徐愛菲

（廣西國(guó)際商務(wù)職業(yè)技術(shù)學(xué)院， 廣西 南寧 530007）

大數(shù)據(jù)時(shí)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(jià)值，分析市場(chǎng)形勢(shì)，強(qiáng)化內(nèi)部管理，但與此同時(shí)，也有很多人未能正確認(rèn)識(shí)大數(shù)據(jù)急速擴(kuò)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(wù)，這成為了企業(yè)管理者及相關(guān)從業(yè)人員的重要目標(biāo)。

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(guó)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(diǎn)：一是總體性思維。近百年來，人們研究社會(huì)現(xiàn)象的特征需要依靠對(duì)社會(huì)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(duì)一些無法進(jìn)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(jì)和分析方法逐漸落后，無法對(duì)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(jìn)行深入研究，力求了解樣本中更多隱藏的細(xì)節(jié)和關(guān)鍵的信息。伴隨大數(shù)據(jù)時(shí)代的到來，數(shù)據(jù)無論在采集環(huán)節(jié)、儲(chǔ)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?cè)诶玫倪^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(cuò)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(xì)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(zhǔn)。在大數(shù)據(jù)技術(shù)的支持下，伴隨大數(shù)據(jù)儲(chǔ)存、處理功能的發(fā)揮，人們也逐漸應(yīng)用容錯(cuò)性的思維，不再將絕對(duì)的精度作為唯一的追求目標(biāo)，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(shí)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(yù)測(cè)未來，通過復(fù)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(yīng)用至今，人們?cè)跀?shù)據(jù)技術(shù)生成、收集、應(yīng)用方面的能力日趨加強(qiáng)，并且伴隨逐年發(fā)展的態(tài)勢(shì)，這種勢(shì)頭還將不斷延續(xù)。在這樣的背景下，大數(shù)據(jù)的應(yīng)用也面臨全新的挑戰(zhàn)，信息爆炸的社會(huì)背景下，信息高度過載已成為一個(gè)顯著的問題，人們需要及時(shí)發(fā)現(xiàn)有用的信息，提高信息利用率。對(duì)于企業(yè)而言，更要試圖最大程度挖掘信息的價(jià)值，以促進(jìn)企業(yè)的成長(zhǎng)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(huì)成為一種負(fù)擔(dān)，甚至成為垃圾數(shù)據(jù)。面對(duì)這種挑戰(zhàn)，企業(yè)內(nèi)部財(cái)務(wù)管理、業(yè)務(wù)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(yīng)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(jià)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(shí)以及不確定的特點(diǎn)。其次是數(shù)據(jù)價(jià)值的提取是為了滿足需求，因此在提取以前必須重點(diǎn)關(guān)注具體的需求是什么。最后，在當(dāng)前愈發(fā)激烈的競(jìng)爭(zhēng)市場(chǎng)上，數(shù)據(jù)挖掘的背后不同程度滲透出商業(yè)價(jià)值，且都是相對(duì)的。這些特點(diǎn)為企業(yè)在財(cái)務(wù)數(shù)據(jù)挖掘和應(yīng)用工作上，工作人員應(yīng)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(cái)務(wù)數(shù)據(jù)挖掘與實(shí)踐

3.1 L企業(yè)簡(jiǎn)介

本文列舉的L企業(yè)為一家外貿(mào)企業(yè)，主要做進(jìn)出口貿(mào)易，產(chǎn)品包括化工原料、機(jī)電產(chǎn)品、工藝品等等，在ERP系統(tǒng)上線后業(yè)務(wù)合同大幅度增加，生成的會(huì)計(jì)憑證與新增會(huì)計(jì)記錄均增加數(shù)十萬(wàn)，自動(dòng)化率已超90%，無論是內(nèi)控、業(yè)務(wù)管理、風(fēng)險(xiǎn)防范和財(cái)務(wù)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(cái)務(wù)分析完全實(shí)現(xiàn)自動(dòng)化，同時(shí)還建立了預(yù)警平臺(tái)和風(fēng)險(xiǎn)評(píng)估平臺(tái)。

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(cái)務(wù)管理工作要將各類數(shù)據(jù)進(jìn)行交互整合，由于財(cái)務(wù)數(shù)據(jù)包含的內(nèi)容非常廣，幾乎囊括所有經(jīng)營(yíng)數(shù)據(jù)，因此對(duì)其進(jìn)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(cái)務(wù)管理及經(jīng)營(yíng)管理的效率[5]。由此可見，需要對(duì)現(xiàn)有ERP系統(tǒng)數(shù)據(jù)作科學(xué)分類管理，結(jié)合企業(yè)管理的精細(xì)化程度按照數(shù)據(jù)用途將其分為戰(zhàn)略、預(yù)算、稅務(wù)、核算、資金管理和績(jī)效考核等多個(gè)組成部分，創(chuàng)建模型，同時(shí)對(duì)財(cái)務(wù)部門進(jìn)行轉(zhuǎn)型，強(qiáng)化管理，打破信息孤島的局面。其次，要對(duì)海量的數(shù)據(jù)進(jìn)行提純處理，結(jié)合大數(shù)據(jù)還原用戶實(shí)際需求的本質(zhì)，在使用過程中就必須積極應(yīng)用大數(shù)據(jù)思維處理財(cái)務(wù)信息，找到數(shù)據(jù)背后的關(guān)聯(lián)，將其原有的真實(shí)的面貌還原出來，作進(jìn)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(shí)性和實(shí)效性的同時(shí)將數(shù)據(jù)背后隱藏的真實(shí)價(jià)值應(yīng)用在會(huì)計(jì)工作中。再者是挖掘財(cái)務(wù)數(shù)據(jù)的本質(zhì)。結(jié)合不同企業(yè)業(yè)務(wù)的特點(diǎn)，利用數(shù)據(jù)挖掘技術(shù)對(duì)財(cái)務(wù)數(shù)據(jù)的本質(zhì)進(jìn)行探索。多年的應(yīng)用實(shí)踐證實(shí)，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(wù)情況，這與其未進(jìn)行生產(chǎn)數(shù)據(jù)推導(dǎo)，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(gòu)買原材料的數(shù)據(jù)對(duì)其生產(chǎn)的情況加以分析，推測(cè)企業(yè)經(jīng)濟(jì)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(duì)其生產(chǎn)情況進(jìn)行預(yù)測(cè)，用財(cái)務(wù)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(jìn)行數(shù)據(jù)分析時(shí)應(yīng)對(duì)企業(yè)經(jīng)營(yíng)的情況作詳細(xì)了解，掌握業(yè)務(wù)的特點(diǎn)，及時(shí)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(yīng)用模型

當(dāng)前各個(gè)企業(yè)應(yīng)用的數(shù)據(jù)挖掘方法較多，具體在財(cái)務(wù)工作中多以幾種模型為主，如統(tǒng)計(jì)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(shí)際情況適當(dāng)列舉幾種數(shù)據(jù)挖掘模型的應(yīng)用。首先是統(tǒng)計(jì)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(jì)分析，比如在應(yīng)用聚類算法的過程中，需要計(jì)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(xì)化分析客戶的價(jià)值，對(duì)其進(jìn)行評(píng)級(jí)時(shí)結(jié)合其中一個(gè)閾值來判斷客戶的價(jià)值區(qū)間，最后結(jié)合區(qū)間的數(shù)據(jù)應(yīng)用回歸建模的方式分析客戶的潛在價(jià)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(jìn)行歸類與整理，通過剪枝來將無關(guān)的數(shù)據(jù)剔除，達(dá)到準(zhǔn)確預(yù)測(cè)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(duì)象，就要用重復(fù)訓(xùn)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(fù)，直到達(dá)到精確的效果。L企業(yè)就是在人員考核中應(yīng)用了決策樹分析運(yùn)算法。

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

要對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行挖掘，必須有實(shí)現(xiàn)價(jià)值的有效機(jī)制作保障，特別是在當(dāng)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(jià)值，為決策提供參考與支持。在具體的實(shí)施過程中，首先就要對(duì)數(shù)據(jù)進(jìn)行全面的預(yù)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(duì)象是噪聲數(shù)據(jù)，這方面可用枚舉型的如記賬部門、財(cái)務(wù)類型、業(yè)務(wù)組屬性等作為噪聲數(shù)據(jù)的過濾對(duì)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(jī)數(shù)填充等等，但要注意根據(jù)實(shí)際業(yè)務(wù)與變量本身的特征進(jìn)行處理，絕不能隨意處理。工作人員嚴(yán)把財(cái)務(wù)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(yù)處理的工作以提高準(zhǔn)確度[9]。其次是自動(dòng)化的財(cái)務(wù)分析，如上所述L企業(yè)已實(shí)現(xiàn)財(cái)務(wù)分析自動(dòng)化目標(biāo)，可從接口實(shí)現(xiàn)ERP系統(tǒng)的自動(dòng)生成財(cái)務(wù)分析文檔的工作。在財(cái)務(wù)數(shù)據(jù)指標(biāo)的分析工作上，L企業(yè)延續(xù)傳統(tǒng)財(cái)務(wù)分析的方法，應(yīng)用計(jì)算公式確立指標(biāo)體系，結(jié)合指標(biāo)的情況建立分析查詢的功能，比如經(jīng)營(yíng)指標(biāo)完成的情況、營(yíng)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(yíng)模式進(jìn)行定向分析。這個(gè)過程中需要注意以下問題，如指標(biāo)要素要齊全和適當(dāng)、主輔指標(biāo)的功能要協(xié)調(diào)與匹配，此外還要滿足多方面財(cái)務(wù)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(jià)值。隨后就是建立分析的層次樹，同樣應(yīng)用決策樹的模型和方法，結(jié)合具體的需求進(jìn)行分層應(yīng)用。構(gòu)建層次樹時(shí)，充分考慮到財(cái)務(wù)指標(biāo)體系，結(jié)合廣度優(yōu)先各層分支的建立原則，從高到低進(jìn)行替換，確保數(shù)據(jù)泛化操作以及每個(gè)子結(jié)點(diǎn)都有類標(biāo)志。具體操作中，樹形為0層，涉及多個(gè)層次域，如0層是樹根節(jié)點(diǎn)，結(jié)合層級(jí)遞進(jìn)其分析的財(cái)務(wù)數(shù)據(jù)更為細(xì)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(yùn)營(yíng)情況和成長(zhǎng)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(dòng)生成分析文檔[10]。

4.結(jié)語(yǔ)

綜上所述，大數(shù)據(jù)時(shí)代下企業(yè)在進(jìn)行財(cái)務(wù)管理和日常運(yùn)營(yíng)工作中，必須對(duì)在職員工進(jìn)行培訓(xùn)，強(qiáng)化大數(shù)據(jù)技術(shù)和技能，確保應(yīng)用大數(shù)據(jù)思維挖掘和分析大數(shù)據(jù)的價(jià)值與作用，找出其關(guān)聯(lián)性以及能夠促進(jìn)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(yīng)用的支撐下，企業(yè)的財(cái)務(wù)管理過程才能獲取更準(zhǔn)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(cái)務(wù)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(jià)值。