數(shù)據(jù)挖掘在財(cái)務(wù)決策中的應(yīng)用

1、數(shù)據(jù)挖掘在財(cái)務(wù)決策中的應(yīng)用 摘 要：在現(xiàn)代社會中，公司大多數(shù)財(cái)務(wù)流程的核心部分是數(shù)據(jù)。而數(shù)據(jù)挖掘的任務(wù)就是在如此海量的數(shù)據(jù)中發(fā)現(xiàn)有用的數(shù)據(jù)。針對財(cái)務(wù)決策中面對的數(shù)據(jù)海洋的現(xiàn)狀，如何采用數(shù)據(jù)挖掘這個(gè)技術(shù)，提高財(cái)務(wù)決策的效率，提出了對策。 關(guān)鍵詞：數(shù)據(jù)挖掘；財(cái)務(wù)流程；財(cái)務(wù)決策 1 數(shù)據(jù)挖掘的概念和技術(shù) 數(shù)據(jù)挖掘是針對非常大的數(shù)據(jù)進(jìn)行的研究和分析。它采用自動或半自動的程序，對數(shù)據(jù)中固有的先前未知的潛在有用信息進(jìn)行抽取。數(shù)據(jù)挖掘的起源可追溯到20世紀(jì)50年代人工智能的早期發(fā)展。在此期間，模式識別和基于規(guī)則推理的發(fā)展提供了基礎(chǔ)構(gòu)建塊，數(shù)據(jù)挖掘就建立在這些概念的基礎(chǔ)之上。在最近10 年中，大型業(yè)務(wù)數(shù)據(jù)庫（

2、特別是數(shù)據(jù)倉庫）使用量的增長以及對這些數(shù)據(jù)的理解和解釋的需要，再加上相對廉價(jià)的計(jì)算機(jī)的供應(yīng)，導(dǎo)致數(shù)據(jù)挖掘在各種業(yè)務(wù)應(yīng)用中的使用急劇增長。這些應(yīng)用從零售業(yè)務(wù)的顧客細(xì)分和市場購物籃分析，到銀行業(yè)務(wù)和金融業(yè)務(wù)應(yīng)用中的風(fēng)險(xiǎn)分析和欺騙偵查，涉及面非常廣泛。 多年來各國學(xué)者已開發(fā)了多種數(shù)據(jù)挖掘技術(shù)，用于大量的數(shù)據(jù)集中探索和抽取信息?？偟恼f來，數(shù)據(jù)挖掘技術(shù)分為兩大類：探索型數(shù)據(jù)挖掘和預(yù)測型數(shù)據(jù)挖掘。探索型數(shù)據(jù)挖掘包括一系列在預(yù)先未知任何現(xiàn)有模式的情況下，在數(shù)據(jù)內(nèi)查找模型的技術(shù)。探索型數(shù)據(jù)挖掘包括分群、關(guān)聯(lián)分析和頻度分析技術(shù)。預(yù)測型挖掘包括一系列在數(shù)據(jù)中查找特定變量（稱為“目標(biāo)變量”）與其它變量之間關(guān)系的技術(shù)

3、。預(yù)測型挖掘常用的有分類和聚類、數(shù)值預(yù)測技術(shù)。數(shù)據(jù)挖掘使用的算法很多，主要包括統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、決策樹、粗糙集、人工神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)（RBF）等。 數(shù)據(jù)挖掘的程序主要分為以下5個(gè)步驟： 1)定義問題。清晰地定義出業(yè)務(wù)問題，確定數(shù)據(jù)挖掘的目的。 2)數(shù)據(jù)準(zhǔn)備。數(shù)據(jù)準(zhǔn)備包括：選擇數(shù)據(jù)在大型數(shù)據(jù)庫和數(shù)據(jù)倉庫目標(biāo)中提取數(shù)據(jù)挖掘的目標(biāo)數(shù)據(jù)集；數(shù)據(jù)預(yù)處理進(jìn)行數(shù)據(jù)再加工，包括檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性、去噪聲，填補(bǔ)丟失的域，刪除無效數(shù)據(jù)等。 3)數(shù)據(jù)挖掘。根據(jù)數(shù)據(jù)功能的類型和數(shù)據(jù)的特點(diǎn)選擇相應(yīng)的算法，在凈化和轉(zhuǎn)換過的數(shù)據(jù)集上進(jìn)行數(shù)據(jù)挖掘。 4)結(jié)果分析。對數(shù)據(jù)挖掘的結(jié)果進(jìn)行解釋和評價(jià)，轉(zhuǎn)換成為能夠

4、最終被用戶理解的知識。 5)知識的運(yùn)用。將分析所得到的知識集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。 2 財(cái)務(wù)決策中應(yīng)用數(shù)據(jù)挖掘的必要性 一個(gè)財(cái)務(wù)決策的正確程度取決于所使用的事實(shí)和數(shù)字的正確程度。隨著競爭的增加，財(cái)務(wù)決策的時(shí)效性也變得越來越重要了。因此，在財(cái)務(wù)決策領(lǐng)域應(yīng)用數(shù)據(jù)挖掘是企業(yè)現(xiàn)實(shí)的需要。 （1）有利于提高財(cái)務(wù)信息的利用能力。解決企業(yè)財(cái)務(wù)決策問題需要以詢問為中心的數(shù)據(jù)圖解，其以序列導(dǎo)向和多維為特征。而傳統(tǒng)的財(cái)務(wù)數(shù)據(jù)查詢是一種事務(wù)處理，它是面向應(yīng)用、支持日常操作的，對查詢得到的數(shù)據(jù)信息缺乏分析能力，決策者不能夠在大量歷史數(shù)據(jù)的支持下對某一主題的相關(guān)數(shù)據(jù)進(jìn)行多角度的比較、分析，得出科學(xué)的分析結(jié)果。

5、因此，財(cái)務(wù)決策問題自身的多維特性驅(qū)動了數(shù)據(jù)挖掘領(lǐng)域的應(yīng)用。 （2）有利于解決財(cái)務(wù)信息的噪音問題。由于網(wǎng)絡(luò)技術(shù)的發(fā)展，企業(yè)可以通過Intranet、Extranet、Internet方便獲取各種企業(yè)內(nèi)部、關(guān)聯(lián)方及外部資料。現(xiàn)今的問題已不是信息缺乏，而是信息過量，難以消化，且信息真假難辨，可靠性難以保證。所以，對企業(yè)來說，這時(shí)就需要高效的數(shù)據(jù)分析工具在浩瀚的信息流中分辨、析取、整理、挖掘?qū)ω?cái)務(wù)決策有用的信息，減少信息噪音的影響。 （3）有利于滿足財(cái)務(wù)信息智能化的需求。由于決策本身的動態(tài)性、復(fù)雜性，決策者本身素質(zhì)層次的多樣性，不同的情況應(yīng)有不同的處理方式。傳統(tǒng)的數(shù)據(jù)析取是依靠程序人員在系統(tǒng)開發(fā)過程中

6、設(shè)計(jì)的專用程序來實(shí)現(xiàn)，非常機(jī)械化。隨著數(shù)據(jù)量的增大，查詢的復(fù)雜化，這種方式越來越不可取。決策者希望信息的折取過程能夠智能化，如不僅能對自己想到的信息進(jìn)行訪問，還能對自己想不到卻需要的信息進(jìn)行訪問，對同樣數(shù)據(jù)進(jìn)行多次訪問時(shí)，不必做重復(fù)操作；不同決策者作相似訪問時(shí)，也不必進(jìn)行重復(fù)操作等。 3 財(cái)務(wù)決策中數(shù)據(jù)挖掘的應(yīng)用流程 3.1 優(yōu)化基于數(shù)據(jù)挖掘的公司財(cái)務(wù)決策基礎(chǔ)環(huán)境 1）硬件及其應(yīng)用。數(shù)據(jù)挖掘需要有一定存儲量和運(yùn)算能力的計(jì)算機(jī)，要充分發(fā)揮數(shù)據(jù)挖掘在財(cái)務(wù)分析中的作用，還需要實(shí)現(xiàn)管理信息系統(tǒng)的網(wǎng)絡(luò)化，構(gòu)建財(cái)務(wù)業(yè)務(wù)一體化的企業(yè)管理信息系統(tǒng)。在IT環(huán)境下，網(wǎng)絡(luò)是提供信息傳遞和信息共享的基石，公司應(yīng)該根據(jù)

7、自身的實(shí)際情況，構(gòu)建適合的網(wǎng)絡(luò)硬件解決方案。主要包括:選擇什么樣的技術(shù)架構(gòu)、進(jìn)行服務(wù)器和客戶端的配置等。 2）軟件及其應(yīng)用。以會計(jì)信息系統(tǒng)為核心的企業(yè)管理信息系統(tǒng)是實(shí)現(xiàn)數(shù)據(jù)挖掘在財(cái)務(wù)分析中應(yīng)用的基礎(chǔ)，可以為數(shù)據(jù)挖掘提供各種財(cái)務(wù)數(shù)據(jù)。公司構(gòu)建管理信息系統(tǒng)時(shí)，在滿足核算和控制需要的前提下，應(yīng)該充分考慮數(shù)據(jù)分析和信息集成的需要，為數(shù)據(jù)挖掘的應(yīng)用提供支持。公司構(gòu)建的信息系統(tǒng)應(yīng)該能夠保證在業(yè)務(wù)發(fā)生的同時(shí)盡可能收集分析所需要的各種數(shù)據(jù)，并以恰當(dāng)?shù)臄?shù)據(jù)結(jié)構(gòu)存儲在數(shù)據(jù)庫中，在需要時(shí)提取到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，供數(shù)據(jù)挖掘分析處理。 3.2 建立基于數(shù)據(jù)挖掘的財(cái)務(wù)決策支持系統(tǒng)模型 數(shù)據(jù)挖掘是在大型數(shù)據(jù)庫或數(shù)據(jù)倉庫

8、基礎(chǔ)上進(jìn)行深入的數(shù)據(jù)分析，從而獲取海量數(shù)據(jù)中隱藏的關(guān)鍵信息的主要手段。因此，為了進(jìn)一步提高財(cái)務(wù)決策的支持能力，可以將它們結(jié)合起來構(gòu)成一種新型的財(cái)務(wù)決策支持框架。在數(shù)據(jù)倉庫為財(cái)務(wù)決策提供完整、及時(shí)、準(zhǔn)確和明了的綜合數(shù)據(jù)的基礎(chǔ)上，通過進(jìn)行有效集中分析和深入研究，可以發(fā)現(xiàn)趨勢，看到異常，并得到重要細(xì)節(jié)。而數(shù)據(jù)挖掘則可通過使用一系列方法進(jìn)行分析，從中識別和抽取隱含、潛在的有用知識，并充分利用這些知識輔助財(cái)務(wù)決策。 3.3 建立財(cái)務(wù)決策中數(shù)據(jù)挖掘流程 財(cái)務(wù)決策中的數(shù)據(jù)挖掘流程一般由財(cái)務(wù)決策問題識別、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)開采和結(jié)果表達(dá)和解釋四個(gè)主要階段構(gòu)成，如圖1所示。 （1）財(cái)務(wù)決策問題識別。典型的財(cái)務(wù)決策有

9、投資決策、籌資決策、成本決策、銷售決策等。在進(jìn)行數(shù)據(jù)挖掘前，必須先對具體財(cái)務(wù)決策問題進(jìn)行識別，即要確定進(jìn)行什么決策、達(dá)到什么樣的決策目標(biāo)等。然后再將財(cái)務(wù)決策目標(biāo)轉(zhuǎn)換成數(shù)據(jù)挖掘目標(biāo)，并進(jìn)行定義。 （2）數(shù)據(jù)準(zhǔn)備。這個(gè)階段又可分成3個(gè)子步驟，即數(shù)據(jù)集成、數(shù)據(jù)選擇和數(shù)據(jù)預(yù)處理。數(shù)據(jù)集成是將多文件或多數(shù)據(jù)庫運(yùn)行環(huán)境中的數(shù)據(jù)進(jìn)行合并處理，解決語義模糊性、處理數(shù)據(jù)中的遺漏和清洗臟數(shù)據(jù)等。數(shù)據(jù)選擇的目的是辨別出需要分析的數(shù)據(jù)集合，縮小處理范圍，提高數(shù)據(jù)挖掘的質(zhì)量。而預(yù)處理則是為了克服目前數(shù)據(jù)挖掘工具的局限性。 （3）數(shù)據(jù)采掘。這一階段主要進(jìn)行實(shí)際的數(shù)據(jù)挖掘工作，主要包括決定如何產(chǎn)生假設(shè)、選擇合適的工具、發(fā)掘知識的操作和證實(shí)發(fā)現(xiàn)的知識等步驟。 （4）結(jié)果表達(dá)和解釋。根據(jù)用戶的財(cái)務(wù)決策目的對提取的信息進(jìn)行分析，把最有價(jià)值的信息區(qū)分出來，并提交給