数据挖掘技术在财务决策支持系统中应用

【摘要】会计信息系统可分为三个层次：会计核算层、财务管理层和财务决策支持层，分别属于事后核算、事中控制和事前预测与决策过程。面对结构化或半结构化的海量数据，将数据挖掘技术应用到财务决策支持系统中充分有效的预测企业未来的发展趋势，有利于输出决策信息供高层管理者使用，提高企业的竞争力。

【关键词】数据挖掘　财务决策　会计核算

会计信息系统可分为三个层次：会计核算层、财务管理层和财务决策支持层，分别属于事后核算、事中控制和事前预测与决策过程。财务决策支持系统就是最高层，也是会计信息系统发展的最终目标。财务决策支持系统是在核算层和财务管理层会计信息系统的基础上建立和发展起来的，核算层和财务管理层会计信息系统输出的企业财务数据及非财务数据都存在数据过剩而信息不足的情况，这严重影响了财务决策支持系统发挥其有效的作用。面对这些结构化或半结构化的海量数据，将数据挖掘技术应用到财务决策支持系统中充分有效的预测企业未来的发展趋势，有利于输出决策信息供高层管理者使用，提高企业的竞争力。

一、数据挖掘技术简介

数据挖掘是在信息化环境下发展起来的一门新技术，是统计学、人工智能、计算机技术、建模技术、电子技术、信息技术等不同学科、不同领域的思想交汇和结合，它是利用各种分析工具在海量数据中发现模型和数据间关系的过程，使用这些模型和关系可以进行预测，以帮助决策者寻找数据间潜在的关联。总的来说数据挖掘技术分为两大类：探索型数据挖掘和预测型数据挖掘。数据挖掘使用的算法主要包括统计分析、机器学习、人工神经网络和径向基函数等。数据挖掘的应用领域从学术、医疗科学研究领域扩展开来，已被非常有效地应用在零售、银行和服务等行业。

二、数据挖掘技术在财务决策支持系统中的应用

对财务决策支持系统结构的研究开始于1995年，基本上将DSS的结构体系引入过来，从二库、三库结构到四库、五库结构的研究，进一步讲就是从传统的FDSS研究到智能的或高级的FDSS的研究。自1997年开始，国内学者逐渐将数据挖掘技术引入到财务决策支持系统，目前数据挖掘技术在财务决策支持系统中的应用主要有：

(1)财务状况分析。财务分析是财务管理的重要组成部分，包括企业偿债能力分析、企业营运能力分析、企业获利能力分析、企业发展能力分析。

(2)财务预测。财务预测系统是FDSS的重要组成部分，其功能分为两个方面：一是利用已有的财务数据对企业未来的财务状况和经营成功进行预测。二是利用专家经验和专门知识对某项财务专题进行预测。

(3)筹资决策。筹资是指企业何时、采用何种方式、获得何种规模资金的过程。企业筹资决策主要包括筹资数量决策、筹资方式决策和债务偿还决策。

(4)投资决策。企业的投资决策主要包括企业内部长期投资决策、联营投资决策和证券投资决策。投资决策问题是企业管理中较为复杂的问题，其决策问题一般分为半结构化或非结构化问题。

(5)成本决策。成本决策涉及企业销、生产经营和资本运作等各个领域，可以说凡是发生成本费用支出的各项经济活动，都有成本决策问题。

(6)股利分配决策。股利分配是指公司向股东分派股利。股利分配决策的合理与否，将会对公司的发展和股东利益产生重大影响。股利分配决策包括股利发放决策、股利支付比率决策和股利发放形式决策等。

(7)存货决策。存货决策主要是指材料和产成品的决策，即确定合理的经济订货量以及何时订货才是最有利时机，力求使在存货上耗费的总成本达到最低水平。

三、结论

随着数据库技术和网络技术的迅速发展，传统的核算层及管理层会计信息系统在逐步完善，人们获取数据的能力越来越强，将海量的数据存储在数据库和数据仓库中。将数据仓库(DW)、数据挖掘(DM)和联机分析(OLAP)等信息技术应用于财务决策支持系统，更能将数据仓库里的海量数据从执行系统中筛选出来，减少冗余，完成一系列转换处理，便于决策者从宏大的信息系统中分辨、析取、整理、挖掘对财务决策有用的信息，极大提高企业管理信息系统的工作效率。