大數據時代基于企業戰略管理下的財務風險預警體系研究

吳晶

摘要：對于財務風險預警的相關研究，早在20世紀30年代就已經開始，眾多的專家學者根據財務風險的特點提出了諸多的風險模型。但在實際的工作過程中，人們發現這些模型不能保證預警結果的穩定性和及時性。在當前數據時代的背景下，我們要將大數據技術與企業財務風險預警需求相結合，以便構建多雛度的企業財務風險預警體系。

關鍵詞：大數據時代;企業戰略管理;財務風險預警體系

中圖分類號：F275 文獻識別碼：A 文章編號：1001-828X（2019）018-0194-02

隨著我國經濟的快速發展，企業在獲得更多發展機會的同時，財務風險也隨之提升。因此，財務風險預警體系的建立是刻不容緩的。只有識別到財務風險，并將風險在未完全產生時解決，才能使企業在目前激烈的市場競爭中立于不敗之地。

一、大數據與財務風險預警體系

企業的活動始終是被財務風險預警所貫穿的，因此，這就需要企業在進行投資活動、融資活動和日常的經營活動時從三個層面產生預警需求，這三個層面分別為：部門層面、戰略層面以及業務層面。對于戰略層面來說，它主要起到的作用是決定公司的主營業務，而業務層面決定著公司應該開發哪一種新型產品，部門層面又決定著公司的銷售方法。我們可以看出，各層面的財務預警需求是不同的，這就需要我們注意不同的預警需求要對應不同的數據分析基礎。大數據技術的優點就是能在財務風險預警體系中全面收集企業內部狀況、行業風險以及供應鏈傳導影響的大量數據，并能在不同層面的風險預警時，根據實際情況提取相關數據進行分析，這樣就可以滿足各層面不同的預警需求。這項工作的難點主要在于數據收集，由于數據龐大，需要耗費大量的成本。不過數據只需要一次性的收集，但卻可以多次利用，從長遠角度看可以減少整體的預警成本，同時還可以擴大財務風險預警的適用范圍。目前的財務風險預警體系還存在著準確性與穩定性不足的問題，這主要是由于在選取相關指標時對其它非財務因素考慮不足。在選取非財務指標時，通常使用試錯法和列舉法，雖然簡單方便，但卻使得選中的目標具有一定的滯后性，使得以后的指標適用性不穩定。在大數據的時代背景下，財務風險預警體系主要以全樣本數據作為基礎數據，并從多個維度收集實時數據。在收集數據的同時根據預警需求選擇指標，這極大提高了預警體系的穩定性和準確性。還需要注意的是，雖然這種方法提高了財務風險預警體系的穩定性和準確性，但也提升了我們對工作人員的技術要求。

由此可見：在大數據視角下，財務風險預警體系是多維度、全方面的，在滿足財務風險預警準確性、及時性的同時，還可以提升體系的穩定性。

二、財務風險預警體系設計

1.數據收集和處理階段的體系設計

數據收集處理作為財務風險預警體系的基礎，需要大量的人工成本以及資金成本。相關工作人員以計算機作為主要的數據收集途徑，對企業、經濟、行業信息等大量數據進行收集并及時更新，這其中包括：企業內部的財務數據、非財務數據、相關行業數據、市場經濟數據等。數據收集后，工作人員要根據相應的數據類型對其進行分門別類的整理。其中要注意對財務數據等結構數據作為變量儲存在數據庫中，對于半結構化或非結構化的數據要優先進行結構化處理。非結構化信息要對其中最常用的文字進行語義分析，這也是為后續的分析計算做準備。

2.風險判斷的階段體系設計

對于風險判斷階段，最為重要的就是對風險程度以及類別進行分析，并對是否需要作出風險預警反應進行判斷，這個階段決定了預警體系的后續工作，因此是最為重要的一個階段。我們通過對數據庫中相關數據的提取計算，并對企業內部經營狀況等因素進行分析，可以識別風險類型，這其中包括：法律風險、企業政治風險、市場競爭風險等。在目前的財務風險預警體系中，風險預警的臨界值的確定是工作的重點。若是臨界值過高，企業就會在發展中遇到較多風險，若是過低的話還可能會導致企業錯失發展的機遇。我們可以通過大數據技術，結合人工智能技術對神經元模型進行分析，以便于能夠找到符合企業實際情況的臨界值。

3.預警報告出具階段的預警決策信息生成

通過上一階段的風險判斷結果，財務風險預警體系可以生成一份預警報告，通過這份報告可以使得企業對于所處的市場環境有著清晰地了解。報告主要包括：結構化處理后的財務數據和非財務數據、企業內部狀況以及經濟影響的文字分析、當前所面臨的財務風險預警。結構化處理后的數據可以方便使用者查閱，還可以結合文字分析作出正確的企業決策。

4.預警效果評價和反饋階段原理

對于財務風險預警體系而言，預警的效果評價和反饋的數據可以提高風險預警體系的穩定性和準確性。風險體系可以通過收集整理報告使用者對每次的預警效果評價來對神經元模型的預定值進行調整，以便于控制預警的敏感程度，同時還可以滿足企業對于不同風險預警的需求。在另一方面，每次預警也能夠對決策函數進行修正，并在提高對風險影響因素適應性的同時，保障財務風險預警質量。

三、財務風險預警路徑設計

1.內部動態分析

企業內部的狀況包括財務狀況和非財務狀況，對其進行深入分析是財務風險預警體系中最基本的工作。對于財務狀況而言，只要借助于企業系統（如ERP系統）和相關財務軟件就可以很容易的分析出以往的財務狀況和現金流量變化，這些數據反映出了企業的盈利能力、經營能力、風險控制能力等，對于企業未來的財務風險有著決定性的作用。而非財務狀況包括了企業的內部建設、管理機構的完善、公司的規章制度等，這些因素不像財務狀況那樣能夠一目了然的觀察到其帶來的影響，但是能夠對企業的未來財務風險產生潛在影響。通過對這些狀況反映出來的數據分析，可以有效提高預警效果。

2.行業風險測度分析

企業所處的市場背景和行業現狀對企業的發展起到了決定性的作用，因此，對行業進行風險分析是非常有必要的。企業在發展時，行業發展速度、行業內競爭等因素都會對企業產生影響。衡量這些因素可以通過行業集中度、行業銷售增長率、行業利潤率等定量指標，并利用大數據技術，對這些定量指標及時更新。同時，我們還要對管理層的語調和非結構化信息進行處理，以便提高財務風險預警體系的準確性。

3.供應鏈傳導影響分析

在企業發展的過程中，供應鏈的穩定無論是對于上游企業還是下游企業都是極其重要的，它能夠對企業的財務狀況產生根本性的影響。這就需要我們在判斷企業的財務風險時要考慮到供應鏈傳導的因素，首先要對供應商的行業密集度、銷售量占比、商品重要性等指標進行衡量，其次是要對供應鏈上的企業做出最基本的財務狀況分析，這樣才能對可能產生的財務風險做出進行相關的預警措施。

四、結語

在大數據的時代背景下，財務風險預警體系的建立應在滿足企業的戰略管理方向的同時，對不同層面進行多維度的風險預警，以滿足財務預警需求。目前，我們的財務風險預警體系還不完善，我們在以后的工作過程中，要結合人工智能技術為各個企業量身打造一套符合企業特點的財務風險預警體系，以便于實現財務風險預警的個性化，并保證財務風險預警的及時性、準確性和財務風險體系的穩定性。