朱有婧

江蘇舜天國際集團(tuán)有限公司成立于1996年，主營進(jìn)出口和國內(nèi)貿(mào)易及國際招標(biāo)、生產(chǎn)、倉儲(chǔ)和實(shí)物租賃等業(yè)務(wù)，是集技工貿(mào)于一體的省屬國有外貿(mào)集團(tuán)。面對(duì)國內(nèi)外復(fù)雜嚴(yán)峻的經(jīng)營環(huán)境，舜天國際集團(tuán)始終將財(cái)務(wù)管理放在集團(tuán)管控的核心位置，推動(dòng)構(gòu)建風(fēng)險(xiǎn)防范文化。集團(tuán)高度注重財(cái)會(huì)隊(duì)伍建設(shè)，專門成立集團(tuán)層面的理論研究小組，組織財(cái)會(huì)人員進(jìn)行理論研究，以理論促實(shí)踐，促進(jìn)財(cái)會(huì)隊(duì)伍提檔升級(jí)，將實(shí)踐經(jīng)驗(yàn)轉(zhuǎn)化為理論成果。在全國及江蘇省商務(wù)系統(tǒng)財(cái)會(huì)論文評(píng)選中多篇論文獲獎(jiǎng)，本刊特選登集團(tuán)財(cái)會(huì)人員撰寫的對(duì)商務(wù)財(cái)會(huì)工作實(shí)踐中新問題進(jìn)行分析和思考的文章，供轉(zhuǎn)型中的外貿(mào)企業(yè)財(cái)會(huì)同行借鑒參考。

【摘要】大數(shù)據(jù)一詞由來已久，如今人們一般用它來描述大量類型各異的數(shù)據(jù)。數(shù)據(jù)的爆炸性增長，對(duì)于企業(yè)未來發(fā)展的幫助變得越來越顯著，盡管許多企業(yè)可能還沒意識(shí)到數(shù)據(jù)的急速擴(kuò)張帶來的隱患，但是隨著大數(shù)據(jù)的蔓延，人們將會(huì)越來越需要數(shù)據(jù)、重視數(shù)據(jù)。如何在短期內(nèi)快速處理大量不同類型的數(shù)據(jù)，生成對(duì)決策有參考價(jià)值的有效信息，數(shù)據(jù)挖掘便應(yīng)運(yùn)而生。文章論述了大數(shù)據(jù)思維以及數(shù)據(jù)挖掘的背景與特征，以S企業(yè)為案例，運(yùn)用數(shù)據(jù)挖掘?qū)ψ詣?dòng)化財(cái)務(wù)分析，以及動(dòng)態(tài)監(jiān)控預(yù)警、風(fēng)險(xiǎn)評(píng)估方面的財(cái)務(wù)數(shù)據(jù)分析進(jìn)行了應(yīng)用探討。

【關(guān)鍵詞】大數(shù)據(jù)思維；財(cái)務(wù)數(shù)據(jù)

挖掘；數(shù)據(jù)分析

【中圖分類號(hào)】F275

一、大數(shù)據(jù)時(shí)代背景及特征

直到2009年，“大數(shù)據(jù)”的概念才逐漸在西方國家流行，引起了全世界的極大關(guān)注。“大數(shù)據(jù)”思維和技術(shù)開始進(jìn)入我們的工作和生活。

（一）總體性思維

自19世紀(jì)以來，研究社會(huì)現(xiàn)象的整體特征，收集數(shù)據(jù)的主要手段一直是抽樣方法，通過抽樣獲取數(shù)據(jù)對(duì)于無法訪問聚合數(shù)據(jù)的人來說是一種無助的選擇。

這是因?yàn)檫^去數(shù)據(jù)的記錄、儲(chǔ)存和分析手段較落后，難以搜集大量數(shù)據(jù)進(jìn)行儲(chǔ)存和分析。而現(xiàn)在人們可以通過各種算法分析數(shù)據(jù)，甚至可以分析與之相關(guān)的所有數(shù)據(jù)，而不只是依賴于抽樣分析，可以更全面地了解樣本中隱藏的細(xì)節(jié)或關(guān)鍵信息。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)采集、處理、存儲(chǔ)和分析技術(shù)的發(fā)展取得了重大突破，使我們能夠輕松、快速、動(dòng)態(tài)地獲取與研究對(duì)象相關(guān)的所有數(shù)據(jù)，我們的思維方式也從以前的樣本思維轉(zhuǎn)向整體思維，這使我們對(duì)整體的理解更加全面、立體和直觀。

（二）容錯(cuò)率思維

過去由于收集的信息不充分，來源又相對(duì)單一，因此有必要確保樣本數(shù)據(jù)盡可能結(jié)構(gòu)化和精細(xì)化。否則，分析出的結(jié)論就很可能會(huì)有所偏離，導(dǎo)致數(shù)據(jù)不準(zhǔn)確，從而將導(dǎo)致分析出的結(jié)果與實(shí)際情況相差甚遠(yuǎn)，因此人們十分注重?cái)?shù)據(jù)樣本的精確思維。然而，由于大數(shù)據(jù)技術(shù)的突破，可以存儲(chǔ)、處理、計(jì)算和分析大量不同類型的數(shù)據(jù)，這對(duì)傳統(tǒng)的精確思維提出了挑戰(zhàn)。當(dāng)今時(shí)代，我們的思維方式需要轉(zhuǎn)變，不能再完全是精確性思維，而應(yīng)該轉(zhuǎn)向容錯(cuò)性思維。精度的絕對(duì)性不再是我們追求的主要目標(biāo)，如果能適度忽略精確性，允許一定可控范圍之內(nèi)的錯(cuò)誤，反而能在宏觀層面上收獲更多的知識(shí)信息。

（三）相關(guān)性思維

在過去，人們常常堅(jiān)持這種現(xiàn)象隱含的因果關(guān)系，試圖根據(jù)有限的樣本數(shù)據(jù)來分析事物的內(nèi)部關(guān)系。但是，有限的樣本數(shù)據(jù)并不能反映事物之間的普遍聯(lián)系。大數(shù)據(jù)時(shí)代，使用數(shù)據(jù)挖掘技術(shù)發(fā)掘和分析各個(gè)事物間的隱藏關(guān)系，幫助我們捕捉現(xiàn)狀并預(yù)測(cè)未來。通過關(guān)注線性關(guān)系和復(fù)雜的非線性關(guān)系，可以幫助人們看到許多以前從未發(fā)現(xiàn)的數(shù)據(jù)聯(lián)系，使我們發(fā)現(xiàn)了解這個(gè)世界更好的視角（圖1）。

二、數(shù)據(jù)挖掘的定義及特征

（一）數(shù)據(jù)挖掘的背景及挑戰(zhàn)

在過去十幾年的時(shí)間里，人們使用信息技術(shù)生成和收集數(shù)據(jù)的能力急劇增加，這一勢(shì)頭仍將持續(xù)發(fā)展下去。于是，出現(xiàn)了一個(gè)新的挑戰(zhàn)：在這個(gè)信息爆炸的時(shí)代，信息的高度過載幾乎是每個(gè)人將要面對(duì)的問題。在廣闊的信息海洋中，我們需要及時(shí)發(fā)現(xiàn)有用的信息，并有效提高其利用率。為了使數(shù)據(jù)能夠真正成為一個(gè)企業(yè)的可用資源，就要充分利用它來幫助企業(yè)進(jìn)行業(yè)務(wù)決策，同時(shí)服務(wù)于企業(yè)的戰(zhàn)略性發(fā)展，否則這些數(shù)據(jù)很可能會(huì)成為企業(yè)的負(fù)擔(dān)，甚至變成垃圾數(shù)據(jù)。因此，面對(duì)這種種的挑戰(zhàn)，數(shù)據(jù)挖掘技術(shù)得以產(chǎn)生并蓬勃發(fā)展，其強(qiáng)大的生命力標(biāo)志著它在現(xiàn)今時(shí)代的重要性越來越顯著。

（二）數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘通?？衫斫鉃閿?shù)據(jù)勘探，是指從大型、模糊、不完整和有噪聲的算法中搜索隱藏在其中的潛在有效信息的過程（圖2）。大數(shù)據(jù)時(shí)代的來臨，使得數(shù)據(jù)挖掘的研究領(lǐng)域也越來越深入和廣泛。

（三）數(shù)據(jù)挖掘的特征

一是數(shù)據(jù)的來源是龐大、豐富、有效、內(nèi)容真實(shí)和不確定的；二是提取的數(shù)據(jù)內(nèi)容是為了滿足用戶的需求，是用戶重點(diǎn)需要關(guān)注的對(duì)象；三是數(shù)據(jù)挖掘的結(jié)果在特定的領(lǐng)域有一定的商業(yè)價(jià)值，通常是相對(duì)的；四是用戶可以理解、描述和使用挖掘出的內(nèi)容。

三、案例分析

外貿(mào)企業(yè)S主要從事進(jìn)出口貿(mào)易，進(jìn)出口產(chǎn)品包括：成套設(shè)備、機(jī)電產(chǎn)品、化工原料、木材和輕工、工藝品、工農(nóng)業(yè)設(shè)備等。自ERP系統(tǒng)上線以來，制作業(yè)務(wù)合同11 074個(gè)、申請(qǐng)客商6 453個(gè)、收款17 330筆、付款51 177筆、收付金額合計(jì)超過180億元，建成承接業(yè)務(wù)數(shù)據(jù)的財(cái)務(wù)自動(dòng)憑證模板112個(gè)，生成會(huì)計(jì)憑證8.55萬份，新增會(huì)計(jì)記錄81.87萬條，自動(dòng)化憑證率已穩(wěn)定在90%以上，業(yè)財(cái)一體的信息化建設(shè)目標(biāo)已經(jīng)初步實(shí)現(xiàn)，ERP系統(tǒng)在內(nèi)部控制、業(yè)務(wù)管理、風(fēng)險(xiǎn)防范和財(cái)務(wù)管理等方面取得了立竿見影的效果。S企業(yè)基于業(yè)財(cái)數(shù)據(jù)，建立了財(cái)務(wù)分析自動(dòng)化、財(cái)務(wù)預(yù)警平臺(tái)、財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估平臺(tái)等模塊，以下進(jìn)行案例分析探討。

（一）財(cái)務(wù)數(shù)據(jù)分析存在的問題

1.海量數(shù)據(jù)缺乏準(zhǔn)確性

S企業(yè)數(shù)據(jù)量巨大，從海量數(shù)據(jù)中查找有用信息不僅需要實(shí)時(shí)收集、組織和存儲(chǔ)數(shù)據(jù)分析，還需要提取出有利于企業(yè)決策的信息數(shù)據(jù)。對(duì)于S公司和所有企業(yè)來說，識(shí)別這些數(shù)據(jù)是一個(gè)巨大的挑戰(zhàn)。如果不能準(zhǔn)確篩選和識(shí)別數(shù)據(jù)，企業(yè)將難以獲得有價(jià)值的信息，數(shù)據(jù)垃圾越來越多，帶來的將是“大數(shù)據(jù)災(zāi)難”。S企業(yè)在建設(shè)客戶評(píng)審、財(cái)務(wù)分析等模塊過程中，發(fā)現(xiàn)數(shù)據(jù)冗余繁多，傳統(tǒng)思維模式的分析方式已經(jīng)不適用。

2.數(shù)據(jù)分析缺乏科學(xué)性

企業(yè)面臨的市場環(huán)境變得越來越復(fù)雜，特別是“線上+線下”的商業(yè)模式，使得企業(yè)財(cái)務(wù)數(shù)據(jù)呈指數(shù)級(jí)增長。在獲取數(shù)據(jù)時(shí)，通過數(shù)據(jù)分析，得出的結(jié)論往往帶有指向性，主要是由于來源數(shù)據(jù)未必會(huì)全面客觀，很多數(shù)據(jù)可能已被提供者事先處理。因此，即使數(shù)據(jù)本身沒有錯(cuò)，但數(shù)據(jù)分析的過程不一定正確，比如對(duì)一些信息斷章取義，那么分析出的結(jié)論有可能與事實(shí)大相徑庭。

3.數(shù)據(jù)分析持續(xù)滯后性

S企業(yè)經(jīng)營中面臨的情況不斷變化，以該企業(yè)財(cái)務(wù)分析的編制為例，從經(jīng)營實(shí)際到生成財(cái)務(wù)報(bào)告，不僅要經(jīng)過一個(gè)會(huì)計(jì)系統(tǒng)的加工，更需要一個(gè)生成周期。因此，根據(jù)財(cái)務(wù)報(bào)告計(jì)算出來的財(cái)務(wù)指標(biāo)天然是滯后的，并且財(cái)務(wù)分析中羅列的各種數(shù)據(jù)需要經(jīng)過不同的分析算法，如果沒有數(shù)據(jù)的自動(dòng)分析，工作量將很大，制作周期也會(huì)很長，更容易造成財(cái)務(wù)分析的持續(xù)滯后。

（二）建立大數(shù)據(jù)思維挖掘模式

1.各類數(shù)據(jù)交互整合

S企業(yè)財(cái)務(wù)數(shù)據(jù)里包含企業(yè)各種經(jīng)營數(shù)據(jù)，財(cái)務(wù)分析很大程度上早已超出了以前資金管理、成本控制的范疇。這些財(cái)務(wù)數(shù)據(jù)龐大而繁瑣，如果不能整合，不能相互關(guān)聯(lián)，將會(huì)影響S企業(yè)的經(jīng)營管理和價(jià)值數(shù)據(jù)的挖掘。因此，如何對(duì)現(xiàn)有ERP系統(tǒng)中的數(shù)據(jù)進(jìn)行科學(xué)分類整理是重要的第一步。根據(jù)S企業(yè)的管理精細(xì)度可以從不同用途將數(shù)據(jù)分為預(yù)算、戰(zhàn)略、核算、稅務(wù)、資金管理、績效考核等幾部分進(jìn)行數(shù)據(jù)提取，建立模型、數(shù)據(jù)驗(yàn)證等，真正將財(cái)務(wù)部門轉(zhuǎn)型為財(cái)務(wù)管理部門。目前，S企業(yè)各部門和各業(yè)務(wù)公司形成的“信息孤島”已經(jīng)被打破，業(yè)財(cái)一體化打破了傳統(tǒng)的財(cái)務(wù)管理界限。

2.海量數(shù)據(jù)“提純”

大數(shù)據(jù)的本質(zhì)是還原用戶的實(shí)際需求，因此在使用大數(shù)據(jù)思維技術(shù)分析財(cái)務(wù)數(shù)據(jù)時(shí)，應(yīng)該找出這些數(shù)據(jù)背后的真實(shí)關(guān)系，并恢復(fù)數(shù)據(jù)的真實(shí)面貌。將海量數(shù)據(jù)進(jìn)行“提純”，這是數(shù)據(jù)挖掘中至關(guān)重要的步驟。現(xiàn)今，S企業(yè)可以通過各種渠道獲取所需要的數(shù)據(jù)信息，但信息的真實(shí)性和時(shí)效性并不能得到保證，在會(huì)計(jì)工作中，數(shù)據(jù)挖掘可用于查找數(shù)據(jù)背后的真實(shí)隱藏價(jià)值，以確保數(shù)據(jù)的有效性和合理性。

3.挖掘財(cái)務(wù)數(shù)據(jù)本質(zhì)

根據(jù)業(yè)務(wù)特點(diǎn)，應(yīng)用大數(shù)據(jù)知識(shí)和數(shù)據(jù)挖掘技術(shù)，探索財(cái)務(wù)數(shù)據(jù)的本質(zhì)。在企業(yè)的經(jīng)濟(jì)業(yè)務(wù)中有些數(shù)據(jù)并沒有真實(shí)反映業(yè)務(wù)情況，這就需要會(huì)計(jì)人員根據(jù)企業(yè)的業(yè)務(wù)特點(diǎn)具體分析財(cái)務(wù)數(shù)據(jù)，用生產(chǎn)數(shù)據(jù)倒推財(cái)務(wù)數(shù)據(jù)，找出真實(shí)聯(lián)系。比如，若原材料占比較大，我們就可以根據(jù)企業(yè)購買原材料的數(shù)據(jù)來分析該企業(yè)的生產(chǎn)情況，從而推測(cè)該企業(yè)的經(jīng)濟(jì)效益；若對(duì)電力需求非常大，我們就可以根據(jù)企業(yè)的車間月用電量來推測(cè)企業(yè)的生產(chǎn)情況，例如財(cái)務(wù)數(shù)據(jù)顯示企業(yè)生產(chǎn)狀況很好，但企業(yè)的用電量卻減少了，說明數(shù)據(jù)是有問題的。會(huì)計(jì)人員在分析數(shù)據(jù)時(shí)就要了解本企業(yè)的經(jīng)營情況，根據(jù)業(yè)務(wù)特點(diǎn)和業(yè)務(wù)數(shù)據(jù)清理虛假數(shù)據(jù)、挖掘數(shù)據(jù)本質(zhì)。

（三）建立數(shù)據(jù)挖掘應(yīng)用模型

如今，數(shù)據(jù)挖掘方法層出不窮，在財(cái)務(wù)領(lǐng)域應(yīng)用較多的有幾種分析模型，分別是統(tǒng)計(jì)分析、決策樹分析、聚類分析、關(guān)聯(lián)規(guī)則、人工神經(jīng)網(wǎng)絡(luò)等。本文僅關(guān)注S企業(yè)目前應(yīng)用的分析模型，如下：

1.統(tǒng)計(jì)分析模型

統(tǒng)計(jì)分析模型是數(shù)據(jù)挖掘中最基礎(chǔ)的分析模型，在許多分析模型中都有統(tǒng)計(jì)分析的身影，并且以統(tǒng)計(jì)分析為基石。例如，在聚類模型算法中，使用了統(tǒng)計(jì)分析的平均值計(jì)算方法，在關(guān)聯(lián)算法中使用了統(tǒng)計(jì)分析的置信區(qū)間作為基礎(chǔ)。S企業(yè)銷售決策中對(duì)于客戶價(jià)值細(xì)分方面，在客戶評(píng)級(jí)模塊中，通過辨別分析法根據(jù)一個(gè)閾值來判斷客戶具有的價(jià)值究竟屬于哪個(gè)區(qū)間；使用回歸建模來預(yù)測(cè)財(cái)務(wù)數(shù)據(jù)的潛在價(jià)值，有助于管理者進(jìn)行決策。

2.決策樹模型

決策樹是對(duì)海量數(shù)據(jù)進(jìn)行整理歸類，通過剪枝的方法剔除無關(guān)數(shù)據(jù)，根據(jù)分析數(shù)據(jù)后的結(jié)論達(dá)到預(yù)測(cè)目的。通過先設(shè)定歸納值的集合形成決策樹，若此決策樹未能對(duì)全部數(shù)據(jù)對(duì)象給出準(zhǔn)確的劃分，采取重復(fù)訓(xùn)練的方法，依據(jù)這些數(shù)據(jù)繼續(xù)提取新的數(shù)據(jù)集，重復(fù)放到原始數(shù)據(jù)集中，并重復(fù)循環(huán)此過程直至所有訓(xùn)練數(shù)據(jù)精確歸納處理，S企業(yè)將決策樹分析算法運(yùn)用在財(cái)務(wù)人員日常工作考核模塊中。

3.關(guān)聯(lián)規(guī)則模型

如今，在數(shù)據(jù)挖掘和分析中廣泛應(yīng)用了關(guān)聯(lián)規(guī)則的方法，關(guān)聯(lián)規(guī)則分析的是數(shù)據(jù)因果關(guān)系之外的自身關(guān)聯(lián)性，從數(shù)據(jù)反映出的事實(shí)出發(fā)，挖掘出具有決策意義的結(jié)論。也就是說，如果兩個(gè)或者多個(gè)事物的屬性間存在某種關(guān)聯(lián)，則可以通過依賴其他不同種類的屬性值來預(yù)測(cè)當(dāng)中一個(gè)的屬性。

（四）財(cái)務(wù)數(shù)據(jù)挖掘的實(shí)現(xiàn)機(jī)制

如今財(cái)務(wù)數(shù)據(jù)分析的理論基礎(chǔ)已經(jīng)非常成熟，但由于受到經(jīng)濟(jì)和社會(huì)環(huán)境的影響，對(duì)財(cái)務(wù)數(shù)據(jù)分析的發(fā)展有了更高的要求。在這個(gè)信息爆炸的時(shí)代，信息即資產(chǎn)，企業(yè)需要從龐大的財(cái)務(wù)數(shù)據(jù)中通過關(guān)聯(lián)規(guī)則發(fā)掘出有潛在價(jià)值的信息，為管理者提供可靠的決策支持，實(shí)現(xiàn)過程見圖3。

1.數(shù)據(jù)全面預(yù)處理

S企業(yè)ERP系統(tǒng)中財(cái)務(wù)的初始數(shù)據(jù)并不是完全無噪聲的、精準(zhǔn)的，需要對(duì)初始數(shù)據(jù)進(jìn)行清理。噪聲數(shù)據(jù)的處理是最典型的，并且可以通過分箱、聚類、回歸等來完成清理。例如枚舉型的數(shù)據(jù)如賬務(wù)類型、記賬部門、業(yè)務(wù)組屬性等，如果出現(xiàn)枚舉以外的結(jié)果，則應(yīng)作為噪聲數(shù)據(jù)過濾。可能出現(xiàn)空值的地方有很多，主要是由于收集數(shù)據(jù)的時(shí)候缺少樣本信息。有很多方法可以處理空值，例如最大頻率填充、平均數(shù)值填充、隨機(jī)數(shù)填充等。但是，填充空值必須根據(jù)實(shí)際業(yè)務(wù)情況和變量本身的特征進(jìn)行處理，不能隨意填寫。

通常在嚴(yán)格把關(guān)財(cái)務(wù)數(shù)據(jù)生成過程情況下不會(huì)出現(xiàn)很不符常理的噪聲數(shù)據(jù)，但是在財(cái)務(wù)分析數(shù)據(jù)抓取時(shí)，為了能盡量考慮最大可能性，需要對(duì)數(shù)據(jù)進(jìn)行全面預(yù)處理，保證抓取數(shù)據(jù)的準(zhǔn)確性。

2.自動(dòng)化財(cái)務(wù)分析

S企業(yè)已實(shí)現(xiàn)自動(dòng)化財(cái)務(wù)分析，運(yùn)用了關(guān)聯(lián)規(guī)則中的交互挖掘算法，并通過接口實(shí)現(xiàn)了從ERP系統(tǒng)中自動(dòng)生成財(cái)務(wù)分析文檔。

（1）數(shù)據(jù)定向指標(biāo)分析

S企業(yè)對(duì)財(cái)務(wù)數(shù)據(jù)指標(biāo)的分析，延續(xù)了傳統(tǒng)財(cái)務(wù)數(shù)據(jù)分析的概念和計(jì)算公式。財(cái)務(wù)分析的重點(diǎn)在于指標(biāo)體系的確立，常規(guī)包括圖4分析層次樹的各項(xiàng)指標(biāo)，并根據(jù)這些指標(biāo)的確定，建立了各種分析查詢，如經(jīng)營指標(biāo)完成情況、營業(yè)收入情況、營業(yè)成本及毛利情況、資產(chǎn)情況、負(fù)債及凈資產(chǎn)情況等。定向指標(biāo)的分析方式根據(jù)企業(yè)的經(jīng)營管理模式來展開，在設(shè)置指標(biāo)時(shí)需要注意的是：

a.指標(biāo)要素齊全適當(dāng)。在財(cái)務(wù)數(shù)據(jù)分析之初，指標(biāo)不能隨意確立，指標(biāo)要素應(yīng)齊全，要求所設(shè)置的財(cái)務(wù)指標(biāo)能夠體現(xiàn)企業(yè)的盈利能力、經(jīng)營能力以及償債能力等諸多方面的總體情況。

b.主輔指標(biāo)功能協(xié)調(diào)匹配。在建立分析指標(biāo)的過程中，首先要弄清楚整體結(jié)構(gòu)中指標(biāo)的主要和輔助狀態(tài)；其次，不同類別的主要評(píng)估指標(biāo)應(yīng)從不同方面和層面反映公司的業(yè)務(wù)狀況和財(cái)務(wù)狀況，揭示企業(yè)管理的實(shí)際表現(xiàn)。

c.滿足多方面財(cái)務(wù)信息的需求，并為企業(yè)管理者提供多層次、多角度的信息，是設(shè)置財(cái)務(wù)分析指標(biāo)的最終目的。財(cái)務(wù)分析指標(biāo)的健全有效，不僅能滿足企業(yè)內(nèi)部管理決策的需求，還能支持政府經(jīng)濟(jì)管理機(jī)構(gòu)實(shí)施宏觀調(diào)控。

（2）建立分析層次樹

建立分析層次樹可結(jié)合決策樹模型（見圖4），根據(jù)不同的需求對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行層層分析。在構(gòu)建層次樹的時(shí)候，要將確立的財(cái)務(wù)指標(biāo)體系充分考慮在內(nèi)。按照廣度優(yōu)先建立各層分支，通過高低層次之間的概念替換來體現(xiàn)數(shù)據(jù)的泛化操作，直到每個(gè)子結(jié)點(diǎn)包含相同的類標(biāo)志為止。根據(jù)財(cái)務(wù)數(shù)據(jù)分析的實(shí)際需要，可將樹設(shè)立為0到多個(gè)不同的層次域，最高層為0層即樹的根節(jié)點(diǎn)，根據(jù)層級(jí)的遞進(jìn)，財(cái)務(wù)數(shù)據(jù)分析的內(nèi)容會(huì)更為細(xì)致。第一層可分為定量和定性分析，第二層定量可分為盈利情況分析、資產(chǎn)運(yùn)營分析、成長情況分析、償債能力等，定性可分為有形資產(chǎn)、可持續(xù)發(fā)展力等。

（3）自動(dòng)生成分析文檔

數(shù)據(jù)挖掘的方法力求打破各系統(tǒng)間的數(shù)據(jù)交換，直接從源頭獲取數(shù)據(jù)，隨時(shí)響應(yīng)分析需求，實(shí)現(xiàn)從事后分析到實(shí)時(shí)分析。S企業(yè)根據(jù)建立的分析層次樹的各項(xiàng)指標(biāo)，運(yùn)用財(cái)務(wù)計(jì)算方法計(jì)算各項(xiàng)指標(biāo)數(shù)據(jù)，并將各項(xiàng)分析情況展示在ERP系統(tǒng)中。同時(shí)，在進(jìn)行定向數(shù)據(jù)度量分析之后，基于各項(xiàng)指標(biāo)的分析結(jié)果，并根據(jù)S公司財(cái)務(wù)分析的格式模板，自動(dòng)生成S企業(yè)的財(cái)務(wù)分析文檔，財(cái)務(wù)人員從財(cái)務(wù)分析平臺(tái)上可直接導(dǎo)出文檔格式的財(cái)務(wù)分析。

S企業(yè)實(shí)現(xiàn)的財(cái)務(wù)分析自動(dòng)化，大大減少了財(cái)務(wù)人員制作財(cái)務(wù)分析的工作量，提高了財(cái)務(wù)分析生成的效率，將財(cái)務(wù)人員從密集、繁瑣、手動(dòng)的工作中釋放出來，同時(shí)也提高了財(cái)務(wù)分析數(shù)據(jù)的準(zhǔn)確性和有效性。

（五）實(shí)時(shí)動(dòng)態(tài)監(jiān)控預(yù)警

傳統(tǒng)財(cái)務(wù)數(shù)據(jù)的分析，無論其變化的方式如何，仍然無法擺脫事后評(píng)估的內(nèi)在局限性，并且所獲得的結(jié)果不可避免地存在滯后。S企業(yè)基于數(shù)據(jù)挖掘方法，動(dòng)態(tài)實(shí)現(xiàn)了對(duì)關(guān)鍵性指標(biāo)的跟蹤和預(yù)警，運(yùn)用一定的規(guī)則對(duì)指標(biāo)進(jìn)行實(shí)時(shí)測(cè)算，一旦超出設(shè)定的閾值，將會(huì)及時(shí)作出預(yù)警提示。圖5為S企業(yè)預(yù)警管理模塊的實(shí)現(xiàn)流程。

1.財(cái)務(wù)預(yù)警管理平臺(tái)

基于數(shù)據(jù)思維的相關(guān)性，財(cái)務(wù)數(shù)據(jù)的生成不可避免地受到業(yè)務(wù)數(shù)據(jù)的驅(qū)動(dòng)，通過分析出的各種已經(jīng)存在或即將有可能發(fā)生問題的數(shù)據(jù)，要追本溯源，從源頭分析和解決問題。

S企業(yè)建立了財(cái)務(wù)預(yù)警管理平臺(tái)，旨在讓財(cái)務(wù)人員能夠及時(shí)發(fā)現(xiàn)財(cái)務(wù)數(shù)據(jù)中的問題數(shù)據(jù)，及時(shí)推送到業(yè)務(wù)端核對(duì)分析，最終將形成原因及解決措施反饋到財(cái)務(wù)端，做到每條存在風(fēng)險(xiǎn)或問題的數(shù)據(jù)有跡可循、有法可依、有方可解。具體的預(yù)警有：對(duì)往來賬和庫存等科目按照賬齡分析、逾期情況、貶值風(fēng)險(xiǎn)等不同的維度進(jìn)行數(shù)據(jù)列示，將到期、逾期、欠款、賬齡、減值等方面的財(cái)務(wù)數(shù)據(jù)抓取后制作成數(shù)據(jù)監(jiān)控平臺(tái)，財(cái)務(wù)人員在該模塊可直接查詢到超出設(shè)定范圍的問題數(shù)據(jù)，同時(shí)經(jīng)業(yè)務(wù)反饋的形成原因或解決措施會(huì)立即同步到該問題數(shù)據(jù)的記錄中，顯示在監(jiān)控平臺(tái)中已收到反饋的分類下面，方便財(cái)務(wù)人員及時(shí)查看業(yè)務(wù)端返回的信息。

2.預(yù)警信息自動(dòng)推送

財(cái)務(wù)人員在預(yù)警管理平臺(tái)查詢到的問題數(shù)據(jù)，可以以兩種方式推送到業(yè)務(wù)系統(tǒng)中：一是利用分析模型，直接在系統(tǒng)執(zhí)行定時(shí)任務(wù)的方法，每天晚上定時(shí)批量的將問題數(shù)據(jù)推送到業(yè)務(wù)系統(tǒng)；二是財(cái)務(wù)人員自定義推送，主要針對(duì)需要立即解決的問題數(shù)據(jù)，財(cái)務(wù)人員查詢到此類數(shù)據(jù)后可以直接在預(yù)警平臺(tái)批量點(diǎn)擊推送，將數(shù)據(jù)推到業(yè)務(wù)端去。推送數(shù)據(jù)根據(jù)一定的規(guī)則分組打包成問題反饋單，例如同公司同業(yè)務(wù)組的多條數(shù)據(jù)打包成一張單據(jù)，自動(dòng)從財(cái)務(wù)系統(tǒng)將數(shù)據(jù)推送到業(yè)務(wù)端，該單據(jù)的待處理信息會(huì)直接在業(yè)務(wù)系統(tǒng)的首頁顯示，提示業(yè)務(wù)端發(fā)現(xiàn)并處理問題。

3.業(yè)務(wù)反饋預(yù)警模塊

業(yè)務(wù)系統(tǒng)接收到財(cái)務(wù)推送的問題數(shù)據(jù)后，在系統(tǒng)首頁能直接查看問題單的信息，并可穿透到明細(xì)單據(jù)信息中填寫形成原因和解決措施，經(jīng)過業(yè)務(wù)領(lǐng)導(dǎo)的審核后，會(huì)自動(dòng)反饋回財(cái)務(wù)系統(tǒng)中。同時(shí)，業(yè)務(wù)端可在反饋平臺(tái)查詢到已反饋回去的數(shù)據(jù)情況。

S企業(yè)預(yù)警模塊的設(shè)立，實(shí)現(xiàn)了數(shù)據(jù)信息的有效利用和深度挖掘，為管理決策提供強(qiáng)有力的信息支撐。并且，在加強(qiáng)數(shù)據(jù)稽核的基礎(chǔ)上，動(dòng)態(tài)實(shí)現(xiàn)指標(biāo)的測(cè)算和預(yù)警，實(shí)現(xiàn)了財(cái)務(wù)數(shù)據(jù)監(jiān)控預(yù)警的可視化、流程化和系統(tǒng)化，集內(nèi)部監(jiān)控、預(yù)警和決策支撐于一身。

（六）財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估

數(shù)據(jù)挖掘不只是一種分析方法，它本身其實(shí)是一個(gè)知識(shí)發(fā)掘的過程。通過對(duì)財(cái)務(wù)數(shù)據(jù)的分析，不僅可以實(shí)現(xiàn)自動(dòng)化財(cái)務(wù)分析和動(dòng)態(tài)監(jiān)控預(yù)警，還可以通過分析財(cái)務(wù)數(shù)據(jù)來評(píng)估財(cái)務(wù)風(fēng)險(xiǎn)，幫助管理者經(jīng)營決策之用。

S企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估，建立在財(cái)務(wù)分析定向指標(biāo)設(shè)立的基礎(chǔ)上，運(yùn)用決策樹分析的模型進(jìn)行了風(fēng)險(xiǎn)評(píng)估功能的開發(fā)。

1.構(gòu)造風(fēng)險(xiǎn)決策樹

在自動(dòng)化財(cái)務(wù)分析的層次樹設(shè)立的基礎(chǔ)上，進(jìn)一步構(gòu)造風(fēng)險(xiǎn)指標(biāo)的決策樹，基于相關(guān)性的關(guān)聯(lián)規(guī)則，財(cái)務(wù)分析的層次指標(biāo)在風(fēng)險(xiǎn)評(píng)估中可以充分使用，原理是利用二叉樹的結(jié)構(gòu)來執(zhí)行數(shù)據(jù)的統(tǒng)計(jì)分析，構(gòu)造過程通常是：生成一個(gè)多層次、多節(jié)點(diǎn)的樹，通過構(gòu)造樹節(jié)點(diǎn)以產(chǎn)生一系列子樹，我們可以選擇合適大小的樹來統(tǒng)計(jì)分析不同層次的數(shù)據(jù)（見圖6）。

風(fēng)險(xiǎn)指標(biāo)的樹結(jié)構(gòu)是財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估實(shí)現(xiàn)的基礎(chǔ)，通過設(shè)置的風(fēng)險(xiǎn)樹將風(fēng)險(xiǎn)的層級(jí)確立下來，按照廣度和深度向外延伸，最終構(gòu)成風(fēng)險(xiǎn)評(píng)估的完整體系。

2.確定指標(biāo)風(fēng)險(xiǎn)閾值

風(fēng)險(xiǎn)指標(biāo)構(gòu)造完成之后，需要確定每個(gè)指標(biāo)達(dá)到風(fēng)險(xiǎn)的范圍，在指標(biāo)閾值設(shè)置平臺(tái)上，根據(jù)企業(yè)的經(jīng)營管理制度要求，財(cái)務(wù)人員可設(shè)置每個(gè)風(fēng)險(xiǎn)指標(biāo)的閾值，當(dāng)該指標(biāo)的分析結(jié)果超出閾值，則進(jìn)行建模分析，并顯示該項(xiàng)指標(biāo)具有財(cái)務(wù)風(fēng)險(xiǎn)（見圖7）。

3.設(shè)置風(fēng)險(xiǎn)層級(jí)權(quán)值

數(shù)據(jù)挖掘方法作用于財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估，重點(diǎn)在于打破連續(xù)性的財(cái)務(wù)數(shù)據(jù)，使其呈現(xiàn)出離散化的分布特點(diǎn)?？紤]到財(cái)務(wù)指標(biāo)數(shù)據(jù)在取值方面的差異，根據(jù)區(qū)間的不同，可基于維度的分解來進(jìn)一步劃分財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)。

根據(jù)樹的構(gòu)造和修剪過程中每個(gè)分支的重要性，確定每個(gè)層級(jí)對(duì)風(fēng)險(xiǎn)樹的影響程度，即每個(gè)風(fēng)險(xiǎn)層級(jí)的權(quán)重。可依據(jù)重要性原則對(duì)每個(gè)指標(biāo)進(jìn)行權(quán)值分配，該權(quán)值的設(shè)定目的在于得出綜合風(fēng)險(xiǎn)評(píng)估的可量化和可視化結(jié)果。在分析財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估的結(jié)果時(shí)，將風(fēng)險(xiǎn)層級(jí)的權(quán)值參與計(jì)算，一級(jí)風(fēng)險(xiǎn)50%、二級(jí)風(fēng)險(xiǎn)30%、三級(jí)風(fēng)險(xiǎn)20%。在風(fēng)險(xiǎn)評(píng)估平臺(tái)展示風(fēng)險(xiǎn)各層級(jí)的指標(biāo)分析情況，并根據(jù)權(quán)值計(jì)算出最終風(fēng)險(xiǎn)評(píng)估的結(jié)果。

（七）數(shù)據(jù)挖掘方法延伸

S企業(yè)根據(jù)自動(dòng)化財(cái)務(wù)分析、動(dòng)態(tài)監(jiān)控預(yù)警平臺(tái)以及風(fēng)險(xiǎn)評(píng)估的實(shí)現(xiàn)，在ERP系統(tǒng)中擬開發(fā)經(jīng)營駕駛艙平臺(tái)。駕駛艙的建立是為了了解企業(yè)管理的狀況，并通過駕駛艙了解和深化公司的潛在問題，幫助管理者進(jìn)行調(diào)整。企業(yè)經(jīng)營駕駛艙的本質(zhì)是將企業(yè)財(cái)務(wù)分析的結(jié)果變得更加清晰、直觀。因此，駕駛艙中使用的數(shù)據(jù)指標(biāo)也是財(cái)務(wù)數(shù)據(jù)分析中的各種財(cái)務(wù)指標(biāo)。

構(gòu)造經(jīng)營駕駛艙除了基于數(shù)據(jù)挖掘技術(shù)生成的各項(xiàng)財(cái)務(wù)指標(biāo)，還需通過BI（商業(yè)智能）實(shí)現(xiàn)，是基于數(shù)據(jù)挖掘的延伸。在保證數(shù)據(jù)準(zhǔn)確性的前提下，核心數(shù)據(jù)通過轉(zhuǎn)換合并形成數(shù)據(jù)中心，通過數(shù)據(jù)中心使用合理的查詢和分析工具，以及數(shù)據(jù)挖掘技術(shù)進(jìn)行統(tǒng)一的數(shù)據(jù)分析和處理，成為企業(yè)決策者的輔助工具。

四、結(jié)束語

在大數(shù)據(jù)時(shí)代，雖然數(shù)據(jù)挖掘分析技術(shù)的運(yùn)用時(shí)間不是很長，但是它在提高企業(yè)的商業(yè)價(jià)值方面起著至關(guān)重要的作用，不僅為企業(yè)的財(cái)務(wù)數(shù)據(jù)分析提供了更準(zhǔn)確的數(shù)據(jù)，還提高了財(cái)務(wù)人員的工作效率，使財(cái)務(wù)工作更加便捷。

企業(yè)應(yīng)根據(jù)大數(shù)據(jù)重新定位財(cái)務(wù)管理的角色，利用數(shù)據(jù)挖掘分析方法對(duì)資金流、風(fēng)險(xiǎn)管理、資源配置等進(jìn)行深入分析，幫助管理者做出經(jīng)營決策，同時(shí)優(yōu)化企業(yè)的資源分配，為企業(yè)創(chuàng)造更大的價(jià)值。

主要參考文獻(xiàn)：

[1]陳小莉.基于大數(shù)據(jù)的計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案管理系統(tǒng)中的研究應(yīng)用[J].激光，2017（2）：142-145.

[2]趙春.基于數(shù)據(jù)挖掘技術(shù)的財(cái)務(wù)風(fēng)險(xiǎn)分析與預(yù)警研究[D].北京化工大學(xué).

[3]肖明.大數(shù)據(jù)時(shí)代下數(shù)據(jù)挖掘技術(shù)在企業(yè)中的應(yīng)用[J].中國管理信息化，2015，18（2）：58-58.

[4]林琛.關(guān)于大數(shù)據(jù)在財(cái)務(wù)管理領(lǐng)域中的應(yīng)用[J].現(xiàn)代經(jīng)濟(jì)信息，2017（16）：186-187.

[5]崔穎.大數(shù)據(jù)時(shí)代下的財(cái)務(wù)管理創(chuàng)新[D].

[6]朱曉虹.企業(yè)財(cái)務(wù)大數(shù)據(jù)與財(cái)務(wù)管理[J].國際商務(wù)財(cái)會(huì)，2018（02），73-75.

[7]孫夢(mèng)陽.大數(shù)據(jù)時(shí)代企業(yè)財(cái)務(wù)管理信息化建設(shè)的研究[J].現(xiàn)代經(jīng)濟(jì)信息，2018（14）：185+187.

[8]肖穎為.數(shù)據(jù)挖掘技術(shù)在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估中的研究應(yīng)用[D].杭州電子科技大學(xué).

[9]王泓婷.大數(shù)據(jù)時(shí)代下企業(yè)財(cái)務(wù)管理轉(zhuǎn)型探討[J].國際商務(wù)財(cái)會(huì)，2017（05），77-79.

[10]孫福利.大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘技術(shù)與應(yīng)用[J].電子技術(shù)與軟件工程，2018（1）.

[11]周凌.淺析大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘技術(shù)與應(yīng)用[J].中小企業(yè)管理與科技（下旬刊），2018，No.540（05）：194-195.