大数据时代，以交易、业务记录、核算、预测为主的财务工作有可能借此焕发出新的生机。很多之前由于信息收集、储存和分析上有难度的工作，如预算管理等，将不再存在技术上的障碍；财务管理在寻找有价值的投资项目、改进管理流程、节省成本等方面发挥着重要作用。财务管理的理念、功能、模式和方式方法也将发生颠覆性变革。
一、大数据背景下财务数据处理的变革
财务数据作为企业的核心，反应和支撑着企业资金及业务的正常运转，通过对财务数据的处理和财务信息的充分挖掘，能够有效改进财务管理，压缩资金成本，为企业带来丰厚利润。财务数据是企业最基本、积累量最为丰富的一种数据，基于这种大数据的处理和分析可以为企业带来巨大的价值增值。
（一）财务数据处理的发展历程
会计数据是对企业经营活动过程中各种经济事项进行的系统性记录。在对会计数据进行采集、存储、加工和传递等过程中所采用的技术称为会计数据处理技术。会计数据处理技术的发展经历了五个阶段：
1.会计数据手工处理阶段，即会计人员依靠算盘、纸张等计算工具对会计数据进行采集、存储、加工和传递等。手工处理阶段在会计业务处理过程中表现出良好的适应性、灵活性和可靠性，但也表现出低速度、低效率和高差错率等不足之处。
2.会计数据机械处理阶段，即会计人员利用穿孔机、验孔机、机电设备、电子设备等工具对会计数据进行采集、存储、加工和传递等。会计数据机械处理阶段提高了会计数据处理的计算速度与正确性，但这些工具存在体系庞大、成本过高、操作困难和稳定性较差等不足。
3.会计数据电子计算机处理阶段。计算机的出现，为会计数据处理提供了技术支撑。会计数据的集中存储和自动处理极大地提高了会计数据处理的工作效率，提高了会计信息的及时性和准确性。这个阶段，计算机技术还是会计数据处理的工具，信息的分享和交换主要通过软盘、光盘等存储介质来实现。该阶段会计核算和操作流程主要模拟手工方式，只有相关独立的单机运行的会计核算程序，一种核算程序独立完成一项会计业务，相互之间没有联系。
4.会计数据网络化处理阶段。随着网络技术的发展，财务部门可独立使用计算机及网络如内部网（Intranet）、外部网（Extranet）、因特网（Internet）等进行会计数据的处理。利用分布式数据库技术、互联网技术、中间件技术、系统集成技术等现代信息技术，特别是ERP系统的开发与应用，企业会计信息系统实现了业务流程、会计工作流程和信息流程的集成，彻底消除了“信息孤岛”现象，极大地提高了整个企业的信息共享性。同时，实现了业务处理和会计处理的集成、财务信息和非财务信息的集成、会计核算与会计管理的集成。
5.大数据时代会计数据处理阶段。物联网技术的发展、云计算的日益成熟和普及，为大数据的发展奠定了重要的技术基础。大数据阶段的会计数据与此前的阶段相比，具有质的变化，主要体现在：大数据阶段，会计数据的内涵更加丰富、结构更加多样复杂；会计数据的分析应用成为关键，分析方法更加复杂精确、更加智能化；一旦会计数据发生盗窃，其危害也更大。
（二）大数据时代的财务数据处理
随着信息技术特别是物联网技术、移动计算技术的发展，会计核算必须收集、处理数量巨大、结构各异的大数据。这些会计大数据除具有一般大数据的4个“V”的特征外，还具有无形性与粘性的特征：
1.数据规模大（Volume）。物联网下产生的数据数量非常大，数据规模已不能用GB、TB为单位，而是用PB为单位来衡量。
2.数据异构的数据（Variety）。物联网下产生的数据不仅包括数字这样结构化的数据，还包括声音、图像等非结构化的数据。这些数据因为与业务事件的关联性，从而导致结构化数据与非结构化数据更加复杂，不易处理。
3.数据产生与处理的实时性（Velocity）。传统数据处理对时间的要求不高。但是，物联网下物的行为与人的行为一般都要求在较短的时间段内完成，因此数据的产生与处理具有实时性。
4.价值密度低（Value）。会计大数据会连续不断地产生，但有价值的数据却只是连续产生的数据中的一个片断或一个部分。以视频为例，连续不间断的监控过程中，可能有用的数据仅仅只有一两秒。因此，大数据的价值密度低。
5.会计数据的无形性与粘性。当前物联网上企业采集、传输、处理的数字信息主要是非介质的数量信息。这些数据可以直接被感应器所感知，从而容易被传播；而会计数据是无形的数据，它不能够被感应器所感知。同时，会计数据是直接粘合在业务数据之中，不能够脱离业务数据而存在。因此，会计数据具有无形性与粘性。
正因为大数据时代的财务数据具有上述重要特征，这使得财务大数据的处理具有很大的挑战和很高的要求。主要在于包括高素质人员配置、设备采购等在内的平台建设，其中建立企业大数据中心开发平台是数据分析平台建设的基础。大数据的问题不是单一的解决方案能够解决的，它需要一整套的解决方案，它要融合很多传统的、新的技术。要构建大数据分析平台并从大数据中挖掘出有价值的信息，企业首先需要一个可扩展、灵活而可管理的数据基础架构，也就是企业大数据中心开发平台。
1.数据中心开发平台的基本内容。目前，人们对数据中心开发平台的认识未尽一致，但以下几点是大家的共识：
（1）数据中心是各种数据的集成与交换中心，是集基础与应用为一体的综合开发与应用集成平台。
（2）数据中心是一种搭建平台，提供一系列完整语义的数据处理功能，提供对流程、表单、应用程序界面数据等完整的搭建方案（由一系列的程序模块及数据组成），因而也是关于应用系统的集成设计器和工具箱。
（3）数据中心是一种强兼容性的数据仓库，可以在同一个框架下，把来自不同生产厂商、不同格式、不同标准和分布在不同位置的数据统一在一个系统之下，实现对分布式多源异构数据的管理能力。 （4）数据中心是一个定义完备的功能仓库，支持和管理以多种方式（组件、插件、流程、动态库、程序片断和脚本）提供的功能，并能对这些功能以一种一致的方式进行调用和执行。
（5）数据中心是一种应用集成系统，采用柔性设计理念，系统能够被快捷地搭建出来，且能随着需求的变化迅速做出调整。
2.数据中心的体系架构。数据中心的架构是面向服务的系统架构（Service-Oriented Architecture），又称为SOA架构。在这种架构下，无数软件制造者可将其研制的软件以服务形式提供出来，各功能之间是相互独立的，以一种称为松藕合的协议机制来组合。数据中心架构通过目录配置、可视化配置和搭建充分利用功能仓库和数据仓库的机制进行管理。
二、大数据时代全面预算
管理的变革
目前，企业预算管理面临两方面的挑战：一方面来自企业自身管理提升的要求，另一方面则是监管部门对企业的硬性要求。
首先，现代企业管理已经不满足用ERP等信息化手段进行事后管理，越来越多的企业期望在事前进行控制；其次，随着市场竞争愈演愈烈，如何合理制定企业经营目标、保证目标执行到位，变得越来越重要；第三，大量的并购使得集团内部的管理水平参差不齐，集团迫切需要提升管理水平；此外，大型集团企业由于产业布局复杂、地域分布不均，迫切需要合理地分配有限的资源。
在预算编制环节，目前大部分企业还停留在初级阶段，管理层对于数据的真实性与合理性很难做出判断，因为很多数据仍然是拍脑袋想出来的，很多基础的预算员并不会参考往期的实际数据和企业面临的可预计市场前景，也很少有企业真正实现合理的预算调整，甚至是滚动预测。
在预算控制环节，缺乏完整的控制体系，不清楚在哪个环节实现控制较为合理，没有信息化手段控制，单纯依靠管理人员事后检查。
在预算分析环节，大部分企业仍在进行简单的图表分析，无法针对管理的不同角度对财务数据进行分析，且缺乏有效的权限管理。
事实上，通过构建预算信息化管理平台，可以解决全面预算管理中的3个核心问题，即如何制定科学的管理目标；如何科学地进行目标分解；如何通过预算执行分析达成管理者的诉求。
通过同一时期获得的实际数据，比较预算数和实际数来完成预算执行报告，管理者可以通过预算执行报告调整下一期的执行战略。同时，预算不能仅仅是财务部门的事情，而是全员的事情，企业的各个单元、部门都应该参与到预算的编制、控制、分析过程。企业应该力求建立一套业务财务一体化模型，形成完整的预算体系。以销售预算为起点，生成成本预算、人力资源计划、采购计划、期间费用计划、融资计划，最后完成所有利润表相应的预算信息，出具一套包括利润表在内的预算报告。通过业务部门和财务部门的共同努力，达到跨部门协同作战计划平台，使得企业将有限的资源合理地配置到不同的区域、不同的板块、不同的事业部、不同的部门。
然而，计划平台并不能做所有的事情。企业的战略目标分解、预算编制、预算报告可以实现，但企业的预算执行监控应该放在企业的业务信息系统，因为业务信息系统是每时每刻都在发生的，而预算系统只是在预算期间、预算调整期间，以及预算的分析报告期间才会发生。所以，企业财务系统需要和业务系统进行集成，在业务系统进行预算控制，通过企业的全面预算管理信息化平台，从企业的战略规划、到战略规划目标分解、到预算编制、到预算执行控制、到预算分析报告的编制、预算的考核、以及到最后如何影响下一期的战略规划，力争达到一个闭环回路。
三、大数据时代企业
内审的变革
大数据时代，企业内部审计需要全面采集与企业财务活动相关的数据，既包括财务数据，也包括业务数据和管理数据；既包括企业内部的数据，也包括主管部门、研究机构等的外部数据；既有财务数据等结构化的数据，也有会议纪要、政策法规等非结构化的数据。企业内部审计需要整体把握一个企业的各方面情况，更科学、全面地评价一个企业，企业内部审计需要更准确地确定审计重点；企业内部审计需要更善于把握数据的规律和趋势，在发现企业现阶段存在问题的同时，更要能够揭示企业未来发展存在的风险和隐患。
面对“大数据”所带来的新技术、新思维，企业内部审计需要因时而变来适应商业模式、思维模式及数据处理模式的变革。内部审计人员不仅要能了解数据的变化以及数据处理技术的变革，更要能处理数据、分析数据、驾驭数据，要能够充分、及时地从大量复杂的数据中，辨认出对企业生存和发展有重大意义的关键信息，进而协助内部管理人员做出最佳的决策。“大数据”时代企业内部审计的变革主要表现在以下几个方面：
（一）审计方式由传统审计的事后审计、周期审计向连续审计转变
传统审计中，审计人员只是在完成财务报告或经过特定的周期或离职等情况时才进行审计，而且审计中并不是检查所有的信息，只是抽样分析。企业如仍然采用这种审计方式，对于确认迅速发展的商务活动的真实价值或合法性显得过于迟缓；另外，从内部控制的角度来讲，我国目前的内部审计实务多是针对财务、会计事项，对经营活动、内部控制、管理事项的监督、评价极为有限，审计活动理念也多为“监督导向”型，而非“服务导向”型，公司部门间的不同流程缺乏衔接，使审计工作难以为经济活动提供全面的监控和服务。随着企业经济业务日趋复杂，信息技术迅速发展，企业电子商务和信息化建设逐渐成熟，越来越多的人意识到连续审计的重要性，而大数据技术及大数据基础使连续审计成为可能。连续审计可以降低传统审计过程中的浪费和时滞问题，降低审计错误和风险，促进企业发展。
（二）审计抽样开始系统化、模块化、智能化，并开始具有预测功能，而样本最终将扩展至数据全体
常规审计工作主要采用随机抽查法，可以用较小的投入来获得审计结论，提高审计效率。但利用抽查法所得出的审计结论存在发生重大错误的可能性，其可能性的大小就意味着审计风险的大小。 随着大数据技术的发展，计算机的运算能力和处理速度不断提高。审计抽样系统可以利用大数据技术对这些审计数据进行分析并进行数据挖掘，找出特征数据，缩小抽样样本的数量，降低审计成本、提高审计效率。利用关联规则，预测被审计单位经营风险的高低，帮助审计人员确定审计重点，提高审计效率。通过审计信息系统所提供的庞大数据库可以实现对被审计单位的信息进行数据挖掘和综合分析，对被审计单位的财务及经营状况进行预测分析，为被审计单位提供决策依据。如某财产保险公司的审计系统，应用了大数据技术进行风险数据的提取，并应用PPS抽样、随机抽样、系统抽样、模型抽样、组合抽样等进一步提高审计效率。而在抽样模型中应用了汽修厂与驾驶员、报案人、定损员、收款人等的关联程度模型，伤者、驾驶员、报案人、联系人、领款人等的出险频繁度模型，人伤重复出险伤者、标的车多次与同一三者车碰撞出险等高风险模型，承保、理赔、财务系统非同一档案中上传相同照片等以“大数据”技术为基础的模型，收到良好的效果。
然而，在不久的将来，随着以真实性、服务性为基础的各项企业内部审计的深化，随着数据信息化的深入以及大数据技术的成熟，企业内部审计将逐渐开始能够从大量的、杂乱无章的海量数据中发现潜在的有用信息，能够从这些大量的数据中发现被审计单位运作的基本规律及特征；预测出被审计单位发展的趋势，从宏观上把握被审计单位的发展状况。
（三）促进审计成果的转化与应用
目前，内部审计成果应用主要是针对屡查屡犯的问题重点进行检查、督促整改，部分企业已经将审计成果应用闭环管理的手段对整改过程进行管理，达到了良好的审计成果运用效果。大数据技术的出现，促进了审计成果的进一步应用。一是促进对以往审计中获取的大量信息资料和相关情况资料的汇总、归纳，从中找出财务、业务和经营管理等方面的内在规律、共性问题和发展趋向，通过汇总归纳宏观性和综合性较强的审计信息，以及运用审计成果，为各级领导提供数据证明、关联分析和决策建议，从而促进完善制度、机制、决策和执行，促进企业管理水平更上一层楼；二是促进问题的全面发现，即应用大数据技术可以将同一问题归入不同的类型使用，从不同的角度、不同的层面整合提炼以满足不同层次的需求。同时，通过对带有共性、普遍性、倾向性的问题进行挖掘，提炼出问题与数据中关联性，可以将所有问题通过IT手段检查出来；三是应用大数据技术进行连续审计有利于问题的整改监督；四是将审计成果进行知识化留存，通过大数据技术，将问题规则化并固化到系统中，以便于计算或判断问题发展趋势、对问题进行预警等；五是将审计人员与审计成果、被审计单位与审计问题进行关联，并进行信息化备案，在进行下次检查时，可以根据审计方案中的重点，有侧重地选取有相应检查经验的审计人员组成审计组，并按审计目标抽取相应被审计单位进行重点审计检查等。
四、大数据时代管理
会计的变革
大数据的出现使得管理会计发生了很多重大变革：
（一）从基于结果的分析向基于过程的挖掘转变
以快销品营销领域的销售业务分析为例，传统的分析手段是根据各终端的销售数据进行统计，然后进行多维度的分析，包括产品、渠道、组织、数量、金额等方面，可以做得很精细，但对于后续问题的溯源分析，却一筹莫展，只能粗略地进行定性判断，这就意味着决策风险。
如果我们把数据的触角往前延展，一直延展到与消费者直接面对面的销售终端。比如，对于每一位来选购我们产品的消费者，促销员都可以热情地上去打招呼，随意问几句诸如对产品使用的体验、家里几口人、多久来买一次等信息；即使消费者选择了竞争对手的产品，也可以上去询问一下其作出上述选择的理由。类似这样的交流过程，一天可能发生几十起，让促销员在现场记录必然会有难度，那就可以采取现场录音的方式，然后每天把录音传递到公司后台，由后台的专业人士处理。这样既可以减少促销员的工作量，也可以保证信息的真实性。从这个过程也可以看出，我们不仅有了当天的销售量这些结构化的数据，也有了消费者评价等非结构化数据，还有消费者进行选购决策的数据，再加上每天采集竞争对手产品的促销活动和产品价格等信息，这些信息在大数据背景下会变成企业极其宝贵的财富，并在适当的条件下转化成企业的收入源。
（二）从基于单类型的结构化数据向多类型转变
有了非结构化数据的支持，我们的财务分析将变得更全面，毕竟目前结构化数据只占到整体数据总量的15%，因此数据内容的拓展将大有所为。
比如企业在进行客户的信用评价时，将不再限于从客户的财务报表、企业背景、发展状况来着手，企业的分析评估人员可以从社区网站上收集针对某个客户的吐槽、好评、恶评等信息，丰富我们的信息，从而减少交易中的信息不对称。
又比如，从风险管控的角度，要判断某个客户的经营状况，光看他的财务报表是不靠谱的，这时就需要采集多渠道的信息来综合进行反馈，也即“数据混搭”。“克强指数”就是“数据混搭”的范例。2007年，时任辽宁省委书记的李克强表示，他更喜欢通过3个指标来追踪辽宁的经济动向：全省铁路货运量、用电量和银行已放贷款量，以挤掉统计数字的水分。英国杂志《经济学人》在2010年把这种思路称为“克强指数”。该杂志认为，“克强指数”比官方GDP数字更能反映中国经济的现实状况。与之类似，目前空房率成为判断购房行为是否满足刚性需求的标准。对于房地产企业公布的一片大好的数字，老百姓自有其对策，即通过难以伪造或疏于伪造的小区用电、用水量判断空房率，当然也有奸商心一横，将空房的灯和水都打开，使得用电用水量评估空置率的办法失效。但生活垃圾量却不好做假，所以从清洁公司每天的垃圾运送量同样可以获知空房率的情况。
（三）从阶段性的月度报告向实时报告转变
大数据技术的日益成熟，使得财务报表的及时性大大增强。比如销售终端的信息采集，每当终端的信息发生更新时，个性化的营销政策和区域化的营销分析报告就可以定期出台，即使做不到每天，每周一报也将在不久的将来实现。
