数据挖掘技术在软件企业财务管理中的应用分析 经济论文

谈晓玉 安徽兆尹信息科技股份有限公司

摘要:基于数据挖掘技术的企业财务管理是对财务信息源进行整合与利用,利用数据挖掘相关技术可以对大量的信息与数据进行分析与处理,实现信息转换,为系统用户提供有效的决策支持。本文首先探讨数据挖掘的概念与相关技术,剖析数据挖掘技术在软件企业财务管理中的实际应用与意义,论文研究成果指出了基于数据挖掘技术的软件企业财务管理工作的重点与关键。

关键词:数据挖掘;财务管理;决策支持

一、软件企业财务管理中常用的数据挖掘技术

(一)数据挖掘的定义

数据挖掘可以当作数据库中的知识发现,用户可以从大量的数据当中高效、快速地发现令人感兴趣的各种规则,挖掘的各种知识可以用于决策支持、信息处理和查询等。上个世纪末,数据挖掘开始流行并获得很好的发展,目前已经广泛地应用于各种行业领域,尤其是商业领域,当前数据挖掘在客户关系管理、财务决策支持、信用调查和市场营销等不同领域都获得较好应用。

(二)常用的数据挖掘技术

软件企业财务管理主要从以下几个方面应用数据挖掘技术:

1.统计分析

统计分析是数据挖掘算法中的基础,软件企业财务管理也都需要利用统计分析技术,例如数据仓库中的关联算法利用了置信度和支持度,而聚类分析中利用了K均值算法。统计分析在回归建模和辨别分析当中都具有鲜明的优势。

2.聚类分析

聚类分析能够根据数据仓库中相关联的量度标准将数据分为若干个群组,而且同一个群组内的数据具有相似性。聚类分析的附加结果是对每个类数据的综合描述,而且这些附加结果对数据集分析而言非常关键。

3.关联规则

关联规则也是数据挖掘的主要技术之一,主要用户发现数据仓库中大数据间的相关性与关联性。一般的关联规则分析主要基于“支持度——置信度”构架的,能够发现数据中隐藏的或者不确定的但是很有意义的规则。

此外,还有人工神经网络、决策树和决策规则、遗传算法和可视化方法等。

二、基于数据挖掘的软件企业财务管理模型

(一)财务管理系统架构

运用数据仓库与数据挖掘技术设计的财务管理系统具有核算、管理与决策功能,通过数据挖掘技术能够深入分析现实的、模糊的、历史的、清晰的、内在的和客户的多层次、多角度信息,并且运用神经网络、模糊数学、数理统计和随机过程等多种数学方法对数据仓库中的数据信息进行计算与分析,从而辅助企业决策者制定出合适的发展战略决策,实现财务决策的智能化和动态化。

基于数据挖掘的财务管理系统采用“数据仓库——多维数据处理——数据挖掘”的系统结构,整个系统分为数据获取层、数据存储组织层和数据分析展示层等三个主要层次。数据获取层属于后端处理,数据存储组织层属于中间处理,而数据分析展示层属于前端处理。

基于数据挖掘的智能财务软件系统结构含有三个重要的主体,第一个主体是数据库系统与模型库系统的结合,是决策支持的基础,能够为企业管理层制定决策提供定量的计算分析信息;第二个主体是OLAP和数据仓库,能够从数据仓库中提取综合数据与信息,而且这些数据与信息能够体现出数据仓库中数据的内在本质;第三个主体是专家系统和数据挖掘的结合,数据挖掘将知识从数据库和数据仓库中挖掘出来并加入专家系统中的知识库,从而帮助知识推理的专家系统进行定性分析与决策辅助。

(二)财务管理系统处理过程

系统体系架构从逻辑上分为后端处理、中间处理和前端处理三个重要的步骤。

1.后端处理

利用数据ETL工具将多个数据源的业务数据根据数据仓库构建的模型进行信息抽取、清洗、净化和加载等,数据源可以是企业内部财务系统,也可以是外部财务系统,系统可以是CRMSCMERPOA等相关系统。后端处理的数据能够为数据查询、报表、数据挖掘与多维分析提供可靠、稳定的数据源。

2.中间处理

中间处理的主要功能在于根据定义的企业信息模型和数据建模工具对数据仓库信息进行处理,形成多粒度、多级别和多层次的数据信息,并且为OLAP数据分析提供真实、可靠的数据。

3.前端处理

前端处理主要是数据仓库中的数据表示,利用多维分析工具、多维报表工具和数据挖掘工具对数据进行综合数据查询、数据分析与统计和统计图表的生成等,通过人机交互界面实现人机交互,并且为企业决策者提供可靠的辅助。

(三)财务管理系统模型

财务管理中的重要系统模型是投资决策模型,因为企业的发展离不开合适的投资决策,并且本文的研究也是为了通过数据仓库技术和数据挖掘技术实现数据信息的集成分析并为管理层提供决策支持。企业投资决策的方案有单指标、多指标,也有单方案和多方案等不同类型,而为了提高企业管理层决策的准确性,决策指标往往不止一个,因此多目标多方案的决策评价方法是企业投资的必然选择。

方案优选是为了能够从多个确定的方案中筛选出最优的可行方案,但是实际的划分选择中存在了模糊性。为了能够确定最优的方案,需要按照以下的思路设计出合适的模糊层次综合优选模型。

首先是选择合适的投资决策因素指标,包括经济效果、环境效果和社会效果等三个主要的方面,其次针对评价对象选择呢主观与客观相结合的方式确定出合适的定量因素与定性因素,并且建立起能够全面反映企业投资方案的指标体系,具体包括财务层面指标、技术创新层面指标、顾客层面指标、发展潜力层面指标、业务流程层面指标、社会层面指标和风险层面指标等。

其次,利用层次分析法确定上述指标体系中不同因素的权重,层次分析法的基本步骤有建立递阶层次结构、构建两两比较判断矩阵、用根法计算判断矩阵的最大特征根及对应的特征向量,最后进行层次总排序。利用模糊层次综合评价方法可以求解出不同方案与理想方案和负理想方案之间的差异度与贴近度。

最后,投资决策中应用的数据挖掘技术,并且基于模糊理论和层次分析法,建立了模糊层次综合评价模型,同时采用模糊层次综合评价法进行投资项目综合评价,帮助企业的管理层选择最合适的投资策略。

三、数据挖掘技术在软件企业财务分析中的应用

利用上述基于数据挖掘技术的财务管理模型,可以在以下两个重要的企业财务管理领域应用:

(一)数据挖掘技术在软件企业财务管理中盈利能力分析

企业盈利能力反映的是企业获得利润收益的能力,是公司组织生产、销售各项活动财务管理水平高低的综合体现,同时也是企业在行业内获得竞争优势,不断发展的保障,因此企业对盈利能力都非常重视。企业盈利能力的主要分析指标包括销售毛利率、销售净利率、资产收益率和净资产收益率等。企业可以借助数据挖掘相关技术对企业财务报表、账目和凭证等相关财务数据信息进行整理、分析,从而找出能够计算出上述盈利能力的各项指标数据,最终得出分析结果,企业高层管理者可以结合盈利能力指标计算结果与行业发展趋势,评价企业在未来一段时间内的盈利能力和发展过程中存在的不足,而这些工作不仅是数据挖掘技术应用的重点,同时也是企业财务管理工作的关键。

(二)数据挖掘技术在企业财务中投资管理分析

企业投资管理业务不仅可以为企业带来很好的收益,同时也是重要的财务管理职能之一,企业投资管理分析的主要内容包括投资项目的财务预算、成本分析和项目收益等。由于投资项目本身都具有一定的风险性,因此企业的财务管理人员不仅要做好投资业务,同时也要制定出投资与融资方案的风险防控措施,从而实现企业经营效益的最大化。企业在进行投资管理分析时首先要对投资项目的可行性进行深入分析,而此时需要借助大量的统计工具和数据挖掘分析模型,由于数据挖掘技术可以动态地提供投资项目环境和行业发展变化的相关数据资料,因此企业管理层可以借助这些数据资料构建数据挖掘模型,得出对企业投资决策起到重要作用的信息。其次,企业的投资管理决策要确保实效性和正确性,高层管理人员在进行投资和融资管理分析时,需要清除地了解融资金额数量、融资渠道、融资方式和融资期限,这些都是企业融资过程中的关键环节。企业为了能够筹集到所需要的合适融资金额,就需要对企业发展的外部环境和自身对资金使用的特点要有充分的了解,同时还要综合比较不同融资方式自身的风险与成本,此时,企业可以利用数据挖掘相关技术和回归分析模型预测企业投资、融资所需资金量,并且运用数据挖掘中的关联模型分析不同渠道的成本与风险系数,从而挖掘出最适合企业筹资的渠道、方式和期限,确保企业能够以尽可能小的风险与成本筹集到所需资金。

四、数据挖掘技术在软件企业财务分析中的意义

数据挖掘技术在软件企业财务管理分析中具有非常重要的作用和意义,但是企业在实际的应用过程中需要控制成本问题、质量问题,因此要求企业财务报表的使用者要加强会计信息质量分析,调整财务中的相关数据,从而能够更好地应用数据挖掘技术分析财务报表。数据挖掘技术在企业财务管理分析中的应用有以下几点重要的意义。

(一)有效降低财务分析的成本

企业财务管理需要人力和物力的投入,从长远来看,数据挖掘技术能够动态和实时地反映出财务管理中的各种信息,并且通过构建的数据挖掘分析模型对企业财务管理数据进行分析处理,由于数据挖掘技术能够对企业财务管理数据多次访问、计算和分析,因此能够有利于企业减少财务管理的成本。

(二)深化财务分析层次,提高财务信息的利用效率

数据挖掘技术能够合理地利用时间序列分析、机器学习、统计分析等,因此能够挖掘和分析出企业财务数据中所隐藏的大量会计数据,并且揭示财务管理数据的重要价值和彼此之间的联系,从而为企业财务管理和投资决策提供重要的依据。

(三)扩大财务分析范围,提高财务分析的质量

数据挖掘技术能够扩大企业财务管理工作的内容与范围,例如总公司可以分析分公司或者分支机构的财务信息、创新金融工具信息、企业资产负债表和筹资信息等。数据挖掘的这些功能与应用于传统的财务分析有着很大的区别。企业可以利用数据挖掘技术及时更新数据库信息,并且帮助企业了解最新的动态;与此同时,企业还能够对客户的基本信息进行整合,从而提高企业竞争力。

总结与展望

本文不仅对相关概念与技术的内容与应用进行了介绍,同时也对基于数据挖掘的企业财务管理模型设计给出了具体思路,讨论了该模型在企业投资决策中的重要作用,能够为软件企业财务管理业务指明了方向与重点。虽然数据挖掘技术在软件企业财务管理中应用的时间还不是很长,但是却在企业财务管理和分析当中发挥着重要的作用,不仅能够为企业财务管理与分析提供精确的数据,同时也提高了财务管理工作的效率,使得企业财务管理工作更加简单和便捷,同时也为企业财务分析和投资决策提供重要的数据信息,为管理决策层提供重要的决策依据,满足企业发展的需求。但是数据挖掘分析需要的源数据务必真实、准确,否则财务管理模型得出的分析结果就不具有可靠性;其次,财务管理模型还需要综合分析不同的影响因素,确保模型分析得出的结果具有可信性,当前很多企业财务管理受到很多影响因素的制约,但是由于实效性和动态性,导致模型分析的因素难以做到全面,这也是企业财务管理人员未来工作的重点内容之一。

参考文献:

[1]马明志,李艳东,鞠亚辉.高校智能财务分析系统设计研究[J].商业会计,20155

[2]叶福兰.数据挖掘在智能财务决策支持系统中的应用[J].廊坊师范学院学报(自然科学版),20152

[3]黄达雄.智能财务分析与决策支持软件的现状与发展[J].电脑知识与技术,201410

[4]汪诗怀.企业智能财务决策支持系统构建探讨[J].中国管理信息化,20135

[5]车书.智能财务分析系统实践研究[J].计算机光盘软件与应用,201414

[6]吴胜,张智光.浅析未来智能财务软件体系结构[J].中国管理信息化(会计版), 201510

[7]刘芊.智能管理新航向——智能财务分析系统[J].中国乡镇企业会计,201411

[8]王兴鹏.智能财务分析系统——财务管理软件的发展方向[J].中国会计电算化, 20146

分享: