摘 要：在现代社会中，公司大多数财务流程的核心部分是数据。而数据挖掘的任务就是在如此海量的数据中发现有用的数据。针对财务决策中面对的数据海洋的现状，如何采用数据挖掘这个技术，提高财务决策的效率，提出了对策。
关键词：数据挖掘；财务流程；财务决策
1 数据挖掘的概念和技术
数据挖掘是针对非常大的数据进行的研究和分析。它采用自动或半自动的程序，对数据中固有的先前未知的潜在有用信息进行抽取。数据挖掘的起源可追溯到20世纪50年代人工智能的早期发展。在此期间，模式识别和基于规则推理的发展提供了基础构建块，数据挖掘就建立在这些概念的基础之上。在最近10 年中，大型业务数据库（特别是数据仓库）使用量的增长以及对这些数据的理解和解释的需要，再加上相对廉价的计算机的供应，导致数据挖掘在各种业务应用中的使用急剧增长。这些应用从零售业务的顾客细分和市场购物篮分析，到银行业务和金融业务应用中的风险分析和欺骗侦查，涉及面非常广泛。
多年来各国学者已开发了多种数据挖掘技术，用于大量的数据集中探索和抽取信息。总的说来，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。探索型数据挖掘包括一系列在预先未知任何现有模式的情况下，在数据内查找模型的技术。探索型数据挖掘包括分群、关联分析和频度分析技术。预测型挖掘包括一系列在数据中查找特定变量（称为“目标变量”）与其它变量之间关系的技术。预测型挖掘常用的有分类和聚类、数值预测技术。数据挖掘使用的算法很多，主要包括统计分析、机器学习、决策树、粗糙集、人工神经网络和径向基函数（rbf）等。www.11665.CoM
数据挖掘的程序主要分为以下5个步骤：
1)定义问题。清晰地定义出业务问题，确定数据挖掘的目的。
2)数据准备。数据准备包括：选择数据——在大型数据库和数据仓库目标中提取数据挖掘的目标数据集；数据预处理——进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。
3)数据挖掘。根据数据功能的类型和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。
4)结果分析。对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。
5)知识的运用。将分析所得到的知识集成到业务信息系统的组织结构中去。
2 财务决策中应用数据挖掘的必要性
一个财务决策的正确程度取决于所使用的事实和数字的正确程度。随着竞争的增加，财务决策的时效性也变得越来越重要了。因此，在财务决策领域应用数据挖掘是企业现实的需要。
（1）有利于提高财务信息的利用能力。解决企业财务决策问题需要以询问为中心的数据图解，其以序列导向和多维为特征。而传统的财务数据查询是一种事务处理，它是面向应用、支持日常操作的，对查询得到的数据信息缺乏分析能力，决策者不能够在大量历史数据的支持下对某一主题的相关数据进行多角度的比较、分析，得出科学的分析结果。因此，财务决策问题自身的多维特性驱动了数据挖掘领域的应用。
（2）有利于解决财务信息的噪音问题。由于网络技术的发展，企业可以通过intranet、extranet、internet方便获取各种企业内部、关联方及外部资料。现今的问题已不是信息缺乏，而是信息过量，难以消化，且信息真假难辨，可靠性难以保证。所以，对企业来说，这时就需要高效的数据分析工具在浩瀚的信息流中分辨、析取、整理、挖掘对财务决策有用的信息，减少信息噪音的影响。
（3）有利于满足财务信息智能化的需求。由于决策本身的动态性、复杂性，决策者本身素质层次的多样性，不同的情况应有不同的处理方式。传统的数据析取是依靠程序人员在系统开发过程中设计的专用程序来实现，非常机械化。随着数据量的增大，查询的复杂化，这种方式越来越不可取。决策者希望信息的折取过程能够智能化，如不仅能对自己想到的信息进行访问，还能对自己想不到却需要的信息进行访问，对同样数据进行多次访问时，不必做重复操作；不同决策者作相似访问时，也不必进行重复操作等。
3 财务决策中数据挖掘的应用流程
3.1 优化基于数据挖掘的公司财务决策基础环境
1）硬件及其应用。数据挖掘需要有一定存储量和运算能力的计算机，要充分发挥数据挖掘在财务分析中的作用，还需要实现管理信息系统的网络化，构建财务业务一体化的企业管理信息系统。在it环境下，网络是提供信息传递和信息共享的基石，公司应该根据自身的实际情况，构建适合的网络硬件解决方案。主要包括:选择什么样的技术架构、进行服务器和客户端的配置等。
2）软件及其应用。以会计信息系统为核心的企业管理信息系统是实现数据挖掘在财务分析中应用的基础，可以为数据挖掘提供各种财务数据。公司构建管理信息系统时，在满足核算和控制需要的前提下，应该充分考虑数据分析和信息集成的需要，为数据挖掘的应用提供支持。公司构建的信息系统应该能够保证在业务发生的同时尽可能收集分析所需要的各种数据，并以恰当的数据结构存储在数据库中，在需要时提取到数据仓库或数据集市中，供数据挖掘分析处理。
3.2 建立基于数据挖掘的财务决策支持系统模型
数据挖掘是在大型数据库或数据仓库基础上进行深入的数据分析，从而获取海量数据中隐藏的关键信息的主要手段。因此，为了进一步提高财务决策的支持能力，可以将它们结合起来构成一种新型的财务决策支持框架。在数据仓库为财务决策提供完整、及时、准确和明了的综合数据的基础上，通过进行有效集中分析和深入研究，可以发现趋势，看到异常，并得到重要细节。而数据挖掘则可通过使用一系列方法进行分析，从中识别和抽取隐含、潜在的有用知识，并充分利用这些知识辅助财务决策。
3.3 建立财务决策中数据挖掘流程
财务决策中的数据挖掘流程一般由财务决策问题识别、数据准备、数据开采和结果表达和解释四个主要阶段构成，如图1所示。
（1）财务决策问题识别。典型的财务决策有投资决策、筹资决策、成本决策、销售决策等。在进行数据挖掘前，必须先对具体财务决策问题进行识别，即要确定进行什么决策、达到什么样的决策目标等。然后再将财务决策目标转换成数据挖掘目标，并进行定义。
（2）数据准备。这个阶段又可分成3个子步骤，即数据集成、数据选择和数据预处理。数据集成是将多文件或多数据库运行环境中的数据进行合并处理，解决语义模糊性、处理数据中的遗漏和清洗脏数据等。数据选择的目的是辨别出需要分析的数据集合，缩小处理范围，提高数据挖掘的质量。而预处理则是为了克服目前数据挖掘工具的局限性。
（3）数据采掘。这一阶段主要进行实际的数据挖掘工作，主要包括决定如何产生假设、选择合适的工具、发掘知识的操作和证实发现的知识等步骤。
（4）结果表达和解释。根据用户的财务决策目的对提取的信息进行分析，把最有价值的信息区分出来，并提交给用户。如果结果不能让决策者满意，则重复进行上述过程。
参考文献
［1］陈元佐. 企业的数据仓库模型建立［j］.贵州大学学报(自然科学版) , 2001,(01) .
［2］罗可,蔡碧野,卜胜贤,谢中科. 数据挖掘及其发展研究［j］.计算机工程与应用 , 2002,(14) .
