数据挖掘技术在财会领域的应用

李邮++闫宏秀

文章编号：2095-6835（2017）04-0139-01

摘 要：随着信息技术的发展，特别是数据挖掘技术的发展，数据挖掘技术与财会的关系也日渐呈现出加强的趋势。介绍了数据挖掘技术的聚类汇总、统计分析方法、决策树技术、神经网络等在财会领域的应用，得出了数据挖掘技术正确运用于财会领域有利于企业健康、持续地发展的结论。

关键词：数据挖掘技术；聚类汇总；决策树技术；神经网络

中图分类号：TP311.13 文献标识码：A DOI：10.15913/j.cnki.kjycx.2017.04.139

随着以网络为代表的信息技术的发展，技术在财务会计领域中得到了广泛的应用，越来越多的企业的会计信息系统从手工环境转向IT环境。大量数据的涌现渐渐揭示了目前会计信息系统的分析功能很薄弱，企业之间的竞争日趋激烈。在这个新的形势下，对会计信息数据利用的要求越来越高。采用数据挖掘技术，能够很好地利用这些数据，能够从庞杂的会计信息中提取有用的信息，发现隐藏在数据背后的信息。

数据挖掘技术在财务会计领域涉及的内容很多，例如财务分析、财务风险预警、财务决策、虚假会计信息判断等等。采用数据挖掘技术，可满足信息量大且数据处理成本低的要求。数据挖掘技术能够从海量的、不完全的、模糊的、随机的会计信息数据中挖掘出隐含的、对决策者有潜在价值的财务会计信息，甚至寻找出大量会计信息数据间的隐藏关系。

1 聚类汇总

会计数据信息十分繁杂，借贷收付一点的不同都会使一笔交易发生本质的变化。对于这些交易数据，数据挖掘技术的聚类汇总功能可以对会计信息进行系统性的整合。目前，这项技术已被运用于很多财务软件中，比如用友、金蝶等企业必需的财务会计基础软件。

2 统计分析方法

统计分析方法在很早之前就被广泛运用于财务会计领域。会计人员常利用统计学原理对会计信息数据进行分析，试图找到数据间的函数关系或者相关性。变量间数量关系的回归分析、变量间相关程度的相关分析、用样本统计来确定总体的差异分析都是会计领域常用的统计分析方法。这些方法常用于模糊计算利润最大化时的供应需求匹配，达到公司利益最大化的目的。我们熟知的SAS Enterprise Miner就是运用数据挖掘技术的模型数据挖掘工具。目前，几乎每家企业都运用此软件。

3 决策树技术

决策树技术，即在已知的各种情况发生的基础上，结合实例归纳分析，直观运用概率分析来判断项目的可行性。决策树是一个预测模型，在每个决策点可分支成多条路径。决策树的图解模型可以直观地将每一个叶节点分支下的测试结果表现出来。这样可以为决策者在选择时提供有力的依据，最后选出最佳方案。运用数据挖掘技术，通过对现有公司的财务状况和公司治理结构的数据处理，对企业的发展前景进行辅助决策支持。鲍里斯与叶夫吉尼所著的《Data Mining in Finance》（2000）一书中提到，数据挖掘技术可以被运用到股票市场，用于财务预测虽然是一个挑战，但同时也是一个有见地的行为。财务预测通过对未来经济行为和经济状况的假设，对企业未来财务状况和经营成果作出科学的预测。财务预测分析在大量的会计信息历史数据和所建立的预测模型基础上，科学地对企业运行中的各项评价指标进行预测，以此作为企业财务管理的决策依据。投资决策过程本身是一个比较复杂的过程，数据挖掘技术可以从企业的财务报告信息、国家宏观经济环境信息以及行业发展状况、市场需求等大量的会计数据资料中挖掘出与对投资决策来说有价值的信息，以此确保企业在投资决策上有一定程度的正确性和有效性。如果企业由于一些因素出现财务危机，进行财务风险的数据挖掘，实现财务危机预警就能够使企业及时了解面临的风险。通过观察财务预警数据的变化，对企业可能面临的财务风险进行预测，是在财务危机发生之前采取防范风险的措施，避免出现财务危机。

4 神经网络

审计与财务报表舞弊识别也是会计中比较棘手的问题，财务报表失真严重，然而票据过多涉及甚广，审计人员考证需耗费很多人力与时间，神经网络的运用可以帮助审计人员识别财务报表中的舞弊。拉维桑卡尔等人在“Detection of Financial Statement Fraud and Feature Selection Using Data Mining Techniques”（2011）表明，数据挖掘技术可用来识别、披露公司财务报表中的欺诈行为。财务欺诈是全球面临的一个严重问题，在飞速发展的发展中国家更为常见。在传统意义上，审计人员的责任是检查财务报表中的舞弊。然而，随着越来越多的公司依赖不正当的行为，审计人员如今肩负的责任更加沉重。数据挖掘技术的应用可以减少审计工作人员的工作量。笔者在文中提到运用数据挖掘技术测试了涉及202家中国公司的资料库，分析、评估财务报表中的财务数据，约束严重的舞弊欺诈行为。

利用数据挖掘技术对企业的财务会计信息进行挖掘分析，对企业面临的越来越大的市场竞争压力进行内部控制和外部控制，提高企业核心竞争力等都有具有极大的帮助。将数据挖掘技术应用于财务会计领域中，能够将企业海量的信息、数据转化为有用的、有价值的知识，为企业在财务预测分析、投资决策、关系管理、市场分析、财务风险管理、财务预警以及虚假会计信息控制等方面提供帮助，对企业的健康、持续的发展有着重要作用。

参考文献

[1]B. Kovalerchuk，E. Vityaev.Data Mining in Finance.Holland：Kluwer Academic Publishers，2000.

[2]P. Ravisankar.Detection of Financial Statement Fraud and Feature Selection Using Data Mining Techniques.Decision Support Systems，2011，50（2）.

[3]E. Kirkos.Data Mining in Finance and Accounting：A Review of Current Research Trends[C]//On Enterprise Systems and Accounting，2004.

[4]A. Sharma，P.K. Panigrahi.A Review of Financial Accounting Fraud Detection based on Data Mining Techniques.International Journal of Computer Applications，2013，39（1）.

〔編辑：刘晓芳〕