大数据对财务分析工作的影响和对策.docVIP

大数据对财务分析工作的影响和对策 　　摘要：大数据是一项新的技术变革，无论是学术界、企业界还是政府都受到其影响。大数据时代，企业的经营环境、决策环境都发生巨大的变化，财务分析长期以来在企业内充当决策参谋的角色，能否认清大数据对其产生的影响，对提高财务分析价值，适应大数据变革具有重要的实践意义，本文主要从大数据对财务分析的影响出发，进而提出财务分析转型对策。 　　关键词：大数据；财务分析；非结构化数据；业财融合 　　2012年，维克多的《大数据时代》开创了国内外大数据研究的先河，随后学术界各种研究中心、学术论坛纷纷成立；许多企业和组织开始着手研发大数据解决方案或应用；各国政府也将大数据发展提升到战略高度，我国在2015年9月印发了《促进大数据发展行动纲要》。可见，大数据离我们越来越近，甚至已经在逐渐渗透到我们的工作与生活中。 　　一、大数据对财务分析工作的影响 　　（一）大数据思维给传统的财务思维带来巨大冲击 　　维克多在《大数据时代》中提出大数据分析：要相关不要因果，要全体不要抽样，要效率不要绝对精确。对于财务来说，账务处理、会计假设、会计估计都需要有充分的依据，仅依靠相关性将不足以采信，而民间审计、政府审计、资本市场等对每笔账务的列示原因更有着非同一般的关注，因果关系早已被财务人员内化为习惯，要相关不要因果对传统财务思维将是巨大的挑战。在精确和效率的排序上，财务通常将精确排在首位，也与大数据思维有别，财务工作对数据精确性要求极高，尤其会计核算工作，“有借必有贷、借贷必相等”是会计试算平衡法的基本原理，容不得半点差错。 　　（二）传统分析仅抓住10%的数据，将难以看清全局 　　涂子沛把大数据分为结构化数据和非结构化数据2大类，结构化数据可以简单理解为行数据，即可以用二维表结构来逻辑表达的数据，而不方便用二维表来表现的数据即为非结构化数据，包括所有格式文本、图片、音/视频等。大数据时代，结构化数据占比仅10%左右，传统财务分析以研究结构化数据见长，尤其财务分析中最受推崇的比率分析，全部基于结构化的数据进行研究，而对于90%的非结构化数据，传统的分析方法却无能为力。 　　（三）大数据、低密度特征意味着分析技术必须要升级 　　随着采集、处理数据量级的增长以及数据类型的多样化，Excel等财务人员惯用的办公软件性能将无法满足需要：首先数据采集环节，传统的点对点数据人工交互手段，仅能解决少量、低频数据需求，很难满足大数据分析大量、高频的采集需求；在数据存储方面，大数据的源数据是由结构和非结构化数据组成，传统的行式关系型数据库将无能为力，尤其在非结构化数据的处理方面，劣势尤为突出；在数据挖掘上，将面临更大的挑战，大数据广泛采用的Hadoop的分布式存储技术，要求使用者至少要熟练使用一门编程语言，如Python、Matlab、Java、SQL等，在此方面，大部分财务人员几乎是零基础。 　　二、大数据环境下财务分析变革的对策 　　（一）转变传统思维观念 　　1.要相关不要因果，有赖于决策者和执行者先行先试 　　传统财务分析习惯沿着“发现问题-分析问题-解决问题”的思路进行分析，能够清楚的讲明因与果，说服力强，易被采信。而大数据应用中可以在事先未能发现问题，更无法有效分析问题的情况下，根据相关性提出企业经营效益提升方案，比如啤酒与尿片的案例。如果决策者和执行者未能转变观念，仍然深究因果，财务分析的成果将很难被采纳，财务将因无法影响决策，又不能亲自实践，使其价值无法得到体现，那么，财务分析拥抱大数据将会是一纸空谈。 　　2.要全体不要抽样，财务分析框架需增加非结构化数据研究 　　受限于计算能力和效率，传统的分析技术多用抽样的方法，抽样将意味着未被抽到的数据信息会被遗漏，为确保会计信息的客观、公允，财务在对损失和收益的估计上偏谨慎。大数据时代，计算机技术已经让全量研究成为可能，并有效解决抽样不足的问题，数据分析将有可能更全面、客观的评价经营活动。现行的财务分析架构，多偏向于结构化的数据，在大数据时代，拥有更高效的数据存储和挖掘技术，财务分析的框架必须扩充非结构化数据研究的内容，对涵盖业财、乃至企业内外的全量数据开展研究，以提高对损失和收益的准确估计，而非偏高估损失，低估收益的谨慎估计。 　　3.要效率不要绝对精确，允许适当的不精确更有利于反应现实 　　大数据时代，无论是数据源和数据处理技术都与小数据时代有本质的不同，由于数据来源和数据类型的多样性，巨量的数据将不可避免地会获得不精确性数据。不精确数据并不一定妨碍我们认识总体，而且对于分析来说，偏离常理的现象和数据，反而具有更高的研究价值，不同质量的数据汇集起来，将有助于我们更加全面的了解总体的真实情况。需要强调的是，客观的认识数据的不精确性，并非放任不管，允许数据