趙富平

（天水師范學院 財務處，甘肅 天水 741001）

績效預算是企事業(yè)單位制定項目計劃或是工程規(guī)劃時的重要一步，[1]其以職能部門制定的計劃作為實施基礎，結合成本效益分析，編制出實施方案的預算。自大數據技術提出以來，數據處理工作在高校財務預算中作用顯著。[2]按照大數據處理方法，高校財務預算工作將數據采集、分析以及管理構建為一體化處理流程。[3]受高校政策變化的影響，在不同年度下高校對資金有著不同的劃分，在實際預算處理時，容易產生預算誤差，不符合高校財務預算精細化的要求。[4]為此，本文以大數據處理技術作為支持，設計高校財務預算精細化績效評估方法。

自20世紀90年代起，預算處理工作以政府部門制定的中長期戰(zhàn)略合作作為支持，[5]按照政府強調的職能導向目標，將績效目標作為約束手段，以實現(xiàn)政策與管理工作之間的融合，此后績效預算制度不斷地完善。國外將功能成本、產出預算以及計劃分析作為績效預算的基礎工作，推行了預算選擇合理化的理念。[6]國內績效預算工作起步較晚，職能部門制定了項目績效編制的方式，并衍生出多種績效預算編制方法。基于WRDDM模型的評估方法按照評價處理的指標測度參數，計算投入產出變量的效率得分，并構建得到績效評價數值關系。[7]基于過程數據的績效評估方法，通過整合業(yè)績參數并設置難以評估指標的規(guī)避參數，將該規(guī)避參數作為固定的量化指標，形成績效評估處理過程。[8]經過階段性的評估處理可知，現(xiàn)有的績效評估方法交互數據集的成功率較小，輸出的評估結果準確性較差。[9]由此可知，設計大數據下高校財務預算精細化績效評估方法具有一定的發(fā)展意義。

一、大數據下高校財務預算精細化績效評估方法

高校財務預算數據量極大，來源渠道廣泛，具有多樣化、綜合性等特征。按照最新的《政府會計制度》，增加了固定資產累計折舊、無形資產累計攤銷的核算項目，支出項目可以細分為事業(yè)支出、經營支出、對附屬單位補助支出、投資支出、債務還本支出、其他支出等，對于財務預算數據的分析和挖掘提出了更高的要求。

在大數據技術的支持下，對財務預算數據進行處理，能夠更好地滿足高校財務管理集約化的需求，實現(xiàn)高校財務管理信息化發(fā)展。利用數據挖掘技術對海量的結構化、半結構化和非結構化財務預算數據進行提取、轉換、清洗、加載與集成，為實現(xiàn)數據計算、整合及存儲提供技術支持。

（一）標定財務預算數據高維特征

高校財務預算數據具有一定的描述性，采用抽象描述財務預算數據的屬性，按照數據實際產生的表征特性，將具有相近屬性的數據處理為一個屬性數據組，[10]并隨機選定一項數據投射處理到坐標軸內。采用散點處理的方式將數據表征處理為屬性散點，處理為數據集合后，確定表征產生的復雜度。數值關系可表示為：

上述數值關系下，F(xiàn)表示復雜度數值，pi表示屬性數據組函數，N表示表征數量。為了控制表征復雜度的維度，采用簡化剖和再重合的處理方式，[11]將原有大規(guī)模的預算數據篩選得到重組結構，并按照重組結構內存在行數據，固定數據結構內的量值，并將該量值處理為表單信息后，將數據結構處理為半結構化并規(guī)范半結構化的數值范圍，然后將形式常規(guī)化處理為統(tǒng)一的格式，并將篩選得到的財務預算數據記錄在同一個文件內。此時，篩選得到的財務預算數據處理為一個預算屬性的數據組，按照文件的屬性，采用層次化數據處理結構，將篩選數據處理為字節(jié)長度相似的結構化數據，[12]在實際標定該部分數據時，將該部分數據排列在二維表結構中，采用兩兩連線的方式，將數據內的隱藏安全系數標定為顯著的類聚關系。并按照數據的時間屬性，將標定的數據處理為時序型，廣泛處理數據的體量特征，按照動態(tài)多變的順序，確定得到高校財務數據的周期參數，將對應的數據處理為“數據流”式的結構后，默認該數據流為同維度的預算數據，然后使用大數據技術劃分績效的決策單元。

（二）大數據劃分績效決策單元

將含有高維特征的預算數據默認為數據輸出，假設數據輸出共存在n組，按照預算數據組的維度數值，確定實際的投入與產出，數值關系可表示為：

上述數值關系中，Xj表示高校預算的實際投入，Yj表示財務預算的實際產出，D表示輸入運營轉換參數，m、n分別表示投入與產出的次數。根據高校財務運行的實際，將投入與產出的績效數值賦予數值權重，匹配不同數值權重的效率數值，形成一個相對有效的指數，數值關系可表示為：

上述數值關系中，U表示確定的相對有效參數，Ys表示賦予的數值函數，Vt表示規(guī)劃參數。按照上述確定的有效指數，采用對偶理論，引入兩組松弛變量，變換上述得到的有效指數，細化輸出參數后，此時績效數據處于最優(yōu)的運行狀態(tài)，調用大數據內的數值約束模型，增加凸約束條件，形成一個對偶規(guī)劃形式，數值可表示為：

其中，λ表示細化的輸出參數，XT表示對偶處理的規(guī)劃函數，X0表示模型的最優(yōu)解，YT表示引入的松弛變量，η0表示約束參數，eT表示指標等級參數。按照上述構建的對偶數值關系，規(guī)劃大數據模型的最優(yōu)解，當輸出的數值關系恒大于數值1時，將規(guī)劃函數作為有效單元，對應細化得到的參數，計算參數與有效單元之間的相對效率，控制效率數值從大到小的順序，匹配細化參與對應的有效單元為實際的決策單元。[13]按照實際輸出的有效決策單元，按照其單元內部的度量參數，構建精細化績效評估方法。

（三）實現(xiàn)精細化評估

按照上述輸出的預算決策單元，默認決策單元內的財務預算數據為數據集合，標定數據樣本內的體積度量參數后，確定度量基準在數據量產生的概率參數，結合高校財務的運行實際，隨機選定多樣性的度量基準集合，標準化處理后，定義決策單元中的基準參數，數值關系可表示為：

上述數值關系中，Mk表示確定得到的基準參數，m0表示初始度量參數，mn表示可用性參數，Wk表示高于基準度量的概率。在平衡財務預算數據安全等級所產生的量綱排斥，在上述處理得到的基準參數內，隨機設定一個緊迫性度量值，[14]將績效決策單元視為數據樣本塊，在構建精細化評估時，將上述確定的數值條件（5）處理為精細化的選擇條件，并輸出含有估算值的定價因子，估算預算數值所在的屬性區(qū)間，數值關系可表示為：

其中，Hi表示確定得到的屬性區(qū)間，[R]T表示含有定價因子的估算值，Wi表示推廣函數。根據上述估算預算所處的屬性區(qū)間，采用功能分段處理函數評估績效影響屬性，處理過程可表示為：

上述數值關系中，Vs表示預算精細價值參數，Vt表示分段函數，αi表示屬性變動函數，V0表示多因子影響函數，VD表示均衡函數，S表示預算定價因子，F(xiàn)(S)表示精細化影響函數，VD表示套利模型函數，f表示合理系數。在上述數值關系下，將上述輸出的所有屬性作為影響精細化評估的參數，[15]在均衡資產定價理論影響下，最終輸出精細化績效的評估結果。綜合上述設計，最終完成對大數據系高校財務預算精細化績效評估方法的設計。

二、績效評估測試

（一）抽取財務預算數據

調用支持高校財務運行的服務器，并選定常規(guī)財務往來業(yè)務模塊，利用fiddler和模擬器抓取運行數據Url，按照實際的數據類型，抓取數據中含有feed的關鍵字段，待編寫為自動過濾目標后，編寫采集請求代碼，當系統(tǒng)輸出請求信息的代碼格式后，定義財務數據的影響因子以及傳播因子，并將兩項因子作為抽取財務數據的價值屬性，定義抽取財務數據的周期為15天，按照輸出的屬性序號，抽取得到的高校財務數據如下表所示：

表1 抽取得到的高校財務預算數據

整理上述抽取得到的財務預算數據，按照正態(tài)模糊分布篩選上述財務預算數據，默認模型內的信任寬度數值，并采用randi函數隨機抽取財務預算數據的信任值，將大數據支持技術的云端結構以及處理端內的模糊度參數作為績效屬性參數，準備基于WRDDM模型[7]和基于過程數據的[8]績效評估方法以及本文設計的績效評估方法參與測試，測試三種績效評估方法的性能。

（二）設置可訪問財務預算資源數量

高校財務預算數據具有一定的保密性，在實際的評估環(huán)境中，根據組內預算數據的保密級別，配置不同信任值的縮減系數，調用縮減系數制定保密等級間隔，按照高校財務預算數據的安全等級，控制財務數據庫適應度，定義績效評估方法可評估的資源數據量數值關系，數值關系可表示為：

上述數值關系中，N表示績效評估方法可評估的資源數據量，φi表示財務數據的信任縮減函數，J表示訪問授權函數，τ表示增加系數。按照上述定義的可訪問財務預算量結果，將可訪問的資源績效數值化處理后，輸出績效評估可訪問的預算資源數量，如圖1所示：

圖1 可訪問財務預算資源數量

在上述定義的數值關系內，可知在相同安全等級內待訪問的數據量保持恒定，根據上述確定得到的適應度參數，可知設計的績效評估方法隨著運行時間不斷地上升，可訪問的數據量呈現(xiàn)不規(guī)則的變化，實際可訪問的數據量在150組左右，取上述運行時間范圍內訪問數據量的均值，在該訪問財務預算數量條件下，確定預算交互成功率結果。

（三）評估時間運行測試

根據高校財務業(yè)務的不同類型，制定比例為1∶5同比增長的任務類型，并設置財務預算數據樣本數量為1000組，采用重復迭代的方式設置數據樣本的抽取周期，采用傳統(tǒng)模糊矩陣算法定義三種績效評估方法的信任值，并按照矩陣模糊輸出的擬合區(qū)域，采用信任值與擬合區(qū)域結合處理的方式，確定數據周期更新產生的規(guī)模參數，定義三種績效評估方法的時間復雜度，數值關系可表示為：

上述數值關系中，Tx表示預算數據更新時間復雜度結果，yr表示財務預算有效擬合函數，u0表示參與評估的數據量。按照上述定義的時間復雜度數值關系，統(tǒng)計三種績效評估方法產生的時間運行結果。如圖2所示：

圖2 評價時間運行結果

按照上述定義的時間復雜度數值關系，將參與評估的績效數據劃分為均等的10份，根據上述數值定義輸出的運行時間數值，由上圖所示的時間可知，基于WRDDM模型的評估方法[7]的平均運行時間在100ms左右，該種績效評估方法評估任務運行時間較長?；谶^程數據的績效評估方法[8]平均運行時間為80ms，該種績效評估方法評估運行任務的運行時間較短。而本文所設計的績效評估方法評估處理時間為50ms，與兩種參與測試的績效評估方法相比，本文設計的績效評估方法評估處理時間最短。接下來在上述確定的運行時間條件下，測試可訪問財務預算資源數量。

（四）預算交互成功系數

按照上述輸出的可訪問財務預算資源數量與統(tǒng)計得到的運行時間，定義預算交互成功次數，設定財務預算過程中信息數據集的互信閾值為0.8，綜合該財務互信數值，定義預算績效評估方法的預算交互成功率，數值關系可表示為：

上述數值關系中，Su表示預算交互成功系數，c表示設置的互信閾值，Ne表示評估方法實際單向訪問次數，其余參數保持原有含義不變。根據上述定義的交互成功系數數值關系，控制運行時間為10ms，統(tǒng)計在該評估時間范圍內三種績效評估方法所產生的預算交互成功系數結果，結果如下圖所示：

圖3 三種績效評估方法預算成功系數

由上圖所示的測試結果可知，控制高校財務運算保持單向訪問環(huán)境，按照三種績效評估條件不斷篩選預算績效數據，將績效評估處理過程默認為交互過程，按照對應預算數據的保密等級構建預算成功系數數值關系，定義確定得到的交互成功系數數值越趨近于1，則表示該種績效評估方法評估的結果越準確，在相同的運行時間范圍內，根據上圖所示的測試結果可知，基于過程數據的績效評估方法[8]交互成功率數值在0.5左右，在對應保密等級的預算閾值內，成功交互評估的數據量最少，評估得到的結果準確性較差?；赪RDDM模型的評估方法[7]得到的交互成功率數值在0.7左右，成功評估交互的數據量較多，評估輸出的評估結果準確性較差。而本文設計的績效評估方法交互成功率數值在0.8左右，與兩種參與測試的績效評估方法相比，設計的績效評估方法能夠獲取高校財務預算數據的更多信任閾值，評估績效得到的信任值較大，績效評估得到的結果更為準確。

三、結語

高校財務預算是高校學術計劃踐行的基礎，隨著數字化管理措施的推廣，精細化預算高校財務績效成了當下研究熱點。本文以大數據技術作為數據處理支持，采集高校財務預算數據后，隨機選定兩組現(xiàn)有的績效評估方法，經過測試得到的結果可知：本文設計的績效評估方法得到的評估結果更為準確。在未來預估處理工作中，希望本文設計的績效評估方法能夠為高校財務預算提供理論支持。當然，本文所構建的績效評估方法并未考慮到預算工作產生的市場價格波動，還需不斷地研究改進。