財(cái)務(wù)分析系統(tǒng)設(shè)計(jì)研究.doc

財(cái)務(wù)分析系統(tǒng)設(shè)計(jì)研究 數(shù)據(jù)挖掘的結(jié)果是具有一定的有實(shí)際意義的,不過也有一些沒有實(shí)際意義的,那么，財(cái)務(wù)分析系統(tǒng)如何設(shè)計(jì)呢? 一、財(cái)務(wù)的分析方法和基本應(yīng)用 (一)財(cái)務(wù)分析的意義 任何企業(yè)在進(jìn)入規(guī)范資本主義市場(chǎng)融通資金都必須對(duì)財(cái)務(wù)進(jìn)行管理分析,企業(yè)只有具備了完善的綜合財(cái)務(wù)能力,才能讓投資者有所了解、信任得到融資。 根據(jù)資料的顯示,融資占銀行放貸60%以上的都是綜合財(cái)務(wù)能力好的上市公司。 企業(yè)財(cái)務(wù)分析能力越好就越能提高企業(yè)的競爭力,準(zhǔn)確而有效的財(cái)務(wù)分析能夠讓企業(yè)了解到競爭對(duì)手與合作伙伴的真實(shí)情況,可以降低企業(yè)在信息的搜集中的成本,可以幫助企業(yè)防范信用危機(jī)。 因?yàn)橥顿Y者在進(jìn)行投資之前會(huì)廣泛的搜集企業(yè)各項(xiàng)與投資相關(guān)的財(cái)務(wù)信息,判斷企業(yè)是否能如期償還本息的情況。 (二)財(cái)務(wù)分析的問題 財(cái)務(wù)分析的分析方法有很多,比如比率分析法、比較分析法和趨勢(shì)分析法,不管用什么方法它的作用都是反映企業(yè)過去的經(jīng)濟(jì)事項(xiàng),會(huì)計(jì)報(bào)表的使用者拿到業(yè)務(wù)報(bào)表的時(shí)間往往和業(yè)務(wù)發(fā)生的時(shí)間相隔較長,不能用過去的經(jīng)濟(jì)數(shù)據(jù)來判斷企業(yè)目前甚至是未來的財(cái)務(wù)狀況,這樣的話會(huì)偏離企業(yè)真實(shí)的財(cái)務(wù)情況。 除了這個(gè),還有通過財(cái)務(wù)報(bào)表項(xiàng)目和數(shù)據(jù)之間顯示的財(cái)務(wù)關(guān)系,使用這種方法進(jìn)行財(cái)務(wù)分析也是具有一定局限性的,比率分析法主要是分析已發(fā)生的經(jīng)濟(jì)活動(dòng),屬于事后分析方法,在市場(chǎng)經(jīng)濟(jì)的條件下具有一定的滯后性,綜合程度低,缺少相關(guān)性和預(yù)見性。 趨勢(shì)分析法主要是依據(jù)財(cái)務(wù)報(bào)表的數(shù)據(jù)也具有一定的局限性,可是不同時(shí)期的財(cái)務(wù)報(bào)表沒有可比性。 比較分析法是對(duì)比分析經(jīng)濟(jì)指標(biāo)來確定指標(biāo)間的差異和趨勢(shì),比較分析法只對(duì)具有可比性的指標(biāo)才能采用,可是數(shù)據(jù)報(bào)表具有一定的局限性,不同時(shí)期的數(shù)據(jù)波動(dòng)較大,沒有可比性,所以就會(huì)影響使用比較分析法。 二、數(shù)據(jù)挖掘在財(cái)務(wù)分析中的適用性 (一)網(wǎng)絡(luò)環(huán)境中的分析特點(diǎn) 當(dāng)今社會(huì)計(jì)算機(jī)和信息技術(shù)發(fā)展迅速,各種財(cái)務(wù)軟件和網(wǎng)絡(luò)也已經(jīng)在各種企業(yè)中廣泛使用,在企業(yè)中,會(huì)計(jì)的核算已經(jīng)從傳統(tǒng)的核算轉(zhuǎn)化為網(wǎng)絡(luò)會(huì)計(jì)發(fā)展了,它的職能也在同時(shí)的加強(qiáng)和擴(kuò)展。 知識(shí)資源、文化資源、人力資源和市場(chǎng)顧客資源對(duì)企業(yè)來說越來越重要,企業(yè)可以考慮將他們納入資產(chǎn)要素的核算范圍,擴(kuò)展企業(yè)的核算和財(cái)務(wù)分析范疇。 在網(wǎng)絡(luò)環(huán)境下,資本市場(chǎng)漸漸完善,股東結(jié)構(gòu)也越來越多元化,企業(yè)在滿足現(xiàn)有的投資者的信息需求同時(shí)也必須要吸引潛在投資者的信息需求,增強(qiáng)企業(yè)的發(fā)展能力。 根據(jù)投資者的增多,財(cái)務(wù)方面也要為對(duì)方提供具有決策性的信息。 企業(yè)必須結(jié)合外部經(jīng)濟(jì)和宏觀經(jīng)濟(jì)政策全面分析企業(yè)內(nèi)部的經(jīng)營和發(fā)展趨勢(shì)。 在資本的有效運(yùn)營中,要向財(cái)務(wù)使用者披露企業(yè)的發(fā)展前景,預(yù)測(cè)盈利情況和現(xiàn)金的流量。 (二)數(shù)據(jù)挖掘?yàn)樨?cái)務(wù)分析 提供新的技術(shù)支持財(cái)務(wù)數(shù)據(jù)挖掘,是一種高效的信息處理技術(shù),具有對(duì)會(huì)計(jì)數(shù)據(jù)庫以及相關(guān)業(yè)務(wù)的數(shù)據(jù)庫中大量的數(shù)據(jù)進(jìn)行抽取和轉(zhuǎn)換是財(cái)務(wù)數(shù)據(jù)挖掘的特點(diǎn),財(cái)務(wù)數(shù)據(jù)挖掘還能分析和其他模型化的處理,從這里面發(fā)現(xiàn)對(duì)經(jīng)濟(jì)決策有幫助的核心數(shù)據(jù),為企業(yè)提供真正有用的信息,幫助企業(yè)做決策。 這樣才能滿足新時(shí)期財(cái)務(wù)信息使用者的不同要求。 數(shù)據(jù)挖掘技術(shù)在各種不同的行業(yè)之中都已經(jīng)投入廣泛的使用了,并且得到了非常顯著的經(jīng)濟(jì)效益,在財(cái)務(wù)分析中應(yīng)用財(cái)務(wù)挖掘技術(shù)中,有XBRL語言的有效支持,XML技術(shù)的出現(xiàn)提供給了互聯(lián)網(wǎng)上電子數(shù)據(jù)交換的一個(gè)標(biāo)準(zhǔn),而且站在數(shù)據(jù)的角度看,XML技術(shù)提供了一個(gè)更好的表示數(shù)據(jù)內(nèi)容和數(shù)據(jù)代表的意義的手段,XBRL是XML在網(wǎng)絡(luò)財(cái)務(wù)報(bào)告語言上的應(yīng)用,它的作用就是分析大量的財(cái)務(wù)數(shù)據(jù),并提供有效的技術(shù)支持。 隨著時(shí)間的發(fā)展,數(shù)據(jù)挖掘已經(jīng)逐漸穩(wěn)定,因?yàn)樗诓僮魃先菀桌斫?特別是有更多的數(shù)據(jù)挖掘軟件也慢慢的出現(xiàn),這加大的數(shù)據(jù)挖掘操作的簡單性。 數(shù)據(jù)挖掘核心模塊的技術(shù)的發(fā)展經(jīng)歷了數(shù)十年,其中包括有數(shù)理統(tǒng)計(jì)、人工智能和機(jī)器學(xué)習(xí)等等。 很多數(shù)據(jù)庫在并行使用技術(shù),所以就給數(shù)據(jù)庫內(nèi)部的挖掘提供了機(jī)會(huì)。 在數(shù)據(jù)庫內(nèi)部進(jìn)行挖掘,就不需要再移動(dòng)數(shù)據(jù),利用并行處理的性能將數(shù)據(jù)冗余最小化。 將挖掘數(shù)據(jù)專用的整個(gè)冗余的數(shù)據(jù)庫創(chuàng)建和維護(hù)成本降低。 (三)數(shù)據(jù)挖掘在財(cái)務(wù)分析中的適用性 表現(xiàn)企業(yè)財(cái)務(wù)分析要有明確的內(nèi)容和目標(biāo),就能夠準(zhǔn)確的定義數(shù)據(jù)挖掘的任務(wù)和目的,在企業(yè)中數(shù)據(jù)挖掘技術(shù)下的財(cái)務(wù)分析具有明顯的優(yōu)勢(shì)隨著科學(xué)技術(shù)的發(fā)展,提高了各個(gè)企業(yè)特別是一些大型企業(yè)的會(huì)計(jì)電算化水平,完善了企業(yè)的財(cái)務(wù)數(shù)據(jù)庫和生產(chǎn)數(shù)據(jù)庫,這樣就能形成一定規(guī)模的數(shù)據(jù)倉庫,為數(shù)據(jù)挖掘提供基礎(chǔ)對(duì)象,因?yàn)樵诒姸嘟?jīng)濟(jì)業(yè)務(wù)數(shù)據(jù)中,對(duì)于企業(yè)財(cái)務(wù)指標(biāo)的影響非常的多,只有對(duì)它進(jìn)行深入的挖掘,才能揭示經(jīng)濟(jì)數(shù)據(jù)背后的真正經(jīng)濟(jì)業(yè)務(wù)。 三、數(shù)據(jù)挖掘的方法 (一)關(guān)聯(lián)規(guī)則挖掘分析 反映一個(gè)事件與其他事情之間有關(guān)相互依賴和關(guān)聯(lián)的知識(shí),在數(shù)據(jù)挖掘研究中是一個(gè)非常重要的分支?？梢园殃P(guān)聯(lián)規(guī)則挖掘分為兩個(gè)部分:迭代識(shí)別所有的頻繁項(xiàng)集,不過,對(duì)于頻繁項(xiàng)集的要求要是支持率不低于用戶設(shè)置的最低值。在頻繁項(xiàng)集中設(shè)置一個(gè)可信度不低于用戶設(shè)定最低值的規(guī)則,關(guān)聯(lián)規(guī)則算法的核心就是識(shí)別或者發(fā)現(xiàn)頻繁項(xiàng)集,這一部分的計(jì)算量也是最大的。在使用關(guān)聯(lián)知識(shí)發(fā)現(xiàn)時(shí),用戶需要自己輸入最小置信度C和最小的支持度S,這個(gè)數(shù)據(jù)一般是有專家來給出的。在數(shù)據(jù)挖掘的研究過程中,研究是熱點(diǎn)一直都是關(guān)聯(lián)規(guī)則。 (二)主成分分析 在實(shí)際的問題之中,不可變量之間有一定相關(guān)性的,因?yàn)橛幸恍┳兞勘容^多的變量之間有一定的相關(guān)性,這樣一定在分析問題時(shí)增加它的復(fù)雜性,所以,需要運(yùn)用一種簡單的方法來計(jì)算。這種方法必須要在不損失或者盡量少損失原本擁有的信息的情況下,將原來個(gè)數(shù)比較多,并且彼此相關(guān)聯(lián)的變量轉(zhuǎn)換成新的數(shù)量較少并且彼此之間獨(dú)立或者不相關(guān)的綜合變量。主成分分析的主要要點(diǎn)就是將之前的變量重新組合成一組新的毫無關(guān)聯(lián)的綜合變量,以此來代替原來的變量。簡單來說就是將原來的一些有一定相關(guān)性的變量重新組合成幾個(gè)少數(shù)無關(guān)聯(lián)性的變量來代替原來的變量。 四、結(jié)束語 數(shù)據(jù)挖掘的結(jié)果是具有一定的有實(shí)際意義的,不過也有一些沒有實(shí)際意義的,或著可以說是是與實(shí)際情況相違背的,所以,這就需要進(jìn)行評(píng)估。在評(píng)估的時(shí)候可以利用用戶多年的經(jīng)驗(yàn),在數(shù)據(jù)挖掘的步驟中發(fā)現(xiàn)的模式進(jìn)行評(píng)估