云计算下财务大数据信息化分析平台构建研究①

耿一丁

(盘锦职业技术学院,辽宁 盘锦 124000)

0 引 言

原有的财务信息系统存在财务数据采集处理方式单一、数据处理滞后、财务数据与业务数据集成性差、财务信息相关性提供不足等问题,无法满足企业管理者的新需求[1]。云计算属于商业计算模型,以计算资源集中以及硬件虚拟技术等方式,提供给云计算用户强大计算能力、数据信息存储空间、宽带资源,在企业财务管理上具备显著优势[2]。利用云计算联合机器学习算法构建的智能金融投资效率分析技术,能够帮助投资客户筛选出高效率的投资,降低投资风险[3]。云计算对设备的要求较低,计算成本低,计算能力强大,网络灵活性强,网络可扩展性强[4],因此可利用云计算技术完成财务大数据信息化分析平台的构建。

1 云计算下财务大数据分析平台构建

1.1 平台功能构建

云计算下财务大数据信息化分析平台的构建,是指利用云计算技术进行企业财务大数据及对应数据处理工具的集成,从而达成在线财务大数据的分析,以B/S结构模式,方便财务管理人员对财务数据的实时查看,有利于企业快速制定有效决策[5],如式(1):

公式(1)中Y表示企业财务大数据,其为自变量x的积分;ρ(x)表示财务大数据的密度函数。利用财务数据V进行财务大数据Y的价值修正,见式(2):

式(2)中r为价值系数,r∈[0,1],当r=1时,则V=Y,意味着全部财务大数据均存在价值;当r=0时,则V=1,意味着仅有一条财务数据具备价值。有用财务数据V的积分组成知识K,见式(3):

式(3)中i表示有用信息的知识转化系数。令财务大数据集为D,将D均匀划分为n块逻辑子数据集,则D i(i∈1,2,...,n)为第i块逻辑子数据集的表现形式,且存在D=D1∪D2∪...∪D n。当数据集D l中含有N个数据对象时,该数据集为D l=｛x1,x2,...x N｝,其中x i指等i个数据实例。若数据对象存在m个特征属性,则可用x ij(j{1,2,…,m})对第i个对象的第j个属性的属性值进行表示。此次研究通过欧式距离比较数据对象xα与数据对象xβ之间的相似度,详见式(4):

利用最大最小距离法选择并检验k个初始聚类中心CC i(i=1,2,...,k),具体检验条件为ℓ*d（CC1-CC2）,其中ℓ表示最大最小距离法中的检验参数,一般倩况下,0.5＜ℓ＜1。当xi存在于类簇C p中,

可得类簇p的重心Gp,见式(5):

以误差平方和准则函数充当目标函数,判别大数据收敛情况,如式(6):

式(6)为误差平方和的表达式,其中G k表示类簇C k中数据实例的重心,而类簇C k中任一数据实例点均可用q进行表示。P k表示大数据聚类后不同类簇C k中与G k距离最短的点,一般情况下满足条件d（P k,G k）=min｛d（q,G k）｝。

云计算下的财务数据信息化平台应当发挥出企业财务相关数据的最大价值,将财务的综合分析、综合决策、综合预测、综合监控集于一身。其中财务综合分析是建立在企业价值链、杜邦分析体系上的,以经济增加值为核心财务分析指标的财务综合分析[6]。

1.2 平台体系架构设计

财务大数据分析平台主要由云服务平台层、数据获取层、数据加工存储层、数据输出展示层等四层结构进行架构的,同时财务大数据平台构建中应贯彻财务大数据标准化、数据安全机制。

图1显示云服务平台层中,负责系统管理的有网络设备、数据存储设备、操作系统,且由云服务商提供财务大数据信息化平台的基础IT环境。数据获取层中,从企业内部部门系统、外部网络中取得,包括竞争企业公开披露的财务大数据信息资料。数据加工储存层中,统一加工整合已得到的财务大数据,并分类保存在不同数据库中,例如人力资源财务数据、客户财务数据均存储于基本数据库中,模型库、方法库均存储于分析数据库中。数据输出展示层中,利用数据挖掘分析工具,对不同类型的财务数据进行处理,并从不同功能模块输出处理数据所得的信息。式(7)为多元线性回归模型的表达式。

图1 财务大数据信息化平台的整体架构图

式(7)中β0,β1,β2,…,βk组成k+1个未知参数;β0表示回归常数;β1,β2,…,βk均表示 回 归 系数;被解释变量y;解释变量(x1,x2,…,x k),变量可精确控制。

式(8)为Z值模型,用于平台对企业财务困境的预测。其中X1=营运资本/资产总额,X2=留存收益/资产总额,X3=息税前利润/资产总额,X4=股东收益所对应的市场价值总额/资产总额,X5=销售收入/资产总额。当Z＜1.81时,表明企业财务处于危险状态,预计一年内破产;当Z值在(1.18,2.675)的范围内,表明企业财务存在风险,将出现财务困境;当Z值大于2.675时,表明企业财务无风险,不会出现财务困境。

2 财务大数据信息化分析平台应用

此次研究选择Q集团作为实验对象,根据2005年到2014年企业的营业收入以及投入的营业成本,平台可自动制成对应趋势线,根据该趋势线,用户可预测未来几年营业情况,详见图2。

图2(a)显示平台预测2015年该集团营业收入约为418亿元,误差率在8%左右;平台预测该集团在2016年营业收入为546亿元,误差率在0.05%左右;预测集团在2017年营业收入为674亿元,误差率在1%左右;预测集团在2018营业收入为781亿元,误差率在0.1%左右。可以看出,除了2015年的预测误差较大,其余几年的平台预测误差均在允许范围内。2015年预测误差较大的原因可能是由新的行业规章出台、市场扩容、行业结构调整等原因造成的。图2(b)中三项费用指销售费用、管理费用、财务费用,平台预测集团2015年至2018年销售费用依次为28.5亿元、32.7亿元、38.5亿元、44.0亿元,误差率分别在3%,0.5%,3%,0.3%左右。图2(b)显示2015年与2017年在管理费用与销售费用上,平台预测与实际数值差异较大,这是由于这两年集团整合了许多企业,直接提高了管理费用、销售费用。

图2 平台营业收入与成本、三项费用预测图

3 平台财务预警预测分析测试

通过平台实现财务监控的实时监控分析测试。财务监控分析主要从资金绩效、应收账款、销售预算等三个方面完成监控,并从区域、产品类型、时间等方面进行利润的统计分析,利用Z值模型预测企业财务困境。每年年初集团均有可能出现财务困境,提示集团应注意年初销售计划的调整。通过该平台的财务预警,集团可实时关注影响集团发展的主要因素,并做好应对方案。

由图3可知,平台应用后,企业投入平台软件开发的成本由52万降至27万,在平台软件维护上的成本降至0,说明平台的构建降低了企业购置软件成本;平台的应用将财务合计报表上的时耗由两周降至1小时,准确度由70%提升至97%,有效降低财务人员的工作量。平台能将财务分析准确度提升至97%;在财务监控方面,平台实行集中监控,用户可实时调取监控数据,且财务监控预算调整时间仅为1天;在财务决策方面,平台的应用大幅度缩短决策时间,显著提高决策准确度、决策效率,将利润由3%增殖5%以上;在财务预测方面,平台的应用确保了财务数据的实时性,财务预测的准确性由90%增加至97%;在数据查询方面,平台可进行智能查询,能显著提高数据查询准确性(达98%)、及时性,数据量庞大。从企业经营状况上看,平台的应用提高了企业生产效率、利润率、人力资源利用率、库存周转率依次提高8%,9%,7%,12%;订单转换率、销售回款率、资金利用率依次提高4%,10%,13%;企业生产成本、采购成本、问题处理时间、人力成本、库存周期依次降低7%,9%,18%,13%,10%。

图3 平台应用前后对比分析图

4 结 语

为了满足信息用户个性化信息需求,此次研究利用云计算技术构建财务大数据信息分析平台,结果表明,平台在营业收入、营业成本预测上,2016年至2018年的误差率依次为0.05%,1%,0.1%;平台在销售费用预测上,2016年与2018年的误差率均在0.3%左右;平台应用后,集团软件开发的成本由52万降至27万,财务分析准确度提升至97%,利润由3%增殖5%以上,财务预测的准确性由90%增加至97%,数据查询准确性达98%;企业生产效率、人力资源利用率分别提高8%,7%;企业人力成本、采购成本依次降低13%,9%。结果表明,此次平台的构建较为成功,能提高企业竞争力,为企业有效决策提供帮助。