首页 > 文章中心 > 正文

大数据时代财务分析领域研究

大数据时代财务分析领域研究

摘要:随着互联网的不断发展以及云技术的日益成熟,数据的种类和规模呈现出跨越式增长的趋势,大数据时代正式到来。在大数据时代,揭示海量数据背后的关联,为企业财务战略的发展提供前瞻性指导意见,必然成为财务分析领域的发展趋势。本文分析大数据时代财务分析面临的机遇与挑战,并对大数据进行展望。

关键词:大数据财务分析机遇挑战

随着物联网、互联网和移动应用的不断发展,越来越多的数据得以沉淀。世界著名咨询公司Gartner认为,信息量每年正以至少59%的速度增长;而据IDC统计,至2010年底全球数据量已经达到了120万PB,到2020年,全球以电子形式存储的数据量将暴增44倍,达到35ZB。大数据时代已然来临,给各行各业数据信息的使用与分析带来根本性的变革。对于财务分析这一领域,如何转变传统思维,借助大数据的“洞察力”重新审视财务指标、财务体系以至财务战略的规划与发展,从而促进行业的大发展具有深远意义。本文将立足于大数据的发展现状,深入分析大数据对财务分析领域带来的机遇与挑战。

一、量到质的飞跃———大数据时代

(一)大数据的概念

从单一数据库到大数据是量的变化,却有质的区别。大数据(bigdata,BD)或称巨量资料,是指所涉及的资料规模巨大到无法通过目前主流软件工具在合理时间内达到撷取、管理、处理并整理成为有助于企业经营决策的资讯。相对于传统意义上的数据库(database,DB),大数据需要云技术作为支撑,从海量结构数据、半结构数据以及非结构数据中快速经济地提取数字化信息。IBM认为大数据有以下特点:Volume(大量)、Velocity(高速)、Variety(多样)。除此之外,许多研究机构尝试为大数据增添第四个“V”,国际数据公司IDC认为大数据应当还具有Value(价值性),IBM认为应当为Veracity(真实性)。

(二)大数据的三大变革

(1)转变样本思维———样本=总体。

随着计算运力的不断提升,计算能力受限的时代已然离去。而通过种种方式选取样本进行数据分析无疑成为一副“挂在身上的镣铐”。无论人为还是随机的选样方式,都难以发现大量数据中的细微之处,而大数据通过全盘分析,既避免了样本总体选取过程中的人为倾向,又使得发现数据中的细微异常成为可能。如利用大数据实时分析,从海量信用卡交易记录中发现信用卡异常。

(2)区别精确性与混杂性。

维克托•迈尔•舍尔维恩提出允许不精确———抛弃精确性,接纳混杂性。而笔者认为精确性与混杂性必然共生共存,但需予以区别。大数据的引入和单一类别的累加必然带来数据的绝对精确(数据源的绝对精确,而非使用者期望值的绝对精确),而海量的多元数据类型之间形成混杂的逻辑关系。在混杂的数据中,在提取数据间变化关系时让概率说话,允许不精确。如在美国经济低迷时期,口红的销量与经济指数便是混杂数据中的一对不精确的数据关系。大数据的引入,即单一类别的精确与多元数据的混杂,会使更多类似口红效应的数据关系浮出水面。

(3)寻求相关关系。

因果关系是相关关系的一个子集。大数据时代,海量信息涌入,数据之间相互关系错综复杂,多因多果是我们必然面对的现实。数据分析应当从过分纷杂的因果关系中解脱出来,转移到数据的相关性分析中去。如Google通过搜索关键词预警流行病。

(三)大数据的发展现状

2009年,联合国启动“全球脉动计划”,借大数据推动落后地区发展。2012年1月,世界经济论坛年会将“大数据、大影响”作为重要议题。2012年4月,大数据分析公司Splunk高调宣传大数据,引发投资者关注。同年12月初,为企业市场提供Hadoop解决方案的创业公司Cloudera获得6500万美元融资,估值约为7亿美元。大数据之所以受到政府的推动、资本的热捧,其根源在于大数据技术不断纵深、涉及面持续拓宽、产业前景被极度看好。

二、大数据时代财务分析面临的机遇与挑战

(一)财务分析领域面临的机遇

(1)数据混搭。

一是财务数据与非财务数据混搭。财务数据往往源于某种经济行为,而经济行为往往有其必然的社会现象或动因,因此传统的财务数据与某些非财务数据之间必然存在千丝万缕的联系。对于财务分析人员而言,积极寻求非财务数据与财务数据间的联动关系,建立相关模型,有助于合理预测财务发展动向,制定财务发展战略。二是结构化数据与非结构化数据混搭。目前,结构化数据仅占各类数据总量的15%左右,对非结构化数据分析能力的不断提升,无异于去发现了财务分析的广阔“蓝海”。如在判断新产品的市场反应是否良好时,除统计营业收入、利润增长率等数据外,还可以对社区网络中意见领袖的评论、网友的转发与评语、本产品或相关产品关键词搜索量等非结构化数据进行统计,如此不仅可以更加全面地了解新产品的推广情况,更能及时获得市场反馈讯息,如竞争产品的推广情况、配套服务是否需要跟进、是否加大投产或设计改良。三是宏观数据与微观数据混搭。大数据的应用以及财务数据的标准化,有助于政府或有关经济组织建立更为全面宏观数据库。借助大数据,微观经济数据形成宏观预判,宏观预判及时指导企业生产,对外贸型企业应尤为关注。如2008年初,经济危机到来前,阿里巴巴交易平台上整个买家询盘数出现下滑迹象,由此商家可提前半年时间从交易平台询盘数上推断出世界贸易发生变化,进而缩减生产规模或寻求产业升级。

(2)提高财务决策效率。

传统财务分析理念是对几个简单财务指标进行分析或建模,简单的分析或建模已不足以应对企业日益变化的经营环境。大数据的核心理念之一是“样本=总体”,它要求企业将总体作为样本,对企业财务发展战略作出规划。海量数据的利用,使财务分析思路进入多车道模式,在数据起跑阶段便可依照多项数据的轨迹作出科学合理的决策。目前,大数据时代刚刚到来,数据混杂性程度高,绝大多数财务人员缺乏对“新数据”分析的先验知识,分析周期的缩短需要一定时间的沉淀与积累。

(3)建立“反馈经济”意识。

大数据中包含真许多未曾发现的数据关系,也就蕴藏着巨大的经济价值。率先从海量数据获取有价值的数据信息并合理运用,将带来巨大的经济效益。值得注意的是,对于大数据将总体作为样本,其理想状态是世界全部总体数据,旨在发现人们不曾发现的数据关系,但这需要数十年甚至上百年的科技进步。目前,对于Google、IBM、阿里巴巴这样具有计算运力的巨头公司而言,可将“总体”视为“可获得的全部数据”,即摈弃人为判断、尽可能获取“能力所及”范围内的所有数据;对于大部分中小型互联网公司以及传统企业,可将“总体”视为“应该需要的全部数据”,即需多人决策、宜多不宜少。此外,财务人员应当注意自身“因果思维”向“相关思维”的转换,任何与财务状况相关的数据或组合数据都值得关注。

(4)阶段性报告向实时报告转变。

多数传统财务报表像期刊一样,按月、按季、按年出已成惯例,此类报告对于目前市场的反应敏捷度是极差的。而决策讲究时效性,静态阶段性报告已经无法满足股东及财务分析人员的根本需要,其中对初创公司“报纸式”财报的需求更加迫切。在大数据的背景下,相关交易或行为产生可以直接生成数据,反映在报表,呈现出变化,直接公布于公开的网络或APP终端,如此一来既保证了财务的公开透明,又能及时获取市场反馈、调整财务战略。

(二)财务分析领域面临的挑战

(1)信息的安全性。

大数据时代,最大的挑战便是信息安全问题。目前,企业的复杂化程度越来越高,企业与企业之前的相互依存关系也越来越紧密,大量信息处于企业内部、外部的薄弱环节上,从简单的财务数据到商业机密再到知识产权,各类数据都极为重要,不慎泄露、被恶意窃取甚至篡改都能导致商业上的风险。如何从技术上、观念上保证数据的安全,是大数据时代的重要课题。例如,2014年3月携程“泄密门”,携程的信息系统因存在技术漏洞,导致用户个人信息泄露,包括用户姓名、身份证号、银行卡号、银行卡CVV码等,这些数据都存在被黑客窃取的可能,进而使携程面临着极大的经营风险。

(2)信息的成本。

无论是企业内生信息还是外购信息,都将产生一定成本,盲目获取大量信息,而忽视信息产生的回报,对企业是不利的。因此在信息的获取与存储过程中,考虑到成本效益原则,应加强对“潜在价值信息”的甄别。值得注意的是,在财务大数据竞赛中,尽可能挖掘数据与控制信息成本呈负相关关系。一方面,大数据中蕴藏的大量价值并非先验知识能够识别,放弃对相应数据的分析等于放弃占得商业先机的可能,丧失企业跨越发展的时机;另一方面,当下的大数据处理中心具有相对较高的维修和更换成本,对于大部分中小型企业,若期望能够尽可能获得各类海量数据短期内也难以承担。因此,不同企业对大数据的获取与应用程度是不同的,其取决于企业的财务战略、财务状况、财务人员胜任能力等多种因素。

(3)信息的处理与人才的竞争。

大数据时代的竞争,是信息处理技术的竞争,更是人才的竞争。在财务分析领域,拥有大量数据但人才配备不足,亦是无济于事的,因此,信息处理是发现大数据价值的最为关键的一环。然而,现阶段精通财务并善于数据挖掘的人才供给严重不足。如何培养人才,让信息得以恰当处理,使得企业大数据的价值能够充分体现,是各企业亟待解决的重要课题。

三、对大数据的展望

大数据的到来将对整个人类发展的进程产生重大影响,大到国家政策方针、小到企业发展规划会因大数据发展而改变。政府对于大数据的开发挖掘,应当做到统筹兼顾,一方面加快立法,协调数据隐私性与数据开源共享之间的关系,另一方面加强政策引导,鼓励社会团体和个人对于大数据的开发运用,进而创造社会财富。对于企业而言,首先应当从公司的战略层面重视“大数据”带来的巨大价值,主动迎接此次社会化的革命性变革;再次,尽快将大数据的运用落实至具体业务之上,从具体应用的过程中发掘大数据的潜力,在竞争中获得先机;最后便是人才的竞争,企业应当鼓励企业内部精通财务的员工,积极学习数据发掘与分析的理论知识和实践技巧。

参考文献:

[1]李心合:《公司财务分析:框架与超越》,《财经问题研究》2006年第10期。

[2]邓国清:《以大数据之“道”,践管理会计之“变”》,《中国会计报》2013年第8期。

作者:张红英 王翠森 单位:浙江财经大学会计学院