大数据背景下的财务诊断探析.docVIP

大数据背景下的财务诊断探析 　　[摘 要] 基于大数据的特点及相关技术，将大数据引入现代财务诊断流程中，与各个诊断功能模块相结合，构建基于大数据的财务诊断形式。利用大数据增强各个模块功能，提高对不同诊断环境的适应性和整体的诊断效率，让诊断方案更具科学性和前瞻性。 　　[关键词] 财务诊断；大数据；诊断方案 　　doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2016. 23. 025 　　[中图分类号] F234 [文献标识码] A [文章编号] 1673 - 0194（2016）23- 0046- 04 　　0 引 言 　　财务诊断属于现代管理咨询的重要内容之一， 是企业诊断活动中极其关键的环节[1]。现代财务诊断通过对企业进行全面的调研，收集与企业经营活动相关的财务和非财务信息，运用计算机技术辅助施诊专家完成诊断，并提出诊断改进方案。 　　近年来大数据（Big data）的应用日益受到关注。大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集[2]。事实证明无法用传统工具进行分析挖掘的庞大数据蕴藏着丰富的价值，为发现新的规律和趋势提供了新的视角和方法。大数据时代的到来，一方面，生产数据、销售数据、财务数据的迅速增加对财务诊断的数据处理和诊断能力提出了更高的要求；另一方面，大数据、互联网的发展，能够以较低的成本迅速获取更具针对性的诊断信息，提升诊断的效率，降低了因为信息不对称导致决策失误的可能性。随着大数据的发展，不少企业看到了大数据在企业经营管理中的应用价值，开始重视数据相关的开发和应用。 　　在财务诊断过程中引入大数据技术，以形成财务诊断的新模式，也是值得研究和探索的问题。本文将结合财务诊断的基本流程，以现代财务诊断体系中的三个主要模块为基础探讨如何运用大数据及其相关技术构建财务诊断数据库，利用数据挖掘方法完成分析诊断并找出问题的原因，通过关联分析寻找相应的改进措施，最后结合大数据的预测结果生成具有前瞻性的诊断方案。 　　1 基于大数据的财务诊断模块化结构 　　财务诊断的机理类似于治病，是一个根据病症现象检出相应的病因，再根据病因对症下药的过程。一般而言，可以将完整的财务诊断过程划分为诊断资料收集、分析诊断查找问题、诊断方案生成这三个主要的环节，如图1所示。 　　如果将大数据引入财务诊断，根据诊断过程中不同环节的主要工作内容和目的，可将整个诊断过程划分为数据收集模块、分析诊断模块、诊断方案生成模块，以明确各个模块的主要的工作任务，也理顺了财务诊断流程中各模块的关系[3]。基于大数据的财务诊断模块化总体框架如图2所示。 　　其中数据收集模块主要利用互联网和企业内部的管理信息系统收集与财务诊断相关的财务数据与非财务数据，是后续诊断工作的基础；作为诊断过程核心的分析诊断模块，主要任务是运用相关的数据挖掘方法通过定量分析来确定出现财务问题的关键因素，并寻找确实可行的纠正改进措施；诊断方案生成模块需要将定性方法和定量方法相结合，通过大数据预测的趋势，结合分析诊断模块得出的结果，确定对受诊企业效用最佳的改进措施，完成最后的诊断方案。 　　2 基于大数据构建财务诊断基础数据库 　　财务诊断的起点是资料准备，相关的财务信息和非财务信息是财务诊断的依据，所收集的信息质量会对诊断结果有方向性的影响。因此，数据收集模块是财务诊断过程中一个关键的基础性工作。大数据为诊断数据库提供了更多的获取数据的渠道来源和方法，提升了诊断数据的规模。运用大数据技术构建一个包括财务数据、非财务数据的诊断数据库主要经历以下三个环节。 　　2.1 财务数据的收集 　　财务诊断的切入点应该是相关的财务数据，构建诊断数据库的第一环节应该从企业内外部的财务数据入手。对财务数据而言，不仅包括企业内部历史上的生产、销售、资金循环等数据，还可能来源于不同地域、不同机构的外部数据[4]。对于企业的内部数据，则可以借助结合企业业务流程的ERP、SAP等管理信息系统实现相关的信息实时收集和整理工作，收集到的资料更贴近企业的实际业务。外部数据包括来自政府的经济统计数据，同一行业的其他企业的财务报表，以及银行的信用、融资等数据等。比如，可以利用XBRL技术将同行业其他上市企业的财务报表转化为统一格式的XBRL文档，以便在后续的诊断中实现快速的查询、统计和分析。大数据的出现能够以较低成本及时获取宽区域、跨系统的相关数据，并提高了相关财务数据的实时性，保证了数据库中财务数据的规模。 　　2.2 非财务数据及历史资料的收集 　　构建数据库的第二环节主要涉及宏观经济环境、行业背景、企业经营等半结构甚至非结构化的非财务数据收集处理方面。相关的研究表明，目前采集到的数据75%以上是以文本、图片、视频等形