時(shí)代所需要的。

（二）重視非結(jié)構(gòu)化數(shù)據(jù)分析

1. 非結(jié)構(gòu)化數(shù)據(jù)是“數(shù)據(jù)金礦”

隨著信息化的普及，辦公自動(dòng)化、無紙化成了企業(yè)的標(biāo)配，大量的非機(jī)構(gòu)化經(jīng)營(yíng)數(shù)據(jù)實(shí)時(shí)產(chǎn)生，這些數(shù)據(jù)的生產(chǎn)可以是任何人，任何時(shí)間，任何方式，正因?yàn)槠淙我庑?，其中不乏“臟數(shù)據(jù)”，造就了大數(shù)據(jù)的價(jià)值低密度；而其即時(shí)、多樣的特征，給予了我們掌握實(shí)時(shí)動(dòng)態(tài)，開展多維分析的可能，深挖大數(shù)據(jù)，將給財(cái)務(wù)分析和經(jīng)營(yíng)管理帶來新的視角。

2. 非結(jié)構(gòu)化數(shù)據(jù)“掘金”可先易后難

大數(shù)據(jù)平臺(tái)的搭建是一項(xiàng)系統(tǒng)工程，搭建一套完整高效的大數(shù)據(jù)平臺(tái)有很高的技術(shù)門檻，且投入大、耗時(shí)長(zhǎng)、見效慢，鑒于此，可先易后難，逐步深入。因 Hadoop 是一個(gè)分布式計(jì)算框架，可以在大量廉價(jià)的硬件設(shè)備組成的集群上運(yùn)行，3～4 臺(tái)普通辦公電腦即可搭建起簡(jiǎn)易的 Hadoop 大數(shù)據(jù)存儲(chǔ)平臺(tái)，以滿足早期的非結(jié)構(gòu)化分析需要，使用 Hadoop分布式文件系統(tǒng)存儲(chǔ)海量源數(shù)據(jù)，通過Map Reduce 分布式計(jì)算模型來處理這些海量源數(shù)據(jù)，然后采用 Hbase 分布式數(shù)據(jù)庫(kù)存儲(chǔ)處理后的海量數(shù)據(jù)，以此來實(shí)現(xiàn)對(duì)海量非結(jié)構(gòu)化數(shù)據(jù)的分析和管理。早期的應(yīng)用場(chǎng)景，可以先從管理熱點(diǎn)推薦開始，因大數(shù)據(jù)推薦技術(shù)較為成熟，有成型的算法可以借鑒，首先采用中文分詞技術(shù)建立信息檢索索引，對(duì)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行自動(dòng)分類，自動(dòng)摘要，同時(shí)借助大數(shù)據(jù)推薦算法實(shí)現(xiàn)對(duì)熱點(diǎn)資訊抓取，高重復(fù)詞條推薦，從而幫助分析人員快速聚焦經(jīng)營(yíng)熱點(diǎn)開展研究。當(dāng)小的應(yīng)用價(jià)值得到肯定，大規(guī)模部署 Hadoop集群環(huán)境將成為可能，而分散在各大信息孤島的數(shù)據(jù)，埋藏在各處電腦終端的數(shù)據(jù)也將有望共享整合，逐步實(shí)現(xiàn)大數(shù)據(jù)，大價(jià)值。

（三）主動(dòng)向業(yè)務(wù)延伸，開展業(yè)財(cái)融合分析

1. 決策職能將重新布局，財(cái)務(wù)分析需業(yè)財(cái)兼顧

大數(shù)據(jù)時(shí)代，單純依靠主觀決策將無法應(yīng)對(duì)復(fù)雜的環(huán)境，長(zhǎng)期以來依靠經(jīng)驗(yàn)、理論和思想的決策方式將讓位于精準(zhǔn)的數(shù)據(jù)分析。大數(shù)據(jù)下決策參與者的角色將發(fā)生改變，各級(jí)人員因均可方便地獲得決策所需信息，決策不再是少數(shù)高層管理者的專權(quán)，傳統(tǒng)的決策分工將因此出現(xiàn)調(diào)整，更多戰(zhàn)術(shù)層決策下移，企業(yè)高層有更多時(shí)間和精力謀劃戰(zhàn)略決策，但同時(shí)也需要做更多維度的考量，并實(shí)時(shí)、動(dòng)態(tài)掌握每項(xiàng)戰(zhàn)術(shù)的執(zhí)行情況，以便制定合理的戰(zhàn)略決策。財(cái)務(wù)分析若要繼續(xù)履行好高層決策參謀的角色，必須順勢(shì)而為，貼近戰(zhàn)略需要，以更加全面的視角評(píng)價(jià)，開展兼顧業(yè)務(wù)的融合分析。

2. 業(yè)財(cái)融合分析是財(cái)務(wù)報(bào)告披露和風(fēng)險(xiǎn)管理的需要

大數(shù)據(jù)驅(qū)動(dòng)的經(jīng)營(yíng)管理模式，從決策到執(zhí)行的時(shí)間將明顯縮短，決策的依據(jù)源于數(shù)據(jù)，執(zhí)行的結(jié)果反應(yīng)為數(shù)據(jù)，遠(yuǎn)離業(yè)務(wù)的財(cái)務(wù)分析，將無法給予及時(shí)的風(fēng)險(xiǎn)和價(jià)值評(píng)估，而財(cái)務(wù)報(bào)告披露是企業(yè)對(duì)投資人、政府、監(jiān)管機(jī)構(gòu)的義務(wù)，并不會(huì)因?yàn)槠髽I(yè)決策方式的變化而減少，反之可能提出更高的要求。因此財(cái)務(wù)分析需要在決策環(huán)節(jié)充分介入，合理評(píng)價(jià)決策的合規(guī)性和效益性，及時(shí)的將執(zhí)行結(jié)果與財(cái)務(wù)報(bào)告建立起動(dòng)態(tài)聯(lián)系，以滿足業(yè)績(jī)?cè)u(píng)價(jià)和對(duì)外披露的需要。

三、結(jié)語

大數(shù)據(jù)時(shí)代，企業(yè)的經(jīng)營(yíng)環(huán)境、決策環(huán)境都發(fā)生巨大的變化，財(cái)務(wù)分析長(zhǎng)期以來在企業(yè)內(nèi)充當(dāng)決策參謀的角色，能否認(rèn)清大數(shù)據(jù)對(duì)其產(chǎn)生的影響，對(duì)提高財(cái)務(wù)分析價(jià)值，適應(yīng)大數(shù)據(jù)變革具有重要的實(shí)踐意義。本文分析了大數(shù)據(jù)對(duì)財(cái)務(wù)分析工作的影響，為應(yīng)對(duì)大數(shù)據(jù)時(shí)代的編號(hào)財(cái)務(wù)分析可行的改革對(duì)策。

參考文獻(xiàn)：

[1]盛玉華.大數(shù)據(jù)時(shí)代下的企業(yè)財(cái)務(wù)分析研究[J].中國(guó)集體經(jīng)濟(jì)，2016（31）.

[2]鄧國(guó)清.大數(shù)據(jù)時(shí)代的精益財(cái)務(wù)分析[N].中國(guó)會(huì)計(jì)報(bào)，2013-04-19.

[3]鄭偉.大數(shù)據(jù)對(duì)財(cái)務(wù)分析工作的影響和對(duì)策[J].財(cái)會(huì)學(xué)習(xí)，2017（02）.

[4]毛國(guó)育.基于工作流理念的高校財(cái)務(wù)數(shù)據(jù)采集與挖掘分析[J].會(huì)計(jì)之友，2013（05）.

[5]李林濤，高崢.數(shù)據(jù)倉(cāng)庫(kù)技術(shù)在財(cái)務(wù)分析工作中的應(yīng)用研究[J].科技信息，2011（13）.

（作者單位：青島城投雙元水務(wù)有限公司）endprint