一、數據挖掘在財務分析中的重要作用
首先,提高財務資訊的利用能力。傳統財務數據查詢主要面向應用,屬於一種支援日常操作的事務處理,沒有分析所查詢的數據資訊的能力,決策者也無法在分析大量歷史數據的基礎上多維度的比較、分析某個主題的相關數據。而財務分析中應用數據挖掘技術體現出序列導向及多維度的特點,從而有效提高財務資訊的應用能力。其次,解決財務資訊的噪聲問題。網絡環境下,企業可以方便、快捷的獲取企業內部資訊、各關聯方及外部資訊,這個過程中難免會出現資訊過量的問題,如何迅速從海量資訊中獲取對決策有用的資訊成爲各決策者及管理者面臨的重要問題。這種情況下,數據挖掘技術可以在海量資訊中分辨、挖掘出對財務決策有用的資訊,最大程度上減少資訊噪聲的影響。最後,提高財務分析的智能化水平。決策本身體現出動態性、複雜性、多樣性的特點,而決策者本身的綜合素質也會對決策的準確性產生影響,因此同一種情況可能產生不同的決策結果。隨着數據量的不斷增加,傳統依靠程序人員設計專用程序查詢數據的方法已經相對滯後,決策者需要更加智能化的資訊分析方法,數據挖掘技術便可滿足這一要求,其利用現有數據獲取新的、有用的.資訊,並對資訊的查詢、存儲過程預以優化,體現出強大的自我學習功能,從而最大程度上滿足財務資訊分析智能化的要求。
二、數據挖掘技術在財務分析中的應用
財務分析的主要目的是改善經營管理,提高企業的經濟效益,其主要目的是保證會計資訊資料的正確可靠性,以保證企業財產的安全性、完整性。比如某生態園林企業需要投入大量資金完善生產基礎設施,並保證現場作業的有序,如有必要還要投資於企業產品周邊附屬產業的發展,因此財務決策的重要性不言而喻,而在財務決策中應用數據挖掘技術十分必要。財務分析中應用數據挖掘的基本流程包括問題識別、數據準備、數據開採及結果表達與解釋等四個步驟,圖1可將財務分析數據挖掘的過程直觀的表達出來:
(一)問題識別
典型的財務決策包括投資決策、籌資決策、成本決策、銷售決策等,企業要進行財務分析前必須識別決策問題,明確需要達到的決策目標等,再將決策目標轉換爲數據挖掘的目標,最後進行準確的數據定義。如企業需要投資企業產品周邊附屬產業,則需要利用數據挖掘技術明確以下問題:
(1)企業經營中可隨時支配的資金額度,需要財務人員建立數據庫模型,將可用於投資的資金情況準確、詳細的計算出來;
(2)編制投資方案,即與本企業實際情況相結合,考慮具體投資計劃,並對投資方案的可操作性進行分析,比如上述園林生態企業需要投資進口園林機械的代理項目,就需要在投資前對該項目的大小做出合理評估,瞭解該品牌園林機械在國際市場的佔有份額、品質、成本及銷售價格等資訊;
(3)投資收益分析,投資的主要目的是獲得更高收益,因此在數據挖掘過程中,問題識別時必須做出可靠的收益預算。
(二)數據準備
在完成問題識別後,需要根據不同的需求、從相關數據庫資訊中選擇適用的數據資訊,即進行數據準備,該過程需要收集大量與企業財務分析相關的數據資訊,以保證數據挖掘的真實性、客觀性,比如花卉市場分佈資訊、裝飾裝潢市場資訊、園林設計與市場銷售等資訊。通常情況下,數據準備又可分爲數據集成、數據選擇及數據預處理等三個步驟,其中數據集成是把多數據庫執行環境中的數據進行合併處理,去除資訊噪聲,剔除虛假數據;而數據選擇則是分辨需要分析的數據集合,進一步縮小數據處理的範圍,提高數據質量,從而保證數據挖掘的有效性;數據預處理的主要目的是解決數據挖掘工具侷限性的問題。
(三)數據挖掘
當上述準備工作完成後即可進行深入的數據挖掘處理,挖掘過程中需要注意,必須以財務分析核心思想爲指導,明確數據挖掘的目的性,數據挖掘的主要內容包括:選擇合適的挖掘工具、具體的挖掘操作及證實發現的知識等,其中選擇合適的挖掘工具至關重要,限於篇幅此處對神經網絡及決策樹兩種方法進行簡單介紹。神經網絡是以自學習數學模型爲基礎的,利用該方法可以很容易的解決具有上百個參數的問題,爲高複雜度的問題提供一種相對簡單的方法;視經網絡既可以表現爲有指導的學習,也可以是無指導聚類,不過輸入神經網絡中的值均爲數值型的。實際應用中通常採用該方法進行財務預警分析。決策樹法是現階段應用最廣泛的歸納推理算法之一,其提供了一種展示在何種條件下會獲得對應值的規則的方法,是一種簡單的知識表示方法,在數據挖掘過程中,決策樹法主要用於數據挖掘的分類。
(四)結果表達
結果表達即是在處理數據庫資訊的基礎上客觀的表達出數據挖掘的結果,以爲企業財務分析提供可靠依據。可以說結果表達是數據挖掘的成果展示,其所表達的是最有價值的資訊,如結果表達所提供的資訊達不到決策的要求,則可重複挖掘過程,直至決策者滿意爲止。
三、結語
在日益激烈的市場環境中,企業決策層必須在分析大量的數據——特別是財務數據的基礎上做出準確發析,對企業的經營成果、財務狀況等做出準確、客觀的評價與剖析,從而對企業運營過程中存在的問題、企業發展趨勢等做出正確判斷。數據挖掘技術是以人工智能、機算機、數據庫等技術爲基礎發展起來的,大大提高了財務資訊分析的實效性與全面性,從而爲企業決策者提供更有價值的財務資訊,促進企業經濟效益的不斷提升。當然,僅僅依靠計算機或軟件是無法完成數據挖掘過程的,專業人員的職業判斷至關重要。不過雖然企業財務分析中楊技術的應用還不夠成熟,但是可以預見,隨着科學技術的不斷髮展,其在企業財務分析中的作用會越來越突出,應用也會越來越廣泛。