麦锦超
（广东电网有限责任公司江门新会供电局 广东江门新会 529100）
摘要：随着电力体制改革不断深化，电力市场为供电企业带来了前所未有的挑战，同时，大数据概念的提出为供电企业管理提质增效提供了新思路。本文首先分析了供电企业财务大数据管理的必要性，然后指出了供电局财务大数据管理现有的三个主要问题：基础管理不完善、分析方法不科学以及人才培养不重视，最后针对三个具体问题提出了切实可行的建议措施，认为供电企业财务大数据应该从源头抓起，建立完善数据库管理，并通过科学的人才培养机制，整体提升利用数据的能力水平。
关键词：大数据；财务管理；数据分析
一、引言
随着电力体制改革不断深化，电力市场为供电企业带来了前所未有的挑战。《中共中央国务院关于深化国有企业改革的指导意见》（中发〔2015〕22号）的发布标志着国家对供电企业提高国有资产保值增值率、提高国有资本的管控监管力度提出了更高的要求。文件规定，电力企业是重要的商业类国有企业，决定着国家经济的关键领域，关系着国家安全、掌握着国民经济命脉，其主要承担着重大专项任务，因此国家要加大国有资本投入，将经营业绩指标和国有资本保值增值率指标的考核权重确定到一个合理的水平。在大数据时代的背景下，通过管理与企业相关的有价值数据，进行数据收集、数据处理以及数据深度分析，及时提供高质量和高效率的经营决策支持证据，将成为企业财务管理的主要工作职能和最亟需完成的工作任务。
二、财务大数据管理的必要性
2.1增强决策证据的支撑力和说服力
在传统财务管理模式下，由于数据收集和数据分析方法的限制以及长期以来分析思路有限的影响，财务人员往往通过简单的数据抽样方法研究财务数据以提供决策支持，忽略大部分关键业务数据以及其他与决策相关的有价值信息，从而导致数据分析方法缺乏说服力，数据信息不全面，决策过程也难以得到科学的保证，使决策结论缺乏合理性；在财务大数据管理模式下，大数据更加注重数据的全面性和多元化，财务管理不再仅仅将视野局限于会计核算等传统财务领域得到的数据信息，而是逐步向企业决策相关的其他领域如营销、工程、人力资源甚至宏观数据等延伸。通过管理与供电企业相关的有价值数据，进行数据收集、数据处理以及数据深度分析，成为财务部门的主要职能定位。而这就决定了管理者用于经营决策的数据信息不仅包括财务数据，而且必须运用与决策有关的一切内外部信息，这使企业决策证据更具支撑力和说服力，数据信息更加全面完整，决策结论也更具合理性。
2.2 提高决策结论的科学性和合理性
在传统财务管理模式下，财务人员更多地使用便于分析储存的结构化数据，而结构化数据通常只占数据整体的10%，被忽略或被删除的半结构化和非结构化表外数据，却占整体数据90%的信息。可以看出，忽略或删除半结构化和非结构化数据的数据分析缺乏科学性和合理性，导致决策结论不适用于数据分析时的经营环境；在财务大数据管理模式下，财务数据的来源和类型更加全面完整，不仅仅包含数字、文字等结构化数据，而且包括语音、图片、视频等半结构化和非结构化数据，丰富了财务数据分析的数据类型与数据结构，提高了财务分析工作的科学性和合理性，使得到的决策结论更好地适用于经营环境。另一方面，虽然财务分析的数据结构更为完整，但结构化的财务数据依然是供电企业最重要的财务分析数据，财务数据的分析结果很大程度上影响了企业财务管理水平。因此，供电企业在利用财务数据进行分析时，必须要保证数据准确、真是，分析方法有理有据。
2.3提升财务数据的使用效率和使用价值
随着电力体制改革不断深化，在逐渐放开电力市场中，供电企业遇到了越来越多的难题，而财务大数据管理可以进一步提高经营决策效率。但是，在大数据时代背景下，大量数据的迅速产生，会使数据随着时间的推移迅速降低其使用价值，所以，只有加快数据处理效率才能使数据的信息得到充分利用。在传统财务管理模式下，绝大部分的财务事项如开展预算管理工作、编制财务报表、进行财务数据分析等都是利用企业历史经济信息进行的，这种事后反映的方法会使财务信息未能充分及时解释日益复杂的生产经营活动，削弱和降低了财务数据信息的使用效率和使用价值。在财务大数据管理模式下，企业可以通过财务数据与业务数据的实时互动以编制实时财务报表、获取实时相关决策信息等。
期刊文章分类查询,尽在期刊图书馆
三、问题分析
3.1数据基础管理不完善
基础数据的质量决定财务分析的质量，针对供电企业目前数据基础管理，导致基础数据质量降低的问题主要如下：一是数据收集不到位。如上文所述，大数据的一个显著特点是将财务数据与业务数据联动分析，只有真正实现不同领域的数据共享才能真正有效利用信息资源。但是由于供电企业财务管理中的同一业务的不同信息被分割在不同部门，部门与部门之间信息不对称，没有实现充分交流，更没有实现信息的实时联动。二是数据存储不完善。在大数据时代下，数据快速增长为企业数据管理带来了更高的要求，也为企业数据存储工作提出了更高的要求。但在供电企业的实际工作中，基础数据资料的结构化率较低，即使是数据信息应用程度最高的财务部门，在收集数据时也会对原始凭证中大量非结构化数据信息进行过滤与删除，比如业务内容、合同条款、业务时间等。
3.2数据分析方法不科学
考虑货币时间成本条件下，提高财务资本回报率或者股东财务收益率，是现在业界普遍流行的用于评价投资项目是否可行的标准，所以财务管理上较为成熟的投资项目评估方法（如净现值、内部收益率等）在企业的实际应用中特别广泛，其中主要的思想方法都是通过计算未来现金流量的现值来评价对企业的投资项目盈利能力。但是这些普遍使用的评价方法，由于其先天模型理论假设的限制，在实际应用中会出现明显的缺陷：一是表现在对估计未来现金流上，二是这些传统评价方法并不适用于现金流较少或者未来现金流不明显的投资项目。在财务大数据管理模式下，由于传统数据分析方法的弊端日益突显，供电企业不应再根据未来预计现金流或者盈利能力等传统的投资项目评估方法进行投资决策，因为上述方法无法对投资项目盈利能力的驱动因素进行多角度、多层次的分析。。
3.3数据人才培养不重视
在大数据时代的背景下，财务大数据最终能否的到有效运用从而发挥最大作用，关键在于财务分析人员。在大数据管理以及使用的过程中，财务分析人员主要存在以下三个问题。一是供电企业内工作人员主要专注于本岗位的职责范围与日常工作，部门间缺乏有效沟通，人员素质也偏向于本岗位的工作需求，从而导致财务人员对业务过程不熟悉，业务人员缺乏相应的财务管理知识，造成财务信息与业务信息缺乏统筹；二是分析人员收集数据能力水平不足，不熟悉与财务分析相关的数据指标来源。财务分析人员必须拓宽自身收集数据的渠道，了解不同财务数据指标的真实作用，并筛选与分析对象和分析目的相关的数据信息；三是缺乏使用非结构化数据的有效手段。比如内部的财务数据或者外部金融数据库等结构化数据资料，财务人员可以准确地获得数据内容。但是，对于合同条款等非结构化数据，财务人员就只能通过文字的方法存储以及提炼数据信息，耗时且耗力。在大数据时代的背景下，非结构化数据正呈快速增长的趋势，非结构数据将占整体数据的95%或者以上，所以，对非结构化数据的有效利用将大大提高数据分析的质量。
四、建议措施
4.1完善数据基础管理
供电企业应以“6+1”信息管理系统为基础，搭建以数据挖掘为主要工作目标的财务大数据中心应用平台，以满足大数据时代的要求。由于“6+1”信息系统具有较强的可扩展性，企业可以把现有的信息集中整合到一个新的系统中。大数据中心能够实现各种数据的集成与交互；可以进行大量数据处理功能；可以根据流程、表单、应用程序界面、数据等提供有针对性的搭建方案；可以把格式不同、标准不同和位置不同的复杂数据统一在同一个系统之下，具有处理多种不同类型数据的能力，并能对这些数据以一致的标准进行调用和归集。为了真正实现财务大数据管理，帮助决策层从宏观上整体把握全部数据并作出科学有效的决策，除了集中管理企业内部数据，还需要建立综合性财务数据库。现有数据库的数据通常来源于企业内部数据和外部数据，内部数据包括公司业务数据和文档数据，外部数据由各类公共资源库、政策信息、市场信息中收集所得。为了满足专业化业务数据分析需求，还可以有针对性地细分到专业职能数据库，如预算管理数据库，工程管理数据库等。
4.2 提高数据分析水平
在财务大数据管理模式下，财务数据分析不再是针对企业盈亏状况及过去财务结果的事后分析，而要转变为实时分析企业经营绩效指标，这就要求为财务系统建立和完善一个常规性、实时性的数据分析应用机制。在该机制下，财务人员需要适时地脱离部门束缚，站在企业整体高度，具备战略性发展的眼光，运用崭新技术深入挖掘数据，开展数据深度分析，从收集的数据中准确提取出潜在有用的决策信息，发现真正符合实际的经营风险，帮助决策者实时掌握经营环境的变化情况，及时有效地做出科学决策并采取风险防范措施，进一步提升企业层面的数据分析应用水平以及经营管理水平。
4.3 构建数据应用人才队伍
在财务大数据管理模式下，企业需要的是一批熟识财务管理且精通大数据分析的复合型人才，以支撑重要的财务处理工作和日新月异的财务分析工具，财务人员需要从财务专才向综合型人才转型，要同时满足企业对财务管理、数据挖掘、信息管理的数据管理要求。与此同时，企业需要调整人才的引进方式和培养计划，一方面从多个专业、多个领域吸纳人才组建财务团队，吸收财务管理、信息管理、数理分析等方面的专业人才，另一方面通过举办财务大数据管理知识培训班、组织开展大数据环境下企业财务管理创新工作研讨会等形式，培养复合型人才的管理者，由其作为团队带头人，统筹团队工作事项，引导其他队员更加高效的开展团队工作，既有利于挖掘财务人员个人价值，又可以充分发挥团队作用，起到事半功倍的效益。通过财务大数据理念的树立以及人才队伍的构建，真正为财务大数据管理做好准备。
参考文献：
[1]朱广明. 大数据时代下企业营销数据管理整合创新[J]. 中国商论，2018，（35）：66-67.
[2]王国瑞，叶枝平，刘振华，苏立伟. 电网企业营销服务大数据应用分析[J]. 内蒙古电力技术，，：1-5.
[3]崔捷，邢华. 基于大数据的电力档案智慧服务平台[J]. 福建电脑，2018，（12）：106-107.
[4]王承旺. 电力企业财务大数据研究[J]. 财会学习，2018，（24）：16-17.
[5]李长青，王志国，张敏，陈煜，袁健，吕全峰，李晨. 电网企业财务大数据研究与应用[J]. 电力大数据，2018，21（08）：14-18.
论文作者:麦锦超
论文发表刊物:《河南电力》2018年16期
论文发表时间:2019/1/24
标签：数据论文; 财务论文; 数据管理论文; 结构化论文; 信息论文; 财务数据论文; 方法论文; 《河南电力》2018年16期论文;