劉哲 張爽 苗得慶

1. 貴州食品工程職業(yè)學(xué)院 貴州 貴陽(yáng) 551400；

2. 貴州財(cái)經(jīng)職業(yè)學(xué)院 貴州 貴陽(yáng) 551400

1 數(shù)據(jù)挖掘定義

數(shù)據(jù)挖掘，在20世紀(jì)90年代便有國(guó)外學(xué)者對(duì)其定義及重要性做出了相關(guān)闡釋，比如1998年，WilliamE等相繼提出并且設(shè)計(jì)了3種關(guān)于數(shù)據(jù)挖掘的方法，該方法主要對(duì)交易往來(lái)的一些信息做出財(cái)務(wù)分析，為以后的學(xué)者對(duì)這一方面研究提供了大量的參考意義。我國(guó)有學(xué)者認(rèn)為數(shù)據(jù)挖掘隸屬于人工智能技術(shù)，具有廣泛用途，由于現(xiàn)如今的數(shù)據(jù)具有很多圖像化、復(fù)雜性的特點(diǎn)，運(yùn)用原始的方法不能高效率的提取有用信息。而數(shù)據(jù)挖掘技術(shù)通過(guò)各種手段，如：關(guān)聯(lián)、聚類等，可以很好地進(jìn)行數(shù)據(jù)深層次分析。綜上所述，數(shù)據(jù)挖掘就是通過(guò)一系列算法和模型對(duì)于所隱藏的數(shù)據(jù)進(jìn)行挖掘和整理分析，其中包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)，然后將所得到的數(shù)據(jù)進(jìn)行回歸、判別、聚類等分析，最終得出更加準(zhǔn)確的數(shù)據(jù)供管理者進(jìn)行決策。由于這些企業(yè)每天的業(yè)務(wù)量數(shù)不勝數(shù)，其產(chǎn)生的數(shù)據(jù)也需要進(jìn)行高效的整合和分析，數(shù)據(jù)挖掘便可以提供一個(gè)可以進(jìn)行信息處理的平臺(tái)，將數(shù)據(jù)進(jìn)行收集整理，然后在企業(yè)之前確定的管理目標(biāo)范圍內(nèi)篩選獲得的數(shù)據(jù)，提高分析精準(zhǔn)度[1]。

2 數(shù)據(jù)挖掘技術(shù)具有的特點(diǎn)概述

2.1 基于大規(guī)模數(shù)據(jù)的特點(diǎn)

隨著我國(guó)各行各業(yè)信息化程度的日益加深，數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)規(guī)模不斷擴(kuò)張，不同行業(yè)中的大、中、小不同規(guī)模的企業(yè)財(cái)務(wù)相關(guān)數(shù)據(jù)的累積速度呈現(xiàn)爆炸式增長(zhǎng)。數(shù)據(jù)挖掘技術(shù)具有基于大規(guī)模數(shù)據(jù)的特點(diǎn)，雖然絕大部分種類的數(shù)據(jù)挖掘相關(guān)算法能夠在小規(guī)模數(shù)據(jù)集中運(yùn)行并得到結(jié)果，但是小規(guī)模數(shù)據(jù)最終獲得的結(jié)果往往不能夠反映出事物背后真實(shí)的客觀規(guī)律，導(dǎo)致數(shù)據(jù)挖掘所得結(jié)論的準(zhǔn)確性大大降低。在大規(guī)模數(shù)據(jù)中數(shù)據(jù)挖掘技術(shù)能夠最大效率的排除非普遍性及錯(cuò)誤數(shù)據(jù)的干擾，有效避免數(shù)據(jù)挖掘所得錯(cuò)誤結(jié)論的情況。由于近年來(lái)各行業(yè)企業(yè)財(cái)務(wù)相關(guān)數(shù)據(jù)形成了海量數(shù)據(jù)，基于此特點(diǎn)數(shù)據(jù)挖掘技術(shù)能夠在企業(yè)經(jīng)營(yíng)策略探索、業(yè)務(wù)發(fā)展方向決策等方面發(fā)揮舉足輕重的作用。

2.2 非平凡性的特點(diǎn)

財(cái)務(wù)信息是各企業(yè)最重要的商業(yè)機(jī)密之一，在大量信息和數(shù)據(jù)中所隱藏的規(guī)律不能通過(guò)簡(jiǎn)單的處理方式獲得，通過(guò)復(fù)雜的數(shù)據(jù)挖掘技術(shù)所得出的結(jié)論在絕大多數(shù)情況下也是不簡(jiǎn)單的。數(shù)據(jù)挖掘技術(shù)具有以上非平凡性的特點(diǎn)，建立在該特點(diǎn)的基礎(chǔ)上，通過(guò)對(duì)財(cái)務(wù)數(shù)據(jù)的挖掘所得的規(guī)律和結(jié)論，往往能夠真實(shí)反應(yīng)企業(yè)發(fā)展的潛力以及存在的弊病，并更高效得幫助企業(yè)規(guī)避風(fēng)險(xiǎn)并找到最合適的發(fā)展路徑。

2.3 隱含性的特點(diǎn)

在財(cái)務(wù)數(shù)據(jù)信息的背后存在非常隱蔽的有效信息，著名的“啤酒和尿片”的商品陳列營(yíng)銷案例揭露了兩個(gè)看起來(lái)毫不相關(guān)事物的關(guān)聯(lián)性，并通過(guò)這一策略提高了二者的銷量。通過(guò)分析客戶購(gòu)買商品的財(cái)務(wù)數(shù)據(jù)的來(lái)研究用戶購(gòu)買行為被稱為“購(gòu)物籃分析”，目的就在于找出哪些商品擺放在一起能夠相互促進(jìn)銷量的提升[2]。基于數(shù)據(jù)挖掘的隱含性的特點(diǎn)，可通過(guò)數(shù)據(jù)挖掘算法對(duì)企業(yè)銷售財(cái)務(wù)數(shù)據(jù)加以分析并刻畫(huà)精準(zhǔn)的用戶的畫(huà)像，發(fā)掘用戶隱含的購(gòu)買習(xí)慣和偏好并推薦對(duì)應(yīng)的商品。除銷售財(cái)務(wù)數(shù)據(jù)外，數(shù)據(jù)挖掘技術(shù)還能夠發(fā)現(xiàn)隱藏在各類企業(yè)財(cái)務(wù)數(shù)據(jù)內(nèi)部的有效信息，推動(dòng)企業(yè)制訂正確的營(yíng)銷、管理等戰(zhàn)略。

2.4 新奇性的特點(diǎn)

數(shù)據(jù)挖掘還具有新奇性的特點(diǎn)，首先是數(shù)據(jù)分析手段及工具具有新奇性。區(qū)別于傳統(tǒng)的利用電子表或關(guān)系型數(shù)據(jù)庫(kù)對(duì)財(cái)務(wù)信息數(shù)據(jù)進(jìn)行管理的方式，大數(shù)據(jù)背景下掌握新型數(shù)據(jù)分析和處理工具已成為對(duì)企業(yè)財(cái)會(huì)崗位員工的基本要求。其次是分析所得的結(jié)論具有新奇性，通過(guò)復(fù)雜的數(shù)據(jù)挖掘算法對(duì)財(cái)務(wù)數(shù)據(jù)的分析和處理常常會(huì)得出意想不到的結(jié)果。隨著我國(guó)數(shù)字經(jīng)濟(jì)的騰飛，用戶的消費(fèi)模式和習(xí)慣日新月異，企業(yè)的管理和經(jīng)營(yíng)方式和方法也必須隨之更新。數(shù)據(jù)挖掘技術(shù)用于公司財(cái)務(wù)分析的目的不是獲取已知的經(jīng)驗(yàn)而是構(gòu)建全新的知識(shí)體系和管理理念，通過(guò)數(shù)據(jù)挖掘新奇性的特點(diǎn)能夠幫助企業(yè)獲得前瞻性和超前的洞察力。

2.5 高價(jià)值性的特點(diǎn)

高價(jià)值是數(shù)據(jù)挖掘技術(shù)的重要特點(diǎn)，也是大數(shù)據(jù)時(shí)代數(shù)據(jù)挖掘技術(shù)不斷被深入研究和并取得長(zhǎng)足進(jìn)步的原動(dòng)力。數(shù)據(jù)挖掘作為新型的高效率、高精度的數(shù)據(jù)處理和分析技術(shù)，利用該技術(shù)對(duì)公司的財(cái)務(wù)數(shù)據(jù)進(jìn)行分析所得的結(jié)論，在大多數(shù)情況下能夠?yàn)槠髽I(yè)帶來(lái)直接效益或間接效益，包括經(jīng)濟(jì)效益和社會(huì)效益等。雖然在部分?jǐn)?shù)據(jù)挖掘項(xiàng)目中，可能由于數(shù)據(jù)質(zhì)量不高或者業(yè)務(wù)目標(biāo)不明確等目標(biāo)，導(dǎo)致所得結(jié)論不能夠很好的用于指導(dǎo)企業(yè)管理者做出決策。但是從長(zhǎng)遠(yuǎn)來(lái)看，基于數(shù)據(jù)挖掘技術(shù)的高價(jià)值性特點(diǎn)，只有合理的利用數(shù)據(jù)挖掘技術(shù)做好財(cái)務(wù)分析工作才能不斷優(yōu)化公司發(fā)展路徑，并獲得更大收益。

3 數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析系統(tǒng)中的應(yīng)用算法

3.1 Apriori算法

當(dāng)前，我國(guó)公司財(cái)務(wù)分析工作使用到的數(shù)據(jù)挖掘技術(shù)，在我國(guó)發(fā)展勢(shì)頭良好，并且由專業(yè)人員不斷地進(jìn)行完善以適應(yīng)更高發(fā)展層次的需求。因此，財(cái)務(wù)分析系統(tǒng)中的應(yīng)用算法也進(jìn)行了相對(duì)應(yīng)的調(diào)整，而調(diào)整后的應(yīng)用算法進(jìn)一步細(xì)化了財(cái)務(wù)分析的順序。在這過(guò)程中，Apriori算法應(yīng)運(yùn)而生。Apriori算法是一種極具代表力的算法，是在西方布爾關(guān)聯(lián)規(guī)律頻繁項(xiàng)集算法的基礎(chǔ)上衍生而出的新算法，此算法一經(jīng)應(yīng)用就在國(guó)際上引起廣泛關(guān)注，其基本思路就是首先找到銷售商品的頻集，并根據(jù)頻集出現(xiàn)的頻繁性確認(rèn)支持度的范圍，并且確認(rèn)最小支持度和最小可信度，以便達(dá)到期望的效果。

3.2 粗糙集算法

公司財(cái)務(wù)分析應(yīng)用粗糙集算法可以有效地預(yù)測(cè)到新發(fā)生的財(cái)務(wù)情況。此種算法在這兩種算法中應(yīng)用范圍最廣，提出時(shí)間最久。作為一種數(shù)學(xué)計(jì)算工具，被各行各業(yè)廣泛地應(yīng)用于分析處理不完整且不精準(zhǔn)的數(shù)據(jù)上，并通過(guò)二次計(jì)算進(jìn)而確立較為精準(zhǔn)的最終結(jié)果，并且此種計(jì)算法還能應(yīng)用定量方法，具有可操作性強(qiáng)，操作過(guò)程簡(jiǎn)便的特點(diǎn)，特別適合用在商品數(shù)據(jù)處理上，且能對(duì)數(shù)據(jù)進(jìn)行分析、整理以及歸納。

3.3 遺傳算法

遺傳算法的原理是進(jìn)化與遺傳理論的結(jié)合，由選擇過(guò)程、重組過(guò)程、突變過(guò)程這3個(gè)基本算子組成。首先編碼要解決的問(wèn)題，然后計(jì)算出數(shù)據(jù)的適應(yīng)度。基本算子不同，所選取的算法與實(shí)施過(guò)程也不同。遺傳算法可以對(duì)數(shù)據(jù)進(jìn)行分類，并且優(yōu)化了數(shù)據(jù)計(jì)算，在數(shù)據(jù)挖掘中其優(yōu)勢(shì)顯而易見(jiàn)，而且遺傳算法相較神經(jīng)網(wǎng)絡(luò)方法來(lái)說(shuō)比較簡(jiǎn)單，解決組合優(yōu)化問(wèn)題也比較高效[3]。

3.4 網(wǎng)絡(luò)信息采集

網(wǎng)絡(luò)信息采集的流程主要包括確定目標(biāo)信息源、制定采集方法、數(shù)據(jù)挖掘與處理存儲(chǔ)結(jié)構(gòu)。信息源是非常重要的，需要清晰的認(rèn)識(shí)目標(biāo)，以此來(lái)減少工作量，提高工作效率。而對(duì)于文獻(xiàn)數(shù)據(jù)庫(kù)網(wǎng)站、門戶網(wǎng)站、國(guó)家或行業(yè)發(fā)布情報(bào)的站點(diǎn)、國(guó)內(nèi)外信息網(wǎng)、個(gè)人或公司的相關(guān)網(wǎng)站等不同信息源，需要采用不同方法來(lái)采集。存儲(chǔ)結(jié)構(gòu)對(duì)數(shù)據(jù)采集與整編也是非常重要的，國(guó)家對(duì)于數(shù)據(jù)的存儲(chǔ)結(jié)構(gòu)有一套標(biāo)準(zhǔn)，將不同的存儲(chǔ)結(jié)構(gòu)按照國(guó)家標(biāo)準(zhǔn)統(tǒng)一化，方便后期數(shù)據(jù)挖掘的進(jìn)行。

4 數(shù)據(jù)挖掘技術(shù)對(duì)公司財(cái)務(wù)分析服務(wù)的影響

4.1 公司財(cái)務(wù)分析服務(wù)方式的變革

我國(guó)企業(yè)財(cái)務(wù)分析系統(tǒng)為適應(yīng)大數(shù)據(jù)時(shí)代的發(fā)展特征，正不斷地在開(kāi)展財(cái)務(wù)分析結(jié)構(gòu)的變革調(diào)整。首先，最突出的一方面就是公司財(cái)務(wù)分析方式的變革。眾所周知，我國(guó)隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，為國(guó)內(nèi)公司企業(yè)帶來(lái)了多種財(cái)務(wù)分析渠道，豐富了公司財(cái)務(wù)分析的服務(wù)層次。員工通過(guò)互聯(lián)網(wǎng)客戶端以及各大App終端、社交服務(wù)軟件能夠獲取公司的資訊，這在一定程度上拓寬了溝通渠道，使得在員工在大數(shù)據(jù)時(shí)代下獲得的公司服務(wù)更加便捷，精準(zhǔn)。不僅如此，用戶還可以借助數(shù)據(jù)挖掘技術(shù)獲取更多行業(yè)以外的資訊，使得資源共享更充分便捷，并能使服務(wù)透明化，進(jìn)而逐步形成公司財(cái)務(wù)分析的系統(tǒng)結(jié)構(gòu)[4]。

4.2 公司財(cái)務(wù)分析管理部門人才結(jié)構(gòu)的調(diào)整

公司財(cái)務(wù)分析管理部門人才結(jié)構(gòu)的變革對(duì)于現(xiàn)階段大數(shù)據(jù)時(shí)代下公司財(cái)務(wù)分析而言影響頗深。當(dāng)前我國(guó)大部分公司正處于用人難的階段，因公司對(duì)人才的專業(yè)技術(shù)能力以及學(xué)歷要求較高，故而在需求大量人才的同時(shí)也不會(huì)忽視質(zhì)量。公司除了要大量地引進(jìn)財(cái)務(wù)專業(yè)人才外，在未來(lái)發(fā)展中還應(yīng)當(dāng)引進(jìn)大量的IT人才，并通過(guò)專門的培訓(xùn)使其能夠迅速成長(zhǎng)，進(jìn)而讓員工在公司財(cái)務(wù)分析、數(shù)據(jù)分析以及數(shù)據(jù)工程領(lǐng)域等有所作為，推動(dòng)我國(guó)公司財(cái)務(wù)分析工作的發(fā)展進(jìn)程。

4.3 公司財(cái)務(wù)分析服務(wù)流程的完善

公司財(cái)務(wù)分析流程的完善是迅速提升財(cái)務(wù)分析工作效率的必要保障，只有將工作的質(zhì)量提升到更高的層次，才能使得財(cái)務(wù)分析工作取得更加矚目的成果。此外，公司財(cái)務(wù)分析工作流程的完善還能夠使得財(cái)務(wù)工作流程更加簡(jiǎn)便、透明。與此同時(shí)公司財(cái)務(wù)分析流程的完善在一定程度上還會(huì)促進(jìn)公司品牌價(jià)值的提升。在許多公司中，財(cái)務(wù)分析工作涉及范圍廣泛，且能夠衍生出價(jià)值鏈結(jié)構(gòu)，為公司帶來(lái)巨大的商業(yè)價(jià)值。

5 數(shù)據(jù)挖掘技術(shù)下提升公司財(cái)務(wù)分析運(yùn)行效率的優(yōu)化策略

5.1 政策層面

首先，從政策層面來(lái)分析，我國(guó)的公司應(yīng)當(dāng)結(jié)合大數(shù)據(jù)時(shí)代的發(fā)展規(guī)律，制定一個(gè)長(zhǎng)遠(yuǎn)的發(fā)展規(guī)劃，并且聘請(qǐng)專業(yè)的財(cái)務(wù)機(jī)構(gòu)對(duì)企業(yè)內(nèi)部工作人員進(jìn)行培訓(xùn)，始終本著統(tǒng)籌兼顧的原則，注重交流合作的發(fā)展原則，加大力度開(kāi)展與跨行業(yè)的企業(yè)之間的合作。如互聯(lián)網(wǎng)運(yùn)營(yíng)商、大數(shù)據(jù)軟件廠商等。同時(shí)，應(yīng)不斷地進(jìn)行多層次，多種方式的高端學(xué)術(shù)交流，吸納大量相關(guān)專業(yè)的人才，為企業(yè)源源不斷地注入新鮮血液。另外，最重要的一點(diǎn)就是要讓企業(yè)內(nèi)部的財(cái)務(wù)分析工作人員認(rèn)識(shí)到數(shù)據(jù)挖掘技術(shù)為企業(yè)帶來(lái)的潛在經(jīng)濟(jì)價(jià)值，以及在現(xiàn)階段優(yōu)化轉(zhuǎn)型的機(jī)遇與風(fēng)險(xiǎn)，進(jìn)而在企業(yè)內(nèi)部形成上下團(tuán)結(jié)的狀態(tài)，從而統(tǒng)一戰(zhàn)略思想、統(tǒng)一發(fā)展步調(diào)，共同實(shí)現(xiàn)公司的可持續(xù)發(fā)展[5]。

5.2 實(shí)施層面

從實(shí)施層面來(lái)分析，我國(guó)公司財(cái)務(wù)分析平臺(tái)的建設(shè)應(yīng)以充分涵蓋公司財(cái)務(wù)分析業(yè)務(wù)整體為前提，并在原有的基礎(chǔ)上，不斷拓展新的財(cái)務(wù)分析功能，為管理層的決策提供更全面的數(shù)據(jù)服務(wù)。因此，我國(guó)公司財(cái)務(wù)分析要想充分地實(shí)現(xiàn)自身的價(jià)值就必須先完善現(xiàn)有業(yè)務(wù)系統(tǒng)的使用功能，全面提升業(yè)務(wù)系統(tǒng)功能模塊的使用效率并形成完整的指標(biāo)數(shù)據(jù)，實(shí)現(xiàn)平臺(tái)系統(tǒng)升級(jí)無(wú)縫對(duì)接，有效地解決數(shù)據(jù)共享與流程順暢等問(wèn)題，在一定程度上推動(dòng)大數(shù)據(jù)時(shí)代下公司財(cái)務(wù)分析新業(yè)務(wù)的發(fā)展。

6 結(jié)束語(yǔ)

現(xiàn)如今，大數(shù)據(jù)時(shí)代的推進(jìn)使得數(shù)據(jù)挖掘技術(shù)的使用有了更廣闊的平臺(tái)。而在公司內(nèi)數(shù)據(jù)信息日益增加，管理難度愈來(lái)愈高的當(dāng)下，數(shù)據(jù)挖掘的出現(xiàn)為信息處理帶來(lái)了新的思路。在公司內(nèi)，應(yīng)用數(shù)據(jù)挖掘手段能夠有效地優(yōu)化改革財(cái)務(wù)分析工作，并能通過(guò)快捷便利的數(shù)據(jù)分析能力，快速處理與公司財(cái)務(wù)分析工作有關(guān)的信息，從而為相關(guān)體系的構(gòu)建奠定穩(wěn)定基礎(chǔ)。在這一情況下，公司中的管理層也能快速獲得需要的財(cái)務(wù)信息，以使得做出的經(jīng)營(yíng)決策能更準(zhǔn)確有效。