毛青龙

（银联商务股份有限公司，上海 200120）

一、引言

在当今全球经济快速发展的大背景下，企业借助互联网技术及信息化技术的优势实现了长足发展，综合实力得到了明显的提升，而在企业实现快速发展的同时，大量需要处理的信息化数据产生，尤其是财务管理方面的数据，给企业财务管理系统带来了巨大的压力。在这种情况下，仅仅依靠财务工作人员是无法完成分析和处理这些财务数据工作的，为了有效分析和处理这些数据信息，从而为企业战略决策和制度的制定提供数据方面的支撑，需要引进先进的数据处理技术，以挖掘出财务信息背后隐藏的资源间的相互联系。数据挖掘技术的出现恰好解决了企业当前在财务数据分析、处理方面面临的难题，可以实现对财务信息的有效分析和处理。

大数据挖掘流程图

二、大数据挖掘技术的定义及特点

大数据的概念由来已久，随着时代的发展和变迁，其具体的意义也在不断发生变化。如今，人们通常用它来描述和定义数量巨大、类型众多的数据。随着信息化时代的到来，各行各业的数据呈爆炸式增长，这充分表明了企业发展和扩张的速度之快，但数据的爆炸性增长也为企业带来了隐患，如何在短时间内高质量、高效率地处理这些数据已成为当今企业最为关注的问题之一。在这种情况之下，大数据挖掘技术应运而生，其为人们在短时间内快速处理大量数据以及生成具有参考价值的决策信息提供了切实可行的方案。

早在20世纪90年代就有西方学者对大数据挖掘的定义及重要作用进行了相关阐述，还针对一些贸易商的财务信息提出了具体的有关数据挖掘方式，从而为后来大数据挖掘技术的发展打下了良好的基础。我国有学者认为，大数据挖掘技术是一种人工智能技术，具有十分广阔的应用空间，其具体是指利用计算机特定的算法，在数据库中筛选、转换和挖掘所需要的数据，进而获取自己想要的有效数据。一般情况下，大数据挖掘技术不包括对数据进行采集和处理。在当今时代，数据一般都具有规模庞大、复杂程度高的特点，大数据挖掘技术可以通过诸如数据关联、数据类聚等方式，对相关数据进行更深层次的分析和解读。对于企业财务部门来讲，运用大数据挖掘技术分析的多为结构化数据、半结构化数据，其主要的挖掘流程包括数据准备、数据挖掘以及结果分析三大部分的内容，具体流程如上图所示。

大数据挖掘技术具有以下几个显著特征：首先是数据的体量规模十分庞大，具有丰富、有效、真实的内容，且其内容存在很强的不确定性；其次是进行大数据挖掘的最终目的是解决用户的实际问题，以满足不同用户的需求；最后是通常情况下，在某个特定的领域内，大数据挖掘技术都具有非常高的商业价值，但这种商业价值通常都是相对来说的，并且大数据挖掘技术的数据信息能够被用户理解和运用。

三、大数据时代的思维特征

（一）总体性思维

自19世纪开始，有关学者在研究社会现象的整体性特征的过程中，在采集数据时，受限于当时的技术手段和社会发展水平，所采用的主要方式是抽样，但这种方式存在一定的片面性，对想要利用聚合数据的人来说是一种无奈之举。而如今人们可以自由选择各种算法对数据展开分析，以便对数据有全面了解。在大数据时代，无论是对数据的采集和处理，还是对数据的存储和分析，都取得了长足的进步，人们能够高效率和高质量地对相关数据进行研究。在这种模式下，人们的思维方式也逐渐从以往的样本性思维转变为总体性思维，以便对数据有更加直观、全面和立体的了解。

（二）相关性思维

在抽样获取数据的年代，人们尝试用有限的样本数据研究整个事物的内在逻辑和关系，但从客观、严谨的角度来讲，有限的样本并不能完整反映出事物整体的特征。在大数据时代，大数据挖掘技术能够分析和呈现事物内在的逻辑和隐藏关系，通过对普通线性关系和较为复杂的线性关系的研究，为人们揭开事物的真实面目，发现相关数据之间的内在联系，从而使人们更好地了解这个世界。

（三）学习趋势思维

在采用传统的样本收集方式收集数据时，因为其来源较为单一且信息数据有限，所以具有很强的局限性，在进行财务数据处理时还会因过于保守，导致分析结果出现差错，而运用大数据挖掘技术则可以对数据进行储存、计算和分析等处理。在这种模式之下，财务管理人员需要积极转变数据处理思维，摒弃传统思想，保持高度的学习热情来看待大数据挖掘技术，并通过学习对其进行不断的优化和完善，在宏观层面上获取更多的数据信息，加深对事物本质的了解。

四、财务数据挖掘存在的问题

随着我国市场经济和信息化的高速发展，企业之间的竞争愈发激烈，企业每天都会产生大量的财务数据，而相关政策的制定也对财务数据提出了更高的要求。在这种情况下，企业对这些数据的处理仍然存在很多不足，当下全国大部分企业的财务管理依然存在诸多问题。

（一）财务数据分析依赖手工财务方式

对现代企业来讲，每天产生的新数据都具有相当大的规模，对这些数据进行处理是一个耗时耗力的大工程。而时间对一家企业来讲是开拓市场、获得持续发展的生命基准线，所以企业对财务数据挖掘越发重视。在实际的生产经营中，大部分企业核算和处理财务数据的主要方式依然是会计核算，这种传统的手工财务方式不仅需要耗费大量的人力，且整体效率不高。企业财务人员在手工做账时，首先要依据原始凭证记账，然后编制汇总表和制作会计账簿，并依据会计报表编制纳税申报表等，必须经过诸多环节才能够完成财务数据的处理工作。而且这种方式能提供的参考依据都是已经发生的事，据此对企业未来的发展方向进行评估和预测具有一定的滞后性。

（二）财务数据口径管理较复杂

当前大部分企业的财务分析仍然以定量分析为主，通过对企业盈利能力、投资水平及运营手段进行评估和计算，实现企业的财务管理。在信息化时代，大数据挖掘技术和互联网技术的出现为企业获取全面、精准的相关数据提供了更多的选择，使数据的类型趋于多元化。相较于这种智能化的数据处理方式，传统企业管理口径财务数据通常存储在众多Excel文件中，数据存储、管理不规范，在企业制定相关决策时，无法为其提供有效的参考。

（三）业务、财务数据难以高度同步

当今企业的数据体量通常较大，要想在体量较大的数据之中查找到自身所需的有用信息，不仅要对数据进行采集、存储和分析，还需要对数据进行筛选，以便为企业制定决策提供数据支撑。但对海量数据进行识别和筛选，对所有企业来讲都是一个大工程，且很难实现业务数据和财务数据的高度同步。如此一来，企业不但难以获取有用的信息，而且会产生过多的数据垃圾，对企业的正常运营造成严重影响。

五、基于大数据思维的财务数据挖掘策略

（一）加强财务数据口径管理

现代企业要想实现可持续发展，就要提升企业财务管理水平，统一企业财务数据的管理口径，从而为企业开展内部管理工作打下坚实的基础。具体来讲，首先企业应明确自身的年度预算编制目标，并依据此目标制订详细的年度工作财务收支计划，尽可能细化各部门和单位的预算费用，针对不同的工作制订具体的实施方案。在进行方案评审时，要坚持科学、合理的原则。其次还应加强财务部门同其他部门之间的交流和沟通，因为企业的预算工作通常是财务部门的工作，其他部门很少参与，财务部门无法全面掌握其他部门的资料，所以制订的预算方案和标准不符合部门实际情况，出现了财务数据口径不一致的问题。因此，财务部门应主动加强与其他部门之间的联系，以增强财务数据管理的准确性和科学性，从而统一企业的财务数据管理口径。

（二）加强前端系统建设，提高自动化程度

利用大数据挖掘技术进行财务数据处理时，应本着跨过系统之间的数据交换环节，直接从源头获取财务数据的原则，以求随时随地满足分析财务数据的需求，从而做到对财务数据的处理从事后分析转变为实时分析。企业应依据自身发展情况建立起分析层次树，再运用各种计算方式对数据指标进行计算，同时将具体分析情况同步在企业的ERP系统之中。此外，在完成企业的定向财务数据分析后，还应在分析指标的基础上，自动生成企业的财务数据分析文档，以便财务管理人员对财务数据进行分析。企业实现对财务数据的自动化分析，可以在很大程度上减少财务人员的工作量，提升其工作效率，提升财务数据分析的准确率。

（三）创建数据挖掘应用模型

在企业财务管理领域，较为常见的分析模型有统计分析模型、决策树模型以及关联规则模型等。企业在应用这些模型时，应根据自身发展的实际情况选择。

具体来讲，首先是统计分析模型，其是大数据挖掘中最为基础和常见的模型，在其他模型之中都可以应用到统计分析模型的相关内容，如聚类模型，其应用了统计分析模型的有关算法。在企业细化及分析客户价值的过程中，在企业制定销售决策和对客户进行评级的过程中，可以使用辨别分析法，依据一个具体的阈值范围对客户能够创造的价值进行判断，这有利于企业管理者制定相关决策。

其次是决策树模型，它是一种用于归纳整理大体量数据，并通过排除多余数据，对有效数据进行分析得出相应结论的模型。其具体流程是先利用设定归纳值集合的方式建立起能够准确划分数据对象的决策树，然后以这些数据信息为基础，进行数据集的提取并将其放入原始数据集之中，待所有数据都被精确整理和归纳之后，就可以将其运用到财务管理工作中。

最后是关联规则模型，它是一种在现今的数据挖掘之中应用得较为广泛的一种模型，反映的是财务数据逻辑关系之外本身的关联性，站在体现数据事实的角度对数据进行深层次挖掘，从而为企业制定相关决策提供依据。

六、结语

大数据挖掘技术的应用对企业财务分析与管理来讲具有十分重要的作用，不仅可以提升企业的财务管理质量和效率，而且对企业进行财务审计和财务风险评估具有非凡的意义。因此，我们应结合企业发展实际情况，充分利用大数据挖掘技术筛选和计算财务数据，从而为企业相关决策的制定和企业财务管理系统的优化提供数据方面的支撑，进而不断推动企业向前发展。