鄧和智+馬睿清+龐大蓮

[摘 要] 基于大數(shù)據(jù)的特點(diǎn)及相關(guān)技術(shù)，將大數(shù)據(jù)引入現(xiàn)代財(cái)務(wù)診斷流程中，與各個(gè)診斷功能模塊相結(jié)合，構(gòu)建基于大數(shù)據(jù)的財(cái)務(wù)診斷形式。利用大數(shù)據(jù)增強(qiáng)各個(gè)模塊功能，提高對(duì)不同診斷環(huán)境的適應(yīng)性和整體的診斷效率，讓診斷方案更具科學(xué)性和前瞻性。

[關(guān)鍵詞] 財(cái)務(wù)診斷；大數(shù)據(jù)；診斷方案

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2016. 23. 025

[中圖分類(lèi)號(hào)] F234 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673 - 0194（2016）23- 0046- 04

0 引 言

財(cái)務(wù)診斷屬于現(xiàn)代管理咨詢的重要內(nèi)容之一， 是企業(yè)診斷活動(dòng)中極其關(guān)鍵的環(huán)節(jié)[1]。現(xiàn)代財(cái)務(wù)診斷通過(guò)對(duì)企業(yè)進(jìn)行全面的調(diào)研，收集與企業(yè)經(jīng)營(yíng)活動(dòng)相關(guān)的財(cái)務(wù)和非財(cái)務(wù)信息，運(yùn)用計(jì)算機(jī)技術(shù)輔助施診專(zhuān)家完成診斷，并提出診斷改進(jìn)方案。

近年來(lái)大數(shù)據(jù)（Big data）的應(yīng)用日益受到關(guān)注。大數(shù)據(jù)是指無(wú)法在可承受的時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集[2]。事實(shí)證明無(wú)法用傳統(tǒng)工具進(jìn)行分析挖掘的龐大數(shù)據(jù)蘊(yùn)藏著豐富的價(jià)值，為發(fā)現(xiàn)新的規(guī)律和趨勢(shì)提供了新的視角和方法。大數(shù)據(jù)時(shí)代的到來(lái)，一方面，生產(chǎn)數(shù)據(jù)、銷(xiāo)售數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)的迅速增加對(duì)財(cái)務(wù)診斷的數(shù)據(jù)處理和診斷能力提出了更高的要求；另一方面，大數(shù)據(jù)、互聯(lián)網(wǎng)的發(fā)展，能夠以較低的成本迅速獲取更具針對(duì)性的診斷信息，提升診斷的效率，降低了因?yàn)樾畔⒉粚?duì)稱(chēng)導(dǎo)致決策失誤的可能性。隨著大數(shù)據(jù)的發(fā)展，不少企業(yè)看到了大數(shù)據(jù)在企業(yè)經(jīng)營(yíng)管理中的應(yīng)用價(jià)值，開(kāi)始重視數(shù)據(jù)相關(guān)的開(kāi)發(fā)和應(yīng)用。

在財(cái)務(wù)診斷過(guò)程中引入大數(shù)據(jù)技術(shù)，以形成財(cái)務(wù)診斷的新模式，也是值得研究和探索的問(wèn)題。本文將結(jié)合財(cái)務(wù)診斷的基本流程，以現(xiàn)代財(cái)務(wù)診斷體系中的三個(gè)主要模塊為基礎(chǔ)探討如何運(yùn)用大數(shù)據(jù)及其相關(guān)技術(shù)構(gòu)建財(cái)務(wù)診斷數(shù)據(jù)庫(kù)，利用數(shù)據(jù)挖掘方法完成分析診斷并找出問(wèn)題的原因，通過(guò)關(guān)聯(lián)分析尋找相應(yīng)的改進(jìn)措施，最后結(jié)合大數(shù)據(jù)的預(yù)測(cè)結(jié)果生成具有前瞻性的診斷方案。

1 基于大數(shù)據(jù)的財(cái)務(wù)診斷模塊化結(jié)構(gòu)

財(cái)務(wù)診斷的機(jī)理類(lèi)似于治病，是一個(gè)根據(jù)病癥現(xiàn)象檢出相應(yīng)的病因，再根據(jù)病因?qū)ΠY下藥的過(guò)程。一般而言，可以將完整的財(cái)務(wù)診斷過(guò)程劃分為診斷資料收集、分析診斷查找問(wèn)題、診斷方案生成這三個(gè)主要的環(huán)節(jié)，如圖1所示。

如果將大數(shù)據(jù)引入財(cái)務(wù)診斷，根據(jù)診斷過(guò)程中不同環(huán)節(jié)的主要工作內(nèi)容和目的，可將整個(gè)診斷過(guò)程劃分為數(shù)據(jù)收集模塊、分析診斷模塊、診斷方案生成模塊，以明確各個(gè)模塊的主要的工作任務(wù)，也理順了財(cái)務(wù)診斷流程中各模塊的關(guān)系[3]?；诖髷?shù)據(jù)的財(cái)務(wù)診斷模塊化總體框架如圖2所示。

其中數(shù)據(jù)收集模塊主要利用互聯(lián)網(wǎng)和企業(yè)內(nèi)部的管理信息系統(tǒng)收集與財(cái)務(wù)診斷相關(guān)的財(cái)務(wù)數(shù)據(jù)與非財(cái)務(wù)數(shù)據(jù)，是后續(xù)診斷工作的基礎(chǔ)；作為診斷過(guò)程核心的分析診斷模塊，主要任務(wù)是運(yùn)用相關(guān)的數(shù)據(jù)挖掘方法通過(guò)定量分析來(lái)確定出現(xiàn)財(cái)務(wù)問(wèn)題的關(guān)鍵因素，并尋找確實(shí)可行的糾正改進(jìn)措施；診斷方案生成模塊需要將定性方法和定量方法相結(jié)合，通過(guò)大數(shù)據(jù)預(yù)測(cè)的趨勢(shì)，結(jié)合分析診斷模塊得出的結(jié)果，確定對(duì)受診企業(yè)效用最佳的改進(jìn)措施，完成最后的診斷方案。

2 基于大數(shù)據(jù)構(gòu)建財(cái)務(wù)診斷基礎(chǔ)數(shù)據(jù)庫(kù)

財(cái)務(wù)診斷的起點(diǎn)是資料準(zhǔn)備，相關(guān)的財(cái)務(wù)信息和非財(cái)務(wù)信息是財(cái)務(wù)診斷的依據(jù)，所收集的信息質(zhì)量會(huì)對(duì)診斷結(jié)果有方向性的影響。因此，數(shù)據(jù)收集模塊是財(cái)務(wù)診斷過(guò)程中一個(gè)關(guān)鍵的基礎(chǔ)性工作。大數(shù)據(jù)為診斷數(shù)據(jù)庫(kù)提供了更多的獲取數(shù)據(jù)的渠道來(lái)源和方法，提升了診斷數(shù)據(jù)的規(guī)模。運(yùn)用大數(shù)據(jù)技術(shù)構(gòu)建一個(gè)包括財(cái)務(wù)數(shù)據(jù)、非財(cái)務(wù)數(shù)據(jù)的診斷數(shù)據(jù)庫(kù)主要經(jīng)歷以下三個(gè)環(huán)節(jié)。

2.1 財(cái)務(wù)數(shù)據(jù)的收集

財(cái)務(wù)診斷的切入點(diǎn)應(yīng)該是相關(guān)的財(cái)務(wù)數(shù)據(jù)，構(gòu)建診斷數(shù)據(jù)庫(kù)的第一環(huán)節(jié)應(yīng)該從企業(yè)內(nèi)外部的財(cái)務(wù)數(shù)據(jù)入手。對(duì)財(cái)務(wù)數(shù)據(jù)而言，不僅包括企業(yè)內(nèi)部歷史上的生產(chǎn)、銷(xiāo)售、資金循環(huán)等數(shù)據(jù)，還可能來(lái)源于不同地域、不同機(jī)構(gòu)的外部數(shù)據(jù)[4]。對(duì)于企業(yè)的內(nèi)部數(shù)據(jù)，則可以借助結(jié)合企業(yè)業(yè)務(wù)流程的ERP、SAP等管理信息系統(tǒng)實(shí)現(xiàn)相關(guān)的信息實(shí)時(shí)收集和整理工作，收集到的資料更貼近企業(yè)的實(shí)際業(yè)務(wù)。外部數(shù)據(jù)包括來(lái)自政府的經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)，同一行業(yè)的其他企業(yè)的財(cái)務(wù)報(bào)表，以及銀行的信用、融資等數(shù)據(jù)等。比如，可以利用XBRL技術(shù)將同行業(yè)其他上市企業(yè)的財(cái)務(wù)報(bào)表轉(zhuǎn)化為統(tǒng)一格式的XBRL文檔，以便在后續(xù)的診斷中實(shí)現(xiàn)快速的查詢、統(tǒng)計(jì)和分析。大數(shù)據(jù)的出現(xiàn)能夠以較低成本及時(shí)獲取寬區(qū)域、跨系統(tǒng)的相關(guān)數(shù)據(jù)，并提高了相關(guān)財(cái)務(wù)數(shù)據(jù)的實(shí)時(shí)性，保證了數(shù)據(jù)庫(kù)中財(cái)務(wù)數(shù)據(jù)的規(guī)模。

2.2 非財(cái)務(wù)數(shù)據(jù)及歷史資料的收集

構(gòu)建數(shù)據(jù)庫(kù)的第二環(huán)節(jié)主要涉及宏觀經(jīng)濟(jì)環(huán)境、行業(yè)背景、企業(yè)經(jīng)營(yíng)等半結(jié)構(gòu)甚至非結(jié)構(gòu)化的非財(cái)務(wù)數(shù)據(jù)收集處理方面。相關(guān)的研究表明，目前采集到的數(shù)據(jù)75%以上是以文本、圖片、視頻等形式的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)[5]。數(shù)據(jù)的獲取難度限制了半結(jié)構(gòu)化和非結(jié)構(gòu)化的非財(cái)務(wù)信息在財(cái)務(wù)診斷方面運(yùn)用，相關(guān)變量難以量化后形成統(tǒng)一的標(biāo)準(zhǔn)，反映不出企業(yè)對(duì)某一非財(cái)務(wù)指標(biāo)敏感程度。而與企業(yè)經(jīng)營(yíng)活動(dòng)相關(guān)的宏觀、中觀（行業(yè)）、微觀（企業(yè)內(nèi)部）等非財(cái)務(wù)數(shù)據(jù)多是以半結(jié)構(gòu)化或是非結(jié)構(gòu)化的形式存在，信息量大，維度廣，范圍寬。數(shù)據(jù)化是一個(gè)將現(xiàn)象轉(zhuǎn)變?yōu)榭梢灾票矸治龅牧炕问降倪^(guò)程，成為大數(shù)據(jù)時(shí)代發(fā)展的一個(gè)趨勢(shì)[6]。經(jīng)過(guò)數(shù)據(jù)化的半結(jié)構(gòu)和非結(jié)構(gòu)化的資料不僅能夠存儲(chǔ)、查詢、閱讀，還可以對(duì)量化后的信息進(jìn)行機(jī)器處理和機(jī)器分析。在診斷過(guò)程中，由診斷專(zhuān)家采用德?tīng)柗品ɑ虼蚍址ǘx對(duì)于診斷相關(guān)的關(guān)鍵詞，運(yùn)用聚焦網(wǎng)絡(luò)爬蟲(chóng)在龐大的互聯(lián)網(wǎng)數(shù)據(jù)資源中對(duì)定義的關(guān)鍵詞信息進(jìn)行收集，將收集到與企業(yè)經(jīng)營(yíng)環(huán)境相關(guān)的半結(jié)構(gòu)化和非結(jié)構(gòu)化信息進(jìn)行量化，用于后續(xù)診斷的挖掘分析。

同時(shí)，還可以將以往的財(cái)務(wù)診斷項(xiàng)目的歷史資料，診斷方案實(shí)施效果的相關(guān)數(shù)據(jù)存入診斷數(shù)據(jù)庫(kù)中，為后續(xù)項(xiàng)目的開(kāi)展提供一些經(jīng)驗(yàn)和參考。

2.3 財(cái)務(wù)診斷基礎(chǔ)數(shù)據(jù)庫(kù)的建立

大數(shù)據(jù)復(fù)雜程度高、數(shù)據(jù)量大等特點(diǎn)要求建立的財(cái)務(wù)診斷數(shù)據(jù)庫(kù)具備設(shè)計(jì)簡(jiǎn)單而高效的索引結(jié)構(gòu)。借鑒典型數(shù)據(jù)倉(cāng)庫(kù)的模式來(lái)構(gòu)建財(cái)務(wù)診斷數(shù)據(jù)庫(kù)[7]。財(cái)務(wù)診斷數(shù)據(jù)庫(kù)基本構(gòu)架如圖3所示。

運(yùn)用相關(guān)的大數(shù)據(jù)處理工具將對(duì)來(lái)自企業(yè)內(nèi)部和互聯(lián)網(wǎng)分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)抓取到臨時(shí)中間層，進(jìn)行初步識(shí)別、轉(zhuǎn)換、集成等初步處理，通過(guò)數(shù)據(jù)清洗剔除掉缺失、異常的數(shù)據(jù)。將符合數(shù)據(jù)質(zhì)量要求的數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)倉(cāng)庫(kù)中，并按照財(cái)務(wù)數(shù)據(jù)、非財(cái)務(wù)數(shù)據(jù)、歷史診斷數(shù)據(jù)進(jìn)行分類(lèi)而形成對(duì)應(yīng)的數(shù)據(jù)集市，借助OLAP（聯(lián)機(jī)分析處理）實(shí)現(xiàn)數(shù)據(jù)查詢、表報(bào)呈現(xiàn)、OLAP分析等功能，實(shí)現(xiàn)財(cái)務(wù)診斷數(shù)據(jù)庫(kù)的建立。

3 基于大數(shù)據(jù)的分析診斷

大數(shù)據(jù)對(duì)財(cái)務(wù)診斷能否起到所期待的作用，關(guān)鍵在于是否能夠在龐大繁雜的數(shù)據(jù)中挖掘和分析出對(duì)財(cái)務(wù)診斷項(xiàng)目有價(jià)值的內(nèi)容。如圖2 所示，基于大數(shù)據(jù)的分析診斷模塊包含以下三個(gè)環(huán)節(jié)，在這三個(gè)環(huán)節(jié)中可適當(dāng)應(yīng)用數(shù)據(jù)挖掘技術(shù)，以減少繁雜的人工操作，提高財(cái)務(wù)診斷效率，同時(shí)優(yōu)化了財(cái)務(wù)診斷的流程，使財(cái)務(wù)診斷過(guò)程更具邏輯操作性，得出更具客觀性和科學(xué)性的財(cái)務(wù)診斷結(jié)果。

3.1 分析財(cái)務(wù)指標(biāo)尋找關(guān)鍵因素

在分析診斷環(huán)節(jié)，針對(duì)企業(yè)財(cái)務(wù)管理方面出現(xiàn)的問(wèn)題，提取診斷數(shù)據(jù)庫(kù)中的企業(yè)財(cái)務(wù)數(shù)據(jù)，運(yùn)用主成分分析或因子分析等方法對(duì)財(cái)務(wù)診斷數(shù)據(jù)庫(kù)中的企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行對(duì)應(yīng)的指標(biāo)分解，以確定各個(gè)指標(biāo)的敏感程度，對(duì)比企業(yè)歷史數(shù)據(jù)及同行業(yè)先進(jìn)企業(yè)數(shù)據(jù)，尋找出現(xiàn)財(cái)務(wù)問(wèn)題的關(guān)鍵因素。例如，當(dāng)企業(yè)利潤(rùn)出現(xiàn)持續(xù)下降的趨勢(shì)時(shí)，將利潤(rùn)的構(gòu)成要素進(jìn)行相應(yīng)的分解，確定產(chǎn)品滯銷(xiāo)、產(chǎn)品毛利率降低或者期間費(fèi)用過(guò)快增長(zhǎng)等因素分別對(duì)利潤(rùn)下降的影響大小，找出導(dǎo)致利潤(rùn)減少的2至3個(gè)主要因素。在此基礎(chǔ)上通過(guò)大數(shù)據(jù)對(duì)相關(guān)財(cái)務(wù)指標(biāo)進(jìn)行相應(yīng)的趨勢(shì)預(yù)測(cè)，結(jié)合趨勢(shì)分析、比率分析方法對(duì)暴露出的財(cái)務(wù)問(wèn)題的關(guān)鍵因素進(jìn)行驗(yàn)證，同時(shí)檢查是否存在未顯現(xiàn)的危機(jī)，進(jìn)而起到一個(gè)財(cái)務(wù)預(yù)警的作用。在確定企業(yè)財(cái)務(wù)問(wèn)題關(guān)鍵因素的過(guò)程中，由于利用大數(shù)據(jù)收集的財(cái)務(wù)數(shù)據(jù)規(guī)模更接近總體數(shù)據(jù)，在此基礎(chǔ)上的分析結(jié)果降低了因樣本數(shù)據(jù)規(guī)模小而導(dǎo)致分析出現(xiàn)差錯(cuò)的比率，因此選出的財(cái)務(wù)指標(biāo)更有代表性，對(duì)實(shí)際情況的描述更加貼近。

3.2 確定財(cái)務(wù)診斷主題

財(cái)務(wù)診斷主題是施診專(zhuān)家以自身知識(shí)和經(jīng)驗(yàn)去評(píng)價(jià)關(guān)鍵因素的挖掘結(jié)果，結(jié)合受診企業(yè)的意愿，決定了施診的方向和性質(zhì)。診斷主題的確定應(yīng)以受診企業(yè)的委托主題為出發(fā)點(diǎn)，施診專(zhuān)家和受診企業(yè)管理層分別評(píng)價(jià)挖掘出的關(guān)鍵因素之后進(jìn)行溝通。繼而由施診專(zhuān)家結(jié)合豐富的診斷經(jīng)驗(yàn)充分發(fā)揮主觀能動(dòng)性運(yùn)用打分法、SWOT分析等方法，確定財(cái)務(wù)診斷的主題，為提出改進(jìn)方案提供方向。值得注意的是，在選擇診斷主題時(shí)，應(yīng)該對(duì)不同的主題的價(jià)值進(jìn)行評(píng)估，選擇對(duì)受診企業(yè)效用最大的主題。大數(shù)據(jù)幫助建立完善的企業(yè)信息體系，讓施診專(zhuān)家在全面了解企業(yè)信息的情況下，準(zhǔn)確把握財(cái)務(wù)診斷主題的脈絡(luò)，避免了因?yàn)樾畔⒉粚?duì)稱(chēng)導(dǎo)致診斷主題選擇的偏差。

3.3 探尋有效的改進(jìn)措施

診斷的意義不僅僅為了發(fā)現(xiàn)問(wèn)題，更關(guān)鍵的是去解決問(wèn)題。大數(shù)據(jù)技術(shù)的發(fā)展，有助于將對(duì)企業(yè)所處的經(jīng)營(yíng)環(huán)境等非財(cái)務(wù)信息進(jìn)行量化，添加到診斷分析的環(huán)節(jié)中。將企業(yè)的財(cái)務(wù)狀況、問(wèn)題與相關(guān)經(jīng)營(yíng)環(huán)境數(shù)據(jù)進(jìn)行聚類(lèi)分析、關(guān)聯(lián)分析，以期發(fā)現(xiàn)一些以前未注意的聯(lián)系和規(guī)律。利用數(shù)據(jù)的關(guān)聯(lián)性進(jìn)行未來(lái)發(fā)展趨勢(shì)的預(yù)測(cè)，結(jié)合傳統(tǒng)的財(cái)務(wù)管理價(jià)值創(chuàng)造理論、企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)理論探尋解決財(cái)務(wù)困境的措施。

將大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)挖掘分析相結(jié)合，能夠洞察到一些新的規(guī)律和價(jià)值，大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)都是可供分析的數(shù)據(jù)整體戰(zhàn)略的組成部分。將大數(shù)據(jù)和一些成熟的財(cái)務(wù)理論分析模型相結(jié)合，才能更好地發(fā)現(xiàn)問(wèn)題，并了解癥結(jié)所在，最后才能對(duì)癥下藥。

4 基于大數(shù)據(jù)預(yù)測(cè)的診斷方案生成

財(cái)務(wù)診斷的最終目的是通過(guò)發(fā)現(xiàn)并解決企業(yè)經(jīng)營(yíng)過(guò)程中出現(xiàn)的財(cái)務(wù)問(wèn)題，從而提高企業(yè)的價(jià)值，簡(jiǎn)單來(lái)說(shuō)，財(cái)務(wù)診斷的價(jià)值體現(xiàn)在為受診企業(yè)提出診斷改進(jìn)方案的價(jià)值提升上。

在診斷方案生成模塊中，專(zhuān)家診斷與最終的施診方案生成就相當(dāng)于在整個(gè)財(cái)務(wù)診斷過(guò)程中對(duì)問(wèn)題的定性分析及決策。因此在這一部分，應(yīng)將重點(diǎn)放在大數(shù)據(jù)環(huán)境下如何進(jìn)行決策。

4.1 預(yù)測(cè)企業(yè)未來(lái)的經(jīng)營(yíng)環(huán)境

大數(shù)據(jù)在預(yù)測(cè)方面具有重要的作用。根據(jù)宏觀經(jīng)濟(jì)背景、政策環(huán)境以及行業(yè)發(fā)展?fàn)顩r等外部影響，結(jié)合企業(yè)自身的產(chǎn)品結(jié)構(gòu)、研發(fā)能力、人才儲(chǔ)備及資本結(jié)構(gòu)等內(nèi)部因素，運(yùn)用相關(guān)的數(shù)據(jù)統(tǒng)計(jì)和分析技術(shù)，可預(yù)測(cè)企業(yè)未來(lái)面臨的經(jīng)營(yíng)環(huán)境。由施診專(zhuān)家將受診企業(yè)的業(yè)務(wù)和盈利模式與預(yù)測(cè)的未來(lái)發(fā)展趨勢(shì)進(jìn)行分析研究，從整體上把握企業(yè)的發(fā)展路徑和長(zhǎng)遠(yuǎn)戰(zhàn)略，據(jù)此確定改進(jìn)方案的方向和期望效果。

4.2 形成診斷方案

在整體把握診斷方案的環(huán)境因素的基礎(chǔ)上，進(jìn)一步確定診斷方案中具體的改進(jìn)建議。具體改進(jìn)措施的決策可以分為兩個(gè)部分。

第一，發(fā)現(xiàn)企業(yè)在財(cái)務(wù)管理方面存在的問(wèn)題并給出改進(jìn)建議。施診專(zhuān)家應(yīng)將診斷過(guò)程中識(shí)別出的財(cái)務(wù)問(wèn)題與受診企業(yè)管理層進(jìn)行溝通，提出具有針對(duì)性的備選糾錯(cuò)措施，與管理層探討具體措施的有效性和可行性。施診專(zhuān)家綜合管理層的意見(jiàn)之后，可以運(yùn)用線性規(guī)劃、運(yùn)籌學(xué)等方法在備選的改進(jìn)措施中選擇能夠?qū)崿F(xiàn)受診企業(yè)效用最大化的改進(jìn)措施作為診斷建議。

第二，企業(yè)是向前發(fā)展的，財(cái)務(wù)診斷的價(jià)值不能僅僅停留在對(duì)過(guò)去問(wèn)題的糾正，還可以對(duì)企業(yè)未來(lái)的發(fā)展提供一些建議。將大數(shù)據(jù)及其技術(shù)引入財(cái)務(wù)診斷中，可利用大數(shù)據(jù)預(yù)測(cè)的結(jié)果建議企業(yè)對(duì)未來(lái)的發(fā)展做出提前的安排和準(zhǔn)備。例如根據(jù)宏觀環(huán)境政策、企業(yè)經(jīng)營(yíng)需求，對(duì)相關(guān)財(cái)務(wù)指標(biāo)進(jìn)行趨勢(shì)分析，預(yù)測(cè)企業(yè)的經(jīng)營(yíng)活動(dòng)、投資活動(dòng)、籌資活動(dòng)的資金需求量，在診斷改進(jìn)方案中納入企業(yè)現(xiàn)金流的考慮中。診斷方案的生成是一個(gè)決策的過(guò)程，需要重視企業(yè)的盈利模式和長(zhǎng)遠(yuǎn)的發(fā)展戰(zhàn)略。 4.3 財(cái)務(wù)診斷方案呈現(xiàn)

對(duì)于診斷方案的展示和解釋也非常重要，可以通過(guò)引入可視化技術(shù)對(duì)結(jié)果進(jìn)行分析，用形象的方式向用戶展示使其更易理解和接受。財(cái)務(wù)診斷是一種咨詢性質(zhì)的服務(wù)，客戶或許并不能了解在診斷過(guò)程中那些技術(shù)性極強(qiáng)的分析過(guò)程，但最終的診斷成果要能夠讓客戶明白并認(rèn)可。

5 結(jié) 語(yǔ)

大數(shù)據(jù)背景下的財(cái)務(wù)診斷，改變了過(guò)去財(cái)務(wù)診斷中過(guò)多依賴財(cái)務(wù)數(shù)據(jù)進(jìn)行診斷的格局。利用大數(shù)據(jù)的優(yōu)勢(shì)對(duì)受診企業(yè)所處的宏觀經(jīng)濟(jì)、行業(yè)狀況、企業(yè)內(nèi)部環(huán)境等因素進(jìn)行定性與定量的結(jié)合分析。將大數(shù)據(jù)及其技術(shù)融入財(cái)務(wù)診斷的功能模塊，貫穿整個(gè)診斷流程，借助專(zhuān)家的知識(shí)和經(jīng)驗(yàn)發(fā)現(xiàn)企業(yè)財(cái)務(wù)管理過(guò)程中暴露出的問(wèn)題或者缺陷。結(jié)合大數(shù)據(jù)預(yù)測(cè)企業(yè)未來(lái)的經(jīng)營(yíng)環(huán)境和發(fā)展趨勢(shì)，給出具有一定前瞻性的診斷方案。

主要參考文獻(xiàn)

[1]瞿曉龍. 構(gòu)建基于XBRL的財(cái)務(wù)診斷體系[J]. 會(huì)計(jì)之友，2007（9）：40-42.

[2]張東， 亓開(kāi)元， 蘇志遠(yuǎn)，等. 大數(shù)據(jù)平臺(tái)和產(chǎn)品標(biāo)準(zhǔn)化建設(shè)研究[J]. 信息技術(shù)與標(biāo)準(zhǔn)化，2015（7）：18-22.

[3]梁戈夫， 龐大蓮. 人-機(jī)分工下的財(cái)務(wù)咨詢方案生成的施診流程及方法體系布局[J]. 廣西大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2013（6）：39-44.

[4]張高勝. 大數(shù)據(jù)時(shí)代財(cái)務(wù)預(yù)測(cè)的變革探索[J]. 商業(yè)會(huì)計(jì)， 2016（6）：14-16.

[5]馬建光， 姜巍. 大數(shù)據(jù)的概念、特征及其應(yīng)用[J]. 國(guó)防科技， 2013（2）：10-17.

[6]楊會(huì)榮. 大數(shù)據(jù)思維與企業(yè)競(jìng)爭(zhēng)情報(bào)變革[J]. 競(jìng)爭(zhēng)情報(bào)， 2015（3）：20-23.

[7]李艷玲. 大數(shù)據(jù)環(huán)境下的技術(shù)變革與管理創(chuàng)新[J]. 控制工程， 2014（z1）：142-145.