徐愛菲

（廣西國際商務職業(yè)技術(shù)學院， 廣西 南寧 530007）

大數(shù)據(jù)時代背景下，越來越多企業(yè)開始重視和利用大數(shù)據(jù)的價值，分析市場形勢，強化內(nèi)部管理，但與此同時，也有很多人未能正確認識大數(shù)據(jù)急速擴張而產(chǎn)生的隱患及問題。要在短期內(nèi)快速處理大數(shù)據(jù)，并最大程度消除隱患，使其真正為企業(yè)發(fā)展而服務，這成為了企業(yè)管理者及相關(guān)從業(yè)人員的重要目標。

1.大數(shù)據(jù)的背景及特征分析

大數(shù)據(jù)最初在西方國家的流行，可追溯到2009年前后，在其快速發(fā)展的過程中，大數(shù)據(jù)思維與大數(shù)據(jù)技術(shù)也被越來越多人關(guān)注和研究，于是商用化逐漸滲入生活化，影響著更多人的工作與生活[1]。大數(shù)據(jù)思維主要包括以下幾點：一是總體性思維。近百年來，人們研究社會現(xiàn)象的特征需要依靠對社會數(shù)據(jù)的收集，于是抽樣的數(shù)據(jù)收集方法成為一種重要手段，特別是針對一些無法進行訪問來聚合數(shù)據(jù)的情況較為有效。伴隨數(shù)據(jù)的增加和需求的提升，這樣的數(shù)據(jù)統(tǒng)計和分析方法逐漸落后，無法對大數(shù)據(jù)展開收集與分析，于是人們又通過各種算法來進行深入研究，力求了解樣本中更多隱藏的細節(jié)和關(guān)鍵的信息。伴隨大數(shù)據(jù)時代的到來，數(shù)據(jù)無論在采集環(huán)節(jié)、儲存環(huán)節(jié)，或是處理分析環(huán)節(jié)，都取得了較大的突破，人們在利用的過程中思維也在無形中發(fā)生轉(zhuǎn)變，從樣本思維轉(zhuǎn)變?yōu)檎w思維，這樣的思維更利于人們?nèi)嬷庇^掌握數(shù)據(jù)的整體聯(lián)系[2]。二是容錯率思維。過去人們收集信息存在不充分、來源單一等問題，這需要將獲取的數(shù)據(jù)更結(jié)構(gòu)化與精細化，否則分析出來的結(jié)論則存在偏差，于是人們開始探究數(shù)據(jù)樣本的精準。在大數(shù)據(jù)技術(shù)的支持下，伴隨大數(shù)據(jù)儲存、處理功能的發(fā)揮，人們也逐漸應用容錯性的思維，不再將絕對的精度作為唯一的追求目標，而是適度忽略精確，只需確保在一定范圍內(nèi)，這樣更能從宏觀的角度獲取更多的數(shù)據(jù)信息。三是相關(guān)性思維。過去人們提取數(shù)據(jù)更注重各數(shù)據(jù)之間的因果關(guān)系，試圖通過這種方法發(fā)現(xiàn)數(shù)據(jù)的內(nèi)部聯(lián)系，但由于樣本的有限，很難真正尋求到所有數(shù)據(jù)間的普遍關(guān)聯(lián)。大數(shù)據(jù)時代下，借助于數(shù)據(jù)挖掘技術(shù)有助于更好地找到各數(shù)據(jù)之間的隱藏性關(guān)聯(lián)，甚至可將其用于捕捉現(xiàn)況，預測未來，通過復雜非線性關(guān)系、線性關(guān)系的研究，很多表面無法察覺的數(shù)據(jù)聯(lián)系，都能顯著地表現(xiàn)出來被人們所利用[3]。

2.大數(shù)據(jù)挖掘及其意義分析

大數(shù)據(jù)應用至今，人們在數(shù)據(jù)技術(shù)生成、收集、應用方面的能力日趨加強，并且伴隨逐年發(fā)展的態(tài)勢，這種勢頭還將不斷延續(xù)。在這樣的背景下，大數(shù)據(jù)的應用也面臨全新的挑戰(zhàn)，信息爆炸的社會背景下，信息高度過載已成為一個顯著的問題，人們需要及時發(fā)現(xiàn)有用的信息，提高信息利用率。對于企業(yè)而言，更要試圖最大程度挖掘信息的價值，以促進企業(yè)的成長與發(fā)展，為作出正確決策而提供參考，否則所獲取的數(shù)據(jù)則會成為一種負擔，甚至成為垃圾數(shù)據(jù)。面對這種挑戰(zhàn)，企業(yè)內(nèi)部財務管理、業(yè)務決策以及整體的戰(zhàn)略性發(fā)展工作，都要充分尊重大數(shù)據(jù)的應用規(guī)律，接受大數(shù)據(jù)發(fā)展的挑戰(zhàn)[4]。要最大程度挖掘大數(shù)據(jù)的價值，人們就要掌握大數(shù)據(jù)的挖掘特征。首先，數(shù)據(jù)的來源非常龐大，展現(xiàn)出豐富有效、真實以及不確定的特點。其次是數(shù)據(jù)價值的提取是為了滿足需求，因此在提取以前必須重點關(guān)注具體的需求是什么。最后，在當前愈發(fā)激烈的競爭市場上，數(shù)據(jù)挖掘的背后不同程度滲透出商業(yè)價值，且都是相對的。這些特點為企業(yè)在財務數(shù)據(jù)挖掘和應用工作上，工作人員應用大數(shù)據(jù)思維處理而提供非常重要的參考。

3.以L企業(yè)為例探討基于大數(shù)據(jù)思維的財務數(shù)據(jù)挖掘與實踐

3.1 L企業(yè)簡介

本文列舉的L企業(yè)為一家外貿(mào)企業(yè)，主要做進出口貿(mào)易，產(chǎn)品包括化工原料、機電產(chǎn)品、工藝品等等，在ERP系統(tǒng)上線后業(yè)務合同大幅度增加，生成的會計憑證與新增會計記錄均增加數(shù)十萬，自動化率已超90%，無論是內(nèi)控、業(yè)務管理、風險防范和財務管理方面，都有非常顯著的效果?；诖髷?shù)據(jù)技術(shù)的支撐，該企業(yè)的財務分析完全實現(xiàn)自動化，同時還建立了預警平臺和風險評估平臺。

3.2 企業(yè)需建立大數(shù)據(jù)思想挖掘模式

首先，企業(yè)的財務管理工作要將各類數(shù)據(jù)進行交互整合，由于財務數(shù)據(jù)包含的內(nèi)容非常廣，幾乎囊括所有經(jīng)營數(shù)據(jù)，因此對其進行分析很大程度已超越過去資金管理和成本控制的范疇。要處理這些繁瑣的數(shù)據(jù)，若無法將其整合，找出關(guān)聯(lián)，必然影響企業(yè)財務管理及經(jīng)營管理的效率[5]。由此可見，需要對現(xiàn)有ERP系統(tǒng)數(shù)據(jù)作科學分類管理，結(jié)合企業(yè)管理的精細化程度按照數(shù)據(jù)用途將其分為戰(zhàn)略、預算、稅務、核算、資金管理和績效考核等多個組成部分，創(chuàng)建模型，同時對財務部門進行轉(zhuǎn)型，強化管理，打破信息孤島的局面。其次，要對海量的數(shù)據(jù)進行提純處理，結(jié)合大數(shù)據(jù)還原用戶實際需求的本質(zhì)，在使用過程中就必須積極應用大數(shù)據(jù)思維處理財務信息，找到數(shù)據(jù)背后的關(guān)聯(lián)，將其原有的真實的面貌還原出來，作進一步的提純[6]。比如L企業(yè)就通過各種渠道掌握需要的信息，確保真實性和實效性的同時將數(shù)據(jù)背后隱藏的真實價值應用在會計工作中。再者是挖掘財務數(shù)據(jù)的本質(zhì)。結(jié)合不同企業(yè)業(yè)務的特點，利用數(shù)據(jù)挖掘技術(shù)對財務數(shù)據(jù)的本質(zhì)進行探索。多年的應用實踐證實，很多企業(yè)使用的管理數(shù)據(jù)未能很好地反映其業(yè)務情況，這與其未進行生產(chǎn)數(shù)據(jù)推導，找到相連性有關(guān)。比如L企業(yè)如果原材料的成本占比較大，那么就要結(jié)合企業(yè)購買原材料的數(shù)據(jù)對其生產(chǎn)的情況加以分析，推測企業(yè)經(jīng)濟效益。若L企業(yè)電力需求量大，那么就要結(jié)合車間使用的電量對其生產(chǎn)情況進行預測，用財務數(shù)據(jù)來顯示生產(chǎn)狀況，一旦出現(xiàn)用電量減少的情況，就說明數(shù)據(jù)存在問題。由此可見，工作人員在進行數(shù)據(jù)分析時應對企業(yè)經(jīng)營的情況作詳細了解，掌握業(yè)務的特點，及時將數(shù)據(jù)中的虛假數(shù)據(jù)清除，從而挖掘和獲取數(shù)據(jù)的本質(zhì)[7]。

3.3 創(chuàng)建數(shù)據(jù)挖掘應用模型

當前各個企業(yè)應用的數(shù)據(jù)挖掘方法較多，具體在財務工作中多以幾種模型為主，如統(tǒng)計分析、決策樹分析、關(guān)聯(lián)規(guī)則、人工神經(jīng)網(wǎng)絡(luò)、聚類分析等等。以下結(jié)合L企業(yè)的實際情況適當列舉幾種數(shù)據(jù)挖掘模型的應用。首先是統(tǒng)計分析模型，這是最基礎(chǔ)的一種模型和方法，其本質(zhì)為統(tǒng)計分析，比如在應用聚類算法的過程中，需要計算平均值，在關(guān)聯(lián)算法中需要分析置信區(qū)間[8]。L企業(yè)在其銷售決策中就要細化分析客戶的價值，對其進行評級時結(jié)合其中一個閾值來判斷客戶的價值區(qū)間，最后結(jié)合區(qū)間的數(shù)據(jù)應用回歸建模的方式分析客戶的潛在價值，從而為決策的制定奠定基礎(chǔ)。其次是決策樹模型。該模型方法是面向海量的數(shù)據(jù)進行歸類與整理，通過剪枝來將無關(guān)的數(shù)據(jù)剔除，達到準確預測結(jié)論的目的。過程中工作人員要設(shè)定歸納值集合，使其形成完整的決策樹，若生成的決策樹沒有劃分全部數(shù)據(jù)對象，就要用重復訓練的方式提取新的數(shù)據(jù)集，將原始數(shù)據(jù)整合其中，循環(huán)重復，直到達到精確的效果。L企業(yè)就是在人員考核中應用了決策樹分析運算法。

3.4 財務數(shù)據(jù)挖掘的實現(xiàn)機制

要對財務數(shù)據(jù)進行挖掘，必須有實現(xiàn)價值的有效機制作保障，特別是在當前信息爆炸的背景下，企業(yè)更要從龐大的數(shù)據(jù)中獲取關(guān)聯(lián)數(shù)據(jù)，挖掘潛在價值，為決策提供參考與支持。在具體的實施過程中，首先就要對數(shù)據(jù)進行全面的預處理，比如L企業(yè)借助ERP系統(tǒng)初步清理初始數(shù)據(jù)，而最典型的清理對象是噪聲數(shù)據(jù)，這方面可用枚舉型的如記賬部門、財務類型、業(yè)務組屬性等作為噪聲數(shù)據(jù)的過濾對象，出現(xiàn)一些空值，結(jié)合收集數(shù)據(jù)的樣本信息處理空值，比如平均數(shù)值填充、最大頻率填充、隨機數(shù)填充等等，但要注意根據(jù)實際業(yè)務與變量本身的特征進行處理，絕不能隨意處理。工作人員嚴把財務數(shù)據(jù)生成過程關(guān)后，若出現(xiàn)不符合常理的噪聲數(shù)據(jù)，就要考慮其變異的最大可能性，做好全面預處理的工作以提高準確度[9]。其次是自動化的財務分析，如上所述L企業(yè)已實現(xiàn)財務分析自動化目標，可從接口實現(xiàn)ERP系統(tǒng)的自動生成財務分析文檔的工作。在財務數(shù)據(jù)指標的分析工作上，L企業(yè)延續(xù)傳統(tǒng)財務分析的方法，應用計算公式確立指標體系，結(jié)合指標的情況建立分析查詢的功能，比如經(jīng)營指標完成的情況、營業(yè)收入情況、毛利情況、資產(chǎn)情況等等，結(jié)合企業(yè)的經(jīng)營模式進行定向分析。這個過程中需要注意以下問題，如指標要素要齊全和適當、主輔指標的功能要協(xié)調(diào)與匹配，此外還要滿足多方面財務信息的需求，確保企業(yè)管理者能從中提取多層次和多角度的信息價值。隨后就是建立分析的層次樹，同樣應用決策樹的模型和方法，結(jié)合具體的需求進行分層應用。構(gòu)建層次樹時，充分考慮到財務指標體系，結(jié)合廣度優(yōu)先各層分支的建立原則，從高到低進行替換，確保數(shù)據(jù)泛化操作以及每個子結(jié)點都有類標志。具體操作中，樹形為0層，涉及多個層次域，如0層是樹根節(jié)點，結(jié)合層級遞進其分析的財務數(shù)據(jù)更為細致，第一層主要作定量分析和定性分析，第二層則分析定量的盈利情況、資產(chǎn)的運營情況和成長發(fā)展情況，定性則為有形資產(chǎn)以及企業(yè)的可持續(xù)發(fā)展能力等等。最后是自動生成分析文檔[10]。

4.結(jié)語

綜上所述，大數(shù)據(jù)時代下企業(yè)在進行財務管理和日常運營工作中，必須對在職員工進行培訓，強化大數(shù)據(jù)技術(shù)和技能，確保應用大數(shù)據(jù)思維挖掘和分析大數(shù)據(jù)的價值與作用，找出其關(guān)聯(lián)性以及能夠促進企業(yè)持續(xù)發(fā)展的關(guān)鍵內(nèi)容，為企業(yè)正確決策提供參考。在大數(shù)據(jù)思維和數(shù)據(jù)挖掘應用的支撐下，企業(yè)的財務管理過程才能獲取更準確的數(shù)據(jù)信息，工作人員的工作效率才得以顯著提升，財務管理工作便捷性才能提高，才能為企業(yè)創(chuàng)造出更大的價值。