大数据财务分析创新体系的构建

【摘 要】 构建大数据财务分析创新体系是研究目标。文章采用规范研究法论述了基于财务分析的大数据特征、大数据财务分析所体现的“社会变革”特征，设计了大数据财务分析的创新目标和教材体系，得出的结论是大数据具有海量数据、多类数据、挖掘数据、洞察数据的特征，数字经济和新质生产力决定了大数据财务分析的经济基准和发展方向，大数据财务分析具有学科的穿透性、内涵的深透性、规律的探测性、数据的可视化特征。高校大数据财务分析的创新目标包括培养学生的政策把握能力和德才兼备的品质，收集数据、处理数据和管理数据的能力，掌握大数据的财务分析能力、构建大数据模型，具有参与数字经济和提升新质生产力的决策能力。通过构建《大数据财务分析》教材体系的导论篇、专题篇、综合篇、模型篇和拓展篇，揭示了教材创新体系的深远意义是以会计为核心的、拓宽会计视野的、立足管理的、支撑经济和改造社会的变革性分析。

【关键词】 大数据； 数字经济； 新质生产力； 财务创新分析； 穿透性分析

【中图分类号】 F230 【文献标识码】 A 【文章编号】 1004-5937（2024）15-0058-08

2009年4月，笔者撰写的“财务分析创新内容与实践研究”一文发表在《会计之友》2009年第11期[ 1 ]，提出了财务分析的创新内容应突出战略财务决策功能、现金流量支撑功能、资本证券市场功能、物力智力融合效能，并将这些创新内容写入笔者等编著的国家“十一五”规划教材《财务分析教程》中，在学术界和教育界产生了良好影响。该文在2018年进入“高被引”行列，《财务分析教程》已出版了第三版[ 2 ]。

大数据应用对社会面貌的改变越来越显著时，我国政府2014年将“大数据”概念、2017年将“数字经济”写入政府工作报告，传统的财务分析体系受到极大挑战，尤其是习近平总书记于2023年9月提出“新质生产力”概念后，为大数据财务分析注入了新的生机和活力。在此背景下笔者探讨大数据财务分析的创新体系，并跟同行进行交流。

一、我国大数据财务分析研究现状

我国大数据财务分析的研究经历了以下四个阶段：

一是具象萌芽阶段。具象是具体形象的简称，是一个汉语词汇[ 3 ]，与抽象形成对称。在20世纪80年代后期90年代初期，我国没有大数据概念，但有类似的具象词语：（1）财务分析指标“数字大、数据多，计算工作量大”[ 4 ]；（2）企业资金分析要以国际财务指标标准值为依据[ 5 ]；（3）财务分析要“猎取反映上级考核的指标数据”和“上级没有考核的其他经济效益数据”[ 6 ]；（4）评价企业经济效益要以全行业数据为标准[ 7-8 ]。我国会计界在具象萌芽阶段反映的大数据特征是数据大且以行业平均值、国际标准值为依托。

二是数据挖掘创新阶段。曹中[ 9 ]结合我国数据库技术迅猛发展的现实提出要对数据库中大量数据进行抽取、转换、分析及其他模型化处理，从中提取辅助决策的关键性数据，挖掘大数据库的新功能。于翠静等[ 10 ]结合ERP软件的应用，提出企业内部ERP系统信息要与外部数据紧密结合，实现内外数据的可视化分析。朱学义等[ 2 ]结合市场环境变化和人才级次要求，设计了初级财务分析、中级财务分析和高级财务分析的结构体系，突出大数据财务分析的战略财务决策功能、现金流量支撑功能、资本证券市场功能、物力智力融合效能。

三是财务大数据阶段。2014年，我国政府将大数据概念首次写入政府工作报告，助推大数据和财务分析的结合，开辟了财务大数据分析的新时代[ 11 ]。2017年，我国政府将数字经济写入政府工作报告，大数据与经济的发展更加密切，给财务大数据分析增添了数字经济的活力。

四是大数据财务分析阶段。2021年5月，孙义等主编出版《大数据财务分析》，和之前的财务大数据分析的巨大不同点是：以大数据技术为基础进行的财务分析[ 12，4 ]，不是在财务框架下利用大数据进行的分析，其研究应用领域要广阔得多，包括大数据财务分析平台建设，大数据采集、加工、分析与挖掘，大数据财务分析可视化，大数据财务岗位技术分析等。2023年9月，当习近平总书记提出新质生产力概念后，大数据财务分析有了新的建设目标和方向。

二、大数据财务分析所体现的大数据特征

大数据的一般特征表现为数量巨大、类型众多、结构复杂、平台聚集、捕获省时、应用广泛，基于财务分析视角，大数据具有会计领域（或会计视角）的应用特性，其中的“大”突出体现在以下四方面。

（一）海量数据特征

大数据首要特征是数据的数量大、容量大，以海量数据著称。具体体现：（1）数据量面广。如2019—2022年我国突发公共卫生事件使用的“健康码”数据、“行程码”数据，数据量涉及每个公民。检测每个公民的“两码”数据，就能立即生成全国的汇总数据，这是每个公民都感受到的海量数据。从会计视角看，会计的数据涉及全国乃至全世界各企事业单位，如果考虑“私家会计”（对“私家经济收支事项进行管理”的“簿记工作者”[ 13 ]）的话，还涉及“商人账簿”[ 14 ]记录的家家户户。可以说，只要有人进行经济交往的地方，都有会计数据的存在，适用于商人管理的需要都会用到会计数据。（2）数据年限长。会计是经济管理的重要组成部分，如果经济管理需要有较长或很长时期的数据为支撑，研究经济变动规律，则需要几十年乃至更长时间的数据作为样本，才能得出正确结论。例如，美国纽约大学奥尔特曼（Edward I Altman）教授1968年创建的破产预测模型——奥尔特曼模型就使用了美国1946—1965年33家破产企业和33家非破产企业的财务数据，得出Z值判定区间。又如，1926年，俄国经济学家尼古拉·康德拉季耶夫（Nikolai D. Kondratiev）研究资本主义经济周期的长度为54年左右（称“长周期”），考察的三个“长周期”年限跨度是1810—1920年以后的110多年[ 15 ]。

（二）多类数据特征

2009年5月6日，国家标准化管理委员会等部门发布的《中华人民共和国国家标准GB/T13745-2009》对学科分类作出规定：财务管理（代码630.4020）、成本管理（代码630.4025）隶属“管理学”（代码630）；会计学（代码790.37）、审计学（代码790.39）隶属“经济学”（代码790）。2020年2月21日，教育部发布“普通高等学校本科专业目录（2020年版）”规定：会计学（代码120203）、财务管理（代码120204）、审计学（代码120207）隶属“管理学——工商管理类”。从国家对学科的这两种分类可以看出：（1）会计领域涉及管理学科和经济学科。（2）会计类的具体学科可以融合至广义的“会计”范畴。会计老前辈阎达五教授、娄尔行教授指出“财务管理和会计管理是从两种不同的角度（标准）对同一管理活动所作的划分，两者的含义是一致的”；“会计提供的信息分别属于资金和成本两大类。指导资金会计和资金管理的思想应在会计理论体系中占有重要的位置”[ 16 ]。学者方敏[ 17 ]说“由于早期财务审计是以审查会计账目、报表为对象，因而有人把审计纳入广义会计学的一个分支”。会计老前辈和学者的论述告诉我们：财务管理、成本会计、审计学科和会计学科一起，都可以纳入“会计”范畴。需要指出的是，当今社会会计内容的多科性越来越彰显。会计史学家郭道扬教授论述“会计职能”时说“会计是科学与技术的结合体，从现今社会及至未来，作为科学的属性方面，它融合了自然科学与社会科学的相关内容，日益显示出作为一门边缘科学或曰交叉科学的特征”[ 18 ]。

从以上分析可以得出，大数据财务分析是“会计学”研究的重要内容，由于广义的会计涉及管理学、经济学、社会学及自然科学交叉领域，则满足多学科的多种类数据成为大数据财务分析的重要特征。

（三）数据挖掘特征

所谓数据挖掘，是指从大量数据中通过算法技术搜索隐藏的、更深透信息的过程。数据挖掘揭示的信息具有隐含性、未知性、规律性和潜在价值性。通过挖掘技术产生的数据称为“挖掘数据”。数据挖掘的过程，主要是基于人工智能、模式识别、统计技术、数据库处理、模型运行、可视化技巧等。基于财务分析视角的数据挖掘的方法有关联分析、分类分析、聚类分析、异常分析、演变分析和特异群组分析等，挖掘的大数据对企业提高新质生产力具有决策作用。

（四）洞察数据特征

所谓洞察数据，是指通过大数据的分析和挖掘，将数据转换为更能洞察未来发展方向的信息。这种信息具有战略发展的方向性、研究探索的前瞻性、生产经营业务的引导性、创造奇迹的突破性。

三、大数据财务分析所体现的“社会变革”特征

1995年4月，厦门大学硕士研究生谢德仁[ 19 ]撰写的论文“会计理论研究的逻辑起点及会计理论体系”，发表在《会计研究》1995年第4期上。该文提出“会计理论研究的逻辑起点应是会计环境”，回顾了以往“会计原则起点论”“会计假设起点论”“会计目标起点论”的研究进程，破天荒地提出了“会计环境起点论”，把会计理论研究推向了新的发展阶段，至今仍发挥着创新理论的指导作用。根据这一“新起点”理论，大数据财务分析所处的会计环境发生变革必然要影响大数据财务分析的内容。当今社会，以下两大“社会变革”的现实决定着大数据财务分析的经济基准和发展方向。

（一）数字经济对大数据财务分析的影响

中国科学院大学经济与管理学院孙毅[ 20 ]认为，20世纪60年代至80年代为“信息经济”时代，20世纪90年代至21世纪初为“网络经济”时代，21世纪初至今为“数字经济”时代，是“以5G、大数据、物联网、云计算及人工智能等新兴技术”“数字技术与经济社会深度融合”的时代，是工业革命以来经济社会发生的“最大的变化”。2017年10月18日，党的十九大报告提出我国“经济结构不断优化，数字经济等新兴产业蓬勃发展”，要“为建设科技强国、质量强国、航天强国、网络强国、交通强国、数字中国、智慧社会提供有力支撑”。我国数字经济概念的提出，对会计学科《财务分析》课程延伸的大数据财务分析提出了三大新要求。

1.数字经济是一种共享经济

因为数据作为新型生产要素具有四大特征，即非稀缺性、非均质性、非排他性、隐私敏感性。这些特征决定了数据在参与生产过程后可以多次循环使用，在数据没有受到保护的前提下，不同企业、行业、部门、社会、国家都可以使用。就企业内部而言，一个部门的数据，包括财务会计部门（含审计部门，下同）和其他部门，能被多个部门共同享用，为企业各个领导提供决策。财务会计数据不仅仅为财务会计部门独占，也为其他相关部门所利用。将这一思想扩展到整个社会，使数字经济成为社会可以共享的经济。这一特征要求大数据财务分析不再是企业内部财务会计部门的“专利”，它会拓展到企业内部各个部门共享，如果不是商业秘密，还能成为社会共享的数据。同样，社会其他部门的数据也能被财务部门利用，绽放出财务视角的“火花”。

2.数字经济是一种生产力经济

2019年10月，党的十九届四中全会首次提出数据是生产要素[ 13 ]。数据除了开放共享外，还可以流通交易、开发利用，进行“市场化配置”，参与收益分配，由其投入阶段向产出和分配阶段拓展。进入数字经济时代，产业发展要数字化，公共服务要数字化，国际合作要数字化，经济治理要数字化，数字经济成为推动生产力发展的利器。作为财务分析的大数据，不仅仅像过去所说的“为企业考核评价、决策预测提供依据”，而是要跳出狭义的财务分析框架，为推进企业乃至社会生产力尤其是新质生产力发展而作出贡献。

3.数字经济是一种挖掘型技术经济

2022年1月12日，国务院印发《“十四五”数字经济发展规划》提出，要“激活数据要素潜能”，即将数据作为劳动对象，通过采集、存储、加工、流通、分析及其生态保障六大模块，充分挖掘出其价值和使用价值，由劳动对象上升为劳动工具，发挥其挖掘型技术经济的带动作用。2023年3月，国家成立数据局，就是要统筹管理、充分发挥这个要素潜能，这对传统的财务分析提出的最大挑战是不能简单地进行对比分析、因素分析、差量分析等，而是要设计模型，利用技术方法挖掘数据新的价值。

（二）新质生产力对大数据财务分析的影响

2023年9月6日至8日，习近平总书记在黑龙江省调研时提出“新质生产力”概念。2024年3月5日，我国《政府工作报告》首次将“大力推进现代化产业体系建设，加快发展新质生产力”列为首要任务。新质生产力（New quality productive forces）是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力的一种质态，是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生。生产要素优化组合是它的主要内涵，科技创新是它的核心力量，大幅度提升全要素生产率是它的核心标志。新质生产力对大数据财务分析的突出影响：

1.影响了大数据财务分析的最终目标

一般观点认为，大数据财务分析的最终目标是为企业管理层提供决策有用的财务分析信息。但是，新质生产力概念提出之后，企业“发展新质生产力”的长远发展战略目标决定了企业大数据财务分析的最终目标是为促进企业新质生产力的提高提供财务决策信息。

2.影响了大数据财务分析的主体内容

一般观点认为大数据财务分析的主体内容有二：一是会计报表分析，分析资产负债表、利润表、现金流量表、财务报表粉饰甄别等；二是财务能力分析，包括偿债能力分析、营运能力分析、盈利能力分析、发展能力分析、综合财务绩效分析等。但是，新质生产力提出后，大数据财务分析主体内容的突出变化是科技创新能力分析、综合生产率分析、生产要素优化配置分析等。

3.影响了《大数据财务分析》教材体系的构建

我国已出版的《大数据财务分析》教材体系一般分为四大部分：一是大数据应用，包括数据技术（Python技术、Power BI技术等编程或应用）、数据收集、数据加工、数据挖掘、数据可视化；二是会计报表分析；三是财务能力分析；四是财务预警分析。但是，新质生产力提出后，《大数据财务分析》教材的创新体系是：大数据财务分析导论篇（更突出大数据技术、数字经济的要求、新质生产力的导向）；大数据财务分析专题篇；大数据财务分析综合篇；大数据财务分析模型篇；大数据财务分析拓展篇。

四、“社会变革”特征映射的大数据财务分析的创新特征

“社会变革”的特征必然在大数据财务分析创新特征上得到反映。

（一）学科的穿透性

财务分析是会计常用的一种方法和技术。在大数据共享的背景下，财务分析有了各种不同类别的大数据，其分析的意义和价值就会穿透“会计”，拓展到管理学科、经济学科、社会学科及其他工科领域。例如，会计进行“工资薪酬”分析时，从会计学科微观视角看，要分析本企业职工薪酬增长率、薪酬成本占比率、主营收入薪酬率、薪酬劳动生产率等。如果加上全国规模以上工业企业大数据，则要分析规模以上工业企业平均用工人数、人均营业收入、全员劳动生产率，这涉及经济管理学科指标。如果联系全国就业人员工资总额、全国就业人员平均工资、各行业就业人员工资总额和平均工资、全国居民消费价格指数、国内生产总值、科技发展等指标，则要计算名义工资、实际工资、职工工资对GDP增长的贡献率和拉动率、职工工资对科技发展的贡献率等，这就不是财务会计人员像过去分析工资成本增减对企业劳动生产率提升或降低所产生的作用那么简单，而是要涉及劳动经济学、发展经济学、管理经济学、技术经济学、财政管理学、科技管理学、经济社会学、社会统计学等。这种穿透分析，更能反映会计学科知识同其他学科知识的辐射性和融合性。

（二）内涵的深透性

就一般情况而言，财务分析揭示的指标内涵超越不了会计学科的范畴。但是，在数字经济社会，在数据作为生产要素参与收益分配的背景下，大数据财务分析揭示的内容更加深透。例如，会计进行“收益分配”分析时，往往计算企业可供分配的利润、净利润分红率、现金股利支付率、现金股利保障倍数、盈余现金保障倍数等，如实反映企业投资者资本收益分配情况。在大数据财务分析背景下，财务会计人员分析“收益分配”时，如果加上我国上市公司利润分配、收益分配等数据，就能观察全国上市公司收益分配水平，进一步计算全国上市公司净资产收益率、每股收益、股本分红率、净利润分红率、投资回报率、资本保值增值率，还能计算职工劳动收益与投资者资本收益之比、管理者股权激励与薪酬之比等，更充分揭示“按劳分配为主体、多种分配方式并存”的分配政策的引导性，按数据贡献参与收益分配的时尚性。这是企业财务会计数据渗透到资本市场乃至经济社会其他领域进行的既有广度又有深度，还有高度的穿透性分析。

（三）规律的探测性

大数据财务分析的一个重要特点是利用大数据建立模型，通过5年、10年，或20年、30年以上大数据的应用，揭示社会发展的规律，尤其是经济规律。这些规律不是简单分析、推理就能揭示出来的，是挖掘数字技术得出来的。例如，学者朱亮峰[ 21 ]分析煤炭产品生产、销售、消费情况时，加上全国1978—2015年煤炭消费同GDP发展的大数据后，通过建立模型揭示了我国煤炭消费同GDP增长存在9.5年的“朱格拉”（Clement Juglar）经济周期规律，他将微观企业或单位的煤炭消费同外部经济社会发展环境相结合，尤其是数据的融合，得出的预测结论是：我国煤炭消费占全部能源消费的比重下降1%，GDP下降0.22%，预计2020年煤炭消费占比由2015年的63.8%降到58.7%以下。事实上我国煤炭消费占比2020年实际数值为56.9%，和预测数据比仅相差1.8个百分点，预测误差3%（1.8÷58.7×100%）。

（四）数据的可视化

大数据财务分析不仅仅是数字、文字分析，还辅以更多可视化内容。从数据可视化应用角度分析包括三大视角：一是企业部门应用数据的可视化。孟丽彦[ 22 ]结合SH集团大数据背景下财务数据分析的实际，认为大数据管理能够实现大数据组织决策可视化、生产运营可视化、财务预测可视化、营销推介可视化。二是软件操作过程的可视化。三是数据处理结果的可视化。景莲[ 23 ]研究大数据可视化处理技术认为，从多个维度深度分析企业偿债能力、盈利能力、营运能力和发展能力等指标，可通过折线图、气泡图、柱状图、雷达图、正态分布图等展示颜色丰富的图形、表格，并使绘制的线条形式更加直观、美丽，加上视频后，枯燥的数据变得更生动形象。

五、大数据财务分析的创新目标

（一）现行《大数据财务分析》教科书确定的目标

孙义等[ 12 ]论述财务分析发展趋势时认为，大数据财务分析的趋势为“揭露企业的舞弊造假行为”“形成适合利益相关者需要的财务分析结果”“提高会计信息的及时性，从而使管理决策更为有效”。袁天荣[ 24 ]认为，大数据财务分析的目的是为企业主体（企业投资者、企业债权人、企业管理者、供应商和客户、企业雇员、竞争对手、行政管理与监督部门）提供他们关注的“企业未来的盈利能力和风险水平”“与企业发展战略相关的财务信息”“企业偿债能力的强弱”“企业营运能力和持续发展能力”的信息、企业的“发展前景”“竞争战略”“党和国家的各项经济政策、法规、制度在企业的执行情况”“为宏观决策提供可靠信息”。张立军等[ 25 ]认为，在数据经济时代，有了数据，“可以进行分析预测，提前布局和规划”“根据用户喜好进行商品推荐和定制”“用于商品的精准营销”“不断创新产品和服务”“更加精准地分析、规避、防范风险”“降低运营成本”“推动产业数字化转型发展”。樊斌等[ 26 ]认为，大数据财务分析“可以使用最详细的数据凭证数据，进行全样本数据的大数据分析”“用更丰富的图形可视化形式呈现”分析结果，“更有利于企业进行经营分析和决策”。张敏等[ 27 ]认为，基于Python的大数据财务分析要解决的问题是“将技术与会计进行深度融合，利用技术解决会计的数字化和智能化问题”，培养学生“利用Python灵活解决会计问题的思维”“提升学生的学习效率和效果”。杜海霞等[ 28 ]认为，大数据财务分析的学习目标：一是培养学生具有管理思维的能力，能够理解企业业务背景，评估分析需求，确定分析目标；二是培养学生具备敏锐洞察力，能够识别问题，确定分析重点；三是培养学生具备职业判断力，能够基于不同的任务情境，选择合适的分析方法；四是培养学生具备大数据思维的能力，能够初步确定数据采集的路径与方法；五是培养学生具备责任意识，能够初步确定决策建议。

以上教科书都从各自教材体系中确定了大数据财务分析的不同目标，目标的共同点是为企业或利益相关者提供决策有用的反映大数据财务分析的可靠信息。樊斌等[ 26 ]、张敏等[ 27 ]突出了Python软件、Power BI工具在大数据财务分析决策中的应用，有的教材还赋予很多案例或实践素材，教材具有划时代的创新价值。但是，这些教科书中大数据的“大”不够突出，至少书中反映不足；软件应用体现的数据有限，和数据资源、数字经济挂钩不够紧密；对传统财务分析的突破性不足。正如樊斌等[ 26 ]在教科书前言中所说的那样，“近年出现了少量的Power BI大数据分析教材，但过于侧重对技术工具的介绍，对会计大数据分析业务体现得不够充分”，克服这一不足的对策是“只介绍Power BI的一些常用功能，不追求工具的全面性、系统性”。张敏等[ 27 ]在教材前言中也说“很多学校的Python课程一般是由有计算机背景的教师授课”，使会计专业学生“陷入代码‘森林’中不知所措”，教材“将Python与会计、财务、金融场景进行紧密融合”。但是，计算机教师参与编写的大数据财务分析，其数据也不是与会计结合很紧密的数据，例如有的大数据财务分析教材在对“文本数据加工”时，应用的数据是某城市“天气数据表”“母婴用品店客户的婴儿数据”等，学生学完后不知道怎么和财务分析挂钩。一些软件虽然导入某某上市公司的“资产负债表”“利润表”“现金流量表”，但要将全国5 000多家上市公司数据导入不大可能，也就无法汇总计算模型所需要的财务指标。解决这些问题的办法是教会学生如何建立适应自己研究对象或分析对象所需要的数据库。

（二）大数据财务分析创新目标的确定

笔者在研究他人成果的基础上提出高等学校开设大数据财务分析的四大教学目标，这些目标区别于其他类似教材的提法。

一是通过本课程的学习，应使学生了解国家的财经方针政策、财务会计法规制度，树立客观公正的职业品德，坚守干净担当的数字素养，掌握财务会计的分析技术，成为德才兼备、无私奉献、追求卓越的高级财务分析师。

二是培养学生收集大数据，建立数据库，掌握大数据收集、利用、加工、转换的技术本领。能利用会计报表及其有关资料进行大数据专题分析和大数据综合分析，提高对企业生产经营管理和经济决策的主动性、科学性，增强经济行为的效益性，具有大数据管理应用能力。

三是提高学生的大数据模型构建和数据挖掘能力，具有数据要素的初步分析能力，为学生撰写毕业论文提供基础，为毕业后从事大数据财务分析、诊断和预测提供知识和技术支撑，具有发展数字经济的技术能力。

四是提高学生参与提升新质生产力的决策能力。要求学生至少掌握一门软件技术的应用，学会运用大数据为企业提升新质生产力贡献力量。

六、《大数据财务分析》教材创新体系的构建

大数据财务分析面向两大对象：高等学校会计类专业的学生，现场财务管理人员、会计实务人员、审计人员及其他经营管理人员。前者是后者的后备军、生力军。因此，笔者通过构建高等学校《大数据财务分析》教材的创新体系（五大篇）来培养“高级财务分析师”，为企事业单位的发展提供智力支撑。

（一）大数据财务分析导论篇

大数据财务分析导论篇分为四大章：（1）大数据财务分析的产生背景，包括大数据的提出及社会的渗透性、数字经济对大数据财务分析的影响、新质生产力对大数据财务分析的导向、大数据财务分析的目标；（2）大数据财务分析的特征，包括大数据特征、财务分析特征；（3）大数据财务分析的框架，包括大数据财务分析的创新目标、思政设计、核心内容、软件工具等；（4）大数据财务分析数据库，包括构建数据库应用的软件，数据库的数据范围与收集，大数据加工、处理、转换及挖掘，会计数据资源的融合，大数据可视化的实现。

（二）大数据财务分析专题篇

大数据财务分析专题篇分为五大章：（1）流动资产专题分析，包括货币资金专题分析、交易性金融资产专题分析、应收账款专题分析、存货专题分析；（2）非流动资产专题分析，包括固定资产专题分析、智力投资专题分析、投资性房地产专题分析；（3）负债专题分析，包括流动负债专题分析、长期负债专题分析；（4）经营业绩专题分析，包括业绩评价专题分析、成本差异专题分析、市场占有率专题分析；（5）所有者权益专题分析，包括资本保值增值分析、上市公司股东权益分析。

（三）大数据财务分析综合篇

大数据财务分析综合篇分为三大章：（1）财务能力分析，包括资金筹集分析、偿债能力分析、盈利能力分析、营运能力分析、发展能力分析；（2）财务综合分析，包括综合能力分析、竞争能力分析、资本绩效综合分析、经济效益综合分析、企业财务弹性分析；（3）资金流动分析，包括资金流动分析概述、融资资金流动分析、运营资金流动分析。在大数据财务分析综合篇中，每个指标不仅仅是以某个企业数据为依据，而是至少要五年行业数据或资本市场数据作比较，将微观财务分析扩展到中宏观财务分析范围。

（四）大数据财务分析模型篇

大数据财务分析模型篇分为四大章：（1）资产营运效率模型构建与应用，包括货币资金效率模型构建与应用、应收账款管理目标模型构建与应用、存货管理关联度模型构建与应用；（2）成本管控业绩模型构建与应用，包括成本企划模型构建与应用、成本动因模型构建与应用、成本粘性模型构建与应用、成本管控目标模型构建与应用；（3）财务能力指数模型构建与应用，包括偿债风险指数的确定、盈利回报指数的确定、营运能力指数的确定、发展能力指数的确定、财务弹性指数的确定；（4）财务综合模型构建与应用，包括宏微观综合因素模型构建与应用、政策影响因素模型构建与应用、中介变量模型构建与应用等。

（五）大数据财务分析拓展篇

大数据财务分析拓展篇分为三大章：（1）大数据财务质态分析，包括科技创新能力分析、综合生产率提升分析、生产要素优化配置分析等；（2）大数据财务跨界穿透分析，包括透过会计的延伸效应分析、立足管理的价值创造分析、支撑经济的新质生产力分析、改造社会的推动作用分析；（3）大数据财务挖掘导向分析，包括战略发展的方向性分析、未来发展的趋势分析、经营业务的引导性分析、数字经济的运行规律分析、创造奇迹的突破性分析等。

七、大数据财务创新分析体系的深远意义

两种会计观：一是狭义会计观，二是广义会计观。前者认为，会计学术研究不能超越会计范畴，研究方向应限制在会计确认、会计计量、会计设账登账报账和用账、会计核算和监督、会计准则制度变革并趋同于国际财务报告准则、会计人才及教育等范围，一句话，仅仅涉及会计理论和会计实务问题的研究。后者认为，会计学术研究是以会计为核心所辐射的一切问题研究，是“跳出会计看会计”“穿透会计改造会计和改造社会”的研究。笔者认为，在数字经济和新质生产力发展时代，尤其是将“数据”确立为生产要素的时代，大数据拓展了会计的视野，广义会计观更能彰显会计的功能，拓展会计的应用前景，创新更有生命力、更具指导性的会计理论，更能用会计理论及方法影响和改变其他学科乃至世界。广义会计论所发挥的效能已被近代会计发展史的典型范例所证实。下面略举几例：

（一）会计等式与资本主义“关系因”理论

五百多年前的1494年，近代会计之父卢卡·帕乔利将“资本”概念用于会计等式，开创了近代会计的先河（朱学义）。日本会计学家黑泽清在他的《改订簿记原理》一书中写道“在复式簿记出现之前，世界上不存在所谓‘资本’概念。或者说，倘若没有复式簿记，就没有‘资本’的出现。是卢卡·帕乔利将‘资本’用于‘经营实体’，为资本主义时代的到来准备了一个完美的经济信息系统”[ 29 ]。正如美国会计学家艾哈迈德·里亚西—贝克奥伊在他所著的《会计理论（第4版）》中所描述的那样：“一些经济历史学家将会计与资本主义联系在一起，他们普遍认为复式簿记对资本主义的发展和变革至关重要，是复式簿记创造了资本主义。这就是会计与资本主义两者之间的关系因（Sombart）的理论或论点。”[ 30，11 ]

（二）复式簿记与所有权和经营权的分离

我国会计学家葛家澍1987年4月16日在《簿记论》中文版序中指出，“复式簿记还创造出资本主义‘企业’的概念”“在单式簿记下，一家企业的现状，只能用现有财富的一套账户来表示。而复式簿记却迫使人们以一套适当的资本账户来‘算得’现状”，记录经营实体的“经管责任”“让经理和会计人员经受这种压力，一定要交待财富的变化”，并对“期间损益”进行“测定”。正如美国会计学家艾哈迈德·里亚西—贝克奥伊在他所著《会计理论（第4版）》中所描述的那样“复式簿记成就了所有权与经营权的分离，因此，促进了大型合资公司的发展”[ 30，12 ]。

（三）会计理论构建与多学科方法的应用

翻开《会计大典第一卷：会计理论》第一篇，作者论述“会计理论研究方法”时认为[ 31 ]，会计是一种语言，是一种历史记录，是现时经济现实，是一个信息系统，是一种商品，还是一种意识形态，构建会计理论体系应该是多学科方法的应用。包括会计学方法的应用、经济学方法的应用、社会学方法的应用、伦理学方法的应用、演绎法和归纳法的应用、折衷法的应用、实用主义法的应用等。这揭示了一个基本事实：会计理论构建涉及多个学科知识、方法的应用，同时，会计理论指导实践的过程又涉及不同学科的多个方面，并影响其他学科的发展。其他学科理论经过会计学科深化改造后，注入了新的生机，其他学科研究者觉得很新鲜，很时尚，很有推广应用价值，这就是广义会计观的会计辐射理论。

（四）会计学术研究的“专用性”与“双重性”

长期以来，会计学术研究的“专用性”受到会计学术界的普遍认可。这种“专用性”聚焦会计学科的研究方向、财务与会计的研究方法[ 32 ]、会计学科的理论体系、会计学科的课程体系、会计学科的专业设置、会计学科的人才培养、会计学科的国际发展、会计学科的未来前景等，国家社会科学基金每年都有一定数量的财务与会计及审计的研究课题发布和中标。但是，在现实社会中，会计的“专用性”受到挑战，主要受到会计“双重性”的挑战。

会计的“双重性”是指会计的“自然属性和社会属性”[ 33 ]。会计的自然属性是指会计原则、方法、技术具有共用性，不受社会制度的制约，反映会计的生产力性质；会计的社会属性是指不同的社会制度对会计的原则、方法、目标等所作出的具有各自特征的性质，是会计的社会性质。1996年，笔者应用会计学的“权益”理论和“资本化”方法，申报国家自然科学基金“矿产资源权益价值理论及资本化方法研究”获批（编号：79670094），开创了我国矿产资源“有偿使用”的权益化和资本化结合的道路[ 34 ]。这是会计的“自然属性”扩展到矿产资源领域的研究。当我国矿产资源从存量到增量都实现了“价值化”有偿管理后，2015年，国家社会科学基金重大项目“我国自然资源资本化及对应市场建设研究”招标（编号：15ZDB163），笔者有幸中标成为第一子课题“自然资源资本化的理论支撑及宏微观效应分析”的负责人。这就是说，会计学先前反映自然属性的“资本化”方法已成为我国社会科学中改革“自然资源”管理体制的专门方法[ 35 ]。会计的“双重性”在20年间的融合中得到国家资源管理部门的认可。如果会计的研究仅仅限于会计的“专用性”，就不能创造出推动社会变革的应用。

通过以上分析不难看出，会计学科研究者应该将会计的核心理论、先进方法、创新的技术渗透到它所辐射的多个学科的方方面面，才能彰显会计学术研究强大的生命力[ 36 ]。比如，笔者研究会计的“工资分配”“收益分配”内容时，将其提升到研究全社会城镇居民“人均可支配收入”的高度去分析，进而透视我国国民收入的初次分配和再分配现状，揭示党的分配政策的正确性、引导性和先进性，这正彰显了大数据财务分析真正“大”的本质特征。笔者论述的大数据财务创新分析引申出会计的方向性变革，即跳出会计看会计，立足管理看会计，支撑经济看会计，改造社会看会计。当然，大数据财务分析的“穿透性”这一特征是会计学科的辐射行为，不是离开会计学科的所作所为。

八、研究结论

大数据财务分析创新体系构建：第一，要体现社会变革的时代特征，大数据的时代特征、数字经济特征[ 37 ]、新质生产力特征。第二，要体现大数据的内涵特征，海量数据、多类数据、挖掘数据、洞察数据。第三，要体现大数据财务分析的创新特征，学科的穿透性、内涵的深透性、规律的探测性、数据可视化。第四，要体现大数据财务分析在教学上的创新目标，包括培养学生的政策水平和德才兼备的品质，培养学生收集数据、处理数据和管理数据的能力，培养学生掌握大数据财务分析的技术，提高学生构建大数据模型和数据挖掘的本领，提高学生参与数字经济和提升新质生产力的决策能力。第五，构建《大数据财务分析》教材的创新体系，包括导论篇、专题篇、综合篇、模型篇和拓展篇五部分，其意义深远，是以会计为核心的、拓宽会计视野的、立足管理的、支撑经济和改造社会的变革性分析。

【参考文献】

［1］ 朱学义，王建华，吴江龙，等.财务分析创新内容与实践研究［J］.会计之友，2009（11）：36-37.

［2］ 朱学义，朱亮峰，李文美，等.财务分析教程（第三版）［M］.北京：北京大学出版社，2023：5-9.

［3］ 中国社会科学院语言研究所辞典编辑室.现代汉语词典［M］.北京：商务印书馆，2012：704.

［4］ 刘亚雄.火电厂经济统计BASIC程序［J］.西南电力，1986（4）：35-39.

［5］ 朱学义.资金平衡表分析新探［J］.会计研究，1990（4）：16-20.

［6］ 许同生.重视财务分析工作 提高经营管理水平［J］.广西农村金融研究，1991（8）：45-46.

［7］ 朱学义.工业企业经济效益审计的新指标计算与评价［J］］.当代审计，1992（3）：4-7.

［8］ 朱学义.论我国流动比率的合适标准［J］.财务与会计，1995（9）：29-32.

［9］ 曹中.论数据挖掘和企业财务分析［J］.平原大学学报，2004（1）：35-36.

［10］ 于翠静，钱晓江.数据挖掘技术在ERP财务分析中的应用［J］.计算机与数字工程，2008，36（6）：185-187.

［11］ 李惠青.大数据技术助力施工企业财务分析浅探［J］.企业研究，2014（2）：101-102.

［12］ 孙义，牛力，黄菊英.大数据财务分析［M］.北京：中国财政经济出版社，2021：3-4.

［13］ 郭道扬.会计史教程（第一卷）［M］.北京：中国财政经济出版社，1999：196.

［14］ 郭道扬.会计史研究（第二卷）［M］.北京：中国财政经济出版社，2004：158.

［15］ 胡希宁.当代西方经济学概论［M］.北京：中共中央党校出版社，1998：246.

［16］ 杨纪琬.中国现代会计手册［M］.北京：中国财政经济出版社，1988：761.

［17］ 方敏.审计学与会计学差异［J］.考试与招生，2018（10）：50-51.

［18］ 童道友.会计理论研究［M］.北京：中国财政经济出版社，2002：44.

［19］ 谢德仁.会计理论研究的逻辑起点及会计理论体系［J］.会计研究，1995（4）：1-6.

［20］ 孙毅.数字经济学［M］.北京：机械工业出版社，2022：3-6.

［21］ 朱亮峰.煤炭资源资本化支撑理论及运作效率研究［M］.北京：中国经济出版社，2017：79.

［22］ 孟丽彦.大数据背景下财务数据分析方法创新思考：以SH集团为例［J］.现代管理科学，2019（1）：112-114.

［23］ 景莲.大数据下企业财务分析的优化研究［J］.农村经济与科技，2021，32（22）：133-135.

［24］ 袁天荣.大数据财务分析［M］.北京：中国经济出版社，2022：8-9.

［25］ 张立军，李琼，侯小坤，等.大数据财务分析［M］.北京：人民邮电出版社，2023：4.

［26］ 樊斌，曹越，周鸿.大数据财务分析：基于Power BI［M］.北京：中国人民大学出版社，2023：19.

［27］ 张敏，王宇韬.大数据财务分析：基于Python［M］.北京：中国人民大学出版社，2022：1-2.

［28］ 杜海霞，董萍萍，肖汉峰.大数据财务分析［M］.北京：中国财政经济出版社，2022：1-4.

［29］ LUCA PACIOLI.巴其阿勒会计论［M］.林志军，李松玉，李若山，译.上海：立信会计图书用品社，1988.

［30］ AHMED RIAHI-BELKAOUI.会计理论（第4版）［M］.钱逢胜，等译.上海：上海财经大学出版社，2004：11.

［31］ 葛家澍，余绪缨，侯文铿，等.会计大典第一卷：会计理论［M］.北京：中国财政经济出版社，1999.

［32］ BOB RYAN，等.财务与会计研究：方法与方法论（第2版）［M］.阎达五，等译.北京：机械工业出版社，2004.

［33］ 侯文铿.会计辞海［M］.沈阳：辽宁人民出版社，1990.

［34］ 朱学义.论矿产资源权益价值理论［J］.中国地质矿产经济，1998（12）：21-27，37.

［35］ 朱学义.矿产资源权益理论与应用研究［M］.北京：社会科学文献出版社，2008：104.

［36］ 朱学义，朱亮峰.管理会计价值增值目标的实践：以淮海控股集团民营企业为例［J］.管理评论，2017，29（9）：262-272.

［37］ 陈良华，贺小雨，赵榕.数字智能技术与会计未来发展［J］.会计之友，2024（10）：156-160，封三.