可可簡歷網淺議數據挖掘技術與財務分析
教師文案5.3K
摘要：目前企業普遍面臨數據爆炸、知識匱乏的困境。企業在進行財務分析時如何在海量的資源中挖掘出有用的信息，為管理和決策服務，是企業迫切需要解決的問題。文章主要研究了數據挖掘技術在財務分析中的應用問題，介紹了數據挖掘的基本原理，並對數據挖掘在財務分析的應用以及應用存在的困難進行了探討。
關鍵詞：數據挖掘技術；
財務分析
財務報表是綜合反映企業一定時期財務狀況、經營成果、現金流量狀況及財務狀況變動的文件，是企業和投資者進行財務分析的主要依據。但是企業普遍面臨數據爆炸、知識匱乏的困境，如何從海量的信息資源中挖掘出潛在的信息，為管理和決策服務，是企業迫切需要解決的問題。數據挖掘為解決該問題提供了新的途徑。
一、數據挖掘基本原理介紹
數據挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘將人們對數據的應用，從低層次的簡單查詢，提升到從數據中挖掘有用的信息和知識，提高決策能力的水平。
（一）數據挖掘的主要功能
數據挖掘的目標是從數據庫中發現隱含的、有意義的信息，主要有以下功能：
1、估計與預測。估計是根據已有積累的資料來推測某一屬性未知的值，預測是根據對象屬性的過去觀察來估計該屬性未來之值。數據挖掘技術能夠自動的在大型數據庫中尋找預測性信息。
2、關聯和序列發現。關聯是要找出在某一事件或是資料中會同時出現的東西；
序列發現與關聯關係很密切，所不同的是序列發現中相關的對象是以時間來區分的。
3、聚類。數據庫中的記錄可被化分為一系列有意義的子集，即聚類。聚類技術要點是在劃分對象時不僅考慮對象之間的距離，還要求劃分出的類具有某種內涵描述，從而避免了傳統技術的某些片面性。
4、描述。描述的功能是對負責的數據庫提供簡要的描述，其主要目的是為了在使用別的功能時對數據先有較好的瞭解，然後再建立分析模型。
5、偏差檢測。數據庫中的數據常有一些異常記錄，從數據庫中檢測這些偏差很有意義。偏差包括很多潛在的知識，如分類中的反常實例、不滿足規則的特例、觀測結果與模型預測值的偏差、量值隨時間的變化等。
（二）數據挖掘的基本步驟
SAS研究所提出的SEMMA方法是目前最受歡迎的一種數據挖掘方法，其描述的數據挖掘的大致過程包括取樣、探索修改、模型和評價。
1、數據取樣。在進行數據挖掘之前，首先要根據數據挖掘的目標選定相關的數據庫。通過創建一個或多個數據表進行抽樣。所抽取的樣本數據量既要大到足以包含有實際意義的信息，同時又不至於大到無法處理。
2、數據探索。數據探索就是對數據進行深入調查的過程，通過對數據進行深入探察以發現隱藏在數據中預期的或未被預期的關係和異常，從而獲取對事物的理解和概念。
3、數據調整。在上述兩個步驟的基礎上對數據進行增刪、修改，使之更明確、更有效。
4、建模。使用人工神經網絡、迴歸分析、決策樹、時間序列分析等分析工具來建立模型，從數據中發現那些能夠對預測結果進行可靠預測的模型。
5、評價。就是對從數據挖掘過程中發現的信息的實用性和可靠性進行評估。
二、數據挖掘在財務決策中的應用
從財務分析的角度來看，數據挖掘是一種新的財務信息處理技術，其主要特點是能對會計數據庫以及其他業務數據庫中的大量數據進行抽取、轉換、分析及其他模型化處理，從中提取輔助決策的關鍵性數據。數據挖掘其實是深層次的財務數據分析方法。分析這些數據主要目的是為企業決策提供真正有價值的信息，進而獲取更大企業價值的最大化。
（一）網絡經濟時代企業財務分析的變化
隨着網絡經濟時代的到來，現在的財務分析與傳統財務分析相比，數據使用的廣泛性大大提高，而且還產生如下變化：
1、財務分析信息使用者發生變化。傳統財務分析信息注重提供給現有投資者，主要為現有的投資者提供企業相關的分析資料。在網絡經濟時代，隨着資本市場的不斷髮展和完善，企業的股東結構日趨多元化，這就要求企業不僅要考慮現有投資者的分析資料要求，更要將企業推向潛在的投資者，吸引潛在投資者注意，以此增強其發展潛力。
2、財務分析導向性發生變化。傳統財務分析主要是面向過去。在網絡經濟時代財務分析不僅要面向過去，更要面向未來。由於潛在投資者的增多，財務分析信息使用者更需要的是能為其提供決策依據的信息，進而決定是否採取某一行動或決策。這就要求企業全面分析企業內部和外部的經營發展情況和趨勢，向使用者充分暴露有關未來發展前景，贏利預測和現金流量的信息。
3、財務分析時效性發展變化。傳統財務分析信息一般實時反映。在網絡經濟時代，要求企業成為一個信息系統，利用網絡隨時向外提供信息，以滿足投資者等利害關係人進入企業網頁或有關搜索引擎上搜索當日、當時企業情況的需要。
4、財務分析對象範圍發生變化。傳統財務分析的對象主要是有形資產。在網絡經濟時代，知識資源、人力資源、企業文化資源和顧客市場資源等已成為公司最重要的資源，企業的無形資產在整個資產總額中的份額將大大超過有形資產。將知識資源、人力資源、企業文化資源和顧客市場資源等無形資產納人資產要素範疇勢在必行。
（二）數據挖掘在財務分析中的應用
由於以上變化，使得對財務分析的方法有了更高的要求。財務數據挖掘其實是一類深層次的財務數據分析方法，同傳統的財務分析相比，它具有以下特點：首先，數據挖掘所採用的基礎數據更加全面，不僅包含財務報表中的數據，而且可以包括會計業務基礎數據、非財務數據以及其他相關業務數據，如企業背景資料、人力資源信息等；
其次，財務分析可以提供更有價值的信息，不僅可以利用鑽取、切片、漂移、旋轉等功能簡單而直觀地引導用户從多角度、多側面觀察數據，而且可以將分析數據統一管理起來，使用户在同一界面下選擇分析的重點，獲取所有分析數據；
再次，財務分析的時效性更強，影響的範圍更大，有助於吸引潛在的投資者。利用數據挖掘技術進行財務分析的基本過程如下：
1、確定財務分析對象。定義財務分析的對象，根據財務分析的目的選擇合適的分析模型，採用相應的數據挖掘方法。
2、數據收集。數據收集是數據挖掘的首要步驟，數據可以來自於現有的會計信息系統，也可以從數據倉庫中得到，還可以是其他業務系統中的數據。
3、數據整理。數據收集階段得到的數據可能有一定的“污染”，可能存在自身的不一致性或者有缺失數據的存在等，因此數據的整理是必須的。同時通過數據整理，可以對數據做簡單的泛化處理，從而在原始數據的基礎之上得到更為豐富的數據信息，便於下一步數據挖掘的順利進行。數據整理主要包括以下內容：（1）數據選擇。搜索所有與財務分析對象有關的內部和外部數據信息，根據財務分析的目的並從中選擇出適用於數據挖掘的數據。（2）數據簡化。有些數據屬性對財務分析是沒用的，這些屬性的存在會大大影響挖掘效率，甚至還可以導致挖掘結果的偏差。數據簡化是在對發現任務和數據本身內容理解的基礎上，尋找依賴於發現目標的表達數據的有用特徵，以縮減數據規模，從而在儘可能保持數據原貌的前提下最大限度地精簡數據量。（3）數據的轉換。將數據轉換成一個分析模型，這個分析模型是針對挖掘算法建立的。建立一個真正適合挖掘算法的分析模型是數據挖掘成功的關鍵。
4、數據挖掘。對所得到的經過轉換的數據進行挖掘。除了完善選擇合適的挖掘算法外，其餘一切工作都能自動地完成。
5、結果分析。數據挖掘的結果有些是有實際意義的，而有些是沒有實際意義的或是與實際情況相違背的，就需要進行評估。評估可以根據用户多年的經驗，也可以直接用實際數據來驗證模型的正確性，進而調整挖掘模型，再次進行挖掘。
6、知識的同化。數據挖掘的最終目的是輔助決策。決策者可以根據數據挖掘的結果，結合實際情況，將分析所得到的知識集成到財務分析系統中。
三、數據挖掘技術在企業財務分析中應用的難點
數據挖掘在企業財務報表分析中的應用還是一門嶄新的技術或者方法，接受數據挖掘的概念容易，但是實際將其落在實處卻比較困難。其中最重要的就是成本的負擔問題。數據挖掘功能對進行企業財務報表分析來説雖然存在優勢，但前提是具備完整、正確的數據，即在建立數據倉庫系統基礎後，與此功能結合運用以達到事半功倍的效果。但是企業財務報表所提供的數據本身都可能存在水分，因此需要報表使用者在經過會計信息質量分析等前提下調整或重新計算企業財務報表中的數據，然後再利用數據挖掘等技術進行財務報表分析。
數據挖掘僅僅依靠電子計算機或者軟件是無法完成這項任務的，更多的是需要依靠職業人士的職業判斷。雖然在企業財務報表分析中利用數據挖掘技術還不十分成熟，相信伴隨科學技術的迅猛發展，數據挖掘技術將會在未來的企業財務報表分析中扮演重要的角色。
參考文獻：
1、李劍鋒,李一軍,祁威.數據挖掘在公司財務分析中的應用[J].計算機工程與應用,2005(2).
2、林偉林,林有.數據挖掘在上市公司財務狀況分析中的應用[J].市場週刊,2004(10).
3、李愛玲,沈憲章,李豫州.數據挖掘在財務預測中的應用[J].安陽師範學院學報,2005(2).
4、劉勝平,張啟鑾.基於數據挖掘技術的財務實時控制系統研究[J].財會月刊,2004(3).
5、楊春華.數據挖掘OLAP在財務決策中的應用[J].財會通訊,2002(10).
6、郭素蓉.淺談數據挖掘在財務風險分析中的應用[J].現代企業教育,2007(14).
7、呂橙,易豔紅.數據挖掘在財務分析中應用的理性思考[J].商場現代化,2006(18).
8、李靜,萬繼峯.淺議數據挖掘技術在企業財務報表分析中的應用[J].中國管理信息化,2005(8).
9、曹明,閃四清,樑海燕.基於數據挖掘的財務預警模型設計與實現[J].計算機應用,2006(10).
10、曹中.論數據挖掘和企業財務分析[J].上海會計,2004(3).
11、鄭樓英.數據挖掘技術在會計信息系統中的應用初探[J].財會研究,2007(6).
（作者單位：天津財經大學）
