财务报表内外数据挖掘技术的运用

李夏

[摘 要]现代企业越来越意识到财务的重要，除了报表内信息，报表外信息的运用也备受关注。大数据时代的背景下，数据挖掘技术运用的领域在逐步扩宽，财务信息领域也不可避免。但整体上看，研究财务信息的数据挖掘技术一直相对较少，且大多是只针对财务信息中的一部分进行研究，全面研究的文章少之又少。文章试图从财务数据和非财务数据两方面阐述数据挖掘技术在各自中的运用。针对挖掘过程中遇到的问题进行浅析，为以后的研究提供一种新的思路。

[关键词]财务数据；非财务数据；数据挖掘技术；瓶颈

[DOI]10.13939/j.cnki.zgsc.2016.05.112

1 引 言

随着经济和社会的发展，传统的财务已经不能满足当今管理的需要。财务会计和财务管理等分支应需求而生，财务包含的内容增加的同时，财务信息内容划分标准依据也在改变。掌控全部信息对时间和精力有限的决策者来说是不可能的，主要看重的是及时有效地根据尽可能简洁的财务信息作出决策，提高经济效益。计算机具备储存容量大，计算功能强大的特点，结束了会计手工记账的年代。在如今，计算机几乎被用在所有的领域，财务也包括在其中，并且也起到了不小的功用。数据挖能从大量的数据中挖掘隐藏的信息，有力地支持管理者的决策，还可以建立企业财务风险预警模型，时时监测企业的财务状况，避免危机发生造成巨大损失，这一技术出现能否全面地解决上述的问题？对于其他方面，相关的研究就比较少，本文就是针对这些未涉及或研究尚浅的领域进行研究，完善这些方面的研究。

2 数据挖掘技术运用的意义

数据挖掘是指一种从大型数据库或数据仓库中提取隐藏的预测性信息的新技术，基本的技术有大类：分类和预测、聚类，还有其他由之组合而成的模型。在金融行业、保险行业等方面运用非常广泛，但目前对于财务领域涉入的并不多。大数据的时代背景下，对于生成和使用财务信息的不同人群，数据挖掘技术都有一定的意义。比如，运用XBRL等技术可以大幅缩短一般财务人员处理众多且繁杂的信息录入的时间；数据挖掘技术的运用结果多样化呈现出来，让使用者一目了然；相对要获得同样多和同质量的信息，数据挖掘技术的成本更低，速度和效率也是和传统的人工作业模式所不能比较的。数据挖掘得越深，越能帮助企业认识存在的问题，调整企业的战略，使企业能够进一步实现可持续发展的目标。

3 数据挖掘技术的运用

财务信息来源广，形式多样，数据量巨大。文章将所有信息以数据为口径，划分为财务数据和非财务数据，依据数据集中程度地方的不同，最终定位为表内和表外数据，表内数据多限制在报表的范围。表外数据信息的形式复杂，主要紧紧围绕价值运动和增值过程中的方面进行阐述。

3.1 表内数据挖掘

3.1.1 财务报表分析

表内数据的时期一般较短，大多只能反映一个时点或一段时间的数据，深入分析才能得出微小的战略方案，大多都是显示财务活动、投资活动、经营活动和分配活动。传统的财务分析方法仅仅对于少量的财务数据进行分析，且不具有直接可比性。无法反映企业潜在的、深层次的信息。这一类的数据挖掘通常都带有目的性，借助财务报表分析演示数据挖掘大体的过程，以下的其他挖掘技术运用也都是在此基础上得以进行的。

（1）数据的获取。数据虽然大量，但却不一定都是所需要的，也做不到分析全部的数据。在数据的获取阶段要获取数据子集，最重要的是切勿大海捞针，根据企业进行此次分析所想达到的目的来挑选数据。尽量做到数据具有代表性和逻辑性。

（2）数据的筛选。获取的数据很可能会有特别数据，这些数据的存在对结果分析产生噪声，影响整体性，不能立刻投入分析之中。在这个阶段，通常采用OLAP（联机分析处理）技术通过切块功能、运用传统的财务分析建立数据库，运用偏差检测将异常数据剔除。

（3）建立分析模型。在建立好数据库的基础上，利用数据挖掘中的聚类、关联规则、决策树方法层层深入来分析企业的财务状况。侧重领域不同，数据挖掘的方法也不同，不存在适用于所有方面的方法，也没有一种方法是最好和最全面的。很多时候分析涉及多种方法共同使用。稳妥的做法是选用变量时，选择与被分析目标最相关的变量，范围尽量广或选择显著性最高的数值。

（4）分析结果。运用专业的知识将结果与预定的目标相对应，两者一致则大体上达预期，稍许调整一致后，即可制定具体的实施方案。若不一致则重新来过，先要重新检查数据和模型是否有误，在确保正确的情况下才能对实际进行调整。

3.1.2 挖掘潜在的信息

上述分析都是针对已有或是确定目标的信息进行常规挖掘，此外还可以透过表面进行更深层的潜在信息分析，主要运用体现在财务预警上。财务预警分析方法的创新并没有跟上时代的万千变化，最主要的方法还是数据挖掘技术。早前的财务危机预警判别模型主要是利用单个财务指标来判别，接着步入多元线性判别模型，后来统计学方法也运用进来。在提高预测准确性方面可以运用神经网络处理，相较传统的方法，数据的质量要求可以相对较低且准确性提高。遗传算法、决策树理论、专家系统、粗集理论决策理论多元化的运用构建财务风险预警模型。

3.2 表外数据挖掘

非财务数据是经济活动过程中价值运动和增值过程非货币记录的信息。随着竞争加剧，表外信息越来越被人们关注。其涉及的内容繁杂，无法进行准确的计量，会计准则也没有强行要求披露。因为非财务数据侧重研究对决策的作用，而管理会计的使用者也多为管理层，故非财务数据多借用管理会计中的内容。文章选取四个方面结合数据挖掘进行分析。

3.2.1 作业成本和预测分析

作业成本法对所有作业活动进行追踪地动态反应，成本实施精确计算，来使资源得到充分利用。因其优势引起了人们的极大兴趣，但要建立动态的检查体系，复杂的操作问题让管理者可望而不可即。作业成本法是根据资源的耗用关系进行成本的分配，新的成本观下，不同的目的决定了不同的产品成本内容。利用数据挖掘中的回归分析、分类分析等方法确定成本动因，精确成本。利用关联方法划分增值作业和非增值作业，重点关注那些增值业务，非增值业务选择性关注，改进和优化价值链，促进企业的增值。

预测分析的作用处理用来预测生产数量外，还可以用来检测预测方法是否正确。当预测量和实际销量相差不多时，说明预测方法准确。反之，则要历史数据，检查预测方法出现的问题并加以改进。

3.2.2 产品和市场分析

充分了解产品的周期和市场的状况，有助于企业做出相应的决策。产品生命周期要经历四个时期：导入期、成长期、成熟期和衰退期。这四个时期的变化是有迹可循的，各个时期的特征明显。采用的战略也不一样。在市场方面，企业也要了解一种产品是如何影响另一种产品的销量。两类产品之间的替代品还是互补品，在销售时如何搭配才可以产生最大的效益。

3.2.3 员工满意度分析

每一个企业运作的核心都是人，人是企业价值的创造者，对环境能感觉、感知。反过来，环境也会影响人的心性，从而影响到工作的效率，进而反映到企业的价值上。在企业环境中如何使用数据挖掘技术让多员工满意环境，更加努力工作是很值得探究的。数据挖掘可以根据企业的不同设计不同的积分卡，辅助重要性不同的权数（因此不同层面的员工关注点不一致），在会议上或者宣传栏员工进行满意调查。对得分低的内容进行逐一分解，找到真正的原因所在，制定相关的措施，提高员工的满意度，进而营造良好的氛围甚至是形成企业文化。

3.2.4 顾客关系管理

“顾客就是上帝”，是企业创造利润的来源。管理好与顾客关系有利于企业竞争。一方面，可以对消费者的购买行为进行记录和分类。通过数据仓库的分类和聚类分析，对顾客进行分组并给予不同程度的关注；另一方面，根据验证，获得一位新顾客的成本是维持一位老顾客的三倍。将消费者的消费金额进行管理，把消费数额高的和有潜力进行消费的顾客挖掘出来。对顾客进行全面系统的跟踪，为顾客制定不同的销售组合和提供良好的售后服务。利用时间序列分析模型和联机分析处理技术分析顾客的信用等级，对于信用等级低的顾客进行一定的放弃。

4 可能遇到的瓶颈

4.1 数据的来源

数据的所有分析都是基于数据来进行的，数据可以说是最重要的要素了。许多问题不是技术没有跟上，而是无法获得准确的信息。财务数据因大多在企业内部流通，获得和差错检查都较好进行。非财务数据的获得就困难了，企业自身可能存在收集不齐全或是数据量不够大的问题。企业外部的非财务数据获取就难上加难，遇到警惕性较高的企业，很可能会故意放出虚假的信息，依照这样的数据进行分析出来的结果肯定是会让企业蒙受损失。

4.2 数据样本的选择

进行全样本分析的花费大，耗时长。且分析的目的单一，不需要进行全样本的分析。非财务数据的获取有时也是涉及过广，还会有特殊个别样本，这就是数据样本的选择问题。

4.3 技术和需求的发展

数据挖掘技术是技术发展到一定时期的产物，必须是技术发展成熟后使用，其对象是真实的大型数据库或数据仓库。这就要求数据必须是真实、可靠的，是实际意义上的发现。数据挖掘非常清晰地界定了它所能解决问题，如果企业的需求已不仅限制在这个范围，数据挖掘技术可能会实施不下去。并且如今的中国信息化没有达到较高的水平，企业对决策分析的迫切性不强，数据挖掘技术如何调整自身跟上企业的需求不可逃避。

5 结 论

财务报表内外涉及的范围广，虚假信息的存在一直阻碍着财务发挥决策应有的作用。数据挖掘技术针对数据的特征为企业信息的技术运用搭建了平台，在财务数据部分，财务报表结合数据挖掘技术的过程进行分析。对报表造假的原因进行剖析，引入挖掘技术。对现有的数据进行分析。针对未来投资者关注的风险问题建立财务预警模式，为企业安全再添助力。作业成本和预测分析、产品和市场分析、员工满意度分析和顾客关系管理等非财务数据追踪综合分析和积分卡中各种挖掘技术做保障。但数据挖掘技术的发展并不发达，企业警惕性提高，决策中数据挖掘技术的成果比例不大，这些问题的提出使数据挖掘技术难于实现突破。

参考文献：

[1]陈靖琳.数据挖掘技术在会计管理与分析的实用性研究[J].中国证券期货，2010（12）.

[2]冯强.数据挖掘中涉及的计算方法及作用研究[J].技术研发，2011（23）.