大数据时代财务管理面临的机遇与挑战Word格式.docx
《大数据时代财务管理面临的机遇与挑战Word格式.docx》由会员分享，可在线阅读，更多相关《大数据时代财务管理面临的机遇与挑战Word格式.docx（9页珍藏版）》请在冰豆网上搜索。
（1）选题背景
在财务工作的改革中，对财务的影响最大的是科技进步。
大数据时代的到来，更是使财务管理的发展的到一个前所未有的机遇。
财务人员可以利用大数据的优势，更精确快速及时地处理财务数据，方便管理人员实行有效的管理。
（二）文献综述
大数据时代的到来，让财务管理工作的理念和模式发生了各种颠覆性的变化，对于传统的财务工作领域来说，财务管理继续发展是越来越难，财务管理更多的是开始向销售、研发、人力资源等相关的领域延伸和渗透;
就财务管理的模式来说，公司财务的定位与任务应该主要偏向任何与公司业务有关联的数据的收集、处理与分析。
鉴于传统的财务管理和大数据时代下的财务管理的显而易见的不同点，我们称大数据时代的财务管理为“大财务”。
企业的管理将会因大财务的出现而影响巨大，这种影响横跨战术层面和战略层面。
首先，管理会计的面貌将会焕然一新。
基于大型金融公司的数据，全面预算管理，资金的集中管理，内部控制可以更高效，平稳运行与发展。
这让管理会计有能力超越财务会计的约束，在企业决策与管理中饰演更加重要的角色，进而促使企业价值增值。
然后，金融企业管理的视角和洞察力显著增强，企业管理智慧突出明显。
大财务由于大数据的技术支持，可以在企业决策时用数据挖掘技术掌握很多有用的信息，这些信息将帮助企业降低常见的错误，有利于企业降低系统性风险，能够让企业对未来的发展进行更加准确的预测。
在企业执行方面，使用大数据技术能够利用定量的方法对不同方案和流程的成本和收益进行分析对比，进而完成企业价值最大化的方案筛选。
此外，大数据让财务人员能够尽早察觉到反常情况，这样企业就能提早采取相应的措施，降低可能的损失或者对潜在的风险零承受。
所有这些使得企业管理更有远见卓识。
三、大数据的要求
“大数据的使用要求我们必须摒弃孤立工作的理念，更多地进行跨部门合作。
数据以及更为重要的数据分析结果必须进行分享，从而促使公司制定明智的、有依据的决策，掌控未来风险。
”Lawson博士继续指出。
TraxTechnologySolutions公司首席财务官NinaTan表示：
“数据资产的估值仍然处于摸索阶段，财会行业之前已经研究出了一些估值或审计方法，这是很好的基础指南，但是我们需要开拓思维，跟上科技的发展步伐，并思考作为企业战略合作伙伴的我们应该如何改变和调整，为企业增加价值。
为了实现这一目标，我们必须保持对知识、经验和实践的渴求，虚心、愿意接受新的思想，与时俱进，在壮大企业的过程中发挥一定的作用。
”
报告称，会计师既不是软件工程师也不是数据科学家，但未来他们可能会兼具这两种角色。
未来在决定用于“数据虚拟化”和公司信息指示板的财务内容，以及非财务数据应该如何与财务数据进行组合方面，会计师将发挥作用。
ACCA未来研究主管FayChua表示：
“大数据会让许多财会专业人士都意识到变革的重要性。
未来，传统的首席财务官、首席技术官和首席信息官角色界线将变得模糊，职位将变得更具战略性和前瞻性。
他们接受这场变革的速度将对企业能否充分利用大数据所提供的潜力产生巨大影响。
四、如何建立大数据分析能力
想要在大数据竞争中处于领先地位，三个步骤不可或缺：
设定目标、建立分析能力以及围绕大数据策略组织企业架构以实现价值最大化。
而高质量的数据、先进的工具、精通数据的员工以及支持分析决策的流程和激励机制是建立大数据分析能力的四大关键。
数据
任何一个企业都首先需要制定一个数据收集和整理的策略规划，这一规划必须明确定义如何利用大数据为企业的整体发展战略创造价值。
在本次的访谈中我们发现，约有56%的企业缺乏合适的系统来收集其发展所需的数据，约有66%的企业则未以有效的形式存储其所收集的数据。
好的数据政策明确定义了“什么是有用的数据”以及“如何从数据看我们的业务”。
这些基本定义是一个企业如何建立自己的数据分析能力并将自己与竞争对手区隔开来的第一步。
“什么是有用的数据”是所有数据政策的出发点和基础。
举例而言，收集所有来自公司网站、客服电话、电子邮件以及聊天室的客户询问可以帮助公司了解客户反馈的最新动向;
但那些关于已经被快速处理完毕的询问的具体记录能够带来的价值就非常有限了。
工具
先进的分析技术和大数据工具的进步如此之快，他们正以前所未有的方式帮助公司获取新的统计角度和结果。
Hadoop、HPCC和NoSQL等工具和平台迅速崛起带来了全新的分析视角和机会;
基于成熟的分析、视觉化以及数据管理的全新生态系统也以日新月异的速度改变着企业的分析能力。
如今，可提供这类工具的供应商不胜枚举，开放资源的开发商数量更是不计其数。
不过，令人感到些许意外的是，在我们的访谈中，仅有38%的企业表示他们曾使用过这些工具。
人员
在我们的调查中，有56%的高管人员表示他们的企业缺乏分析数据并从数据中发现机遇的慧眼。
大多数人则认为他们无法准确地判断那些从数据分析得出的林林总总的结论是否的确与公司的业务密切相关，亦难以对这些纷繁芜杂的结论进行优先排序。
成功的团队往往可以融合数据、技术和业务等各方面的人才来构建这一能力。
以乐队为类比：
团队的成员必须各自拥有不同的技能，但这些技能又有一些交叉重叠，同时他们非常了解互相之间如何进行有效和高效的沟通和协作。
成功的大数据分析团队亦如此，我们需要：
数据科学家，提供有关统计、相关性和质量等的专业技能商业分析师，从商业的角度出发,甄别数据科学家从纯粹数据分析角度发现的异常数据以及一般性规律，发掘出其中与公司业务发展紧密相关的数据和规律并根据重要性进行排序技术专家，帮助提供收集、整理和处理数据所需的硬件和软件解决方案。
决心
顶尖的企业将大数据分析的理念植入到组织当中，明确定义希望通过大数据达成的目标并运用数据推动决策。
CEO和高层领导团队将枯燥抽象的数据分析与实际的公司经营绩效提升的紧密关系展示给企业的每一位员工：
不论是通过改进现有的产品和服务、优化内部流程、构建新产品和服务或是转变商业模式等等。
表现优异的公司无一例外地围绕数据构建组织并恪守数据驱动型决策的承诺。
五、大数据背景下财务数据处理的变革
财务数据作为企业的核心，反映和支持着企业资本和交易的正常运转，我们对财务数据的处理与财务讯息的充分发掘后，就可以有效率的改进财务管理的运作方式，压缩企业资金运作成本，为企业带来不错的，客观的利润。
企业的财务数据是最基本的，企业资源最丰富的积累，整理和分析的基础上能给企业带来价值增值。
（1）财务数据处理的发展历程
企业经营活动过程中，会计数据是各项经济活动系统记录。
会计数据的处理技术就是指对会计的数据进行加工整理分析的技术。
会计数据处理技术发展包括五个阶段：
1.会计数据手工处理阶段，
2.会计数据机械处理阶段，
3.会计数据电子计算机处理阶段。
4.会计数据网络化处理阶段。
5.大数据时代会计数据处理阶段。
（二）大数据时代的财务数据处理
在信息技术发展的同时，移动互联网技术、电脑技术也协同发展，会计采集和处理的信息量和信息结构会更加复杂。
这些数据除具有大数据的4个“V”的一般特征外，还具有的特征包括无形性与粘性：
1.数据规模大（Volume）。
2.数据种类多（Variety）。
物联网环境下的数据不但包含数字登结构化数据，还有语音、图片等这样非结构化的数据。
因为这些数据和业务事件的关相关性，进而使结构化数据和非结构化数据更复杂，更不容易处理。
3.及时性（Velocity）。
物联网下时间对数据处理的要求很高，因为物联网下物和人的行为要求要在非常短的时间内完成，所以物联网下数据的产生与数据的处理都具有及时性。
4.价值密度低（value）。
企业的会计数据会不断产生，然而具有实际应用价值的数据仅仅只是一系列数据中的一个片段或一个部分。
拿视讯来说，连续检测过程中，能够使用的数据可能只有一两秒钟。
5.会计数据的无形性与粘性。
非介质的数量信息是当前物联网上企业采集、传输、处理的数字信息主要信息。
这些数据可以通过传感器直接检测，这是很容易传播的；
但会计数据是看不见的数据，它不能通过传感器感知。
与此同时，会计数据是在业务数据之中存在，不能够与业务数据脱节。
所以，粘性和无形性也是会计数据一特点。
由于大数据时代的财务数据包含以上重要特点，所以让财务大数据的处理变得挑战巨大并且要求甚高。
基于企业大数据中心开发平台建立的数据分析平台主要包括高素质人才配置，设备采购等。
要想用一个单一的解决方案解决大数据的问题是不可能的，需要一系列传统与新技术的解决方案的融合。
想要构建大数据分析平台并且从大数据中挖掘出来有价值的讯息，首先企业需要一个可扩展的、灵活且可管理的数据基础架构，亦即企业大数据中心开发平台。
当前，人们对数据中心开发平台的理解各持一词，但下面几点是彼此的共鸣：
（1）数据中心是数据继承和交换的心脏。
（2）数据中心是数据处理和对外衔接的媒介，也是对应用系统的设计和工具箱的集成。
（3）它是一种兼容性非常强的大型数据库，能够在一个框架内，把不同厂家，不同的格式，不同的标准以及分布在异地的数据统一在一个体系之内。
（4）数据中心就是一个功能仓库，能对这些功能用同样的方式调用和执行。
（5）数据中心是一个应用程序的集成系统，该系统运用灵活的设计理念，意味着系统可以快速的被搭建起来，并可以随着需求的变化迅速做出调整。
六、大数据时代的管理会计的改变和革新
大数据技术的出现会让管理会计发生更过的更重大的变革：
（1）从基于结果的分析向基于过程的挖掘转变
以快速消费品行业销售分析为例，传统的分析方法通过对终端的销售数据进行合并分析，但后续问题的分析，无法准确得到结论，只是粗略来定性判断，这意味着决策风险。
假如我们将数据的应用范围向前拓展，直到和消费者第一接触的销售终端。
举个例子，我们让我们的促销员，对每一个前来驻足浏览我们商品的消费者，都热情的招待，可以随便问问他们的使用体验如何、家中几个成员、买该商品的频率等信息;
即使消费者选择了竞争对手的产品，也可以上去询问一下其作出上述选择的理由。
一个类似的过程，一天发生多次，遇到很多人，很难让促销员现场作记录，那么采取现场录音的形式，然后每天把录音发送到公司的后台，让后台的专业人士来处理。
你会发现不仅促销员的工作效率提高了，信息的真实性也保证了。
从这个过程中可以看到，我们有了消费者评价这样的非结构化数据，消费者购买时决策的数据，加上每日收集竞争对手的产品促销和产品价格信息，该信息将成为大数据时代下企业的宝藏，并在适当的条件下，转化成企业的收入源。
（二）从基于单类型的结构化数据向多类型转变
因为非结构化数据的支持，财务分析工作将更全面的展开，因此数据内容的拓展将会是更加丰富多彩的行为。
例如，企业对客户的信用评价，不仅可以从客户的背景和对外报表开始，分析评估人员还能从QQ/微博上采集对某个客户的评论、顶、踩等讯息，丰富企业的信息库存，进一步降低因为交易中信息不对称造成的风险。
再举个例子，从风险管理和控制角度，想判断一个客户的业务情况，只看看他的财务报表是不靠谱的，那么你需要捕获多个信道的信息反馈，即“数据混搭”。
2007年，当时在职的辽宁省委书记李克强说，他更偏好3个指标追踪辽宁的经济趋势：
全省铁路货运量、用电总数和银行放贷量，来矫
升级会员 