- 大数据财务分析(微课版)
- 高扬 王彦杰主编
- 4044字
- 2024-09-23 18:02:20
第四节 大数据财务分析概述
一、大数据财务分析的主体
财务分析的主体是与企业存在现时或潜在的利益关系,出于某些目的对企业的财务报表展开分析的组织或个人。通常情况下,大数据财务分析主体大多属于企业的利益相关者,主要包括权益投资人、债权人、经理人员、政府机构、社会中介机构和其他与企业有利益关系的群体,出于不同目的使用财务报表,需要不同的信息,采用不同的分析方法。
微课堂
大数据财务分析概述
(一)权益投资人
权益投资人也称为企业所有者、企业股东,是企业收益的最终获得者和风险的最终承担者。基于投资回报率和投资风险等的考虑,权益投资人非常关注企业营运能力、盈利能力、资产结构与质量、资本结构与质量、利润结构与质量以及现金流量结构与质量等财务信息。从股权结构来看,控股股东一般会看重企业的未来发展,尤其关注企业的资产质量、资本结构质量、利润质量以及现金流量质量等;中小股东则更加关注企业的短期盈利水平、现金流量状况与股利分配政策等。
(二)债权人
债权人是指以一方或多方作为债务人所形成的债的关系中有权请求对方履行偿还义务的权利主体。例如,国有商业银行和政策性银行、非银行金融机构、供应商、企业债券持有人以及其他法人单位等。债权人非常关心债权的安全性,即能否在规定时间内收回本金和利息,所以债权人非常看重企业偿债能力方面的数据信息。其中,短期债权人更加关注短期支付能力,如债务人的资产流动性和现金流量状况;长期债权人更加关注企业的未来发展前景,如资产质量、利润质量以及资本结构质量等。
(三)经理人员
经理人员也称为经营管理者,是指对内有管理业务权限、对外有商业代理权限的人员。经理人员接受企业所有者的委托,通过大数据财务分析对企业所从事的各项经济活动及其经营成果和财务状况进行有效的管理与控制,以实现企业长短期的经营目标。经理人员可以参与企业具体管理工作的全过程,涉及面较广,需要协调各方面的利益关系;必须了解和掌握企业的真实财务状况,及时发现问题、分析问题、解决问题;需要制定和调整资源配置、资本引入等战略。
(四)政府机构
政府机构是指依照国家法律设立并享有行政权力、担负行政管理职能的机构,本书主要是指工商、税务、财政以及各级国有资产监督管理委员会等机构。政府机构不但需要了解企业资金的使用效率,还需要预测财务收入增长情况,适时调整社会资金资源的配置,检查企业是否存在违法乱纪等问题,再通过综合分析,对企业的未来发展趋势以及对社会的贡献程度进行评价。例如,税务部门更加关注企业的盈利水平与资产的增减变动情况,检查并监督企业的税费缴纳情况。
(五)社会中介机构
社会中介机构是指按照一定的业务规则或程序为委托人提供中介服务,并收取相应费用的组织,一般包括会计师事务所、律师事务所、专利事务所、资产评估事务所、资信评估公司以及各类咨询机构等。社会中介机构以独立第三方的身份提供服务,通过财务分析,发现企业生产经营过程中存在的问题,提出解决意见。上述社会中介机构中,会计师事务所与大数据财务分析的关系最为密切,注册会计师需要就财务报表编制状况发表审计意见,而大数据财务分析能够帮助其发现问题和线索,为发表审计意见提供支撑。
(六)其他财务分析主体
除了上述大数据财务分析主体以外,企业的供应商、员工、竞争对手以及社会公众等都可能需要通过大数据财务分析来快速了解企业的财务状况,以便做出各种决策,如员工,在无特殊情况时,员工会与企业保持持续雇佣关系,就自然而然地会关心工作的稳定性、自身的安全性、升职加薪的可能性等,所以员工会更加关注企业的盈利能力和偿债能力。
二、大数据财务分析的目的
大数据财务分析的目的主要是通过评估和分析过去发生的经营行为和决策,寻找企业经营活动存在的证据,并基于此对企业未来发展做出判断,有效指导企业未来经营。根据时间阶段,大数据财务分析的目的可分为以下三个具体目的。
(一)追溯
追溯属于事后分析。通过大数据财务分析,能够追溯历史,了解企业过去的经营活动、投资活动和筹资活动,从中挖掘潜在的问题,寻找解决问题的办法,明确责任,以免在未来经营过程中遇到同样的问题。
(二)监控
监控属于事中监督。企业进行大数据财务分析,能够形成一系列的过程控制性指标和管理性指标,最终形成绩效评价体系。评价体系能够让企业的管理人员随时查阅相关任务的执行情况,能够在第一时间发现可能存在的问题,并采取相应的措施。
(三)预测
预测属于事前洞察。大数据财务分析的主要目的是预测未来发展趋势。倘若对商业社会现象收集了足够多的数据,再加上企业财务数据,就可以找到产业、产品等的未来发展规律,帮助企业获取更多的资源和商业机会。
三、大数据财务分析的特点
随着数字经济不断发展,大数据财务分析领域的发展也日新月异。大数据财务分析能不断提升财务分析结果的准确度,降低企业财务运行及投资的风险,呈现数据来源广、分析实时、数据间因果性弱以及业财融合的特点。
(一)数据来源广
通常,传统的财务分析是依据企业财务部门编制的资产负债表、利润表、现金流量表、所有者权益变动表等报表数据计算相关指标进行的,数据主要来源于企业内部且为结构化数据。随着数字技术的快速发展与应用,企业内部数据已无法满足管理决策的需要,大数据技术则可以捕捉外部数据,如文本、图片、多媒体影音、浏览记录等,弥补内部数据的不足。大数据技术不但可以处理结构化与非结构化数据,还可以辅助财务人员精准分析数据的价值。
(二)分析实时
大数据发展势头迅猛,大多数企业提出将大数据技术作为财务分析工作的重点。对于处在数字经济时代的企业而言,数据获取的速度无疑是行业竞争的重要影响因素,所以受到时效性的限制,传统的财务分析结果所带来的价值逐渐降低。随着云计算、数据挖掘以及数据分析技术的日趋成熟,大数据财务分析已经可以做到实时监测行业发展动态、快速获取相关财务指标。
(三)数据间因果性弱
传统财务分析侧重于解决“什么原因导致什么结果的问题”,即找出因果关系。例如,传统财务分析可以分别研究每个因素对目标对象的影响程度,通过分析数据之间的因果关联性,进而判断数据之间的因果关系。随着智能化时代的到来,“打败你的不是对手,颠覆你的不是同行”更加真实。故企业更要充分利用大数据财务分析,把握财务分析数字化的发展关键期,运用数字化手段对可能存在因果关系的数据进行分析预测。
(四)业财融合
伴随着财务机器人、财务共享中心等数字技术的发展,以往重复性、机械化的会计工作逐渐被取代,这要求财务人员不但需要掌握财务专业知识,也要熟悉业务知识,所以大数据财务分析也具有业财融合特点,可以向企业经理人员提供有价值的分析结果,有利于企业进行精准营销,也可以帮助企业经理人员结合同行业竞争者的相关数据调整策略。
四、大数据财务分析的方法
大数据财务分析是大数据和统计方法的重要应用场景。企业财务人员通过大数据技术和统计方法有目的性地采集数据、统计数据、分析结果、综合评价,为企业决策者提供支持,保障企业未来良好发展。大数据财务分析的方法主要有以下几个。
(一)比较分析法
比较分析法也称为对比分析法,是指把客观事物加以比较,以达到认识事物的本质和规律并做出正确的评价的目的。比较分析按照数量关系不同可分为动态比较、静态比较;按照指标不同可分为水平比较、增量比较和相对量比较。本书在进行财务指标分析时,通过观察目标公司在行业中的水平,比较公司十年平均值,判断当前公司发展状况,结合指标含义,研究目标公司各项能力的优势和不足。
(二)比率分析法
比率分析法是通过财务报表的有关指标的比率计算,分析企业财务状况、经营成果及其变动程度,了解企业发展前景的分析方法。统计指标由报表中两个或多个数据构成。由于比率分析法简单、实用、用途广,能够从深层次透过具体的财务现象分析企业的财务本质,所以其是大数据财务分析中最重要的方法之一。本书主要采用比率分析法进行具体财务分析。
(三)因素分析法
因素分析法又称为经验分析法或因素替代法,是依据分析指标与其影响因素之间的关系,按照一定的程序和方法,确定各因素对分析指标差异影响程度的一种分析方法。因素分析法的基本形式是连环替代,逐个分析单一因素的影响,寻找影响最大的因素。本书主要在计算各二级科目占一级科目的比例时采用因素分析法。
(四)趋势分析法
趋势分析法也称为趋势预测法,是将比较分析法和比率分析法相结合,通过对有关指标各期对基期的变动趋势的分析,从中发现问题,为追索和检查账目提供线索的一种分析方法。趋势分析法总体上分四大类:纵向分析法、横向分析法、标准分析法、综合分析法。本书选取10年数据(2012—2021年)进行趋势分析,可以分析同一指标在不同时期,目标公司与同行业标杆公司、行业均值、竞争公司十年来变动形态的共性和差异,找出公司经营过程中隐藏的问题,分析变动原因并提出优化建议。
案例讨论与分析
“大数据杀熟”案成功维权
在数字经济时代,大数据平台依靠算法处理海量数据,而数据的滥用,严重损害了大数据的公信力,使订机票、订酒店甚至订外卖都会受到影响。例如,胡女士此前多次通过携程App预订机票、酒店,在携程平台上消费了10余万元,成为该平台的钻石贵宾客户。2020年,胡女士像往常一样通过携程App订购了舟山某高端酒店的一间豪华湖景大床房,支付价款2889元。但胡女士在退房时,发现酒店的挂牌房价加上税金总价仅1377.63元。“不仅没有享受到星级客户应当享受的优惠,反而多支付了一倍的房价。”胡女士随后向携程平台反映情况。携程平台以供应商为由,仅退还了部分差价。该案是绍兴首例消费者在质疑遭遇平台违规行为后成功维权的案例。数据从采集、处理、挖掘、分析,到最后以直观明了的方式可视化呈现,其中对道德和隐私的关注应贯穿整个过程。数字技术只是工具,人们应该把握利用技术的尺度。
阅读以上材料,对以下问题进行分析。
1.例举日常生活中的半结构化/非结构化数据有哪些,说明如何处理才能使其转化成结构化数据。
2.传统的商业分析和大数据分析的区别是什么?
3.如何挖掘和发挥大数据的价值?