大数据会计财务预测方法研究

王丽敏 公珏

（黑龙江科技大学管理学院，黑龙江 哈尔滨 150000）

随着“5G时代”的到来，“大数据”这个词也逐渐出现在人们的视野中。“大数据”这个词并不是一个新词，其产生的主要原因是互联网及科技的发展，数据的增长无法运用人工的方法去整合或者使用人工的方法无法用较短的时间计算出结果。会计在古时候就已经出现了，那个时候的会计主要是通过系绳等方式进行简单的计算，随着社会的发展，会计逐步从绳结转变为算盘，俗称“记账员”，通过将当日的支出和当日的收入进行计算，从而计算出利润，帮助老板挣钱。之后就出现了账簿，用于记录每日的首支。会计的不断发展，也使得会计人员的职责越来越多，会计也从简单的记录账簿逐步演变成分析账簿，到现在的财务分析。那么随着大数据时代的到来，会计的职责也发生了变化。会计的职责之一就是帮助企业进行财务预测，在“大数据会计”产生前，已经诞生了财务软件、“云财务”等财务分析方法，但因为财务软件只是将财务的流程简化，不能人工测算整个行业或者相似企业的数据，所以“大数据会计”也就在这个背景下应运而生。财务预测就是通过现有的数据估算未来的数据，大多数企业使用的都是本企业最近几年的数据，然后通过数据分析对未来公司的财务状况进行分析；也有些企业例如，处在初创期的企业，由于企业自身的数据不足以分析出企业未来的状况，所以企业一般会使用企业所处的行业的数据进行分析，通过数据的关联找到适合本企业的未来状况。总的来说，“大数据会计”就是将大数据与会计研究相结合，通过运用大数据的研究方法帮助会计人员实现本企业的财务预测（如图1）。

图1 大数据会计

一、相关研究简介

大数据是当今信息爆炸的产物，是一场技术的革新，波及了几乎所有行业所有人[1]。会计信息是企业财务预测的基础，会计信息的好坏直接影响着企业财务预测的结果。会计信息也是经济发展的试金石，能够预测未来的经济趋势，也能为过去的经济决策提供有效验证[2]。在当下大数据正在悄无声息地改变会计财务预测的方法，并渐渐地成为企业内外部所有利益相关者决策的重要来源，从而对企业的财务报告产生影响并将使得企业管理层对于战略部署进行决策。

从大数据的概念我们可以看出，其是一个动态的过程，它与之前的小数据有着相似的地方，但大数据和小数据之间也有许多不同。大数据时代有着鲜明的特点（如海量性、多样性、真实性和价值性）但其实这些特征并非大数据所独有的，有很多小数据也具备同样的特征，但只不过只有大数据在这些特征的量和质方面有了更大的变化。大数据区别于小数据的关键特征应是它的高频性和详尽性，即小数据是“慢”数据和抽样数据，大数据是“快”数据和总体数据。正是这种差异，将小数据时代与大数据时代的环境区别开来。大数据的产生也造就了数据处理的蓬勃时代，不像数字，数据本身是有排序的，数据的排序也会因为数据所在的行业有所不同，例如数据在财务中就是财务报表里的数据，而在调查问卷中就是每个问题的占比以及问题人数的多少。通过汇总数据，将数据分类整理后，运用大数据的方法从而找寻轨迹，找到如何分析和解决企业所面临的现状和问题。

二、研究目的

在现有的研究方法下，大多数人将研究方法分为定性和定量两种分析方式，就像财务管理分析方法一样，虽然是财务管理是四种分析方式，大家多采用的是比较分析方法，而针对学术研究来说，大家更是从定性和定量两种分析方式进行分析。针对大数据会计的特点，本文采用的研究方法主要以定性研究为主，针对大数据背景下的同行业的会计数据进行会计财务预测进行研究，后通过观察分析研究，得到初步关于大数据会计财务预测方法的结论。再在分析过程中运用对比研究的方法，对“大数据会计”与传统会计财务预测流程的不同进行分析研究，同时运用该研究方法来讨论大数据会计对财务预测结果的可视化处理。

三、研究意义

传统意义上的会计主要是针对结构化的数据进行分析、整理。即通过一些进货单、发票进行报表填列，数据整体上都是有规则性的，但随着数据量的增多以及无规则数据的出现，就需要会计运用大数据的方法进行整理，即将大量的数据以及无规则的数据进行重新整理、分析。“大数据会计”也就是基于企业的业务增多、数据量增加产生。如果企业不使用大数据的方法，那么即使我们的Excel算到ZZ列，也无法将全部的数据进行汇总，更不要提将基于这些数据进行财务预测。那么以煤炭上市企业为例，截至2021年，我国共有煤炭上市企业37家，平均上市年份为9.5年，根据上市企业的相关要求，需要在每年的4月30日之前将去年的年报进行披露，平均年报页数103页；通过上述数据如果使用传统的会计方法，将整个煤炭行业的财务数据进行整合至少需要几个月的时间，其中使用的方法通常为Excel进行人工数据输入，这不仅仅会大量的占用会计人员的时间，同时也会减低会计人员的积极性，使会计人员对于工作没有热情，导致企业的管理成本升高。但如果使用大数据的方法，通过Python进行数据抓取，只需要几个小时的时间就能将所有数据抓取出来，并且数据还是实时更新，即能在公布出来之后及时地将原有的数据进行替换，通过这种方法能够大大降低员工的工作量，提高员工的积极性，同时，也会缩短整合数据的时间，也能够尽早地发现财务问题，进而进行财务预测。现阶段的大数据会计也在逐步发展到供应链方向，从上下游直接进行财务处理，不仅仅会节约时间成本，同时，也将帮助企业更好地进行战略策划，及时根据市场情况进行战略调整。

四、研究方法

在大数据的背景下，由于数据量的迅猛增长，财务数据分析难度加大同时也使得财务预测的方法发生了转变。本文主要是将财务预测的流程（如图2）分为四个步骤进行分析：

图2 财务预测流程

第一，财务数据的收集和整理。

第二，财务数据处理。

第三，财务数据的分析以及挖掘。

第四，财务预测结果的可视化。

五、完成思路

（一）财务数据的收集和整理

在传统的会计模式下，财务数据的收集和整理流程采用的是线下发票以及发货清单等纸质版资料，这些资料通过一步一步地审批最后交到出纳手里，出纳整理汇总后再交给会计。在这种环境下，人工的成本非常大，而且企业需要大量的人员进行此步骤，而且步骤繁琐导致人员的出错率会较其他步骤少的企业出错率低很多，尤其对于制造型的企业来说，这也是很大的成本。而大数据背景下的会计，更多的是使用云会计的方法，即将审批流程改为线上审批，资料以及发票等采用电子的形式。这样的好处首先是能够降低不必要的管理成本，不需要人工实地审批，通过线上的流程直接进行审批；其次，可以大大降低数据出错的风险，线上流程可以看到审批，对于有错误的地方能及时进行修正；再次，线上审批能够划分责任，每个步骤安排专人进行负责，能找到错误的源头划分责任；最后，能提高人员的办事效率，通过线上审批的方法，财务人员可以直接在电脑上进行数据的整理，无须进行纸质版汇总从而极大地提升了办事效率，而且线上审批能够看到每个人的审批时间，通过审批时间我们能够发现企业内部是否有人投机取巧、浑水摸鱼。

（二）财务数据处理

与传统的会计模式不同，“大数据会计”对于财务数据的处理采用的是软件直接生成，生成后对各部门的财务数据进行分类，并进行数据分析；而传统的会计模式则是通过人工进行分类，时间较“大数据会计”耗费的时间较长，而且同时风险也较大，由于是人工进行操作，极有可能因为过于疲劳或者走神而看错会计科目，使得原来应该记在部门里的费用分类到其他部门内，使得其他部门的成本增加，尤其是对于管理权分散的公司的影响是非常大的，所以，财务数据的处理如果能够通过大数据的方法进行的话就能够帮助企业数据风险降低，保障企业财务数据的准确性和及时性。

（三）财务数据的分析以及挖掘

财务数据在经过整理之后，会进行分析处理。在人们的印象中，财务分析就是普通的数据进行对比，并通过对比预测未来企业可能的状况，但却忽视了对于行业和时代的分析。例如，税收方面，有些地方采用的是三年免减的政策，有的是五年，不同的地方税收优惠不同，如果财务只根据前几年的数据来预测，没有加入有可能发生的税收费用，那么财务人员预测企业未来的盈利情况就是不准确的。而“大数据会计”就能避免这一点，“大数据会计”先通过本企业的数据进行测算，然后会通过行业内大量的数据进行二次分析，同时，针对税收问题进行分析。这种分析数据的方法较传统会计来说不仅仅是分析的结果准确而且会加快企业预测的时间，帮助企业及时发现问题。

（四）财务预测结果的可视化

财务预测的结果在以往的经验中大家都选择的是图表的方式进行，但其实图像较图表和文字来说更容易被人们接受和吸收。图像能够将数据更为直观地表现出来，尤其是在大量数据面前，图像的优点就更能凸显出来了。在大数据时代，编程的兴起使得人们对于数据又有了全新的理解：例如，Python；Python爬虫技术能够快速识别信息，并可以通过数据信息做出动态图像，让数据使用者更直观地看到数据的对比和分析；传统会计的Excel图表无法动态的捕捉数据，而且不能对数据进行及时的可视化分析，对于企业管理人来说，数据结果的可视化是帮助其分析企业未来决策的重要手段。财务预测结果的可视化是未来“大数据会计”的一部分，“大数据会计”的发展也会使得会计更加智能方便。通过大数据的方法进行的财务预测能够让企业的内外部利益相关者更直观地看到企业的数据，从而检验企业管理者的管理水平。