卢俏媚 中山大学核算中心

摘要：我国大数据产业目前已进入快速推进阶段，专业化大数据服务行业迅速发展，社会公共管理、组织机构管理等经济社会的各领域也不断推进大数据技术应用。对于企业来说，大数据更是逐渐成为一项极其重要的战略资产。文章首先从大数据的基本特征出发，分析大数据对提高企业财务信息管理水平的作用，然后结合云会计技术的应用，探讨财务信息管理体系构建的层级设计、关键点、技术需求等问题，为企业如何优化财务信息管理提供思路。

关键词：大数据；云会计；财务信息管理体系

一、引言

随着互联网+、物联网、传感技术等科技的发展与深入应用，信息产生与发布的方式愈发多样，全球信息数据量出现了爆炸式增长。据市场调研机构IDC预计，未来全球数据总量年增长率将维持在50%左右，到2020年，全球数据总量将达到40ZB，其中我国数据量将达到8.6ZB，是2013年的10倍。维克托•迈尔•舍恩伯格和肯尼斯•库克耶出版的《大数据时代：生活、工作与思维的大变革》是国外大数据研究的先河之作，书中提出了大数据是以4V为基本特征的数据集，即体量巨大（Volume）、类型繁多（Variety）、存取速度快（Velocity）、价值密度低（Value）。随着大数据技术的发展，腾讯云存储、阿里云分析平台、百度天算等大数据服务平台纷纷上线；各省市分别以创业创新中心、应用示范中心、资源聚焦中心等为定位，积极落实促进大数据发展的各项举措；越来越多的企业也在探寻利用大数据技术提升企业价值的实施路径。2017年国际电信联盟首次以大数据作为世界电信日主题，提出了“发展大数据，扩大影响力”。

在大数据时代，财务信息管理需要对数量巨大、来源分散、格式多样的财务相关数据进行采集、存储、管理和关联分析，麦肯锡全球研究所指出，这已大大超出了传统数据库软件工具能力范围。从技术上看，云计算是解决大数据存储和分析问题的有效工具，因此大数据常和云计算联系到一起，而基于云计算相关技术衍生而来的云会计，已成为一种新型的企业会计信息化建设模式。

相关文献研究发现：由于会计信息是企业众多利益相关者和信息需求者进行投资判断和决策的重要依据，因此会计信息质量的高低直接关系到信息使用者决策的有效性。大数据时代，信息使用者将会对会计信息的及时性更加重视，要求会计信息具有更高的相关性，并且大数据从政治经济环境、法律环境、人文环境、科技环境等方面影响了会计环境，改变了企业内部管理模式和投资者的信息需求。利用云计算技术和理念，能够为企业提供会计核算、会计管理和会计决策的会计信息化基础设施和信息服务环境。在云会计环境下，企业可以将自己的会计业务和控制流程定制成个性化的会计信息系统，轻松解决传统会计信息化模式下效率低下、成本较高、移动做账难、财务协同和共享难度较大等问题。现有文献主要是强调大数据对财务管理的意义，本文以大数据及云会计相关技术的具体应用为基础，试图分析财务信息管理体系的构建问题。

二、大数据为财务信息管理的发展带来新机遇

传统财务信息管理存在数据来源单一、处理方式单调、财务与业务脱节、决策个性化和时效性差等问题，大数据技术的出现，为财务信息管理带来了新的变革。

一是促进会计实务发展。首先，提高了会计信息质量。传统的会计数据一般为结构化数据，主要是以货币计量的定量数据，在大数据中则包含了大量半结构化或非结构化类型的数据，使得会计信息更全面、分析结论更可靠。其次，大数据体系下管理会计与财务会计数据同源，能实现资源共享，为两者的融合提供了技术保障。另外，大数据分析方法能把部分定性描述信息更有效地转化为定量描述数据，使得人力资源会计、行为会计、环境资源会计等新的会计领域能够逐步解决会计核算问题，进而与传统财务会计融合。

二是更新财务管理理念。一方面，传统的财务管理主要是事后管理，且局限于对现有数据进行简单的统计分析、查询，大数据的应用能够进行实时分析和及时预测，提供更具时效性、指标多样化、更贴近经营管理需求的财务管理动态报告。另一方面，大数据将促进财务管理去边界化，财务管理的职能前置到市场预测、产品设计、供应链建设等价值规划阶段，财务体系由核算型向价值型转变。

三是加强财务与业务的信息联接。在大数据时代的财务信息管理体系中，财务、生产、销售、人员管理等管理平台不再是一个个信息孤岛，而是连成响应迅速的网络，可以实现信息实时交互和共享。

四是促进财务人员转型。传统的财务信息管理模式允许财务人员与信息技术人员各司其职，但在大数据的实际应用中，对人员财务信息敏感度和技术能力的要求同时大幅提高，也即要求财务人员本身更懂技术，由财务专才向大数据财务通才转型。

三、大数据时代的财务信息管理体系

在大数据理念下，需要对财务信息管理体系的数据源、处理层、应用层的具体构建进行重新思考，注重数据源的多样性、深度挖掘数据之间的相关关系，并将分析结果进行有效运用，充分发挥财务大数据的战略价值。

（一）数据源

大数据的来源分散，企业通常是将自己可利用到的海量数据视为大数据。数据规模越大，数据分析的成功率越高，因此应围绕企业财务管理，对相关的数据信息尽可能地采集。

1、内部数据

内部数据主要为企业日常经营中生成的大量数据，既包括用户注册信息、浏览记录、定位记录等；也包括构成产品价值链的各个环节产生的数据，比如研发记录、生产作业记录、采购过程动态监控记录、物资出入库数据、销售业务数据等；还包括人事、战略、公共策略、专业知识库、企业文化等非结构化信息数据；等等。除了以传统的纸质或电子形式存在的文字、表格，电子设备、传感器、刷卡机、收款机、网站浏览记录等设施都可成为数据源。企业在收集内部数据时应加强数据质量控制，包括建立模式化的操作规程、校验原始信息、反馈和矫正错误信息等，提高数据价值。

2、外部数据

外部数据应注重从目标人群、行业、大环境等方面收集。伴随着各种随身设备、物联网、移动互联网等技术的发展，人成为了移动互联网的核心网络节点，通过用户点击行为、电子地图、社交网络行为等数据，可以对目标人群进行有效分析。行业数据既包括本行业的产品种类、销售状况、研发趋势、竞争对手情况等，还包括跨行业的关联性信息，以全面性提高数据的准确度和价值。大环境指所处社会的经济、政治、法律等环境。国务院《促进大数据发展行动纲要》提出要稳步推动公共数据资源开放，这将成为重要的外部数据来源。

（二）处理层

大数据分析，重点不在于堆积数据，而在于利用数据。《麦肯锡大数据指南》指出，将数据与企业运营相结合的公司其生产率高出其他同类公司5-6个百分点，可见数据驱动决策的作用。

1、数据入库

大数据的基本特征之一是类型繁多，涵盖了文本、音频、图片、视频、模拟信号等，为便于数据管理，应先对原始数据进行分类、聚类，再存储。

（1）分类

分类是找出大数据中的一类数据对象的共同点，通过分类模型将其划分为不同的类。同一类数据由于具有不同特征，可以被分到多个类别中去。例如可以将财务数据归纳为三类，一是定量描述数据，如日期、时间、数量、重量、金额等；二是定性描述数据，如质量、颜色、好坏、型号、技术等；三是不能单独用来表示一定意义的非结构化、碎片化的数据。

（2）聚类

聚类就是按照某个特定标准（如距离准则）把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大。在进行分类后，可以利用k-means等聚类算法，按照分类数据的相似性和差异性将一组数据分为几个大的类别。

（3）存储

大数据仓库可以根据财务管理需要划分成分布式存储模块，如生产计划模块、销售管理模块、会计核算模块、资产管理模块、业绩评价模块和企业间关系模块等，以便数据管理和使用。可以采用HDFS、HBase等技术解决大数据存储量大、检索难度高、响应时间长等难题。

2、数据加工

传统数据基本真实可靠，大数据分析则以数据的总体为对象，数据量足够大可溶解存在的错误，也即数据不必百分之百地准确；用“绝大多数的特性”代表“总体的特性”，因此不必剔除特例。此外，《大数据时代》提出，只有5%的数据是结构化能适用于传统数据库的，必须接受混杂性，才能利用剩下的95%的非结构化数据，如视频、语音、图片等。因此，面对海量数据，如何才能从中淘出有价值的信息并加以提炼和利用，成为财务信息管理体系构建中一个技术要求更高的难点。

（1）采用数据挖掘技术

在大数据时代，数据挖掘是最关键的工作。大数据的挖掘是从海量、不完全的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识的过程，也是一种决策支持过程。关联规则指隐藏在数据项之间的关联或相互关系，是开展数据挖掘的关键。

采用Hadoop、Spark、E-MapReduce等框架构建的分布式架构能够提高大数据的处理速度，借助Storm、Infosphere Streams等流式数据处理技术可以获取实时数据分析结果，Hive则能满足非实时数据的离线分析需求，此外，运用RapidMiner等数据挖掘工具，能够有效挖掘数据之间的相关性，从而帮助企业进行财务决策。这些新型技术的应用为寻找企业财务大数据与企业价值之间数量关系提供了可能的解决方案。

（2）注重数据相关性

相关分析是大数据时代的一个代表性方法论，其强调不再注重数据之间表面的“因果性”，而只注重于它们之间内在的“相关性”。传统的基于抽样数据的相关性分析，只能得出局部的、参考性的结论，依据这些结论作出的决策，需要根据实践效果的反馈来检验、修补、完善。在大数据时代，可以获得全样本数据进行相关分析，大大降低决策成本、失误率，提高效率。数据相关性的典例是，沃尔玛从销售数据和进一步调查获取的客户信息中，挖掘出卖场中商品之间的关联性，由此把啤酒和尿布两个看上去没有关系的商品摆放在一起进行销售，取得很好的销售收益。

（3）提高数据处理速度

英特尔中国研究院首席工程师吴甘沙认为，快速度是大数据处理技术和传统的数据挖掘技术最大的区别。在大数据环境下，数据快速产生、高效处理、实时结果导向，并能进行即时动态调整，通过嵌入到具体业务流程中实现数据价值。

3、利用云会计

一般情况下，会计数据处理技术的发展分为四个阶段，包括手工处理、机械处理、电子计算机处理以及网络化处理。云会计是构建于互联网上，并向企业提供会计核算、会计管理和会计决策服务的虚拟会计信息系统，其核心是提供数据存储、处理和服务。云计算技术在大数据处理中广泛运用。云会计具有以下主要特点：

一是通过虚拟化技术建立公共资源池，用户按需购买，按使用资源情况付费。云会计大大降低了企业管理会计信息化建设成本，同时，会计人员通过互联网即可便捷地获取云计算服务，能将主要精力投入到企业的战略决策、投融资分析、经营管理、绩效评价等领域，提高了工作效率。

二是由互联网连接的服务器集群存放会计数据，故障自动切换、存储容量不受物理硬盘限制。数据仓库能及时提供数据容量扩充，实时动态调整系统规模，很好地满足了企业数据增长的存储需求。

三是云计算模式下的数据挖掘技术解决了会计大数据的处理问题，通过系统集成实现内外部协同，提升会计信息附加值。云会计使企业内部管理更加高效，财务管理发挥规划、决策、控制、评价等职能。同时，经济活动主体间的信息传递更加便捷，税务部门、工商部门、银行、事务所、上下游企业等形成完善的虚拟网络，共享和互通信息。

（三）应用层

大数据时代，财务信息的价值性、全面性、可靠性提高，更能满足企业内部管理和外部利益相关者的信息需求。

1、内部管理

企业管理系统将以实时动态变化的大数据分析结果为支持，进行动态成本利润管理、供应链分析、财务能力分析、财务信息预测、发展规划、内部控制、风险预警管理、管理信息定制等。

2、外部用户

基于大数据技术，可以探索财务信息实时披露、个性化披露的路径，满足外部的信息需求，以降低决策的不确定性。

四、结束语

大数据逐渐成为企业一项极其重要的战略资产，云会计则为大数据财务价值的挖掘与应用提供了很好的技术平台，这些新技术的出现给企业构建财务信息管理体系提供了新思路。但从企业现状看，多数决策层的大数据管理意识仍然较弱，并且大数据通才型财务人员较为缺乏。从技术条件看，大数据的巨量、繁杂与真伪难辨是进一步处理的难题，此外，财务信息的集成与共享也对信息管理体系的安全性与保密性提出了更高的要求。同时，从国家层面看，需要解决政府数据开放共享不足、缺乏顶层设计和统筹规划、法律法规建设滞后等问题。各方应提高认识、活跃思维、加强合作，才能在大数据时代创造新的经济增长点。

参考文献：

[1]陈国辉，杜孝森.会计信息质量的“二分法”：一个规范性分析[J].审计与经济研究，2013(4)

[2]安然.探析会计大数据时代下会计云计算[J].财会学习，2016(18)

[3]张王飞，张根文，朱卫东.大数据、会计流程再造与财务报告质量提升[J].中国注册会计师，2016(2)

[4]芮鹏.会计信息系统对会计信息质量的影响[J].新会计，2009(3)

[5]庄明来.论会计数据与会计系统的质量特征[J].财会通讯(综合版)，2010(11)

[6]夏红雨，刘艳云.大数据时代对会计基本认识的影响探讨[J].商业会计，2016(14)

[7]何冰.大数据会计与财务信息相关性研究[J].会计之友，2017(7)

[8]程平.云会计环境下人、数据和系统对会计信息质量的影响[J].重庆理工大学学报（社会科学版），2016(7)