数据挖掘在财务信息系统中的应用研究.docVIP

数据挖掘在财务信息系统中的应用研究 　　摘要：随着信息技术在财务管理中的应用，数据挖掘技术对财务信息系统数据处理与分析至关重要，对数据挖掘的含义、作用、任务、对象、方法、在财务信息系统中数据挖掘应用进行了阐述，加强数据分析，提高单位财务管理。 　　关键词：数据挖掘；财务信息系统；数据分析 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)20-4798-02 　　Data Mining Technique in the Application of Financial Information Systems 　　ZHANG Bang-wen 　　(Sichuan Information and Technology College, Guangyuan 628017, China) 　　Abstract: As information technology application in financial management, data mining technology on the financial data processing and analysis of information systems is essential to understand the meaning of data mining, roles, tasks, objects, methods, combined with the characteristics of financial data, data mining applications research to improve the financial management unit. 　　Key words: data mining; financial information system; data analysis 　　随着计算机的普及与应用，给生活、工作带来极大方便，利用计算机采集与分析财务数据成了一个单位重要的工作。现在财务系统中产生了大量的、复杂的数据，隐含具有重要意义的数据资源，需要利用数据挖掘技术发现有用的知识来指导单位的财务管理，为单位重大决策与管理提供重要参考资料。 　　1 数据挖掘（Data Mining）技术的含义及作用 　　数据挖掘(DM)，又称数据库中的知识发现(KDD)，是从数据中发现知识的过程。数据挖掘集统计学、人工智能、模式识别、并行计算、机器学习、数据库等技术于一体的交叉学科，它是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中析取、分析信息和知识的过程。通过数据挖掘可以帮助决策者寻找规律，发现被忽略的要素，预测趋势，进行决策。实际就是对数据的深度分析。 　　其目的是发现人们不易觉察的、隐含的模式，从而提高单位决策能力，在过去的经验、数据基础上预测未来趋势发展等。 　　2 财务信息系统数据挖掘的任务、对象与方法 　　2.1 任务 　　财务管理系统存放了单位基础财务数据资料与累计各期发生资料，根据数据的特征与财务管理工作的要求，可以将数据挖掘分为：分类或预测数据分析、数据聚类分析、关联规则分析、序列模式发现、异常和趋势发现等。 　　2.2 对象 　　财务系统中数据主要以数据库存放，采取的是关系数据库管理模式，因此主要挖掘对象是关系数据库、时态数据库、文本数据源等。 　　2.3 方法 　　根据财务系统数据资料的特点，以及数据的特征及相互的关系可采取的数据挖掘方法有： 　　1）统计分析方法。是一种最常见的空间数据分析，借助成熟的统计方法对数据进行回归、时间序列等分析。可以实施会计年度各项数据的累计计算，并分析财务报表数据资料。 　　2）关联分析。是从给定的多项数据中，提取出多个变量，分析之间的规律性与关系。例如，对销售、生产等业务数据的关联分析，可以得到产品的市场需求与产品的利润值进行关联分析，便于调节产品的生产与销售。 　　3）分类与聚类分析。是将财务系统中关系密切的数据提前与事后分类，从各组数据分析数据的关联度、特征等，探索同性结果与异性结果。例如，企业可以根据客户、供应商、部门等数据进行分组分析，得到企业所需求的往来核算数据与部门信息。 　　4）差错检测分析。设置自动校验数据异常、错误、不匹配等，分析差错数据产生的原因。可对某个往来核算单位出现大量应收数据进行分析，挖掘根本原因，规避风险。 　　总之，数据挖掘所要处理的问题，就是在庞大的数据库中找出有价值的隐藏事件，采取多种挖掘方法和工具进行分析，获取有意义的信息，归纳出有用的数据信息，作为决策者进行决策的依据。 　　3 财务信息系统的数据挖掘应用 　　根据数据挖掘的原理、对象和任务，结合财务数据的特征