大數(shù)據(jù)時(shí)代財(cái)務(wù)分析領(lǐng)域研究

大數(shù)據(jù)時(shí)代財(cái)務(wù)分析領(lǐng)域研究

摘要：隨著互聯(lián)網(wǎng)的不斷發(fā)展以及云技術(shù)的日益成熟，數(shù)據(jù)的種類和規(guī)模呈現(xiàn)出跨越式增長的趨勢，大數(shù)據(jù)時(shí)代正式到來。在大數(shù)據(jù)時(shí)代，揭示海量數(shù)據(jù)背后的關(guān)聯(lián)，為企業(yè)財(cái)務(wù)戰(zhàn)略的發(fā)展提供前瞻性指導(dǎo)意見，必然成為財(cái)務(wù)分析領(lǐng)域的發(fā)展趨勢。本文分析大數(shù)據(jù)時(shí)代財(cái)務(wù)分析面臨的機(jī)遇與挑戰(zhàn)，并對大數(shù)據(jù)進(jìn)行展望。

關(guān)鍵詞：大數(shù)據(jù)財(cái)務(wù)分析機(jī)遇挑戰(zhàn)

隨著物聯(lián)網(wǎng)、互聯(lián)網(wǎng)和移動(dòng)應(yīng)用的不斷發(fā)展，越來越多的數(shù)據(jù)得以沉淀。世界著名咨詢公司Gartner認(rèn)為，信息量每年正以至少59%的速度增長；而據(jù)IDc統(tǒng)計(jì)，至20XX年底全球數(shù)據(jù)量已經(jīng)達(dá)到了120萬PB，到2020年，全球以電子形式存儲(chǔ)的數(shù)據(jù)量將暴增44倍，達(dá)到35ZB。大數(shù)據(jù)時(shí)代已然來臨，給各行各業(yè)數(shù)據(jù)信息的使用與分析帶來根本性的變革。對于財(cái)務(wù)分析這一領(lǐng)域，如何轉(zhuǎn)變傳統(tǒng)思維，借助大數(shù)據(jù)的“洞察力”重新審視財(cái)務(wù)指標(biāo)、財(cái)務(wù)體系以至財(cái)務(wù)戰(zhàn)略的規(guī)劃與發(fā)展，從而促進(jìn)行業(yè)的大發(fā)展具有深遠(yuǎn)意義。本文將立足于大數(shù)據(jù)的發(fā)展現(xiàn)狀，深入分析大數(shù)據(jù)對財(cái)務(wù)分析領(lǐng)域帶來的機(jī)遇與挑戰(zhàn)。

一、量到質(zhì)的飛躍———大數(shù)據(jù)時(shí)代

（一）大數(shù)據(jù)的概念

從單一數(shù)據(jù)庫到大數(shù)據(jù)是量的變化，卻有質(zhì)的區(qū)別。大數(shù)據(jù)（bigdata，BD）或稱巨量資料，是指所涉及的資料規(guī)模巨大到無法通過目前主流軟件工具在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理并整理成為有助于企業(yè)經(jīng)營決策的資訊。相對于傳統(tǒng)意義上的數(shù)據(jù)庫（database，DB），大數(shù)據(jù)需要云技術(shù)作為支撐，從海量結(jié)構(gòu)數(shù)據(jù)、半結(jié)構(gòu)數(shù)據(jù)以及非結(jié)構(gòu)數(shù)據(jù)中快速經(jīng)濟(jì)地提取數(shù)字化信息。IBm認(rèn)為大數(shù)據(jù)有以下特點(diǎn)：Volume（大量）、Velocity（高速）、Variety（多樣）。除此之外，許多研究機(jī)構(gòu)嘗試為大數(shù)據(jù)增添第四個(gè)“V”，國際數(shù)據(jù)公司IDc認(rèn)為大數(shù)據(jù)應(yīng)當(dāng)還具有Value（價(jià)值性），IBm認(rèn)為應(yīng)當(dāng)為Veracity（真實(shí)性）。

（二）大數(shù)據(jù)的三大變革

（1）轉(zhuǎn)變樣本思維———樣本=總體。

隨著計(jì)算運(yùn)力的不斷提升，計(jì)算能力受限的時(shí)代已然離去。而通過種種方式選取樣本進(jìn)行數(shù)據(jù)分析無疑成為一副“掛在身上的鐐銬”。無論人為還是隨機(jī)的選樣方式，都難以發(fā)現(xiàn)大量數(shù)據(jù)中的細(xì)微之處，而大數(shù)據(jù)通過全盤分析，既避免了樣本總體選取過程中的人為傾向，又使得發(fā)現(xiàn)數(shù)據(jù)中的細(xì)微異常成為可能。如利用大數(shù)據(jù)實(shí)時(shí)分析，從海量信用卡交易記錄中發(fā)現(xiàn)信用卡異常。

（2）區(qū)別精確性與混雜性。

維克托?邁爾?舍爾維恩提出允許不精確———拋棄精確性，接納混雜性。而筆者認(rèn)為精確性與混雜性必然共生共存，但需予以區(qū)別。大數(shù)據(jù)的引入和單一類別的累加必然帶來數(shù)據(jù)的絕對精確（數(shù)據(jù)源的絕對精確，而非使用者期望值的絕對精確），而海量的多元數(shù)據(jù)類型之間形成混雜的邏輯關(guān)系。在混雜的數(shù)據(jù)中，在提取數(shù)據(jù)間變化關(guān)系時(shí)讓概率說話，允許不精確。如在美國經(jīng)濟(jì)低迷時(shí)期，口紅的銷量與經(jīng)濟(jì)指數(shù)便是混雜數(shù)據(jù)中的一對不精確的數(shù)據(jù)關(guān)系。大數(shù)據(jù)的引入，即單一類別的精確與多元數(shù)據(jù)的混雜，會(huì)使更多類似口紅效應(yīng)的數(shù)據(jù)關(guān)系浮出水面。

（3）尋求相關(guān)關(guān)系。

因果關(guān)系是相關(guān)關(guān)系的一個(gè)子集。大數(shù)據(jù)時(shí)代，海量信息涌入，數(shù)據(jù)之間相互關(guān)系錯(cuò)綜復(fù)雜，多因多果是我們必然面對的現(xiàn)實(shí)。數(shù)據(jù)分析應(yīng)當(dāng)從過分紛雜的因果關(guān)系中解脫出來，轉(zhuǎn)移到數(shù)據(jù)的相關(guān)性分析中去。如Google通過搜索關(guān)鍵詞預(yù)警流行病。

（三）大數(shù)據(jù)的發(fā)展現(xiàn)狀

20XX年，聯(lián)合國啟動(dòng)“全球脈動(dòng)計(jì)劃”，借大數(shù)據(jù)推動(dòng)落后地區(qū)發(fā)展。20XX年1月，世界經(jīng)濟(jì)論壇年會(huì)將“大數(shù)據(jù)、大影響”作為重要議題。20XX年4月，大數(shù)據(jù)分析公司Splunk高調(diào)宣傳大數(shù)據(jù)，引發(fā)投資者關(guān)注。同年12月初，為企業(yè)市場提供Hadoop解決方案的創(chuàng)業(yè)公司cloudera獲得6500萬美元融資，估值約為7億美元。大數(shù)據(jù)之所以受到政府的推動(dòng)、資本的熱捧，其根源在于大數(shù)據(jù)技術(shù)不斷縱深、涉及面持續(xù)拓寬、產(chǎn)業(yè)前景被極度看好。

二、大數(shù)據(jù)時(shí)代財(cái)務(wù)分析面臨的機(jī)遇與挑戰(zhàn)

（一）財(cái)務(wù)分析領(lǐng)域面臨的機(jī)遇

（1）數(shù)據(jù)混搭。

一是財(cái)務(wù)數(shù)據(jù)與非財(cái)務(wù)數(shù)據(jù)混搭。財(cái)務(wù)數(shù)據(jù)往往源于某種經(jīng)濟(jì)行為，而經(jīng)濟(jì)行為往往有其必然的社會(huì)現(xiàn)象或動(dòng)因，因此傳統(tǒng)的財(cái)務(wù)數(shù)據(jù)與某些非財(cái)務(wù)數(shù)據(jù)之間必然存在千絲萬縷的聯(lián)系。對于財(cái)務(wù)分析人員而言，積極尋求非財(cái)務(wù)數(shù)據(jù)與財(cái)務(wù)數(shù)據(jù)間的聯(lián)動(dòng)關(guān)系，建立相關(guān)模型，有助于合理預(yù)測財(cái)務(wù)發(fā)展動(dòng)向，制定財(cái)務(wù)發(fā)展戰(zhàn)略。二是結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)混搭。目前，結(jié)構(gòu)化數(shù)據(jù)僅占各類數(shù)據(jù)總量的15%左右，對非結(jié)構(gòu)化數(shù)據(jù)分析能力的不斷提升，無異于去發(fā)現(xiàn)了財(cái)務(wù)分析的廣闊“藍(lán)?！薄Ｈ缭谂袛嘈庐a(chǎn)品的市場反應(yīng)是否良好時(shí)，除統(tǒng)計(jì)營業(yè)收入、利潤增長率等數(shù)據(jù)外，還可以對社區(qū)網(wǎng)絡(luò)中意見領(lǐng)袖的評論、網(wǎng)友的轉(zhuǎn)發(fā)與評語、本產(chǎn)品或相關(guān)產(chǎn)品關(guān)鍵詞搜索量等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，如此不僅可以更加全面地了解新產(chǎn)品的推廣情況，更能及時(shí)獲得市場反饋訊息，如競爭產(chǎn)品的推廣情況、配套服務(wù)是否需要跟進(jìn)、是否加大投產(chǎn)或設(shè)計(jì)改良。三是宏觀數(shù)據(jù)與微觀數(shù)據(jù)混搭。大數(shù)據(jù)的應(yīng)用以及財(cái)務(wù)數(shù)據(jù)的標(biāo)準(zhǔn)化，有助于政府或有關(guān)經(jīng)濟(jì)組織建立更為全面宏觀數(shù)據(jù)庫。借助大數(shù)據(jù)，微觀經(jīng)濟(jì)數(shù)據(jù)形成宏觀預(yù)判，宏觀預(yù)判及時(shí)指導(dǎo)企業(yè)生產(chǎn)，對外貿(mào)型企業(yè)應(yīng)尤為關(guān)注。如20XX年初，經(jīng)濟(jì)危機(jī)到來前，阿里巴巴交易平臺(tái)上整個(gè)買家詢盤數(shù)出現(xiàn)下滑跡象，由此商家可提前半年時(shí)間從交易平臺(tái)詢盤數(shù)上推斷出世界貿(mào)易發(fā)生變化，進(jìn)而縮減生產(chǎn)規(guī)?；?qū)で螽a(chǎn)業(yè)升級(jí)。

（2）提高財(cái)務(wù)決策效率。

傳統(tǒng)財(cái)務(wù)分析理念是對幾個(gè)簡單財(cái)務(wù)指標(biāo)進(jìn)行分析或建模，簡單的分析或建模已不足以應(yīng)對企業(yè)日益變化的經(jīng)營環(huán)境。大數(shù)據(jù)的核心理念之一是“樣本=總體”，它要求企業(yè)將總體作為樣本，對企業(yè)財(cái)務(wù)發(fā)展戰(zhàn)略作出規(guī)劃。海量數(shù)據(jù)的利用，使財(cái)務(wù)分析思路進(jìn)入多車道模式，在數(shù)據(jù)起跑階段便可依照多項(xiàng)數(shù)據(jù)的軌跡作出科學(xué)合理的決策。目前，大數(shù)據(jù)時(shí)代剛剛到來，數(shù)據(jù)混雜性程度高，絕大多數(shù)財(cái)務(wù)人員缺乏對“新數(shù)據(jù)”分析的先驗(yàn)知識(shí)，分析周期的縮短需要一定時(shí)間的沉淀與積累。

（3）建立“反饋經(jīng)濟(jì)”意識(shí)。

大數(shù)據(jù)中包含真許多未曾發(fā)現(xiàn)的數(shù)據(jù)關(guān)系，也就蘊(yùn)藏著巨大的經(jīng)濟(jì)價(jià)值。率先從海量數(shù)據(jù)獲取有價(jià)值的數(shù)據(jù)信息并合理運(yùn)用，將帶來巨大的經(jīng)濟(jì)效益。值得注意的是，對于大數(shù)據(jù)將總體作為樣本，其理想狀態(tài)是世界全部總體數(shù)據(jù)，旨在發(fā)現(xiàn)人們不曾發(fā)現(xiàn)的數(shù)據(jù)關(guān)系，但這需要數(shù)十年甚至上百年的科技進(jìn)步。目前，對于Google、IBm、阿里巴巴這樣具有計(jì)算運(yùn)力的巨頭公司而言，可將“總體”視為“可獲得的全部數(shù)據(jù)”，即擯棄人為判斷、盡可能獲取“能力所及”范圍內(nèi)的所有數(shù)據(jù)；對于大部分中小型互聯(lián)網(wǎng)公司以及傳統(tǒng)企業(yè)，可將“總體”視為“應(yīng)該需要的全部數(shù)據(jù)”，即需多人決策、宜多不宜少。此外，財(cái)務(wù)人員應(yīng)當(dāng)注意自身“因果思維”向“相關(guān)思維”的轉(zhuǎn)換，任何與財(cái)務(wù)狀況相關(guān)的數(shù)據(jù)或組合數(shù)據(jù)都值得關(guān)注。

（4）階段性報(bào)告向?qū)崟r(shí)報(bào)告轉(zhuǎn)變。

多數(shù)傳統(tǒng)財(cái)務(wù)報(bào)表像期刊一樣，按月、按季、按年出已成慣例，此類報(bào)告對于目前市場的反應(yīng)敏捷度是極差的。而決策講究時(shí)效性，靜態(tài)階段性報(bào)告已經(jīng)無法滿足股東及財(cái)務(wù)分析人員的根本需要，其中對初創(chuàng)公司“報(bào)紙式”財(cái)報(bào)的需求更加迫切。在大數(shù)據(jù)的背景下，相關(guān)交易或行為產(chǎn)生可以直接生成數(shù)據(jù)，反映在報(bào)表，呈現(xiàn)出變化，直接公布于公開的網(wǎng)絡(luò)或APP終端，如此一來既保證了財(cái)務(wù)的公開透明，又能及時(shí)獲取市場反饋、調(diào)整財(cái)務(wù)戰(zhàn)略。

（二）財(cái)務(wù)分析領(lǐng)域面臨的挑戰(zhàn)

（1）信息的安全性。

大數(shù)據(jù)時(shí)代，最大的挑戰(zhàn)便是信息安全問題。目前，企業(yè)的復(fù)雜化程度越來越高，企業(yè)與企業(yè)之前的相互依存關(guān)系也越來越緊密，大量信息處于企業(yè)內(nèi)部、外部的薄弱環(huán)節(jié)上，從簡單的財(cái)務(wù)數(shù)據(jù)到商業(yè)機(jī)密再到知識(shí)產(chǎn)權(quán)，各類數(shù)據(jù)都極為重要，不慎泄露、被惡意竊取甚至篡改都能導(dǎo)致商業(yè)上的風(fēng)險(xiǎn)。如何從技術(shù)上、觀念上保證數(shù)據(jù)的安全，是大數(shù)據(jù)時(shí)代的重要課題。例如，20XX年3月攜程“泄密門”，攜程的信息系統(tǒng)因存在技術(shù)漏洞，導(dǎo)致用戶個(gè)人信息泄露，包括用戶姓名、身份證號(hào)、銀行卡號(hào)、銀行卡cVV碼等，這些數(shù)據(jù)都存在被黑客竊取的可能，進(jìn)而使攜程面臨著極大的經(jīng)營風(fēng)險(xiǎn)。

（2）信息的成本。

無論是企業(yè)內(nèi)生信息還是外購信息，都將產(chǎn)生一定成本，盲目獲取大量信息，而忽視信息產(chǎn)生的回報(bào)，對企業(yè)是不利的。因此在信息的獲取與存儲(chǔ)過程中，考慮到成本效益原則，應(yīng)加強(qiáng)對“潛在價(jià)值信息”的甄別。值得注意的是，在財(cái)務(wù)大數(shù)據(jù)競賽中，盡可能挖掘數(shù)據(jù)與控制信息成本呈負(fù)相關(guān)關(guān)系。一方面，大數(shù)據(jù)中蘊(yùn)藏的大量價(jià)值并非先驗(yàn)知識(shí)能夠識(shí)別，放棄對相應(yīng)數(shù)據(jù)的分析等于放棄占得商業(yè)先機(jī)的可能，喪失企業(yè)跨越發(fā)展的時(shí)機(jī)；另一方面，當(dāng)下的大數(shù)據(jù)處理中心具有相對較高的維修和更換成本，對于大部分中小型企業(yè)，若期望能夠盡可能獲得各類海量數(shù)據(jù)短期內(nèi)也難以承擔(dān)。因此，不同企業(yè)對大數(shù)據(jù)的獲取與應(yīng)用程度是不同的，其取決于企業(yè)的財(cái)務(wù)戰(zhàn)略、財(cái)務(wù)狀況、財(cái)務(wù)人員勝任能力等多種因素。

（3）信息的處理與人才的競爭。

大數(shù)據(jù)時(shí)代的競爭，是信息處理技術(shù)的競爭，更是人才的競爭。在財(cái)務(wù)分析領(lǐng)域，擁有大量數(shù)據(jù)但人才配備不足，亦是無濟(jì)于事的，因此，信息處理是發(fā)現(xiàn)大數(shù)據(jù)價(jià)值的最為關(guān)鍵的一環(huán)。然而，現(xiàn)階段精通財(cái)務(wù)并善于數(shù)據(jù)挖掘的人才供給嚴(yán)重不足。如何培養(yǎng)人才，讓信息得以恰當(dāng)處理，使得企業(yè)大數(shù)據(jù)的價(jià)值能夠充分體現(xiàn)，是各企業(yè)亟待解決的重要課題。

三、對大數(shù)據(jù)的展望

大數(shù)據(jù)的到來將對整個(gè)人類發(fā)展的進(jìn)程產(chǎn)生重大影響，大到國家政策方針、小到企業(yè)發(fā)展規(guī)劃會(huì)因大數(shù)據(jù)發(fā)展而改變。政府對于大數(shù)據(jù)的開發(fā)挖掘，應(yīng)當(dāng)做到統(tǒng)籌兼顧，一方面加快立法，協(xié)調(diào)數(shù)據(jù)隱私性與數(shù)據(jù)開源共享之間的關(guān)系，另一方面加強(qiáng)政策引導(dǎo)，鼓勵(lì)社會(huì)團(tuán)體和個(gè)人對于大數(shù)據(jù)的開發(fā)運(yùn)用，進(jìn)而創(chuàng)造社會(huì)財(cái)富。對于企業(yè)而言，首先應(yīng)當(dāng)從公司的戰(zhàn)略層面重視“大數(shù)據(jù)”帶來的巨大價(jià)值，主動(dòng)迎接此次