财务数据可视化分析大全11篇

绪论：写作既是个人情感的抒发，也是对学术真理的探索，欢迎阅读由发表云整理的11篇财务数据可视化分析范文，希望它们能为您的写作提供参考和启发。

篇（1）

当前行政事业单位运行中受到各类数据的驱动，如何对海量数据信息进行收集与提取已经成为当前行政事业单位发展的重要课题之一，数据信息已经成为当前行政事业单位发展的重要资源。当前各类信息化技术快速发展，其中的重要代表之一为数据挖掘技术，对其中运用的算法不断优化，能够对多种海量信息进行建模分析，在行政事业单位内部构建了可视化的分析方式，对传统的财务分析方式进行重要补充，更好地促进行政事业单位内部财务信息管理与决策，优化行政事业单位财务数据整合。

一、数据挖掘技术概述

数据挖掘技术是当前运用较为广泛的一种技术，通过专业工具的运用能够有效发现并探索多种数据特征，构建了一种新的数据分析方式，实现对目标数据信息的有效识别与特征研究，并对模式分布情况进行有效探索，实现对数据信息中的规则分析与提取，结合多种专业化分析，对数据发展的综合情况进行预测。在各类组织运用中能够有效判断相关经营活动中的联系，有效挖掘不同类别数据信息之间的有效联系[1]。使得决策层能够更好地掌握系统内部各项发展情况，实现对风险的及时识别，促进各项业务的有效运行，及时对系统运行中的各类情况进行综合分析，由此全面把握系统运行情况。数据挖掘技术运用中首先要求有效准备各类数据，运用算法以及判断标准依据等，实现对各类数据信息的有效分析与综合利用[2]。

二、数据挖掘技术运用流程

在行政事业单位财务分析中运用数据挖掘技术具有显著运用优势，能够有效收集行政事业单位内部各项相关基础数据资料，对大量数据构建旋转、钻取等不同的分析方式与处理技术，统一管理单位内部各个项目中的数据。该技术运用过程中要求有效优化应用流程，不断改进应用技术。确定财务分析对象，通过数据挖掘技术的运用，有效选择并确定财务分析对象，在单位内部构建适宜的财务分析方式，针对不同的项目构建不同的财务分析指标与分析工具[3]。在单位内部收集大量的财务信息，从会计信息系统以及其他信息系统中获取相关数据资料，确保各类数据信息收集的完整性与系统性。针对收集到的大量数据构建有效的整理方式，或者进行简单泛化处理，或者构建精细化处理机制。财务分析中要求不断优化各项数据选取，搜集相应的财务信息，从而选用适宜的数据挖掘技术。提取表达数据中的价值特征，以此降低数据处理工作量，同时保持数据原貌[4]。设置适宜的数据挖掘算法，使得相关数据分析工作能够自动完成。对数据挖掘得到的结果进行综合性评估，一一验证各项数据的准确性，若出现异常，及时调整数据挖掘算法，并再次进行数据挖掘与分析。将得到的数据挖掘结果运用于事业单位的决策分析之中，使决策层能够有效掌握单位内部各项数据，明晰各个项目的进展情况，以此调整决策方案，提升行政决策的科学性与有效性[5]。

三、基于信息化技术的数据挖掘的应用实践

本文研究数据挖掘技术在XX单位财务管理中的应用实践，结合不同的类别对财务数据进行统一分析与整理，建立可视化的数据分析方式。为更好展示分析方式，建立XX单位非真实的预算及支出数据参考。

（一）预算执行总体情况

1.总体概况通过数据挖掘技术的运用综合判断单位内部各项预算执行情况，对预算执行的各个类目进行有效细分，从而更好地掌握单位内部各项预算情况，由此实现对单位财务状况的整体分析。XX单位2020年当年预算为128174.11万元，截至2020年5月29日，XX单位零余额当年预算银行已下达额度为75370.96万元，累计支出为55920.68万元，预算执行进度为43.63%，未达序时进度50%。XX单位距离50%的序时进度还需支出40209.9万元。2.基本支出与项目支出概况2020年XX单位基本支出当年预算额度9270.53万元，截至到5月29日支出额度6670.64万元，预算执行41.96%，未达序时进度50%。2020年XX单位项目支出当年预算额度118903.58万元，截至到5月29日支出额度49250.04万元，预算执行41.42%，未达序时进度50%，见表1。

（二）预算执行分项情况

利用数据挖掘技术对单位内部各项预算执行情况进行综合判断与分析，优化单位内部各项财务指标分析，当前运用最为常见的方法之一为定量分析法，对单位内部预算执行的各项历史数据进行有效收集与分析，针对不同的财务指标构建相应的分析方式，由此在单位内部促进财务指标的制定与分析[6]。在当前信息技术与数据挖掘技术的运用之下，在单位各项相关指标计算中，虽然采用了同样的计算公式，但是在数据挖掘技术运用中能够对海量的信息进行有效处理，构建对信息的实时分析方式与分析工具，促进单位对不同指标的分析，使得决策层能够更好地掌握单位内部实际发展情况。1.基本支出的预算执行进度通过数据挖掘技术的运用，综合分析单位内部基本支出层面的预算执行情况，由此综合得出单位内部相关指标的财务预算执行效率。2020年XX单位基本支出当年预算共9270.53万元，截至2020年5月29日支出6670.64万元，预算执行进度为41.96%，未达序时进度50%。其中，人员经费当年预算8421.53万元，支出6318.3万元，预算执行比例为75.03%，已达序时进度。公用经费当年预算849万元，支出352.34万元，预算执行比例为41.50%，未达序时进度。2.人员经费人员经费管理是组织内部财务支出的重要构成，利用大数据技术对各项人员支持情况进行统一分析，综合判断组织内部在人员管理层面的消耗，对此构建相应的数据分析方式，通过数据挖掘，实现对海量人员支出信息的有效整理与分析[7]。2020年XX单位人员经费预算执行进度为75.03%，已达到序时进度50%。针对人员管理综合效能、管理预期以及管理目标等，对大量的人员管理信息进行有效整合，运用设定好的算法，综合分析人员管理中的相关内容，以此更好地为单位人员管理进行综合分析。通过数据挖掘算法的运用，对不同的人员经费进行分类，判断不同类目下的执行情况，由此促进决策层更好地掌握人员经费的执行情况，构建可视化的分析方式，从而实现对组织内部人员管理层面的有效内部控制。分功能分类按执行进度排序，如图1所示。3.公用经费运用数据挖掘技术，针对不同的部门进行公用经费分析，建立相应的预算执行情况可视化分析方式，分部门按执行进度排序，较为清晰地展现办公室、人事处、党办、老干办以及计财处等不同部门运行情况，使得决策层能够较为直观地掌握不同类别数据之间的关系，促进单位内部领导层的决策，由此加强单位内部财务管控[8]。

（三）项目支出的预算执行进度

1.项目支出概述利用数据挖掘技术综合分析单位内部各项支出的预算执行情况，截至2020年5月29日，XX单位行政事业类项目和基本建设类项目2020年当年预算为118903.58万元，累计支出49250.04万元，项目支出的总体预算执行比例为41.42%，未达序时进度。对项目支出的各项类别进行有效细分，按照不同的财务指标构建相应的分析方式，实现对不同类型数据的有效分析与整合，构建有效的数据统计分析方式，不同单位内部各个项目支出的有效分析[9]。其中行政事业类项目的预算执行比例为44.85%，基本建设类项目的预算执行比例为39.50%（见表2）。2.行政事业类项目行政事业类项目对事业单位各项工作开展具有基础性作用，由此全面分析单位内部行政事业类项目的财政支出情况，在信息技术的运用之下，实现各类数据进行的有效挖掘，综合分析组织内部在行政事业类单位层面的发展情况，以此更为有效地优化组织内部各项管理，更好地为核心业务的开展提供基本保障与支持。在XX单位2020年当年预算中，行政事业类项目的总体预算执行进度为44.85%，未达序时进度。一般行政事务支出，XX探测以及XX服务三个功能分类的项目执行进度为0。XX预报预测和XX法规与标准的预算执行比例分别为12.26%和16.20%，执行进度较低[10]。3.基本建设类项目气象保障工作台站建设在基本项目建设占据重要内容，属于项目建设施工的基本构成部分，在项目管理与内部控制体系中应当予以重点对待，为此要求构建对基本建设类项目的综合分析与预测。通过大数据技术有效整合基本建设类相关项目，对不同的建设项目进行有效划分，综合判断不同项目所占据的资金以及建设情况等，由此实现对不同建设项目的有效管理，将其纳入内部控制体系中的重要构成部分之中。基本建设类项目的预算执行与业务建设挂钩，项目执行的每一个节点关系着台站建设的情况。例如，山洪地质灾害防治气象保障项目执行进度11.71%，相应的台站建设完成情况及合同签订、采购情况都有关联关系，需要综合分析。

结语

大数据技术的发展为数据挖掘提供了更多的可能性与机会，在当前组织内部各项数据信息不断扩张的背景下，要求构建对海量信息的有效处理方式，数据挖掘技术的运用能够有效实现这一目的，在行政事业单位内部优化财务分析方式，结合不同的指标进行相应的数据分析，能够实时快速地处理海量气象信息，对各项财务信息数据进行统一整理与分析，建立有效的内部控制管理体系。以此更为有效地促进决策层在对行政事业单位各项信息进行全面把握的基础上做出科学合理的论断。

参考文献

[1]司桥林.基于数据挖掘的财务信息管理系统风险识别[J].微型电脑应用，2021（06）：132–135.

[2]温振丹，吴永谊，吴再丽，等.基于云计算的高校财务共享协同与决策支持系统架构研究[J].科技经济导刊，2021（17）：37–39.

[3]曹越.大数据时代企业会计工作面临的机遇与挑战分析[J].商场现代化，2021（10）：123–125.

[4]唐雪薇，佟筱枫.大数据时代审计信息化建设的实现路径探析[J].中国市场，2021（17）：195–196.

[5]崔竹.数据分析技术方法在企业审计中的创新应用[J].财会月刊，2021（07）：82–88.

[6]娄德涵，杨江海，邓海生.基于大数据Hadoop的企业财务管理系统研究[J].电子制作，2021（07）：51–53+29.

[7]汪雪松.浅谈数据挖掘技术对企业财务分析职能的拓展[J].会计师，2021（05）：11–12.

[8]刘敏.大数据环境下数据挖掘技术对审计风险的影响研究[J].市场周刊，2021（03）：120–121+132.

篇（2）

人工智能(artificialintelligence)英文简称AI，是一种通过普遍使用的计算机编程软件来模拟和呈现出模拟人类智能的科学技术。人工智能的概念最早在1956年被提出，在经过多年的研究和应用发展后，目前的人工智能已经应用在生产和生活的各个方面，例如制造企业的自动化生产线、物流行业的智能匹配配送系统等。而审计作为社会治理中重要的一环，也必然需要进入到审计智能化领域中，智能化的审计管理模式和科学化的技术手段不仅有助于实现审计的全覆盖、提升审计效率、延伸审计内涵。但在智能审计的不断发展中，由于新的审计技术带来新型风险也不断暴露，想要更好地在审计中运用人工智能技术，正确识别风险并提出相应的解决办法是必不可少的。

一、人工智能在审计中的运用情况

(一)人工智能在审计中运用的理论基础

1956年8月，人工智能在美国达特茅斯会议上被正式提出。直至近十年来，计算机和芯片行业的发展，存储条件、处理器性能的更新以及新型技术手段的出现才为人工智能领域奠定了基础。2017年，国务院办公厅正式印发的《新一代人工智能发展规划》，提出的主要面向2030年的关于推进推动我国新型下一代工业人工智能产业发展的主要战略目标之一是加快推进建立一个创新型工业国家和大力推进建设世界性的高新技术产业强国［1］。随着越来越多的行业与人工智能技术的融合，审计作为国家和社会监管的最主要途径之一，也必须与人工智能技术相适应才能更好地监管和促进各部门各企业的良性发展。人工智能技术的应用，使审计人员从重复性较强的数据计算处理、分析等工作中解脱出来，审计人员可以更好地从事其他重要工作［2］。此外，智能审计借助于人工智能技术既可以对审计的流程和模式自主学习，也能够通过实时监测及时发现异常情况并进行处理［3］。我国传统审计流程主要分为三个阶段，即审计计划阶段、审计实施阶段和审计结束阶段。在与人工智能技术相结合后，这三个阶段的模式发生了一定的改变。在审计计划阶段，人工智能技术可以帮助审计人员从多渠道，以内外部结合的方式获取信息，分析被审计单位的内外部环境、风险水平、重要性水平等因素，同时根据审计机构的人力资源数据，分析匹配最合适该项目的审计小组，确定审计范围和时间。在审计实施阶段，人工智能主要可以用于审计证据的获取和工作底稿的自动生成。除了通过直接链接被审计单位财务系统外，还可以利用数据挖掘和OCR技术等将非结构化数据转换成易分析审计证据。同时结合了人工智能的持续监测、实时数据记录和区块链技术，可以自动定时地生成审计日志，降低数据被篡改的风险。此外，还可以通过提前设置或自动抓取审计文书模板的方式，自动生成审计通知书、函证书等。在审计结束阶段，可以根据审计过程和以前的审计结论自动生成审计报告和整改方案。

(二)人工智能在审计中运用的实例分析

实际上，国际四大会计师事务所对于智能化的审计已经进行了一些探索，如德勤在2017年推出的智能财务机器人“小勤人”，随后又推出了主要面向中小会计师事务所的智能审计平台，在这个平台上审计人员可以在输入审计数据和需求之后，由平台自动分析审计风险并生成审计报告。通过对德勤公开案例的研究发现其在风险评估和选择应对措施方面遵循的还是如图1所示的基本逻辑。但在数据收集方面则基本交由“人工智能”来进行，有效地提升了工作效率。根据德勤消息，其有效地减少了审查法律合同文件，发票，财务报表和董事会会议记录的时间达50%以上。而毕马威开发的“人工智能信贷审阅工具”则更为详尽地描述了人工智能技术如何与审计过程相结合。其主要功能如图2所示。首先，利用自然语言处理技术实现信贷文本的批量秒读，和自动化快速分类。其次，识别信贷文本与相关资料中的重要信息，实现对自动化摘要处理。再次，利用深度学习模型，自动识别资料中包含的各类风险信号，提取对应的关键风险信息。随后，运用大数据技术收集整合金融机构内部和外部数据，深度挖掘风险点，进行多维度风险信息分析。最后，可视化展示内外部整合数据的风险信息，提供更直观、更具洞察力的辅助决策。总的来讲，人工智能技术在审计中运用，可以根据对各种业务类型的划分归纳，自动对所涉及的业务数据和财务数据进行了采集、初步处理、分析及实时监测，自动产生各种预测和应急预警的信息，为被审计的项目提供了线索及相关资料。这些措施有利于审计人员明确审计的重点与审计范围，科学地安排年度审计工作，将有限量的审计资源合理配置投入至公司经营业务中存在较大风险的领域，实现了审计管理工作的科学化、信息化、规范化。

二、人工智能审计带来的新型风险

大数据审计是指面对大量的数据，运用大数据技术方法和工具，开展多层次、多部门联合的数据收集、分析和验证。与传统审计相比较，大数据审计所使用的数据更多源复杂，所使用的技术方法更科学高级。而人工智能审计则是在大数据审计的基础上，将审计过程智能化和标准化，可以说大数据是人工智能审计的基础，而人工智能是大数据审计的未来提升的必然方向。而在这种发展衍生的过程中，通过分析发现会面临以下三种新型风险:

(一)数据安全风险

人工智能审计的所有构建都基于大量的数据和数据模型，所以数据安全风险既包括数据源获取是否准确与全面的风险，也包括数据泄露的风险。我国目前各地管理标准不一、信息化智能化建设水平差异较大、各地和各部门出于信息安全性考虑对大部分数据保密等情况，造成了各级审计机关之间、审计机构与被审计单位之间数据流通不畅的问题。并且在大数据时代，信息量巨大，信息结构复杂，网络中充斥着大量的虚假信息、错误信息，如果数据源出现错漏，将影响整个审计过程和审计结果。而在进行数据储存和传输的整个过程中，一旦用户的数据库和服务器遭到黑客的袭击，很有可能就会造成数据泄露。例如，成本和原材料等信息如果被外泄，该企业会在供应链的定价战略等诸多方面陷入被动的状态。

(二)人机沟通障碍风险

在审计中的人机沟通的目标就是为了使得用户和计算机软件之间能够做到尽可能方便地进行信息交换。然而目前审计机构的审计方法大多都停留在基于SQL的数据查询和基于电子表格软件的数据查询两个层面。然而这两种方法都有其无法避免的不足之处。在SQL的数据查询方法中，需要根据不同的问题特征编写较为复杂SQL语句，这对于审计人员的电脑和编程能力有很高的要求;而这种分析的结果通常以二维表格展示，当所得到的结果数据量较多时，无法直观的展示筛查结果。而在基于电子表格软件的数据查询中，大多软件无法对大量的数据进行分析，同时半结构化的数据也很难用到传统的电子表格进行分析。而当今数据量不断扩大，数据类型和结构也更加复杂，很显然电子表格软件已经无法完全满足对于大数据审计工作的需求。

(三)人工智能代替职业判断的风险

审计的职业判断，是指审计人员在对于审计准则、财务报表的编制及其职业道德操守进行熟悉和掌握的基础上，将其相关知识、技术以及实战经验进行综合应用并针对具体审计业务做出的一种有根据性地决定的判断。目前的人工智能技术运用水平下，人工智能的运行还是要依赖以往的经验判断和设定的程序语言，再通过高速的运算，最终做出类人的行为，无法取代人脑的创造性解决问题的能力和对新事物探索定义问题的能力。尤其在被审计单位或人员不配合、刻意隐瞒作假、行为言语有异常引起审计人员警惕的情况时，人工智能则完全无法对审计人员起到替代作用。在不能够保证所有被审计单位都对审计机构保持绝对信任和完全的数据共享的前提下，人工智能想要完全取代审计人员，代替审计人员的职业判断，还需要在技术和制度两方面都作出更多的努力。

三、人工智能审计新型风险的应对措施

(一)靶向数据安全风险:加密技术和“区块链+审计”

针对数据安全问题、加密及安全技术的发展。比如，基于数据仓储单元的信息安全技术、查询方凭借设定的访问授权才能对所指定的数据记录或者是数据库中的文件进行查询。伴随着大量的数据搜索收集及分析，查询方的组织属性、访问类别等信息将以“安全标签”的形式嵌入至其中的原始数据，形成唯一的新型数据单元结构。将大量的数据仓储单元安全技术综合运用于监督信息共享的平台，可以直接通过对访问授权的方式进行控制，从而有效地保证了原始数据的采集存储、流通等相关信息的完整性及其安全，使得审计过程和审计成果的应用可以变得更加高效、便捷。而区块链技术是一种基于去中心化的全新分布式记账技术，区块链的去中心化特点，减轻了存储审计数据的管理压力，降低了审计数据存储的安全风险。同时，区块链也充分利用了时间戳技术来有效保障本地客户端与远程移动终端之间的数据实时更新顺序完全相符。时间戳技术能够直接作为对区块数据“存在性”和“真实性”的事实证明，确保了应用该技术的审计系统的安全性和可靠性以及相关信息准确真实性，大大增加了审计抵御技术风险和辨别真伪能力。

(二)靶向人机沟通障碍风险:数据可视化

数据可视化的应用在很大一定程度上解决了数据分析技术难度高和分析结果不直观的问题，数据可视化主要是通过各种易于理解的手段，将复杂的数据显示出来，从而能够清晰有效地直接表达出数据中的信息，审计人员通过数据可视化就能发现隐藏在数据之下的规律。基于SQL的查询方法、基于电子表格的查询方法，以及基于数据可视化分析方法的主要优缺点如表1所示。在对交通运输、地理资源、环境保护等领域进行审计时，其业务数据包括融合了几何、像素信息的图形和影像数据。此时，数据可视化分析的优势就体现在:第一，拥有友好的人机交互功能，可以实现数据分析的操作只需系统页面的简单点击就可完成。第二，具有丰富的图像功能，有助于审计人员掌握审计要求和重点。第三，具有强大的图形分析技术，可以交互地构建和调节曲线、表面、节点等各种数学模型，可以替代一部分编程工作，提取异常的数据。

(三)靶向人工智能代替职业判断风险:机器学习与审计经验结合

机器学习是现代人工智能的一个重要组成部分，它使分析模型的建立进入自动化的程序。机器学习用模型进行数据分析，其预测是否可靠，依赖于其所输入的历史资料质量。所以，人的偏好可能影响到为了训练人工智能所需要选择的数据集、为过程所选择的计算方法和对输出进行诠释。而为了使得审计智能化和自动化，不仅要及时地搜集到所有审计的数据，还要反复进行数据处理，推导得到可以广泛应用的公式。在数据库的选择与筛选中，任何一个数据如果出现错误都有可能直接造成最终分析结论准确性的下降，但人工智能在其现有的信息化和科技水平之下，无法通过自主机器学习的方式来弥补其中这一缺陷。换句话说，目前人们只能通过培训提升审计人员的业务水平和职业道德，减少甚至消除了劣质数据的形成和产生，再通过对数据的存储分析来积累优质审计人员和专家的经验，以此来应对人工智能无法代替职业判断的风险。

参考文献:

［1］杨明增，任庆玲．现代风险导向审计模式运用及其研究［J］．中国注册会计师，2015(3):95－99+3．

［2］陈莉．加快会计师事务所信息化建设的六大任务［J］．中国注册会计师，2019(11):34－35．

［3］李强，谢汶莉．大数据审计中的可视分析［J］．中国内部审计，2016(2):79－86．

［4］宋夏云，周琬宇．大数据视角下智能审计取证模式研究［J］．中国内部审计，2018(12):71－74．

［5］许汉友，汪璐璐．智能审计本质之问［J］．商业会计，2020(23):4－8．

篇（3）

XBRL通常被译为可扩展的商业报告语言(extensible business reporting language),是一个开放式的不局限于特定操作平台的国际标准,通过它可以实现财务和商业报告数据及时、准确、高效和经济的存储、处理和交流。XBRL是在XML(可扩展的标记语言)的基础上发展起来的,是目前应用于非结构化信息处理尤其是财务报表信息处理的最新技术。它通过对财务数据进行特定的标签识别和分类,促进统一信息的财务数据在不同的计算机平台和财务信息使用者之间共享,极大地促进了财务信息数据挖掘的进行,满足了决策者对有用信息和知识的要求。

一、XBRL技术框架及特点

(一)XBRL技术框架

XBRL运用XML数据标记描述财务信息,主要由XBRL规范、XBRL分类标准、XBRL实例文档和样式表组成。XBRL规范,或称规格书、说明,是XBRL的核心和基础,它规定了XBRL的理念和原则,主要用于定义XBRL的各种专用术语,规范XBRL的文件格式,说明怎样建立XBRL;XBRL分类标准是XBRL为企业报告中的每个项目建立不同的标签,分类标准定义了各项目的属性及其之间的关系等,相当于一个行业商业信息交换的“词典”。分类标准是在技术规范的基础上,结合各个国家、行业、企业的实际情况制定的;XBRL实例文档是一个企业财务报告的实例文件,主要包含财务报告中的标签和数据。XBRL根据财务报告中标签与会计业务数据的对应,利用应用程序自动从会计业务数据库中提取数据,生成实例文档;样式表用于定义财务报告时的显示项目和格式。整个技术框架采用自下而上的层次结构(如图1所示)。

(二)XBRL特点和技术优势

作为一种以XML为基础发展起来的标记语言,XBRL继承了XML所拥有的所有语言优势,其特点和技术优势如下:

(1)无许可证限制,XBRL具有良好属性的开放式技术构架,它使任何财务信息供应链上的人都能免费、自由地在不同的软件平台上准备、获得、交换并分析财务信息。

(2)跨平台使用。由于XML文件可以跨平台使用,XBRL就具有了跨平台的优势。在不同的操作系统下,如Windows、Unix和Linux等,XBRL文件无需修改就可以直接使用。在不同的应用软件中,即使所用的数据库不同,只要转换成XBRL格式,也可以实现数据的交换。因而,通过XBRL 信息可以在不同的操作系统、数据库和应用软件之间进行传输和交换,XBRL是一种互联网上企业报告的通用语言。

(3)多种格式的输出。对同一份XBRL实例文档,采用不同的样式表,可以生成多种企业报告,所有报告的编制一次性完成,不仅降低了输入错误的风险,保证了数据的一致性,而且减少了重复输入,提高了报告的编制效率。对同一份企业报告,XBRL也可以按多种格式输出,如在浏览器上显示、转换成不同的数据格式进行传输,或打印成纸质财务报告等。

(4)搜索快速、准确。采用XBRL的方式,统一了网上的数据定义和格式,无需以人工方式找出网上的数据资料后逐一进行比较,所以XBRL在数据处理方面的效率要远远高于网络上常用的PDF、WORD、HTML格式文件,有利于网上搜寻引擎的自动搜寻和过滤工作,达到快速、准确。

二、数据挖掘技术及其在财务信息系统中的应用分析

(一)数据挖掘

随着数据库技术的广泛使用,以及计算技术和计算机性能与网络的迅速发展,人们面临着一个困难的问题,即如何从海量的数据中提取出有价值的信息。查询功能远不能满足人们的需要,数据挖掘应运而生。数据挖掘(Data Mining,DM)是从大量的、不完全的、有噪声的、模糊的和随机的数据集中识别有效的、新颖的和潜在有用的,以及最终可理解的模式的过程。

在当今瞬息万变的商业环境中,竞争的主要方式是信息的竞争,传统的事后分析型的数据分析方法被事前探索型的数据挖掘所取代。而与此同时,信息提供者之间也存在着激烈的竞争,如财务信息与非财务信息之间的竞争。XBRL技术的应用不但为财务信息提供者增加了竞争的筹码,也直接推动了财务数据挖掘的展开。

(二)财务信息系统中应用的数据挖掘策略

数据挖掘策略概括了一种解决问题的方法,即选择什么方式解决特定的问题。数据挖掘策略可以广义地分为有指导学习和无指导聚类。有指导学习是指利用已知的模型和属性来帮助我们进一步区分结构相似的对象。与有指导学习不同,无指导没有预先已知的模型和属性,所有变量均为自变量。在财务信息系统中主要应用以下几种数据挖掘策略:(1)分类,分类是用一个函数把各个数据项映射到某个预定义的类,或者说是发掘出关于该类数据的描述或者模型,重点在于建立模型,将新的实例指派给一组定义明确的类中的一个。例如:确定一项长期投资是否具有高风险;将进行赊销的客户归类为具有良好的或者不良的信用风险的客户群等。(2)估计,与分类模型类似,估计模型的目的在于确定一个未知属性的值。然而,不同于分类属性的是,对一个估计问题,其输出属性(一个或多个)是数值的而不是分类的。例如:估计一项投资的风险程度;估计当前应收账款中的坏账比例;估计筹资规模(数量)等。(3)预测,预测模型的目的在于确定未来的输出结果而不是当前的行为。通过建立表示数据中固有模式和趋势的模型,这样该模型可以用来对未来事件的结果进行预测,在财务系统中,常有的一些预测例子有:预测一项投资的未来收益;预测产品销售的价格趋势等。(4)无指导聚类,对于无指导聚类,没有因变量指导学习的过程。相反,学习规程通过使用聚类度量将实例分为两个或更多个类,来建立知识结构。无指导聚类策略的主要目标在于发现数据中的概念结构,是一种对具有共同趋势和模式的数据元组进行分组的方法。聚类经常用于搜索并且识别一个有限的种类集合或簇集合,从而描述数据。例如对客户群体分类,将目标消费群体化分为三个类:高收入、中等收入、低收入,针对不同类的客户采取不同的营销策略等。

到目前为止,大多数数据挖掘是借用人工智能的各种方法来挖掘数据中存在的知识。但是正如人工智能本身的发展现状一样,数据挖掘还不能很好的理解数据中存在的知识。XML技术的出现,不仅为互联网上的电子数据交换提供了一个标准,而且XML技术从数据的角度提供了一个更好的表示数据内容以及数据所代表意义的手段。XBRL作为XML在网络财务报告语言上的应用,则为我们理解大量的财务数据,为企业战略的建立提供有效的支持。

三、基于XBRL技术的财务信息挖掘系统架构模型

传统财务数据挖掘的一般过程主要包括财务数据源、财务数据的集成和变换、财务数据仓库、财务数据挖掘以及知识表达等几个阶段。首先将各种形式的财务数据经过集成和变换,去除冗余,转换成符合一定格式的数据,并装入财务数据仓库,而财务数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的财务数据集合,用于支持管理决策。财务数据挖掘是整个过程的核心部分,其目的是从大量的财务数据中挖掘出潜在的、有用的知识或模式。传统财务数据挖掘过程需要数据仓库的支持,而财务数据仓库的建立需要专业的技术手段,对大多数企业来讲,实现的难度很大,往往达不到预期的效果。

笔者设计的基于XBRL的财务数据挖掘过程,主要通过一个数据变换模块将各种格式的数据转换为符合XBRL规范的数据,解决了重要而繁杂的技术难题,财务数据挖掘是从具有统一XBRL描述形式的数据中挖掘出潜在的有用的知识或模式。

基于XBRL的财务数据挖掘模型如图2所示,主要包括财务数据获取模块、XBRL模式变换、财务数据挖掘以及基于XBRL的知识表达与理解四个部分。各部分之间的信息流动和数据交换都是基于XBRL进行的。

(一)财务数据获取模块

数据获取模块的主要功能是获取财务数据源,财务数据的来源可以有多种,可以是企业内部财务系统、本地外部财务系统、远程外部财务系统以及企业已经建立的诸如ERP、SCM、CRM、OA等系统和一些相关系统,这些系统数据格式千差万别,需要按照XBRL的语法格式和语义规则进行提取、转换,统一转换为XBRL模式数据。

(二)XBRL模式变换

基于XBRL的财务数据挖掘,其数据源必须是符合XBRL规范的财务数据,因此在进行财务数据挖掘之前,所有财务数据以及其他源数据都要经过处理,转换成符合XBRL规范的格式。这一过程需要通过XBRL模式变换来实现。根据数据的组织形式,XBRL模式变换模块的主要功能分为两个部分:一是对XBRL描述的财务数据源进行规范性检测;二是对非XBRL描述的财务数据进行XBRL封装。

(三)财务数据挖掘

利用多维分析工具、多维报表工具以及数据挖掘工具对数据进行综合数据查询、分析统计和生成统计图表等,通过采用分类、聚类分析、统计方法、关联规则、决策树方法、神经网络等数据挖掘方法,从大量的具有统一XBRL格式的财务数据中挖掘出潜在的、有用的知识或模式。

(四)基于XBRL的知识表达模块

知识表达模块的主要功能是对在数据挖掘模块中发现的知识进行可视化的表示,以便于非专业管理人员理解。财务数据挖掘的根本目的是从财务数据中发现有用的知识或模式,在知识的表示形式上,目前较好的且应用较多的有专家系统知识规则、决策树规则和在数据挖掘中的关联规则以及分类规则等。财务数据挖掘结果不仅要有利于人的理解,而且更主要的是要有利于计算机的理解,因此在数据挖掘完成之后,要将所得到的知识,形成符合XBRL规范的知识库。

四、结束语

XBRL在未来发展前景良好,所有企业都会向这一方向发展,所以面向XBRL数据挖掘也会得到长远发展。本文从XBRL的技术框架及特点、数据挖掘技术及其在财务系统中应用分析出发,结合传统财务数据挖掘的一般过程和XBRL技术,设计出一种基于XBRL技术的财务数据挖掘系统模型,为进一步深入研究财务数据挖掘提供了一种较好的方法。

【参考文献】

[1] 刘国英.基于XBRL的财务数据挖掘系统分析与设计[J].中国管理信息化,2008(18):12-15.

[2] 刘静.浅谈XBRL与财务信息数据挖掘[J].湖南财经高等专科学校学报,2004,20(6):53-55.

篇（4）

[DOI]10.13939/ki.zgsc.2017.12.192

1 “三化”管控体系的构建目标

物资成本“三化”管控体系，是以规范化、精益化和动态化为着眼点，围绕财务集约化“深化应用、提升功能、实时管控、精益高效”的总体要求，以“实现信息关联无壁垒、过程管控无盲点、财务风险防得住”为目标，涵盖物资成本预算、采购执行、执行结果分析在内的一套物资成本管控模式与实施解决方案。“三化”管控体的建立及应用，能实现业务与财务融合互动，做到实物管理和账务处理的联动集成，拓展财务管理的细度和精度，提高了财务在企业资源配置过程中的主动性、科学性和有序性。

2 “三化”管控体系的构建要点

2.1 规范化的构建要点

物料主数据是企业所采购、生产和存储的物料的所有信息，包括基本属性、工厂数据、存储数据三大类。基本属性包括编码、名称、计量单位等数据；工厂数据是针对特定工厂的采购组织、计划交货期等数据；存储数据是针对特定存储地点的存储时间、库存数量等数据。

2.2 精益化的构建要点

核算对象指物资成本应该归集到的部门或班组。为了保证核算的精益性，物资成本应从产生时，就在业务部门归集到最小颗粒上，例如班组。

在对物资成本进行分类时，也要做到精细，并用辅助记录核算的方式，保证可以对其进行多维度统计分析。

2.3 动态化的构建要点

要将业务部门的物资管理系统与财务部门的核算系统进行集成，从而使财务部门在未获得物资成本的纸质单据前，就能及时获取物资的成本信息，进行实时管控。

3 “三化”管控体系的构建应用

以物资成本“三化”管控体系为理论基础，建设一套“三化”管控系统，实现信息关联无壁垒、过程管控无盲点、财务风险防得住。同时为优化岗位设置和减少人工管理成本提供了依据，对同行业单位具有较强的借鉴和参考意义。

3.1 规范业务，统一标准，实现信息关联无壁垒

对物料主数据标准进行统一，实现需求方、供货方、验货方的一体化操作。通过对后勤部门的需求和对历史数据的归纳整理，形成物料主数据中类31个，主要有：食杂用品、肉类及制品、蔬菜、蛋类、厨杂用品、针棉制品、清洁用品、绿化用品、五金材料、办公用品、消防安全用品等。再根据中类，对其细分，形成小类57个。后勤部门在对物资进行验收入库时，利用“三化”管控系统，整合需求方的采购申请单信息和供应商的送货单信息，自动生成入库单。

统一物料类别标准，实现物资和财务数据自动关联。通过对财务部门和后勤部门的访谈和对物资历史明细账的梳理，建立了一套物料类别（中类）与会计科目的映射关系。财务部门在收到后勤部门传递来的业务单据时，利用“三化”管控体系，进行实时便捷的账务处理，并可进行穿透和追溯查询，实现物资明细账和总账的系统关联和账务追溯。

统一组织机构标准，实现成本费用与成本中心的自动匹配。建立部门与成本中心组、班组与成本中心的映射关系，使“三化”管控体系能自动将业务端发生的各项成本费用归集到财务端的各个成本核算单元中。

3.2 把握全局，注重细节，做到过程管控无盲点

打通物资的实物管理和价值管理的链条，实现物资成本的全过程闭环在线管控。建立物资成本的全过程管理流程，从物资成本预算编制，到预算执行，再到预算分析，分析的结果又作为预算编制作参考，实现物资成本的闭环在线管控。

成本核算对象全面、多样，实现成本的精益化管理。每项成本根据管理需求的不同，针对不同的对象进行核算，实现成本的精益化管理。例如， 采购成本的核算对象是物料； 管理成本的核算对象是各个部门或班组； 业务成本的核算对象是各个项目。

借助物资成本“三化”管控系统，优化整合了业务流程，实现了物料核算凭证的自动化预制。财务部门的工作重心从账务处理转移至到财务管理和分析上，为领导层的决策提供有力的数据服务和支撑。

系统自动平衡采购需求，实现库房物资科学供给。各库房管理员线上提报领用申请单时，系统会自动将领用需求与库存情况进行匹配。对于库存充足的，自动生成领用单，进入物资领用流程；对于库存不足的，系统会提醒库管员进行补库或生成采购申请单，进入物资采购流程。此设计能p少人工操作，降低错误率，实现库房物资的科学供给，保持合理库存。

现场移动办公，实现便捷高效的业务操作。库管员在收货现场利用移动终端调出采购需求以及供应商的供货信息，基于这些信息创建入库单，避免先手工记录再回办公室进行电脑录入的重复劳动。

3.3 线上管理，动态分析，确保财务风险防得住

实时掌握物资业务动态，确保预算在控可控。将物资信息、财务信息集成到一个系统中进行管理，可随时对物资信息进行动态查询和追溯，可及时预防、发现和纠正影响财务价值管理的违规行为。

实时监控财务指标结果，确保经营风险可控。通过在系统中实现对财务指标进行计算与统计分析功能，可随时查看财务考核指标、盈利能力指标、营运能力指标、盈亏平衡情况的可视化分析结果。

4 “三化”管控体系的应用成效

4.1 加强内控，防范风险

物资成本“三化”管控体系的建立，使各部门分工明确，各司其职，业务处理透明化、制度化和规范化，最大限度地保证成本信息的完整性和可追溯性，易于查询；同时有效实现了物资与财务的信息共享，杜绝信息孤岛现象，解决物资实物与价值管理不分离问题，强化内控执行，防范风险，同时也为后续的业务分析和辅助决策奠定基础。

4.2 优化流程，提高效率

物资成本“三化”管控体系的采用全过程的流程化管理模式，上一道工序的工作效率和工作质量直接影响到下一道工序，乃至整个工作任务的质量和实施进度。这就促使部门之间要加强沟通，相互协作，齐心协力，这样才能确保完成任务。同时，由于是流程化管理，每一个流程的管理工作，都将在系统中留下操作记录和日志，有利于考核，也有利于相互监督，提高整体工作效率。

4.3 在线监控，降低成本

运用“三化”管控系统将物资成本的管控流程加以固化，实现物资、财务业务的在线监控。物资业务动态和财务指标结果的实时反映，可提高业务处理准确性，并减少人工再整理和再确认的重复工作量，提高了工作效率，降低财务管理的人力成本。

参考文献：

[1]张玉萍.企业会计成本核算存在问题及其解决对策[J].中国市场，2013（33）：140-141，144.

[2]高萍.论作业成本法在精细化成本管理中的应用[J].中国市场，2014（14）：21-22，30.

[3]唐菁.电力企业精益化成本管理浅析[J].财经界：学术版，2015（22）：46.

[4]王磊，雷亮.物资管理与ERP深化应用助力企业实现成本管控[J].中国管理信息化，2016（8）：56.

[5]顾伟明.有效管控对企业物资供应及成本的影响分析[J].经营管理者，2014（13）：207.

[6]郭金玮.浅谈施工企业如何从物资管控中实现效益的“开源”与“节流”[J].甘肃科技，2016（21）：67-69.

[7]赵朝府.企业物资采购成本管理及控制研究[J].科技经济市场，2016（5）：68-69.

篇（5）

关键词：商业智能 财务管理 OLAP

引言

在信息缺乏的时代，企业管理层更多依靠个人经验和智慧进行管理，制订决策。随着计算机技术、互联网技术等现代信息技术广泛应用于企业管理，使企业管理的效率及劳动生产率都得到了极大的提高。在这样一个信息时代，企业管理者面对的数据和信息都有了海量的增长，而“无知”则会成为现代企业管理与决策的最大威协。据IBM估计，全球每天在线的数据为2EB，而在脱机的媒体中数据则是在线的30倍之多。这无疑将对企业搜集、管理、分析整理数据，以提供它们进行管理所需要的必要信息进而快速做出正确的决策方面增加新的难度。

如何帮助企业管理层在最短的时间内面对海量的数据做出最为快速和科学合理的反应和处理，以提高企业管理者的决策水平，从而获得新的竞争优势，将显得尤为迫切和重要。而商业智能技术的应用极大地方便了企业管理者高效利用数据，真正实现以数据分析和处理的智能化决策，为企业的智能化财务管理提供强有力的支持。

商业智能技术应用于企业财务管理的战略意义

（一）企业实现战略目标的内在需求

战略目标是对企业战略经营活动预期取得的主要成果的期望值。战略目标的设定，同时也是企业宗旨的展开和具体化，是企业宗旨中确认的企业经营目的、社会使命的进一步阐明和界定，也是企业在既定的领域展开战略经营活动所要达到的水平的具体规定。

随着计算机技术 、通信技术、网络技术的发展与应用，账务信息化建设取得了一定的成效，信息化的层次在不断演进，第一个阶段是单一部门的信息化，其应用效果主要是单项工作的自动化，这个阶段的财务软件属于记账型财务软件；第二个阶段是跨部门的信息化，这一阶段对应的财务软件是核算型财务软件；第三个阶段是企业级的信息化，这一阶段强调企业整体动作能力的提升，对应的财务软件是管理型财务软件。

随着信息化向纵深方向发展企业的战略目标与财务信息系统目标能更好的整合，企业的业务流程更趋合理，提高企业管理人员的工作效率，整合优化企业资源的配置，从而达到加强企业内部控制实现的目的，对企业长期战略目标的实现具有积极的作用。财务管理信息化建设能够促进企业财务管理水平的提升，改进管理模式以适应财务信息化的要求，商业智能技术能够实现财务管理数据深层次描述和指标分析 ，挖掘出财务数据中深层次的信息并发现企业所存在的问题，使财务数据得到有效地利用。

（二）提高企业财务运营分析的质量

随着信息化的全面展开，各组织基本实现了管理的现代化、智能化、一体化。信息化的层次从MRP、MRPII、ERP到CRM，每一次变革都极大地推动了企业信息化的升级和企业管理水平的提高。组织实施了财务信息化之后，在组织内部财务数据的准确、可靠、真实地以电子形式存储在有关文件之中，这些数据不但可以进行数据之间的运算处理，而且具有数据统一性、完整性、安全性的特征。对外报送的数据多数是以报表为主，获取容易，通过利用商业智能技术对组织内部数据及相关企业的有关数据进行全面分析，加强组织内部资源的优化配置，优化经营决策的制定，控制利润目标以及经营成本费用，企业财务信息的统一标准化收集和处理，进而提升组织财务管理效率和财务运营分析质量。

（三）对于促进企业提高经济效益有现实意义

传统的财务管理系统可以分为三个层次：财务战略管理、财务业务管理和财务业务作业管理。其中，财务战略管理是企业财务资源，建立并维持整个企业财务运营秩序，从宏观层次规划企业财务的发展方向及路径；财务业务管理层是对企业的财务资源、计划等进行管理；财务作业管理层是直接帮助员工处理具体的财务业务数据。商业智能并不是完全传统的管理职能，而是以智能化的方式对现有的管理模式进行改造，其主要目的是将人工智能和技术因素进行高效和智能整合，使企业变得更加“聪明”。

商业智能虽不能给企业带来直接的经济效益，但是它可以为企业带来经过科学武装的管理思维，提高决策的准确性和及时性、并能及时发现问题，这些都是企业提升经济效益的基础和关键。

商业智能的内涵及基本思想

商业智能（Business Intelligence）自1996年首次提出以来，其内涵也随着商业理论、计算机技术的发展而不断更新。目前通常认为，商业智能是指利用已有的数据资源做出更好的商业决策，也就是说从数据中提取有效的信息，从信息中及时地发现知识，为人类的思维决策和战略发展服务，尽量减少管理决策中“凭经验、拍脑袋”的风险和隐患。

商业智能作为跨学科的新兴领域，它是现代化的信息技术与新兴的管理理论、管理方法结合的产物，在技术方面，普遍认为商业智能的技术体系主要有数据仓库（Data Warehouse，DW）、在线分析处理（On-line Analysis Process，OLAP）以及数据挖掘（Data Mining，DM）三部分组成，首先数据仓库是BI的数据存储技术，是面向主题的、集成的、随时间变化的稳定数据集，支持管理决策过程。它能够帮助企业以一种合理的方式整理各个业务处理系统积累下来的历史数据，并在整个企业内部实现信息共享。其次在线分析处理技术OLAP（Onlineanalytical Processing）是一种数据分析技术，侧重于对分析人员和高层管理人员的决策支持。它是让管理者对海量数据进行浏览分析的工具。最后数据挖掘技术（data Mining ，DM）是应用一系列技术从大型数据库或数据仓库的数据中提取人们感兴趣的信息和知识，目的是帮助决策者发现数据潜在的关系，寻找经营者忽略的要素。因此从技术层面上讲，商业智能不是新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用，所以商业智能也可看成是一种信息化解决方案。

商业智能技术在财务管理中的应用

（一）商业智能技术与财务管理系统结合的优势

账务管理的发展经历了财务手工管理、财务信息管理和财务智能管理三个阶段，其中财务手工管理的时间比较长，财务信息管理方兴未艾，财务智能管理崭露头角。财务手工管理主要是有关人员依靠自己的经验和直觉进行推断或假设最后作出决策，依靠经验和直觉办事，具有一定的片面性，对未来只能进行假设和推断，容易形成名人效应和品牌优势，但难以应对复杂的环境。

财务信息管理阶段是管理层利用信息技术（计算机及其辅助工具）对数据进行采集、筛选、提炼、统计、汇总。工作效率高，数据处理能力强，具有一定的科学性、客观性和可靠性。但该阶段只提供财务管理处理结果反馈，对信息的发掘不深，只见过去和现在，不见未来，提高工作效率的对象仅限于管理层和执行层。财务智能管理阶段通过人工智能与计算机的有机协调，利用业务知识和信息技术分析、集成信息，获得相关知识；提供预测数据；实现人工智能化科学化、机器智能化和企业智能化。这个阶段获取的信息具有整体性、深刻性、科学性、灵活性、预见性、敏锐性等特点。

智能财务管理是建立在财务信息管理基础上的，具有客观性、科学性，能进行快速、综合的分析，获得的信息容易共享，能形成明确的财务管理模型，对未来的预测具有可靠性。智能财务管理能利用业务知识和信息技术对信息、企业过去的行为和企业的发展情境进行分析集成（而不是简单的统计、汇总），挖掘出潜在的规律，将信息转化为有用的知识。这是智能财务管理优越的关键所在。

智能财务管理包含财务管理所有知识，它将财务管理所有相关数据存储在数据仓库中，能明白过去（活用历史数据）、清晰现在（进行实时管理）、洞察未来（预测数据），给财务高层决策者全面直观的视图，把企业积累的财务业务数据真正转变为有价值的信息。

（二）智能财务管理系统

首先，智能分析型财务管理系统的主要功能是支持数据仓库的应用，能实现OLAP智能数据的挖掘分析，包括更细致的财务报表，支持进行财务状况的结构分析、财务状况的比较分析、财务状况的趋势分析、损益结构的分析、损益比较的分析、损益趋势的分析、现金流量结构的分析、现金流量比较的分析、现金流量趋势的分析等主要财务指标的分析功能。将一改传统财务软件只重视管理反馈，忽视数据挖掘与分析，将企业过去长期被忽略的多种形式的历史数据进行深度挖掘、清洗和整理，能对企业财务和经营管理数据进行多维、多点的在线分析，生成智能化立体透视的分析图表，能够对财务数据进行智能分析、预测和报告，并将这些分析和预测的结果形成报告提交给企业决策者。它强调快速准确的财务控制与分析，以实现经营决策支持为主要目的。

其次，商业智能技术应用于企业财务管理形成财务软件，可将企业要考核的指标进行量化，通过智能化分析实现管理指标的可视化直观显示、集中的显示出财务目标和非财务目标之间的平衡，使长远目标和当前行动能协调一致，从而能辅助企业提高管理水平。报表是企业用于提示管理问题的有效工具之一，但是传统意义上的报表往往基于二维空间的书面性，形成一份会计报告耗费大量的时间和人力。当收到财务报表时为时已晚，流动性太差，商业智能技术运用于财务管理则提高了传统报表的效率，有利于中深层次的问题的在线分析，同时在需要的时候可以挖掘细节；还可以提供从不同角度分析数据的能力，促进了分析的效率。

最后，商业智能技术应用于财务管理是一种企业信息集成解决方案，与企业其他的应用系统，如企业资源规划（ERP）、客户关系管理（CRM）、供应链管理（SCM）、办公自动化（OA）等系统之间均具有数据接口。同时，这些系统也为商业智能提供了数据源，但智能财务的价值又在这些系统之上，因为智能财务可以发现数据背后隐藏的商机或威胁，获得洞察力，帮助了解企业和市场的现状，把握趋势，识别异常情况，认清可能正在对企业的业务产生影响的行为及影响程度。

总之，随着计算机技术、通信技术、互联网技术及数据库技术的发展，传统的核算及管理层的会计信息系统会不断完善，企业积累的原始数据会越来越多，企业会形成更大规模的数据库和数据仓库。将商业智能技术应用于企业财务管理系统，有利于从数据仓库中的海量数据筛选出有用的数据，完成转换处理，为决策者提供有价值的信息，使管理者能够从多维度全面快速把握企业整个盈利状况，进而提高企业财务管理的工作效率。

参考文献：

篇（6）

一、引言

对于上市公司多指标财务分析，数值方法给出的结果往往缺乏整体性印象，而图形化方法则具有明显的直观优势，借助计算机编程和多元统计分析理论，图形不仅可以帮助观察多维数据的本质，更可以通过多元图形本身的信息来反映公司财务的综合状况。用于上市公司多指标财务分析与评价的常用多元图形化方法有：二维散布图、雷达图、脸谱图、星座图及像素图等，舒晓惠等（2006）提出了一种新的图形化方法：树谱图。基于可视化目标的多元图形方法主要来看分为两个层次，一是直观反映上市公司财务的各指标状况，例如，二维散布图、雷达图、星座图；二是图形本身所具有的信息可以形象反映财务状况的优劣，例如，脸谱图和树谱图等。目前，国内文献主要集中在研究雷达图在财务分析评价与预警中的应用，主要有王强（2000），舒晓惠等（2005），付（2007）与金晓燕（2010）；脸谱图则最初是由Chernoff（1973）提出来，Wainer and Thissen（1981）以及 Smith与Taffler（1984）将其应用于公司财务分析，国内则仅有舒晓惠等（2006）将其用于上市公司财务评价，实证研究表明，在进行上市公司财务分析时，通过雷达图向普通股民传达公司信息时缺乏综合形象性，而脸谱图的应用则有明显的优势。上述研究都是对上市公司财务状况展开静态分析，并没有动态跟踪一段时期内上市公司的财务状况，同时，以往文献都没有明确提出可以将综合评价方法与Chernoff脸谱图相结合的思想来实现利用脸谱的表情综合评价上市公司财务状况。基于此，本文应用Chernoff脸谱图的基本思想，结合综合评价方法对所构建的上市公司财务评价指标体系通过主成分分析方法进行降维后，利用舒晓惠（2006）的方法通过计算机实现了上市公司财务绩效的可视化脸谱图，并对深、沪两市钢铁行业30家上市公司2003年至2007年财务状况进行了动态跟踪，结果表明，脸谱图不仅能够形象反映上市公司的财务状况，而且可以很好地动态反映不同时期财务状况的变化情况。

二、研究设计

（一）基本原理 Chernoff 脸最初设计可处理18 个变量，当变量数小于18 时，可将脸谱中某几个部位固定；当变量数超过18 时则可以设法在脸谱中再添加一些部位，如头发、耳朵等。Chernoff 脸最初认为主要可以用于对研究对象进行分组：由原始材料和直觉提出的最初的分组；由聚类算法产生的最终的分组。进一步研究表明，利用Chernoff 脸除了可以进行辅助聚类分析外，也可以通过已经得到的聚类结果对新的结果进行辅助判别分析。显然，将上市公司相关财务指标数值与脸谱的相关部位进行对应即可实现利用Chernoff脸对上市公司的财务状况进行辅助聚类分析和辅助判别分析。考虑人脸表情的复杂性，当处理的变量过多时，脸谱所表示的人的各种表情则不容易合理用于综合评价上市公司的财务状况，例如通过嘴的微笑，眉毛舒展等来反映相关财务状况良好，显然这些表情具有很好的直观效果。因此，用Chernoff 脸谱图综合反映上市公司的财务状况，除了实现第一层次的财务指标值与脸谱的各部位对应外，还需考虑第二层次脸的表情所表达的财务状况，从而能够达到直观形象的目的。为实现这一思想，本文提出可以通过构建上市公司财务状况的综合评价财务指标体系，应用综合评价方法进行财务指标数据的预处理和主成分分析，并在此基础上通过以行业财务指标平均值为阈值进行映射转换，将相关综合评价的数值转换为Chernoff 脸谱图，从而实现脸谱图形自身的表情，即达到可用于评价上市公司综合财务状况的目的。也即Chernoff 脸谱图相关表情需通过综合评价方法来合理加以实现。

（二）上市公司财务状况Chernoff 脸谱图设计 对于上市公司财务状况的综合评价，已经有众多的学者展开研究，结果表明，传统产业与高新技术产业上市公司的评价指标体系具有一定的差异，本文主要以传统产业为研究对象，参照1999年财政部、国家经贸委、人事部和国家计委联合的《国有资本金效益评价规则》中公布的竞争性工商企业评价指标体系，按盈利能力、偿债能力、资产运营能力和成长能力四个方面11个财务指标给出权重如（表1）所示。一般认为，脸部的各部位形态及表情可以给人初步明确的信息，比如嘴形的笑意，眉心是否舒展，眼睛是否炯炯有神，鼻子长短表明气息是否粗壮，脸形是否圆润等，这些脸部的形态和表情所传达的信息好坏显然给人的感受基本是一致的。注意到人眼对脸部各个部位的敏感程度不同，按权重的重要程度与敏感程度相对应，本文选取脸谱指标与财务指标对应如下：嘴部指标对应盈利能力指标，眼部指标对应偿债能力指标，鼻子眉毛指标对应资产运营能力指标，下部脸形指标对应成长能力指标。具体实现则首先对各财务比率指标值进行一致化和无量纲化处理后，再利用主成分分析法对各类财务指标进行降维，在与Chernoff 脸谱的18个变量相关对应中，按（表2）选取相对应的指标，其余Chernoff 脸谱的指标值则取某一固定值。脸谱图的优点是不仅将财务数据通过图形化直观表示，而且可以利用人的自然表情来传达上市公司的财务状况，作为一个对应的联系，本文以行业平均值作为人脸表情改变的阀值，各财务指标值较行业平均值超过越多则表情越开心，其示意图如（图1）。由（图1）以行业均值为阀值，图1-a从脸部形态看不喜不悲，各指标均为平常形态表情，表明财务状况基本正常; 图1-b从脸部形态看嘴带笑意，目光炯炯有神，眉心舒展，鼻长气粗，脸形圆润，呈现良好形态，表明各财务指标状况良好；图1-c从脸部形态看则显得愁眉苦脸，脸形削瘦，表明各财务指标出现一定的危机。

三、动态跟踪分析

（一）数据预处理 本文以钢铁行业为例，选取深、沪两市钢铁行业30家上市公司，按前述11个财务指标从RESSET金融数据库中得2003年至2007年共5年的年度财务数据总计1650个财务指标值。按照将上市公司财务绩效的综合评价方法与Chernoff 脸谱相对应的思路，按如下方法展开实证分析。首先进行数据预处理。第一，极端值处理：按3?滓原则剔除财务指标值中的极端值，在其后的处理中再对剔除的相关指标值进行相应取值。第二，进行一致化处理，将各财务指标化为正向型指标。在所选取的上述指标中，有正向性指标和适度性指标两类，其中资产负债比率X4、流动比率X5、速动比率X6为适度性指标。因此有必要进行一致化处理，使之都为正向性指标。按照国际惯例注意到资产负债比率、流动比率、速动比率的适度值分别为50%、200%、100%，设xij为第j个上市公司的第个财务指标值［L1j，L2j］为最优适度区间，则可利用如下公式（1）进行变换：

x'ij=1.0-■ xij

注：适度区间为一点时，取L1j=L2j；Mj，mj分别为xij的允许上下界。

第三，采用极值法对各财务指标进行无量纲化。进行无量纲化处理的方法一般有：“标准化”处理法、极值处理法和功效系数法，本文目的是建立各类财务指标的主成分与脸谱相关指标数据的联系，因此采用极值处理法，利用如下公式（2）进行无量纲处理（对于剔除的极端值，这里都赋为最大值1.0）：x'ij=■ （2）

这里，Mj=■｛xij｝，mj=■｛xij｝为保证动态跟踪的可比性，本文将Mj和mj固定为2003年度各财务指标数据的极值。第四，按盈利能力、偿债能力、运营能力和成长能力对各类指标提取主成分，利用SAS软件分别对财务指标盈利能力方面、偿债能力和运营能力方面各提取两个主成分，对成长能力方面求出主成分综合得分，即求得指标值。第五，确定各类指标的主成分与脸谱指标的对应关系。脸谱的特点就是通过人的自然表情来反映上市公司的财务状况，本文以行业平均值作为脸谱表情不悲不喜对应的中间值。设主成分值zij∈［x1j，x2j］，x0j为行业平均值对应的主成分值；脸谱指标值yj∈［y1j，y2j］，y0j为脸谱表情不悲不喜的取值，则按下式（3）做变换：

yj=■（y0j-y1j）+y1j x1j?燮zij?燮x0j y0j zij=x0j■（y2j-y0j）+y0j x0j?燮zij?燮x2j （3）

这里为保证动态跟踪的可比性，本文以2003年度30家钢铁行业的平均值做为基期的定基值，各年度的各上市公司指标值均与该相应平均值按式（3）进行变换，从而利用式（3）即可计算出各上市公司对应的脸谱指标数值。

（二）上市公司财务绩效脸谱图 运用Bland C++编程画出所有30家钢铁行业上市公司2003年至2007年的脸谱图。为方便起见，这里报告2003年度30家钢铁行业上市公司财务综合状况的脸谱图如（图2）。利用上述分析结果，则可以展开利用Chernoff 脸谱对上市公司财务绩效状况的静态和动态两方面的分析。

（1）Chernoff脸谱静态聚类分析。对于上市公司财务状况的多元图形分析，其第一层的意义乃是可以进行最初的聚类分析，以2003年钢铁行业30家上市公司为例，按照对脸谱图的最初印象，可以将图形结果分为六类，具体见（图3）。显然通过聚类，可以清楚地将上市公司的财务状况做一个大致的分类，而如此分类的方式相对于利用多元统计分析得到的聚类结果，其具有多指标聚类的性质，这一点是数据分析结果较难企及的。利用分类结果，进一步按照脸谱图本身所具有表性等形象反映上市公司财务状况的第二层次的功能，可以明显发现，（图3）中的第一类和第二类上市公司，其财务状况综合看较为良好，各项指标均基本正常。第三类公司则显著特点是嘴形较大，笑意明显，表明这三家公司的盈利能力良好，但从眉心来看都不舒展，表明公司的资本运营能力存在一定程度的欠缺。第四类和第五类公司分类则脸部表情较为怪异，说明财务指标数据反映的综合状况较为复杂，比如眼睛的斜率不好但较大，反映了一个相互矛盾的偿债能力指标，这也表明使用脸谱图，当指标值良莠参半时，其表性则较为古怪。第六类公司则是明显地脸形偏、愁眉苦脸，这也清楚地表明这类公司的财务状况比较糟糕。最后，利用脸谱图还可以对相近资产的上市公司进行对比分析，例如，取总资产相近的000825以及000629，由（图2），上市公司 000825给人的第一印象明显要好于000629；进一步按六个脸谱指标逐对照，000825的脸谱图除嘴形的宽度不如000629外，其余都好于或相近于000629，说明000825除盈利能力较弱于000629 外，其余均较优于000629。此外，000629 的脸谱图面有愁容，财务状况具有危机。

（2）Chernoff脸谱动态跟踪分析。应用SAS软件对钢铁行业上市公司2003至2007年各年度数据首先按盈利能力、偿债能力、运营能力和成长能力进行主成分分析，结果表明各年度的两主成分累积贡献率均超过85%，进一步以2003年钢铁行业平均值为基期值转化为脸谱图，本文展开如下两主面的动态跟踪比较。第一，对整个上市公司财务状况的脸谱图动态跟踪分析。应用脸谱图考察整个钢铁行业财务指标四个方面综合能力平均水平的变化，以2003年钢铁行业平均值为基期对比值，对5年间的钢铁行业各财务指标按四个方面分别提取主成分后其行业平均水平的脸谱图见（图4），实证数据分析表明：由脸谱图的嘴部表明，整个钢铁行业的盈利能力出现一定程度的下降，特别是盈利能力第二主成分即嘴形的宽度减少。而第二主成分主要与主营业务的盈利能力有关，表明整个钢铁行业相对于2003年其主营业务利润率有所下降，其中一个主要原因是铁矿石价格不断攀升导致。由脸谱图的眼部表明，整个钢铁行业的偿债能力也渐次下降，2005年后基本稳定相差不大。由脸谱图的眉毛和鼻子的形态表明，整个钢铁行业的运营能力喜忧参半，总体来说有所降低；第一主成分对应的眉心并不舒展，但第二主成分对应的鼻子长度增加，这主要是由于各上市分司运营能力指标数据参差不齐导致。由脸谱图的下脸形态表明，2004年与2005年整个钢铁行业的成长能力有所下降，但2006年后则有所增强，这主要与近年来钢铁行业在受外部铁矿石价格因素的影响整个行业进行了一定的整合重组，使得强者愈强以提高行业的整体竞争力。上述图形分析与我国钢铁行业的5 年来的发展情况基本吻合，这表明脸谱图可以动态反映行业的发展状况。第二，对单个上市公司财务状况的脸谱图进行动态跟踪分析。简单起见，本文对钢铁行业龙头企业宝钢股份，财务状况变化较为明显的宝钢股份、韶钢松山与鞍钢新扎等上市公司展开分析，其相应各年度脸谱图的结果如（图5）。由（图5），以2003年钢铁行业平均值为基期对比值，实证数据分析表明：宝钢股份总体来看，各项指标表明其财务状况基本呈现下降趋势，仅2005年下脸形态表明有一次较明显的成长，而鼻子长度增加表明运营能力有所加强，这与宝钢因为铁矿石价格上涨压缩盈利空间和在此原因下的规模扩张有关。韶钢松山则在2003年各项指标均表明其财务状况良好，其主要受益于广东省的经济建设迅速发展，然而在铁矿石价格上涨的压力下，中等规模技术含量相对落后的钢铁企业受到的冲击更大，其脸谱图表明大部分财务指标状况出现不同程度的恶化，而鼻子长度增加表明公司加强了内部运营能力，2007年下脸形态表明有一次较明显的成长。鞍钢新扎的脸谱图则表明，受益于本地的铁矿石资源，除偿债能力外，公司其他各项指标表明其财务状况基本呈现良好趋势，而偿债能力即眼睛变小表明公司在发展过程中充分利用了财务的杠杆作用，同时增加了财务风险。2006年与2007年公司成长明显，盈利能力也明显增强。由上述分析可见，脸谱图对于单个上市公司的财务状况能够进行跟踪反映，并且能通过脸谱的表情综合反映企业财务状况的动态变化。

四、结论

对于上市公司财务绩效的图形化分析，由于其直观形象与综合性，可以为使用者提供简单明了又全面的公司财务状况的初步印象。这为广大中小投资者了解上市公司基本财务状况提供了一种有效途径，从而避免了对大量财务数据的整理分析，使得更多的普通投资者也可以解读公司的基本状况。运用脸谱图分析上市公司的财务状况，可以从脸的形状和表情来直观反映公司的情况，更贴切地实现了上述图形化的特点，因此具有广泛的实用价值。在静态分析的基础上进一步展开了上市公司财务状况脸谱图的动态跟踪研究，以钢铁行业为例实证分析发现，脸谱图既能对整个钢铁行业的综合财务状况进行有效跟踪，也能对单个上市公司的财务状况进行动态跟踪，其脸谱图能够很好地反映上市公司在不同时期各财务指标的动态变化，从而更好地帮助投资者了解上市公司财务的历史信息，进行对比分析。由此可见，脸谱图不仅可以作为聚类分析和判别分析的辅助手段，也可以进一步作为综合评价和动态跟踪方法展开应用。研究过程中也发现应用脸谱图进行上市公司财务状况评价和动态跟踪需要进一步探讨的问题：基期参照财务指标值的设定，本文使用的是2003年钢铁行业财务指标的平均值作为阈值，其参考点是否合理仍可进一步商榷。进行无量纲化的方法的选择，不同的方法实证结果会有一定的出入。脸谱图的表情处理问题需进一步改善。在进行将预处理后的财务指标数据对应到各脸谱图的数值转换映射时，对于灵敏度的处理需进一步改善，以保证脸谱图的表情能够更准确地反映上市公司财务状况。

*本文湖南省教育厅科研项目“上市公司财务绩效评价方法与多元图形化研究”（编号：06C644）以及怀化学院重点学科金融学建设项目阶段性成果

参考文献：

［1］［美］Richard A.Johnson & Dean W.Wichern著、陆璇译：《多元统计分析》，清华大学出版社2001年版。

［2］王强：《“银行风险雷达图”在我国商业银行风险监测中的应用》，《上海金融》2000年第5期。

［3］舒晓惠等：《上市公司财务的树谱分析及实证研究》，《金融经济》2006年第2期。

篇（7）

一、大数据时代国库统计分析转变

（一）树立大数据思维

“大数据时代预言家”维克托认为：世界的本质就是数据，大数据将开启一次重大的时代转型，一直以来所延续的传统统计分析思想已变得陈旧且落后。国库统计分析思维应当在大数据背景下加以转变。一是关于大数据抽样调查工作的思想。抽样调查是目前统计分析工作中的重要调查方式，但应该清醒地认识到，传感器、网络和数据处理技术，为获取全局数据提供了可能，抽样调查方式越来越多的被大数据取代成为必然。二是大数据统计思想：允许数据存在不精确性。纵观目前的各类数据，一方面，数据来源不断扩展，另一方面数据处理方法飞速发展，我们应该把重心放在统计分析效率上，而不是一味地追求数据的精确性上。三是大数据相关关系的思想，由验证因果向寻求关联转变。统计分析报告是统计工作的下游产品，对决策的意义常常大于常规报表。大数据的应用，统计分析也将发生转变，在做好因果分析的基础上向寻求关联转变，原因分析更加精准和深刻，对策建议更具参考价值。

（二）被动统计到主动分析，从人工统计到智能统计

在这样一个信息爆炸的大数据时代，无论政府机构还是社会公众都可以通过多种途径获取信息，国库统计分析部门也不例外，更应该变被动为主动，对经济转型期的一些重大问题尤其是关系到可持续发展的重要问题，做好数据统计分析，提高发展质量，实现经济转型。涂子沛指出人类使用数据的巅峰形式，是通过数据赋予机器“智能”。大数据在包括国库统计分析中应用的终极形式就是分析智能化。

（三）从事后统计向事前预测转变

统计分析报告是统计工作的重要产品，完整的进度性常规分析应该包括对未来一定时期数据的预测。但由于小数据和信息量的局限，预测一般很少作为报告的重点，多是在假定发展条件、相关政策不变的情况下对未来情况做出的粗略研判，影响了统计对决策的参考价值。而大数据的核心就是将数学算法与海量的数据有效结合，来预测事情发生的可能性。大数据的广泛应用，将有利于统计报告实现由单一的事后分析，向注重事前预测转变。

二、大数据在国库统计分析全流程应用的探讨

当前，大数据浪潮带来了一场新的革命，面对经济发展的新形势新要求，国库统计分析要学会积极的运用大数据的思想和方法，来应对各种新挑战。国库统计分析要积极主动建立大数据分析应用机制，破解新常态下面对的各种问题，实现工作的创新与发展。本文重点分析国库统计分析全流程下大数据的应用。

（一）数据源：建立国库统计分析数据池

目前国库统计分析所用数据主要通过“3T”系统产生基础数据和监管类数据，通过收集各类型政策文件、影像资料、领导讲话、内网信息等形成综合性数据。但这些数据远未达到支撑大数据统计分析的基础。国库统计分析应当建立“数据池”这一基础工程，通过人行内部数据整合、银行和其它机构数据接入、互联网数据抓取和引入等多渠道扩充基础信息源和数据库，为国库统计分析的大数据应用奠定数据基础。

一是加速整合现有国库数据。我国国库汇集了各级政府财务数据和各级国库管理数据，包括从中央到县乡的各级机构化和非结构化数据，也包括税务、海关、财政、银行等部门处理的各类收支退存等国库资金运行数据，涵盖面极广。但现有数据资源存在着部门隶属、无法共享等问题，大数据要求建立统一、高效、共享的国库业务大数据池，就必须打破现有藩篱，尽早实施“国家金库工程”，完善内部数据源。

二是扩大国库统计分析数据源。最重要的是打通各级政府及其下属各部门之间的数据传输通道，实现政府办公、工商行政、招商引资、外贸出口、仲裁诉讼等政府活动所产生的数据接入共享。其次是实现一行三会、商业银行、行业协会、企业实体等生产运营数据的持续传输和报送。最后是互联网数据，互联网是大数据的重要载体，也是数据收集的快捷途径，通过各类互联网平台，门户以及行业网站，可以收集海量数据来增加国库统计分析领域数据采集的前置性和时效性。

（二）数据采集与存储：软件与硬件结合

大数据的应用中，由于数据来源非常广泛且类型多样化，需要存储和分析挖掘的数据量也是十分庞大的，因此数据展现和处理的高效性以及可用性十分重要。因而，大数据的收集和存储应当通过先进的计算机技术自动实现，并结合线下需求采取人工收集等传统方法，以补足系统无法收集的数据的遗漏。国库统计分析数据的采集应当在国库大数据资源池基础上，通过构建云计算应用平台，统筹整合各直属国库大量分散的数据和软硬件资源，通过应用云计算平台的资源和功能，以提升和优化整体效能，从而实现全国国库统计分析的大集成、大整合以及大应用。对于其他横向联网数据，比如一些保密性较强的科学研究数据和企业生产经营数据，则可以与研究机构和企业建立合作关系，使用特定系统接口等相关方式采集数据。

在数据存储方面，在通过完善的物理存储技术和云计算平台等软硬件设施的基础上，按国库统计层级建立分级仓储式数据中心，以人行总行为总库，各项业务与非业务数据达到汇总存储，各级行通过内部接口或云计算平台实现数据上传下载，同时本级行建立分中心数据存储仓，采集本级区域内纵向和横向数据并存储。同时按照保密和信息安全等要求，实施分级授权和设置防火墙、实时加密存储数据和卷标存储加密等技术。

（三）数据清洗与结构化处理

国库海量的、不规则的数据无法提供有效决策支持，只有通过数据清洗技术将大数据转变为结构化和规则化的数据，才能体现大数据价值。数据清洗包括检查数据一致性，处理无效值和缺失值等，是发现并纠正数据文件中可识别的错误的最后一道程序。经过数据清洗技术处理残缺数据、错误数据和重复数据后将有效数据写入数据库。

在国库大数据统计分析上，通过数学知识（概率、统计、离散化等）建立合理模型，充分利用和挖掘数据内容。综合运用开源类和非开源类数据分析工具包括R、Python、MATLAB、SPSS、EVIEWS等软件进行数据分析。具体实现统计分析、数据挖掘和模型预测等功能，并以可视化的结果予以呈现。统计分析包含假设检验、差异分析、相关分析、方差分析、回归分析、logistic回归分析、因子分析、聚类分析、主成分分析、判别分析、bootstrap技术等。数据挖掘包含相关性分组或关联规则、聚类、描述和可视化、复杂数据类型挖掘等。模型预测包含预测模型、机器学习、建模仿真等。

在统计分析过程中，国库统计分析应该重点实现云应用的创新与共享。统计人员可以根据业务的新要求，在云平台数据开放接口的基础上，自由构建合理的数学模型和算法，实现业务应用的创新和扩展。与此同时，以算法的方式将统计人员的智力成果和业务知识固化，当经验证为可信任应用时，可自动进入云平台的应用共享库，在得到授权的前提下，自由使用或补充完善，实现知识固化、资源共享。

（四）国库运行智能化统计分析

在云应用平台上，国库统计分析首先要将日、旬、月和年作为数据的时间维度，将国库收入、国库支出以及国库库存等统计指标作为数据的为空间维度，利用云计算的强大能力，并借助数据分析展示工具，预先计算处理数据。或者根据用户事先提交的数据挖掘需求自动完成相关数据预处理。统计分析人员随时可以从两个维度上深度挖掘数据，并使用QLikView等数据分析工具，实现统计大数据的多维度、可视化展示。

二是实现常规统计分析的智能化生产。可以通过完善和丰富大数据应用平台的分析功能，实现机器式的学习，输入必要的参数后，系统将自动计算数据，并关联提取大数据池中的相关数据和信息，进而依据特定的模板输出分析报告，最后由分析人员对输出的分析报告进行质量把关和进一步的补充完善。

三是构建统计分析数据模型，提高预警预测水平。不断进行新的分析预测数学模型的探索和构建，充分利用国库统计大数据平台上的海量数据和动态实时数据，不断提高预测水平。

（五）数据展示与反馈

以智能化统计分析为主的大数据应用技术，为数据结构化和可视化的展示提供了支持。简要国库运行数据、系统化运行指标、国库资金运行报告、国情和舆情监测报告、企业和金融服务报告、国库运行情况预测等为中央银行、各级政府部门制定有关政策提供统计信息和参考依据，充分发挥国库在国家预算执行中的促进、反映和监督作用。同时建立信息反馈机制，对现有统计分析结果予以反馈，还包括对未满足需求提出反馈，丰富和完善大数据应用成果，充分发挥国库统计分析应用大数据的社会价值。

综上所述，从全流程看，大数据应用自数据端建立“”数据池“”到处理端智能分析在到应用端数据展示，大致可以通过下图（图1）形象展示：

三、有效提升大数据应用的政策建议

（一）从制度层面保障大数据统计分析的有效开展

制定专门的大数据应用法律法规，在由总行统一部署、统一实施的基础上，各地区分支机构结合当地实际制定特色大数据应用和发展规章制度。从数据产生、采集、存储、挖掘和应用等大数据处理全流程做出明确安排。一是通过总行层面的发文、通知等鼓励通过大数据方法加强国库统计分析，建设大数据共享和应用平台；二是强化大数据统计所需软硬件采购、数据源互联互通及模块化分割等作出具体安排；三是要求大数据应用所应达到的在信息、统计报告、预测与预警等功能上的目标和绩效予以明确，充分利用大数据平台提供统计分析支持；四是强化信息技术安全，防止信息泄露、网络攻击、系统失灵等问题，明确应急处置方案。做到严格立法，有法可依，有章可循。

（二）加大基础设施建设和人才投入，满足大数据应用的软硬件要求

大数据基础设施可分为硬件和软件两类。硬基础设施主要包括用于收集、存储、分析和应用大数据的信息化系统架构；软件基础设施主要包括各类数据信息、数据挖掘和大数据应用专业软件以及金融企业的人力资源。人民银行应通过专项资金投入等方式构建大数据应用的软硬件设施和和培养专业人才，并通过持续培训使全体员工了解并使用大数据进行国库统计分析。也可邀请专业的大数据解决方案服务商作为咨询顾问，整合国库不同生产系统数据，优化数据应用行为，加快统计系统建设步伐。

（三）提高大数据管理和应用能力

国库统计分析应不断的加强国库运行数据的采集、储存、保护和管理工作，不断提升统计分析水平。加强对国库统计分析中涉及的地方债、营改增、房地产、小微企业经营、财政专户、盘活库存等热点领域可以设计建立相应跟踪监测指标体系。与此同时加强改革数据的统计制度、方法以及程序，研究大数据共享制度，为宏观经济分析提供便捷、坚实的大数据基础。

建立国库大数据分析应用机制是新形势下的当务之急。国库统计分析需不断改革创新，强化大数据的思维，提高大数据的意识和驾驭大数据的能力，积极探索新的大数据应用方法和途径，从而在国家宏观决策、服务经济社会发展、服务国库管理方面，进一步提升国库统计分析服务的能力和水平。

参考文献：

[1]沈昱池.大数据时代我国财政信息共享的思考[J].地方财政研究，2015（11）：47-67

篇（8）

加强财务正规化建设，是当前军队财务工作的一个重要内容，也是新时期军队正规化建设对财务工作的客观要求。自军队财务实行正规化管理以来，各级部队认真落实关于加强正规化管理的指导意见，财务管理取得了显著的成效。新的历史时期，深入推进财务正规化管理必须积极借鉴和学习先进管理经验，及时总结、交流反馈财务管理的经验，不断研究新情况，解决新问题，将财务正规化推向深入，以适应部队的发展要求，切实保障好官兵生活需要。

一、新形势下军队财务正规化管理存在的问题

（一）管理基础工作薄弱

基础工作包括财务人员队伍、制度法规建设、日常管理工作等方面。一是人少事多的矛盾突出，各级财务人员忙于应付日常事务，很难抽出时间抓管理、抓指导。人员更换也较频繁，业务能力差。在财务管理中，越是基层部队，涉及的业务越多；经费开支的项目越细，遇到的问题也越多，但财务管理人员的素质不够高，管理力度弱。二是制度法规不够完善，满足不了正规化管理的需要。财务法规制度的修订不及时，不能适应新事物、新情况的需要，存在钻法规漏洞或互相扯皮的现象。部分财务制度已经老化，需要进一步修订、补充和完善。三是管理标准不高，掌握情况不够准确。财务保障任务多，经费科目多、标准多，关系复杂，如果管理的力度不够或者管理的质量不高，就容易出现差错。从实际情况来看，部分单位对本级的数据掌握得还不够准确，人员实力不准、不细，发放、报销经费的错误率比较高。对财务管理问题的调查还不深入，切实可行的措施还不多。

（二）各职能部门关系协调不顺

军队财务费用项目多、涉及经费标准多，直接影响到个人福利待遇和经济利益，需要同各职能部门协调关系，这有时会给正规化管理带来一定难度。一是部门关系不顺，经费供应与管理相互协调不畅。特别是在供应手续涉及两个部门以上的岗位性、福利性、专业性补助经费管理过程中，由于各业务部门对其审批时间、范围和执行标准以及管理规定理解上的差异，往往造成经费或大或小、供应实力或多或少等现象，直接影响财务管理的质量。二是供应与管理脱节问题严重。大多数伸缩性经费的管理，按现行管理规定由部门之间相互管理。而在实际工作中，各业务部门只批不审，标准就高不就低，享受待遇条件把关不严，财务部门只供不管、只发钱不管事等现象较为突出。

（三）财务人员数量补充受限

一方面，财务干部青黄不接的问题突显。财务干部来源主要依靠军内财经院校补充，而军内财经院校每年给部队输送的财务专业毕业学员通常不足流出量的20%，且分配的毕业生多流向城市机关，部队基层有的单位几年也分不到一个毕业生，财务干部缺乏正常生长机制，补充无来源，进与出、走与留脱节。另一方面，基层财务干部由非财务专业改任比例呈上升趋势，由于军队财经院校毕业学员不能满足部队需要，师、团单位相当部分财务人员是由非财务专业人员改任的。由军事、政工或其他专业改任财务干部，产生的副作用较大，首先是认为搞财务不如搞军政，财务岗位个人发展受限；其次是不懂专业难以胜任工作需要，不会记账、算账，直接影响部队财务管理工作水平。

（四）监督考评力度不够

在现行军队财务经费标准中，具有“弹性”性质的经费达200多项，保障性质各不相同，涉及吃、穿、住、行各个方面，在管控环节上又涉及到司、政、后、装各个部门。由于各部门之间权力交错、利益牵制，在审定人员实力、享受级别及提供保障依据方面，财务部门按这些部门提供的依据执行发放或实报实销等，缺乏应有的监控措施和明确的监控标准和依据，造成上述部门的权力失去应有的监督，直接影响到部队财务正规化管理水平。

二、新时期正规化管理对财务工作提出的客观要求

主席指出：“国防和军队现代化建设的需求与经费供应相对不足的矛盾将会长期存在，必须坚定不移地走投入较少、效益较高的国防和军队现代化路子。”针对经费供应紧与管理工作松并存的现象，新时期正规化管理对财务工作提出了客观要求，迫切需要引入科学的管理理念和方法，大力推行科学理财，解决损失浪费、重复建设的问题，切实提高经费使用效益，保障部队建设全面、协调、可持续发展。

（一）突出精细管理

总体上说，部队财务管理在一定范围、一定程度上达到了正规化的要求。但是，要把财务正规化向前推进到新的程度，还必须在精细化管理上下功夫。一是要细化经费管理。不能沿袭粗放式管理模式，应当针对每一项经费特点细化管理。要加强对各项经费标准的调研论证，制定专项经费管理办法，对享受人员、享受条件、开支范围、发放标准、发放形式作出具体规定。二是要细化管理环节。如针对会议费、差旅费等难管易超经费，在借款、报销等环节制定出规范的程序，严格审核报销关，做到手续齐全、内容清楚，切实达到细化经费管理的目的。

（二）强化定量管理

定量化管理是从数量上进行考察。实行财务正规化，要严格按照科学的态度办事，以数据为依据，以定量分析为方法。要尽量不使用模棱两可的文字，一就是一，二就是二。在编制年度经费预算以前，要充分进行分析论证，对项目经费需求进行科学预测，算准各个保障任务的经费开支需求，提高预算的准确度，维护预算的严肃性。在答复和解决部队提出的经费问题时，不能凭感情用事，要对部队经费需求认真分析，将经费优先基层部队使用，保证部队需要。在财务正规化考评过程中，要坚持使用量化分析方法，用事实说话，让人心服口服，提高管理的科学化水平。

（三）坚持动态管理

财务管理活动不是固化不变的，而是随着环境、时间的变化，始终运动发展着的。如夜餐费、岗位津贴的享受人数已核定准确，照此发放就是规范的。但由于工作调整，原来的人数、人员发生了变化，再照此发放就是不规范的。因此不能静态地看问题，而是要动态地看问题并处理问题。一是及时掌握信息。要了解基层经费开支情况，就必须下基层掌握第一手材料。只有这样，才能及时发现问题，及时采取措施，增强财务管理的主动性。二是加强监督控制。由规范到不规范，再由不规范重新回到规范，这是管理的客观规律，在这一过程中，控制发挥着重要作用，通过控制实现由不规范到规范。要形成有效的监控机制，明确控制内容，突出控制重点。

（四）实行科学管理

科学理财，是军队财务建设发展的必然趋势，也是财务正规化的最终目标。实行科学管理，就是在财务管理中采用科学方法，如统计方法、管理方法、计算机编程方法、信息论方法、控制论方法、博弈论方法、模糊论方法、灰色系统理论方法等。这些方法在现代生产、管理中发挥了巨大作用，同样适用于军队财务管理活动，只有充分发挥科学管理方法的效能，才能促使财务正规化管理更加规范有序。

三、新形势下财务正规化管理应抓住的重点

（一）因地制宜，制定本级落实方案

各级财务部门应在落实总部出台的财务管理规定的基础上，结合本级经费管理的实际情况，制定具体的财务管理方案和经费管理规定，在难管易超经费控制上制定具体有效的办法；上级财务机关应加强对财务正规化的宏观管理，认真履行监督检查职责，及时处理和解决问题。每年定期组织会审，对所属单位的财务正规化建设成果进行考评，推广好的做法，鞭策落后单位，促进财务正规化建设水平的整体提高；基层单位财务部门要认真编制年度预算，科学论证、民主决策，加强具体经费项目开支的应用对策研究，主要分析日常工作中哪些经费容易超支，哪些财务管理制度规定还存在漏洞，及时对各种问题提出具体建议等，认真落实，真正把财务正规化落到实处。

（二）调查研究，提供科学依据

随着军队现代化、正规化建设的不断发展，军队财务建设也将不断出现新情况、新问题。军队财务部门应根据经济形势的发展变化，认真搞好经费支出的调查研究，发现财务管理的内在规律，寻找解决经费超支问题的方法。加强财务理论研究对财务工作的指导作用，针对财务正规化管理中出现的特殊问题，深入开展对策研究，如财务正规化管理中的重难点问题和人员生活待遇等特殊问题，组织人力开展研究，为总部修订经费标准制度提供理论依据。各级财务部门要鼓励财务人员积极撰写学术文章，将工作中的经验做法形成文字，共同交流提高，为财务正规化建设出谋献策。

（三）加强培训，增强管理主动性

采取多种有效途径，加大人才培训力度，下大力气提高财务骨干的管理素质，夯实管理基础，提高财务正规化管理水平。一是对财务人员严格要求。财务正规化涉及到财务工作的方方面面，必须要求财务人员以高度负责的精神，严格履行职责，切实把财务管理工作做细做实，做出成效。二是落实定期培训制度。随着财务改革的不断深入，财务正规化管理出现了一系列新情况和新问题，要求财务人员不断更新管理观念，开拓新的管理方法，解决工作中遇到的问题。因此，部队要依托军队院校和培训基地，采取多种有效措施，加大对财务人员的培训力度，使培训工作经常化、制度化。三是切实搞好传帮带。由于种种原因，每年都有近三分之一的财务助理员被更换，出现了人员成份新、工作断档的现象。针对这一客观现实，着力对新上岗人员在思想上、作风上、工作方法上进行帮带指导，使其能够尽快地胜任本职工作，防止“人员换了、程序变了”的现象发生。四是狠抓岗位大练兵。年末上级举办的岗位大练兵大比武活动，为财务人员培养训练提供了契机。要按照人员岗位能力新标准，认真开展达标训练，本着缺什么、练什么的原则，积极组织各类岗位练兵活动，不断提高自身的专业素质、专业技能和专业综合能力，增强管好用好经费的主动性，为全面提高财务正规化管理水平奠定坚实的基础。

（四）改进管理手段，提高信息化管理水平

财务部门应充分应用信息技术，完善财务管理系统，健全人员实力档案，增强决算审核、经费保障综合分析功能，逐步建成系统功能齐全、信息资源共享、高度智能化的信息工作平台。一是重点构建可视化财务信息平台，财务部门将财务信息在网上进行，各级人员可根据授权，随时在网上查询财务信息或打印财务资料，提高财务信息透明度。二是提高网络运用水平，依托军队网络和财务数据中心，逐步实现机关到基层部队财务管理信息的互联互通，广泛开展在线服务活动，不断提高服务保障水平。三是完善财务网络检查考评办法，细化检查考评标准，增强检查考评的针对性、有效性。

篇（9）

2015年5月，国务院印发《中国制造2025》规划，部署全面推进实施制造强国战略。规划提出， 以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向。

智能制造是一系列热点技术的总称，它是基于物联网、大数据、云计算等新一代信息技术，贯穿于研发、设计、生产、管理、服务等制造活动的各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。

智能制造具有以智能工S为载体、以关键制造环节智能化为核心、以端到端数据流为基础、以全面深度互联为支撑四大特征，其目标是缩短研发周期、降低运营成本、提高生产效率、提升产品质量、降低资源能耗。

C9型客机成功首飞意味着中国实现了民机技术集群式突破，形成了我国大型客机发展的核心能力，其中就包括工业大数据技术。

中国商用飞机有限责任公司信息化中心主任王文捷介绍，大飞机一次飞行产生的数据量达到10个TB的量级，也就是说至少20台500G大硬盘的电脑才能装得下。而中国商飞公司，不仅要成功研制自主知识产权大飞机，还要成功运营大飞机制造商，从适航试飞到供应链管理，分分秒秒、日新月异的大数据堪称天量。

专家表示，设计图纸将成为过去，飞机完全是在数字世界里设计的，3D几何数据模型以数字模型的形式呈现飞机。数字化样机将含有制造所需的全部信息，不仅含有产品几何体，而且还含有制造产品所需的信息，比如材料、技术要求、包含的标准件、授权的文件等。在装配阶段，数字化装配技术将实现飞机装配建模、装配序列建模、装配路径规划和装配过程分析。

为此，中国商飞已经新合并成立信息化与管理创新部，并专门下设数据处，用数据驱动创新。如今，中国商飞建立起以零件号、版次、物料组等为基础的编码标准，给大大小小每一种零件都配上“身份档案”和“电子履历”，引入11万种以上的物料主数据。王文捷表示，即使在像马航MH370这样的事件中，任何零件都可追溯还原为一架完整的飞机，甚至倒查出某零件的前世今生。目前，C919研制已形成全程管控中心，可实现三维可视化分析。

“对于民用飞机来说，不仅仅是实现技术上的成功，把飞机飞上天，还要让这架飞机在航线上取得商业成功。中国商飞在飞机的研制过程中，伴随产品的演化衍生出各类试飞数据、试演数据、在航线运营过程中关机监控的数据，所有的数据贯穿始终。”王文捷说。

“我国智能制造未来发展潜力巨大，2020年我国智能制造产值有望超过3万亿元，年均复合增长率约20%。”国家信息中心副主任马忠玉在大数据智能应用推动制造业变革与升级研讨会上强调，智能制造是中国制造业转型升级的战略支点。

随着产业互联网和智能制造时代的到来，工业大数据技术将成为制造业转型升级的重要引擎，是驱动研发设计智能化、生产过程智能化、 管理经营智能化、市场营销智能化、服务运维智能化、新业态新模式智能化的关键要素。

工业大数据的演变

自工业从社会生产中独立成为一个门类以来，工业生产的数据采集、使用范围就逐步加大。从泰勒拿着秒表计算工人用铁锹送煤到锅炉的时间开始，是对制造管理数据的采集和使用；福特汽车的流水化生产，是对汽车生产过程的工业数据的采集和工厂内使用；丰田的精益生产模式，将数据的采集和使用扩大到工厂和上下游供应链；核电站发电过程中全程自动化将生产过程数据的自动化水平提高到更高程度。

任何数据的采集和使用都是有成本的，工业数据也不例外。但随着信息技术的发展，一批智能化、高精度、长续航、高性价比、微型传感器面世，以物联网为代表的新一代网络技术在移动数据通信的支持下，能做到任何时间、任何地点采集、传送数据。以云计算为代表的新型数据处理基础架构，大幅降低工业数据处理的技术门槛和成本支出。以工业领域的SCADA系统为例，传统模式下每个电网、化工企业都需要建立一套SCADA系统，成本在千万以上，如果采用云架构模式，成本可以降低7成以上。

社会需求的演进是工业变革的重要动力。当经济发展进入新常态，商品极大丰富甚至出现过剩，以个性化、多元化为代表的消费文化，使得工业企业的产出物，要最大限度匹配个性需求和多元需求。

以服装定制为例，通过制订一套数据采集手段，通过线上或线下采集用户身形数据，然后将数据传回总部，结合生产原材料数据，对需求和工艺进行分解，实现柔性生产，达到定制化要求的服装，而且效率和质量都可以得到保证。随着生产线的扩容线性提升和工艺的不断改进，定制化生产的成本将得以显著摊薄，可以满足大批量个性化定制的社会生产需求。

无论是德国工业4.0，还是美国的工业互联网，其核心都离不开工业大数据。德国“工业 4.0 ”战略的实施重点在于信息互联技术与传统工业制造结合， 其中大数据分析作为关键技术将得到较大范围应用。一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；二是“智能生产”，主要涉及整个企业的生产物流管理、人机互动以及 3D 技术在工业生产过程中的应用等；三是“智能物流”，主要通过互联网、物联网、物流网，整合物流资源，充分发挥现有供应方的效率，需求方则能够快速获得服务匹配。

美国拥有强大的互联网、云计算及大数据处理能力，基于此，提出工业互联网战略，将单个设备、单条生产线、单个工厂的数据联网，通过大数据处理后，在诊断、预测、后服务等方面挖掘工业服务的价值。2014 年，美国白宫总统行政办公室《 2014 年全球大数据白皮书》，指出美国大型企业在投资数据科技方面存在以下几个关键驱动因素：分析运营和交易的能力；洞察客户线上消费的行为，以向市场提供新的高度复杂的产品；对组织中的机器和设备进行更加深入的感知。

中国相对于德国、美国而言，在工业自动化和数字化方面都处于发展期。《中国制造2025》明确提出通过工业化和信息化融合发展的方式，制定一系列的重点工程和推进计划。为推动智能制造的发展，国务院又于2015年8月了《促进大数据发展行动纲要》，强调要发展工业大数据，推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，分析感知用户需求，提升产品附加价值，打造智能工厂。建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台。抓住互联网跨界融合机遇，促进大数据、物联网、云计算和三维（3D）打印技术、个性化定制等在制造业全产业链集成运用，推动制造模式变革和工业转型升级。

工业大数据来源及特点

在工业生产中，无时无刻不产生数据。那么什么是工业大数据？中国电子技术标准化研究院的《工业大数据白皮书（2017版）》指出，工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。

工业大数据主要来源于机器设备数据、工业信息化数据（包括传统工业设计和制造类软件、企业资源计划ERP、产品生命周期管理PLM、供应链管理SCM、客户关系管理CRM和环境管理系统EMS等）和产业链跨界数据（包括气象、地理、环境、宏观经济）。

今天做工业大数据分析，不仅要看自己数据还要看别人的数据，比如优化供应链的时候还需要市场销售的数据、供应商的数据等。风电优化分析除了利用风机的数据，也需要结合气象的数据。很多外部数据原来工业界从来没有尝试过管理这些数据，这是大数据分析的时候传统工业管理数据的机制遇到的一些挑战。

“制造业大数据是一座金矿！”北京大学工学院工业工程与管理系主任侍乐媛表示，制造业拥有的大数据远超其他行业，但到现在为止距开采出来还差得很h，很多数据天天“流淌”都没有办法收集起来。究其原因，制造业大数据具有复杂性，是动态复杂的拆分合并数据。从全球应用现状看，制造业基本上是纵向数据的采集和利用，缺乏横向数据的链接和利用。实际上，制造业需要经纬纵横的数据采集能力。

工业大数据除了具有一般大数据的特征，比如容量大、类型多、存取速度快、应用价值高，业界认为还具有实时性、准确性、闭环性、集成性、透明性、预测性等特征。

清华大学数据科学研究院工业大数据研究中心总工程师、昆仑数据公司CTO王晨表示，工业大数据主要面临两方面的变化，第一是人才的变化，以前用大数据是互联网公司的复合型极客，这些人有很强的数学功底、编程能力、数据管理技术、分布式计算技术，同时掌握领域的业务知识，是具备四大方面的全面型的人才。在产业互联网领域里的人更多的是熟悉领域业务知识，而计算机能力真的很有限。第二是数据种类的变化，以前互联网领域是大量的文本数据、社交数据、多媒体数据等，而产业互联网领域是大量的传感器产生的实时数据、企业内部的业务过程数据，大量的非结构化工程数据、仿真数据、设计的CAD数据，这些数据跟传统互联网的数据都不太一样。

工业大数据如何变革制造业

“大数据驱动智能制造加快发展，加快互联网与制造业快速融合，是传统制造业变革与升级的重要内容。”马忠玉表示，大数据智能应用发展对生产、生活都产生重大影响，以数据挖掘分析为核心的应用和服务，为经济社会发展带来了深刻变革。

工业大数据技术是指工业大数据中所蕴含的价值得以挖掘和展现的一系列技术和方法，包括数据采集、预处理、存储、分析挖掘、可视化和智能控制等。工业大数据是智能制造的关键技术，主要作用是打通物理世界和信息世界，推动生产型制造向服务型制造转型。其在智能制造中有着广泛的应用前景，在智能制造中有着广泛的应用前景，在产品市场需求获取、产品研发、制造、运行、服务直至报废回收的产品全生命周期过程中，工业大数据在智能化设计、智能化生产、网络协同制造、智能化服务、个性化定制等场景都发挥出巨大的作用。

创新研发设计模式实现个性化定制

实现定制化设计。企业通过互联网平台能够收集用户的个性化产品需求，也能获取到产品的交互和交易数据；挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，实现定制化设计，再依托柔性化的生产流程，就能为用户生产出量身定做的产品。例如，海尔集团沈阳冰箱工厂利用云将用户需求和生产过程无缝对接，用户个性化需求可直接发送到生产线上，实现定制化生产。用户还可通过生产线上的上万个传感器随时查到自己冰箱的生产进程。目前，一条生产线可支持500多个型号的柔性化大规模定制，生产时间可以缩短到10秒一台。

私人定制工厂青岛红领也探索出了C2M、M2B等服装定制模式，通过精准的量体裁衣，在其他成衣服装规模关店的市场下，能保持每年150%的收入和利润增长，每件衣服的成本仅比成衣高10%。小米手机也属于这一类。

利用大数据进行虚拟仿真。传统生产企业在测试、验证环节需要生产出实物来评测其性能等指标，成本随测试次数增加而不断提升。利用虚拟仿真技术，可以实现对原有研发设计环节过程的模拟、分析、评估、验证和优化，从而减少工程更改量，优化生产工艺，降低成本和能耗。长安福特采用虚拟仿真技术改良汽车设计环节，设计师带着3D眼镜能够看见最新设计的福特轿车，甚至还能够模拟坐进车内，感受内装是否符合心意。如果有任何不好的地方，设计师能够马上通过软件修改，减少了开发产品的次数，能够在短时间内完成更多的设计工作，更快地反映市场的需求。

促进研发资源集成共享和创新协同。企业通过建设和完善研发设计知识库，促进数字化图纸、标准零部件库等设计数据在企业内部以及供应链上下游企业间的资源共享和创新协同，提升企业跨区域研发资源统筹管理和产业链协同设计能力。提升企业管理利用全球研发资源能力，优化重组研发流程，提高研发效率。例如，C9型客机成功首飞意味着中国实现了民机技术集群式突破，形成了以中国商飞公司为平台，包括设计研发、总装制造、客户服务、适航取证、供应商管理、市场营销等在内的我国民用飞机研制核心能力，形成了以上海为龙头，陕西、四川、江西、辽宁、江苏等22个省市、200多家企业、近20万人参与的民用飞机产业链。

在C919飞机的智能制造项目建设过程中，形成了一套主制造商―供应商模式下的协同制造技术、管理方法。C919飞机的研发成员企业包括了设计与主制造商、10家机体结构、24家机载设备、16家材料供应商和54家标准件等供应商，另有200多家企业参与了项目的研制过程。通过协同设计、敏捷生产与智能管理等先进技术手段，将飞机从设计到制造过程中涉及的设计商、制造商、供应商、集成商等成员有机紧密联合。

其中，在协同设计方面，中国商飞通过构建多供应商协同设计环境，并实施基于模型的定义、工艺设计等应用技术，建立起民用飞机联合协同研制的新模式，建设协同研制平台，实现了设计与制造过程的一体化。同时，在智能管理方面，全面实施了PLM、ERP、MES、BI等信息化平台，实现了各系统之间的信息互通和集成，支撑了制造现场层、车间控制层、业务操作层、业务管理层、企业决策层的一体化智能管理。

培育研发新模式。基于设计资源的社会化共享和参与，企业能够立足自身研发需求开展众创、众包等研发新模式，提升企业利用社会化创新和资金资源能力。在帝樽空调和天樽空调的研发过程中，海尔集团前期通过互联网平台与数十万用户实时互动，提取用户对产品的共性需求。然后利用HOPE（开放创新平台）平台对接全球100多万个领域专家和上千家全球一流的研发资源。

建立先进生产体系实现智能化生产

提升车间管理水平。现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声等，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析等。在生产过程中使用这些大数据，就能分析整个生产流程，一旦某个流程偏离了标准工艺，就会发出报警信号，快速地发现错误或者瓶颈所在。

优化生产流程。将生产制造各个环节的数据整合集聚，并对工业产品的生产过程建立虚拟模型，仿真并优化生产流程。当所有流程和绩效数据都能在系统中重建时，对各环节制造数据的集成分析有助于制造商改进其生产流程。例如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析，此举将会大大降低能耗。

德国安贝格电子工厂基于西门子PLM软件在虚拟环境中仿真产品的研发和生产，并在真实世界的工厂中进行实际操作，即实现了产品跨行业的多样化，也提升了生产效率和质量。研发环节，安贝格拥有一个虚拟的工厂，研发设计部门把虚拟的研发产品同步给生产部门来生产，两部门有着统一平台，并时刻保持着协调的一致性。真实工厂生产时的数据参数、生产环境等都会通过虚拟工厂来反映出来，而人则通过虚拟工厂对现实中的真实工厂进行把控。生产环节，当一个元件进入烘箱时，机器会判断该用什么温度以及温度持续的时间长短，并可以判断下一个进入烘箱的元件是哪一种，并适时调节生产参数。安贝格工厂的每一条生产线每天并不是一成不变地只生产一种产品，生产系统会实时同步研发部门的最新指示，自动跳转到不同产品或者器件的生产模式。在这样的生产模式下，该工厂每年可生产约1000个品种共计1200万件工业控制产品。按照每年生产230天计算，平均每秒就能生产出一件产品，其中百万件缺陷仅为15，缺陷率仅为德国工人的1/25。

优化经营管理体系实现精益化管理

优化工业供应链。RFID等电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。

推动经营管理全流程的衔接和优化。整合企业生产数据、财务数据、管理数据、采购数据、销售数据和消费者行为数据等资源，通过数据挖掘分析，能够帮助企业找到生产要素的最佳投入比例，实现研产供销、经营管理、生产控制、业务与财务全流程的无缝衔接和业务协同，促进业务流程、决策流程、运营流程的整合、重组和优化，推动企业管理从金字塔静态管理组织向扁平化动态管理组织转变，利用云端数据集成驱动提升企业管理决策的科学性和运营一体化能力。

例如，三一公司通过在线跟踪销售出去的挖掘机的开工、负荷情况，就能了解全国各地基建情况，进而对于宏观经济判断、市场销售布局、金融服务提供调整依据。

促进商业模式创新实现服务型制造

大数据将帮助工业企业不断创新产品和服务，发展新的商业模式。通过嵌在产品中的传感器，企业能够实时监测产品的运行状态，通过商务平台，企业能够获得产品的销售数据和客户数据，通过对这些数据的分析和预测，企业能够开展故障预警、远程监控、远程运维、质量诊断等在线增值服务，提供个性化、在线化、便捷化的增值服务，扩展产品价值空间，使得以产品为核心的经营模式向“制造+服务”的模式转变。

比如，GE不销售发动机，而是将发动机租赁给航空公司使用，按照运行时间收取费用，这样GE通过引入大数据技术监测发动机运行状态，通过科学诊断和维护提升发动机使用寿命，获得的经济回报高于发动机销售。

保利协鑫是中国首家突破年产万吨级以上多晶硅产能和产量、全球最大的光伏切片企业。在光伏切片的生产过程中，有数千个生产参数会影响到切片良品率。