浅谈数据挖掘在财务分析中应用.docVIP

浅谈数据挖掘在财务分析中应用 　　摘要：随着企业会计信息化的日益发展，企业数据的处理也从简单的查询统计功能向辅助决策功能进展。该文结合数据挖掘的概念，分析了数据挖掘在财务分析中的意义，列举了数据挖掘在企业财务领域中的具体应用，并进一步给出数据挖掘在财务分析中应用的方法和步骤。 　　 关键词：数据挖掘；知识发现；财务分析 　　 中图分类号：TP311.13 文献标识码：A文章编号：1007-9599 (2011) 08-0000-02 　　 Applications of Data Mining in Financial Analysis 　　 Zhao Chen 　　 (Hangzhou Command College of CAPF,Hangzhou310023,China) 　　 Abstract:With the development of enterprise management information,business data processing progresses from the simple query statistics function to decision support functions.This paper combines with the concept of data mining,analysis of the significance of data mining in the financial analysis,lists of data mining in specific areas of corporate finance applications,and further gives the data mining applications in the financial analysis methods and procedures. 　　 Keywords:Data mining;Knowledge discovery;Financial analysis 　　 　　 　　 面对日趋激烈的全球竞争，企业努力借助信息化提高管理和决策水平，以会计信息化为代表的企业管理信息化为企业管理和决策积累了大量的信息。但是，目前这些信息系统的功能仍然停留在信息处理阶段，以替代手工为主，只提供查询、统计功能，对管理决策支持不够，企业普遍面临“数据爆炸，知识匮乏”的困境。如何从会计信息系统等信息资源中挖掘出潜在的知识，为管理和决策服务，是目前迫切需要解决的问题。数据挖掘正是解决这一问题的有效方法，在财经领域具有广阔的应用前景。 　　 　　 一、数据挖掘的概念 　　 　　 从广义上理解，数据是形成知识的源泉，数据、信息可以看作知识的表现形式，人们更是把概念、规则、模式、规律和约束等看作知识。知识发现（Knowledge Discovery in Databases，KDD）泛指所有从数据中发掘模式或联系的方法，而数据挖掘是KDD中的一个最关键的环节。数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 　　 数据挖掘是一门交叉学科，涉及统计学、数据库、人工智能、可视化、并行计算等不同学科和领域，与这些领域的相关技术有着密切的联系。数据挖掘的目标是从大量数据中，发现隐藏于其后的规律或数据间的关系，将人们对数据的应用从低层次的简单查询，提升到从数据中挖掘有用的信息和知识，将发现的知识以用户能理解的方式呈现给用户，数据挖掘的最终目的是辅助决策。 　　 　　 二、数据挖掘在财务分析应用中的意义 　　 　　 财务分析是以财务报表和其他相关资料为数据依据和起点，采用专门方法，系统分析和评价企业过去和现在的经营成果、财务状况及变动，目的是了解过去、评价现在、预测未来，帮助企业决策者改善决策。财务分析常用的方法是一些专门的定量分析方法，主要包括比较分析、结构分析、因素分析、比率分析等和一些综合分析方法（如杜邦分析）。 　　 从财务管理的角度来看，数据挖掘是一种新的财务信息处理技术，其主要特点是能对会计数据库和其他业务数据库中的大量数据进行综合处理，通过抽取、转换、分析及其他模型化处理，从中提取辅助决策的关键性数据。财务数据挖掘其实是一类深层次的财务数据分析方法。同传统的财务分析相比，一方面数据挖掘所采用的基础数据更加全面，不仅包含财务报表中的数据，而且可以包括会计业务基础数据和其他如采购、销售等相关业务数据，还可以包括非财务数据，如人力资源信息、企业背景资料等；另一方面财务分析可以提供更有价值的信息，不仅可以利用钻取、切片、漂移、旋转等功能