基于數(shù)據(jù)挖掘技術(shù)的企業(yè)財(cái)務(wù)預(yù)算系統(tǒng)的設(shè)計(jì)

1、基于數(shù)據(jù)挖掘技術(shù)的企業(yè)財(cái)務(wù)預(yù)算系統(tǒng)的設(shè)計(jì)摘 要：在傳統(tǒng)企業(yè)財(cái)務(wù)工作中，財(cái)務(wù)管理一直是一種重核算、輕管理的模式，財(cái)務(wù)預(yù)算時往往靠經(jīng)驗(yàn)決定資金的分配與使用。在規(guī)模較小的企業(yè)中，這種方法尚可使用，當(dāng)企業(yè)規(guī)模逐漸擴(kuò)大，尤其是跨國企業(yè)日益增多的情況下，資金分配決策無疑成為一個重要的問題。因此，僅靠傳統(tǒng)的處理手段已不能有效解決財(cái)務(wù)預(yù)算的相關(guān)問題，在企業(yè)信息化的進(jìn)程中應(yīng)對財(cái)務(wù)預(yù)算系統(tǒng)的自動化與智能化投入一定的關(guān)注。關(guān)鍵詞：數(shù)據(jù)挖掘;財(cái)務(wù)預(yù)算;決策樹 一、企業(yè)財(cái)務(wù)預(yù)算中存在的問題 企業(yè)財(cái)務(wù)預(yù)算是由企業(yè)的最高權(quán)力機(jī)構(gòu)討論通過的企業(yè)未來一定時期經(jīng)營決策和目標(biāo)規(guī)劃的財(cái)務(wù)數(shù)據(jù)說明和責(zé)任約束依據(jù)，它是現(xiàn)代企業(yè)組織運(yùn)用現(xiàn)

2、代管理理論和方法，在科學(xué)經(jīng)營預(yù)測與決策的基礎(chǔ)上，圍繞企業(yè)戰(zhàn)略目標(biāo)，以市場為導(dǎo)向，以經(jīng)營利潤為目標(biāo)，以現(xiàn)金流量為中心，對一定時期內(nèi)企業(yè)資金取得和投放、各項(xiàng)收入和支出、企業(yè)經(jīng)營成果及其分配等財(cái)務(wù)活動進(jìn)行的計(jì)劃和規(guī)劃運(yùn)行，確保企業(yè)理財(cái)目標(biāo)實(shí)現(xiàn)的有效管理機(jī)制【1】。企業(yè)財(cái)務(wù)預(yù)算管理體系經(jīng)過不斷發(fā)展，已形成較為完善的體系結(jié)構(gòu)。目前，財(cái)務(wù)預(yù)算主要有利潤預(yù)算、現(xiàn)金流量預(yù)算、資產(chǎn)負(fù)債預(yù)算等。然而，在企業(yè)的財(cái)務(wù)預(yù)算中仍存在著一定的問題。 (一)忽視動態(tài)管理 在編制財(cái)務(wù)預(yù)算時，大多企業(yè)仍采用傳統(tǒng)的固定預(yù)算、定期預(yù)算等方法。這種靜態(tài)的編制方法使得預(yù)算指標(biāo)在執(zhí)行過程中均保持不變，這對于業(yè)務(wù)量波動不大的企業(yè)而言較為適用

3、。當(dāng)企業(yè)銷售量、價格、成本等因素出現(xiàn)較大變化時，靜態(tài)預(yù)算則顯得盲目、滯后和缺乏彈性。lOCALHosT因此，企業(yè)應(yīng)積極尋求科學(xué)、合理的方法，加強(qiáng)動態(tài)管理。 (二)忽視外部因素分析 部分企業(yè)在進(jìn)行財(cái)務(wù)預(yù)算時，主要以歷史指標(biāo)和過去的活動為基礎(chǔ)，結(jié)合資金、技術(shù)和管理水平來制定未來的財(cái)務(wù)預(yù)算指標(biāo)。這樣，往往忽視了對外部因素的詳盡分析與預(yù)測，使得很多財(cái)務(wù)預(yù)算指標(biāo)難以與外部環(huán)境相適應(yīng)，從而難以在企業(yè)中實(shí)施。因此，企業(yè)在進(jìn)行財(cái)務(wù)預(yù)算時不僅要考慮內(nèi)部因素，更要考慮外部因素，如市場占有率、客戶盈利水平等，以此來確定銷售量的變動范圍或價格的變動幅度，最終形成彈性預(yù)算。 (三)忽視對決策的輔助性 在大型企業(yè)中，由于

4、每種業(yè)務(wù)都采取單獨(dú)的數(shù)據(jù)庫系統(tǒng)，數(shù)據(jù)之間缺乏聯(lián)系，則容易造成數(shù)據(jù)孤島的出現(xiàn)。數(shù)據(jù)孤島使得描述同一事物的數(shù)據(jù)由于來源庫不同而彼此之間缺乏聯(lián)系，從而造成了數(shù)據(jù)的完整性不高。這種局限性的存在，使得財(cái)務(wù)管理系統(tǒng)無法給決策部門提供一份完整而準(zhǔn)確的財(cái)務(wù)預(yù)算信息。因此，企業(yè)應(yīng)隨發(fā)展的需要利用信息化技術(shù)將歷年數(shù)據(jù)情況進(jìn)行匯總和分析，以供高層決策使用。 二、在財(cái)務(wù)預(yù)算中應(yīng)用數(shù)據(jù)挖掘技術(shù)的必要性 (一)數(shù)據(jù)挖掘的技術(shù)特點(diǎn) 數(shù)據(jù)挖掘包括數(shù)據(jù)收集、數(shù)據(jù)處理、數(shù)據(jù)變換、數(shù)據(jù)挖掘、模式評估、知識表示幾個過程，其中前四個過程是一個循環(huán)反復(fù)的過程，在這個反復(fù)過程中要對挖掘結(jié)果進(jìn)行評估與修正，直到找出真實(shí)的結(jié)果為止。數(shù)據(jù)收集是

5、通過廣泛收集用戶的各種信息，建立必要的數(shù)據(jù)庫，為數(shù)據(jù)挖掘做準(zhǔn)備。數(shù)據(jù)處理是對收集的信息進(jìn)行注入去噪等操作，從而確保數(shù)據(jù)能夠真實(shí)反映待要挖掘的對象。數(shù)據(jù)變換是將經(jīng)過去噪的數(shù)據(jù)進(jìn)行一定的格式轉(zhuǎn)換，使其適應(yīng)數(shù)據(jù)挖掘系統(tǒng)或數(shù)據(jù)挖掘軟件的處理要求。數(shù)據(jù)挖掘是指可以單獨(dú)利用也可以綜合利用各種數(shù)據(jù)挖掘方法對數(shù)據(jù)進(jìn)行分析，挖掘出用戶所需要的各種規(guī)則、趨勢、類別、模型等。模式評估是對發(fā)現(xiàn)的規(guī)則、趨勢、類別、模型進(jìn)行評估，從而保證發(fā)現(xiàn)的模式的正確性。知識表示是將挖掘結(jié)果以可視化的形式展現(xiàn)在用戶面前。 數(shù)據(jù)挖掘的技術(shù)特點(diǎn)在于：數(shù)據(jù)挖掘技術(shù)是一種面向用戶的檢索模式，它能自動地提取相關(guān)數(shù)據(jù)之間有價值的知識，并將這些知識

6、以可視的、動態(tài)的方式反饋給用戶。數(shù)據(jù)挖掘能通過預(yù)先設(shè)定的算法自動處理數(shù)據(jù)庫中大量的原始數(shù)據(jù)，應(yīng)用各種方法和手段從大量數(shù)據(jù)中抽取出具有必然性、富有意義的模式，挖掘出對象間的特定關(guān)系，找出人們對所需問題的解答，為決策服務(wù)【2】。 (二)財(cái)務(wù)預(yù)算系統(tǒng)的實(shí)際需求 在信息化的企業(yè)中，財(cái)務(wù)預(yù)算系統(tǒng)不應(yīng)僅僅是利用計(jì)算機(jī)來取代人工完成數(shù)據(jù)處理工作，而應(yīng)利用其同時完成財(cái)務(wù)數(shù)據(jù)的管理，并在此基礎(chǔ)上幫助高層進(jìn)行財(cái)務(wù)的管理和輔助高層進(jìn)行決策。由于財(cái)務(wù)預(yù)算數(shù)據(jù)分布在企業(yè)的各個部門，隨著當(dāng)前企業(yè)規(guī)模的擴(kuò)大，來自各個部門的財(cái)務(wù)預(yù)算數(shù)據(jù)量也在逐漸增加，再加上涉及到的部門分類也越來越細(xì)，財(cái)務(wù)信息不易統(tǒng)一是一個在企業(yè)中長期存在的

7、問題。因此，將多個部門多年的財(cái)務(wù)數(shù)據(jù)進(jìn)行匯總和分析，成為了企業(yè)在財(cái)務(wù)管理方面的主要需求之一。 在逐步推進(jìn)信息化的過程中，企業(yè)在員工人數(shù)、設(shè)備需求等方面都發(fā)生了較大的變化，其中現(xiàn)有數(shù)據(jù)量的擴(kuò)大和原有數(shù)據(jù)的提取工作，都會給財(cái)務(wù)預(yù)算部門帶來很大的工作壓力。因此，財(cái)務(wù)預(yù)算部門希望能夠用簡潔靈活的方式來處理日益增多的復(fù)雜數(shù)據(jù)，并能夠產(chǎn)生相應(yīng)的報(bào)表【3】。 從上述分析我們可以看出，隨著企業(yè)發(fā)展和信息化進(jìn)程的推進(jìn)，應(yīng)建立一種機(jī)制合理有效的財(cái)務(wù)預(yù)算系統(tǒng)，以高效地利用財(cái)務(wù)數(shù)據(jù)，產(chǎn)生相應(yīng)的財(cái)務(wù)預(yù)算報(bào)表，使企業(yè)的財(cái)務(wù)數(shù)據(jù)信息可以合理有效地被利用，以為各級部門提供有效財(cái)務(wù)信息，并幫助決策人員分析和預(yù)測問題。 三、基于

8、數(shù)據(jù)挖掘技術(shù)的企業(yè)財(cái)務(wù)預(yù)算系統(tǒng)的設(shè)計(jì) 結(jié)合數(shù)據(jù)挖掘技術(shù)的特點(diǎn)，構(gòu)建基于數(shù)據(jù)挖掘技術(shù)的財(cái)務(wù)預(yù)算系統(tǒng)，為建立合理完善的企業(yè)財(cái)務(wù)管理系統(tǒng)提供一種解決方案，這樣不僅能夠?qū)⒇?cái)務(wù)人員從復(fù)雜的數(shù)據(jù)整理分析中解脫出來，同時也能更準(zhǔn)確有效地為經(jīng)營者提供全面、科學(xué)、完善的決策支持。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于企業(yè)財(cái)務(wù)預(yù)算系統(tǒng)可以幫助企業(yè)把一些零散、無序的數(shù)據(jù)集中起來，充分利用其強(qiáng)大的數(shù)據(jù)分析功能，從復(fù)雜的數(shù)據(jù)中挖掘出有用的信息，建立預(yù)測分析模型，從而 【1】【2】【3】為企業(yè)提高預(yù)測分析的能力。根據(jù)數(shù)據(jù)挖掘技術(shù)的特點(diǎn)與功能，本文試圖構(gòu)建一個基于數(shù)據(jù)挖掘技術(shù)的企業(yè)財(cái)務(wù)預(yù)算系統(tǒng)模型 在該模型中數(shù)據(jù)倉庫中的數(shù)據(jù)來源于各個操作層

9、面的預(yù)算數(shù)據(jù)庫，如：人力資源部門、科研部門、銷售部門、市場部門等。企業(yè)中各個職能部門所提供的財(cái)務(wù)預(yù)算數(shù)據(jù)信息由于會存在一些噪聲數(shù)據(jù)、空缺數(shù)據(jù)或不一致的數(shù)據(jù)，因此在采集到這些數(shù)據(jù)后還應(yīng)對這些數(shù)據(jù)進(jìn)行相應(yīng)的預(yù)處理。在源數(shù)據(jù)預(yù)處理模塊中，可采用數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換等方法將數(shù)據(jù)進(jìn)行合并處理，過濾掉一些無用或缺失值過多的變量【4】，這樣數(shù)據(jù)倉庫中存儲的數(shù)據(jù)便是經(jīng)過處理和調(diào)整的數(shù)據(jù)。在進(jìn)行數(shù)據(jù)挖掘前應(yīng)確定挖掘的任務(wù)或目的，如分類、聚類、關(guān)聯(lián)規(guī)則等。只有明確了任務(wù)和目的后，才能根據(jù)需求的不同和數(shù)據(jù)特點(diǎn)的差異在數(shù)據(jù)挖掘模塊中選擇合適的挖掘算法，如可利用分類、聚類算法對已有預(yù)算數(shù)據(jù)進(jìn)行分類；可利用關(guān)聯(lián)規(guī)

10、則、決策樹算法對未知數(shù)據(jù)進(jìn)行預(yù)測。對于財(cái)務(wù)預(yù)算數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘后，可以智能地提取預(yù)算數(shù)據(jù)中的有用規(guī)則或模型，發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)，對數(shù)據(jù)進(jìn)行分類，并將挖掘的結(jié)果輸入企業(yè)的財(cái)務(wù)管理平臺，便于經(jīng)營管理者利用已有的數(shù)據(jù)對未來的活動進(jìn)行預(yù)測。 四、財(cái)務(wù)預(yù)算系統(tǒng)模型中數(shù)據(jù)挖掘技術(shù)的實(shí)現(xiàn) 數(shù)據(jù)挖掘技術(shù)融數(shù)據(jù)庫技術(shù)、人工智能技術(shù)、數(shù)理統(tǒng)計(jì)技術(shù)和可視化技術(shù)為一體，將其應(yīng)用于財(cái)務(wù)預(yù)算系統(tǒng)中可把企業(yè)對財(cái)務(wù)數(shù)據(jù)的應(yīng)用從低層次的聯(lián)機(jī)查詢操作，提高到分析預(yù)測、決策支持等高級應(yīng)用上【5】。當(dāng)前數(shù)據(jù)挖掘的技術(shù)主要有聚類算法、神經(jīng)網(wǎng)絡(luò)法、遺傳算法、決策樹方法、機(jī)器學(xué)習(xí)方法等。結(jié)合前文所提出的財(cái)務(wù)預(yù)算系統(tǒng)模型，本文將就

11、財(cái)務(wù)系統(tǒng)中所常用的數(shù)據(jù)挖掘算法進(jìn)行簡單的分析。 (一)聚類算法 聚類算法是數(shù)據(jù)挖掘技術(shù)中的核心算法之一，在財(cái)務(wù)預(yù)算系統(tǒng)中使用聚類算法可以將財(cái)務(wù)數(shù)據(jù)形成聚類的列表樹，從而使用戶能夠方便地獲取自己所需的數(shù)據(jù)【6】。聚類算法的基本原理是：在用戶查詢結(jié)果中，與查詢提問相關(guān)的數(shù)據(jù)通常會聚類的比較近，而無關(guān)的則會與相關(guān)的相互遠(yuǎn)離，因此可以通過聚類技術(shù)將結(jié)果數(shù)據(jù)集合分成若干組，同一組的數(shù)據(jù)相似度盡可能得大，而組間的相似度則盡可能得小，用戶則只需考慮其所選擇的組。在實(shí)際應(yīng)用中，最具代表性的聚類算法是k-means算法。這種算法是以k為參數(shù)，把給定結(jié)果中的n個對象分為k個簇，使簇內(nèi)具有較高的相似度，而簇間的相似

12、度較低。相似度為簇中對象的平均值。k-means法的流程如下：首先隨機(jī)地選擇k個對象，每個對象初始代表一個簇的平均值或中心；將剩余的對象分別歸與簇中心距離最近的簇。然后再重新計(jì)算每個簇的評均值，并不斷重復(fù)這個過程，直到準(zhǔn)則函數(shù)收斂【7】。 (二)決策樹算法 將決策樹方法應(yīng)用于財(cái)務(wù)預(yù)算系統(tǒng)中，可以通過建立決策樹來將數(shù)據(jù)依據(jù)實(shí)例分類到一個已知的類集中，以將各種預(yù)算數(shù)據(jù)進(jìn)行分類；也可以通過決策樹對數(shù)據(jù)集的分類發(fā)掘數(shù)據(jù)間的聯(lián)系，從而對未來進(jìn)行預(yù)測。決策樹的建立是通過將實(shí)例遞歸地劃分成子組來完成，每次劃分都依據(jù)了對實(shí)例的某種屬性檢驗(yàn)，即采用一些條件來決定數(shù)據(jù)集應(yīng)該如何被分割。具體過程是：首先找出最有判別

13、力的因素，把數(shù)據(jù)分成多個子集，每個子集又選擇最有判別力的因素進(jìn)行劃分，一直進(jìn)行到所有子集僅包含同一類型的數(shù)據(jù)為止，從而得到一棵決策樹。然后遍歷決策樹，把決策樹轉(zhuǎn)換為由其上面的關(guān)鍵字組成的布爾查詢串，從而得到更加精確的用戶興趣，提高了檢索的準(zhǔn)確性。 (三)神經(jīng)網(wǎng)絡(luò)算法 神經(jīng)網(wǎng)絡(luò)算法可以利用預(yù)算數(shù)據(jù)倉庫中的數(shù)據(jù)形成預(yù)測模型，高級的算法還可以培訓(xùn)出成千上萬個大規(guī)模的神經(jīng)網(wǎng)絡(luò)模型，對這些神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析即可從中提出有用的知識。神經(jīng)網(wǎng)絡(luò)的建模過程可以通過從已知的樣本中學(xué)習(xí)來完成，通過權(quán)重的設(shè)置可以將簡單的“神經(jīng)元”構(gòu)成的網(wǎng)絡(luò)連接起來，再通過調(diào)整“神經(jīng)元”之間的權(quán)重來培訓(xùn)神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)目前正在使用

14、的有兩個分支，按照他們的培訓(xùn)方法可分為：監(jiān)督型和非監(jiān)督型。監(jiān)督型人工神經(jīng)網(wǎng)絡(luò)分支利用一個“教師”來培訓(xùn)模型，在這種模型里將在模型輸出和已知輸出之間定義一個錯誤。使用錯誤回傳算法調(diào)整模型連接權(quán)重，減少重復(fù)表征輸入向量導(dǎo)致的錯誤。當(dāng)缺乏相關(guān)類的數(shù)量信息時，非監(jiān)督型人工神經(jīng)網(wǎng)絡(luò)分支則試圖找到相似輸入的類。 五、結(jié)語 本文主要是設(shè)計(jì)了一個企業(yè)財(cái)務(wù)預(yù)算系統(tǒng)模型，其中應(yīng)用了數(shù)據(jù)挖掘的技術(shù)，解決了企業(yè)中財(cái)務(wù)數(shù)據(jù)管理單一，不能適合企業(yè)協(xié)調(diào)發(fā)展的需求。同時，不斷發(fā)展中的企業(yè)勢必需要從復(fù)雜的數(shù)據(jù)處理中挖掘出對決策有所幫助的知識。因此，在企業(yè)信息化的建設(shè)中，合理地利用數(shù)據(jù)挖掘技術(shù)從各部門的預(yù)算數(shù)據(jù)中找出適合決策主題的相關(guān)知識，將對企業(yè)的穩(wěn)定發(fā)展有良好的促進(jìn)作用。 參考文獻(xiàn)：【1】 秦素娟,王耀文.淺析企業(yè)財(cái)務(wù)預(yù)算管理.科技情報(bào)開發(fā)與經(jīng)濟(jì),2007,(27):187-195.【2】 樊志平,吳際.基于數(shù)據(jù)挖掘技術(shù)的商業(yè)決策支持系統(tǒng)的研究.商業(yè)科技,2008,(1):23.【3】 趙寶華,阮文惠.一個基于數(shù)據(jù)挖掘技術(shù)的高校財(cái)務(wù)預(yù)算系統(tǒng)設(shè)計(jì)與研制.微型電腦應(yīng)用,2008,(6):31-33.【4】 向建紅,黃巧仙.數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析中的應(yīng)用.湖北經(jīng)濟(jì)學(xué)院學(xué)報(bào),2009,(3):71-72