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)。
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]。
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。
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)。
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]。
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。
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]。
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。