CN116883184A - 一种基于大数据的财税智能化分析方法 - Google Patents

Abstract

本发明公开了一种基于大数据的财税智能化分析方法，所述方法包括：首先，构建财务共享服务中心，收集企业财务信息及其相关数据并进行预处理；进一步，建立财务标准化模块，将预处理后的企业财务信息及其相关数据输入财务标准化模块进行财务评估结果分析；然后，训练预设历史财税信息数据集形成财务决策模型；最后，将财务评估结果输入财务决策模型更新财务决策模型；本发明通过建立财务标准化模块和通过财务匹配分析提高财务分析的精确度，简化财务分析流程；还通过财务评估过程并输入训练的财务决策模型进行及时更新，提高财务决策模型与财务数据分析的适配性同时降低异常财务数据的出现。

Description

一种基于大数据的财税智能化分析方法

技术领域

本发明涉及财税智能化技术领域，具体涉及一种基于大数据的财税智能化分析方法。

背景技术

随着21世纪科学技术水平的高度发展，改变了原有生产工艺和生产方式，让智能化得到了广泛的应用，特别是财税智能化发展；智慧财税必将是未来财税行业发展的趋势。随着大数据的普及与运用，企业的财税管理今后要依靠对大数据的充分挖掘与分析，精确制定企业需求解决方案，合理配置企业各项资源，保障企业的各项业务活动、财务活动的执行。

财务分析的对象是企业的各项基本活动，如：筹资活动、投资活动和经营活动等，财务分析就是从报表中获取符合报表使用人分析目的的信息，认识企业活动的特点，评价其业绩，从而发现其问题；财务分析的起点是阅读财务报表，终点是做出某种判断(包括评价和找出问题)，中间的是财务报表分析过程，由比较、分类、类比、归纳、演绎、分析和综合等认识事物的步骤和方法组成；现有的财务分析方法较多，主要有：比较分析法、比率分析法、因素分析法等。

而现有的财务企业记账行业虽然一定程度上运用了智能化的财税录入和财务分析过程，但是财务智能化的精确度还不够，对于一些财务数据的利润分析存在匹配不合理的情况，需要增加人员的投入，需要对财务与利润的匹配度进行再一次核实和决策，使得财务分析流程繁复，影响企业财务分析效率；而且由于人工分析的偶然性和主观性，容易出现异常财务数据，现有的缺少一套程序能清晰完整的体现财税智能化分析过程。

发明内容

本发明的目的在于提供一种基于大数据的财税智能化分析方法，解决以下技术问题：

(1)如何提高财务分析的精确度，简化财务分析流程。

(2)怎样提高财务决策模型与财务数据分析的适配性同时降低异常财务数据的出现。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的财税智能化分析方法，所述方法包括：

S1、构建财务共享服务中心，收集企业财务信息及其相关数据并进行预处理；

S2、建立财务标准化模块，将预处理后的企业财务信息及其相关数据输入财务标准化模块进行财务评估结果分析；

S3、训练预设历史财税信息数据集形成财务决策模型；

S4、将财务评估结果输入财务决策模型更新财务决策模型。

优选地，所述财务标准化模块的建立方法为：

确定财务服务范围及服务对象，根据财务服务范围及服务对象确定财务核算标准；

依据财务核算标准进行关键词提取，获取关键词占比信息；

所述关键词包括：基参数B_a、程序参数P_r、定额参数Q_u；

根据关键词占比信息进行列表评分化处理；

所述列表评分化处理包括依据不同关键词对应的财务信息利润占总利润比进行百分制处理。

优选地，所述财务评估结果分析的过程为：

根据不同关键词占比计算财务利润系数；

根据财务利润系数大小进行财务匹配度分析；

根据财务匹配度分析结果输出财务评估结果。

优选地，所述财务利润系数的计算过程为：

SS1、根据基参数B_a、程序参数P_r、定额参数Q_u占比信息分别获取参数对应的影响函数f(B_a)、f(P_r)、f(Q_u)；

SS2、根据公式 计算出财务信息利润系数F_Pc；其中，B_a0为标准基参数，P_r0为标准程序参数，Q_u0为标准定额参数；ΔB_a为预设基参数偏差值，ΔP_r为预设程序参数偏差值，ΔQ_u为预设定额参数偏差值。

优选地，所述财务匹配度分析过程为：

将所述财务信息利润系数F_Pc与预设财务信息利润系数阈值[F₁，F₂]进行比对大小：

SSS1、若F_Pc∈[F₁，F₂]，则判断财务匹配度合格，进行步骤SSS3；

SSS2、若则判断财务匹配度不合格；

SSS3、获取财务匹配度合格的基标准、程序标准和定额标准对应的财务信息利润表占总利润比的总和进行评分，根据评分大小获取匹配度最高的数据信息。

优选地，所述历史财税信息数据集的训练方法为：

将财税信息数据集分为第一财务数据集和第二财务数据集；

其中，第一财务数据集记录有异常财务行为的财务数据；第二财务数据集未记录有异常财务行为的财务数据；

确定各所述异常财务行为的财务数据对应的目标分类信息并记录时间点；

获取各个记录时间点的目标分类信息的财务数据大小获取预设曲线L；

获取曲线L在[t₀，t₁]的面积值S；其中，t₀为记录开始时间，t₂为记录结束时间；

确定面积值S大小是否符合预设数据集对应的面积范围：

若符合，则输入第一数据集；

若不符合，则输入第二数据集；

确定预测异常财务行为的财务数据，进行预测异常财务行为的财务数据的参数化调整并形成财务决策模型。

优选地，所述财务决策模型的更新过程为：

通过将所述匹配度最高的数据信息输入财务决策模型；

依据财务决策模型结果判断是否有异常财务行为数据；

判断异常财务行为数据出现的记录时间点等结果更新财务决策模型。

优选地，所述预处理包括：设置数据预处理设备，所述数据预处理设备包括数据获取接收器、数据清理器和数据分类器；

所述数据获取接收器用于接收外界输入的流动资金数据、固定资产数据、业绩数据和负债数据，并传输至所述数据清理器；

所述数据清理器用于对接收到的数据进行格式排查，并将格式合格的数据传输至所述数据分类器；

所述数据分类器用于将格式合格的数据按照格式类别进行分类。

本发明的有益效果：

(1)本发明通过建立财务标准化模块，根据不同关键词占比计算财务利润系数，由于不同关键词对应的参数在财务分析过程重要性不同进而在评估分析中的占比也不同，计算不同占比的关键词参数综合后的财务利润系数，保证评估过程是数据化和具体化，保证财务分析的流程更加简化和通顺；通过将预处理后的数据输入财务标准化模块进行财务评估，再根据财务匹配度分析结果输出财务评估结果，通过财务匹配分析获得财务评估结果，保证财务数据分析的精简化和精确化。

(2)本发明通过财务评估过程获得财务利润系数，根据财务利润系数分析判断财务评估结果保证对训练后的财务决策模型进行即时数据更新，提高财务决策模型对财务数据智能化分析的适配性和精确性，减少财务异常数据对财务分析结果的影响。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于大数据的财税智能化分析方法流程示意图；

图2为本发明数据预处理设备连接图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为一种基于大数据的财税智能化分析方法，具体方法包括：

S1、构建财务共享服务中心，收集企业财务信息及其相关数据并进行预处理；

S2、建立财务标准化模块，将预处理后的企业财务信息及其相关数据输入财务标准化模块进行财务评估结果分析；

S3、训练预设历史财税信息数据集形成财务决策模型；

S4、将财务评估结果输入财务决策模型更新财务决策模型。

通过上述技术方案：财税智能化是社会发展的一个必然趋势，而现有的财务企业记账行业虽然一定程度上运用了智能化的财税录入和财务分析过程，但是财务智能化的精确度还不够，对于一些财务数据的利润分析存在匹配不合理的情况，需要增加人员的投入，需要对财务与利润的匹配度进行再一次核实和决策，使得财务分析流程繁复，影响企业财务分析效率；而且由于人工分析的偶然性和主观性，容易出现异常财务数据，现有的缺少一套程序能清晰完整的体现财税智能化分析过程。

本发明为了解决上述技术问题，通过对财务进行评估，将评估结果输入财务决策模型更新财务决策模型，保证财务数据的精确分析和匹配处理过程，具体方法为：首先，构建财务共享服务中心，收集企业财务信息及其相关数据并进行预处理；然后，建立财务标准化模块，将预处理后的企业财务信息及其相关数据输入财务标准化模块进行财务评估结果分析；接着，训练预设历史财税信息数据集形成财务决策模型；最后，将财务评估结果输入财务决策模型更新财务决策模型。

作为本发明的一种实施方式，具体的，财务标准化模块的建立方法为：

确定财务服务范围及服务对象，根据财务服务范围及服务对象确定财务核算标准；

依据财务核算标准进行关键词提取，获取关键词占比信息；

关键词包括：基参数B_a、程序参数P_r、定额参数Q_u；

根据关键词占比信息进行列表评分化处理；

列表评分化处理包括依据不同关键词对应的财务信息利润占总利润比进行百分制处理。

通过上述技术方案：通过构建财务标准化模块保证对预处理后的数据进行信息分析，提取财务数据关键信息，保证获得财务数据的信息标准大小；具体通过确定财务服务范围及服务对象，根据财务服务范围及服务对象确定财务核算标准，这里的服务范围及对象包括财务数据来源信息，分析财务服务范围，根据这些基础信息确定财务核算标准，确定财务核算标准有助于企业制定准确的财务预测，提高财务管理统一性；然后依据财务核算标准进行关键词提取，获取关键词占比信息，通过提取关键词信息有利于投资者更易通过关键词比较需求企业之间的的财务数据，从而更加准确的分析企业的财务状况，进而更好的规划财务资源；财务关键词包括：基参数B_a、程序参数P_r、定额参数Q_u；最后，根据关键词占比信息进行列表评分化信息处理；列表评分化处理包括依据不同关键词对应的财务信息利润表占比的总和进行百分制处理；百分制处理指的是依据关键词对应的范围对财务信息利润的影响占比划分而来的。

需要注意的是：这里的关键词是指一类财务数据，通过现有财务分类方法将这些信息进行统一划分，主要分为三类财务关键词包括：基参数B_a、程序参数P_r、定额参数Q_u，并且这些是通过财务管理标准总结出来的：主要指财务管理的程序、制度、定额等标准数据，具体的又分为一、基标准，如成本费用开支制度、固定资金管理制度、报表文件统一化、败据资料代码化；二、程序标准，如财务预测程序、财务计划程序、计划实施控制程序、财务分析程序、财务信息传递程序；三、定额标准，如流动资金定额、成本费用开支定额、设备利用定额、物质消耗定额；根据这些标准信息统一化处理，标准参数是依据三个指标方向的历史重要性，本实施例比如：可以通过各个关键词提取的服务区域不同，比较各个关键词对应的服务区域加起来的利润占比，但不限于这一种分析方式，这里总结即为关键词占比的重要性主要是依据财务领域的实际分析经验总结而来的参数化结果。

作为本发明的一种实施方式，具体的，财务评估结果分析的过程为：

根据不同关键词占比计算财务利润系数；

根据财务利润系数大小进行财务匹配度分析；

根据财务匹配度分析结果输出财务评估结果。

通过上述技术方案：通过将预处理后的数据输入财务标准化模块进行财务评估，将预处理后是数据进行财务标准化模块的匹配分析，进而得出精确的财务数据信息并进一步分析，具体的过程包括：首先，根据不同关键词占比计算财务利润系数，由于不同关键词对应的参数在财务分析过程重要性不同进而在评估分析中的占比也不同，计算不同占比的关键词参数综合后的财务利润系数，保证评估过程是数据化和具体化，保证财务分析的流程更加简化和通顺；然后，根据财务利润系数大小进行财务匹配度分析；财务匹配度分析是根据财务利润系数大小结果判断而来的；最后，再根据财务匹配度分析结果输出财务评估结果，通过财务匹配分析获得财务评估结果，保证财务数据分析的精简化和精确化。

作为本发明的一种实施方式，具体的，财务利润系数的计算过程为：

SS1、根据基参数B_a、程序参数P_r、定额参数Q_u占比信息分别获取参数对应的影响函数f(B_a)、f(P_r)、f(Q_u)；

SS2、根据公式 计算出财务信息利润系数F_Pc；其中，B_a0为标准基参数，P_r0为标准程序参数，Q_u0为标准定额参数；ΔB_a为预设基参数偏差值，ΔP_r为预设程序参数偏差值，ΔQ_u为预设定额参数偏差值。

通过上述技术方案：对财务利润系数的具体计算过程为是通过设定关键词参数的影响函数，根据函数的计算获得财务利润系数，财务利润系数F_Pc能反映在关键词分析下的财务数据分析情况；具体根据基参数B_a、程序参数P_r、定额参数Q_u占比信息分别获取参数对应的影响函数f(B_a)、f(P_r)、f(Q_u)；然后通过公式 计算出财务利润系数F_Pc；其中，B_a0为标准基参数，P_r0为标准程序参数，Q_u0为标准定额参数；ΔB_a为预设基参数偏差值，ΔP_r为预设程序参数偏差值，ΔQ_u为预设定额参数偏差值，且是根据经验数据选择设定的。

影响函数f(B_a)、f(P_r)、f(Q_u)为预设的函数，是根据财务关键词数据库对财务管理影响的大小经验总结计算而来的，是根据历史数据情况设定的一个调整函数，保证在调整系数的在特定合理的区间范围。

作为本发明的一种实施方式，具体的，财务匹配度分析过程为：

将财务信息利润系数F_Pc与预设财务信息利润系数阈值[F₁，F₂进行比对大小：

SSS1、若F_Pc∈[F₁，F₂]，则判断财务匹配度合格，进行步骤SSS3；

SSS2、若则判断财务匹配度不合格；

SSS3、获取财务匹配度合格的基标准、程序标准和定额标准对应的财务信息利润表占总利润比的总和进行评分，根据评分大小获取匹配度最高的数据信息。

通过上述技术方案：通过判断财务利润系数大小判断财务匹配度情况，由于关键词参数范围能够影响财务的利润获得，通过财务利润系数F_Pc能够反映财务与利润的关系；将财务利润系数F_Pc与预设财务利润系数阈值[F₁，F₂]进行比对大小：如果F_Pc属于[F₁，F₂]阈值范围，则判断财务匹配度合格，进行步骤SSS3；如果F_Pc不属于[F₁，F₂]阈值范围，则判断财务匹配过高或者过低，存在不合理性，则判断财务匹配度不合格；最后获取财务匹配度合格的基标准、程序标准和定额标准对应的财务信息利润表占比总和并进行评分，根据评分大小获取匹配度最高的数据信息，这里的数据信息对应的是对应企业财务数据相关信息。

作为本发明的一种实施方式，具体的，历史财税信息数据集的训练方法为：

将财税信息数据集分为第一财务数据集和第二财务数据集；

其中，第一财务数据集记录有异常财务行为的财务数据；第二财务数据集未记录有异常财务行为的财务数据；

确定各异常财务行为的财务数据对应的目标分类信息并记录时间点；

获取各个记录时间点的目标分类信息的财务数据大小获取预设曲线L；

获取曲线L在[t₀，t₁]的面积值S；其中，t₀为记录开始时间，t₂为记录结束时间；

确定面积值S大小是否符合预设数据集对应的面积范围：

若符合，则输入第一数据集；

若不符合，则输入第二数据集；

确定预测异常财务行为的财务数据，进行预测异常财务行为的财务数据的参数化调整并形成财务决策模型。

通过上述技术方案：历史财税信息数据集是根据财务数据库中获得的，通过对历史财税信息数据集进行训练，具体方法为：首先将财税信息数据集分为第一财务数据集和第二财务数据集；其中，第一财务数据集记录有异常财务行为的财务数据；第二财务数据集未记录有异常财务行为的财务数据；接着，确定各异常财务行为的数据对应的目标分类信息并记录时间点；然后，获取各个记录时间点的目标分类信息的数据大小获取预设曲线L；获取曲线L在[t₀，t₁的面积值S；其中，t₀为记录开始时间，t₂为记录结束时间；确定面积值S大小是否符合预设预设数据集范围；通过判断面积值S大小范围与预设预设数据集范围，这里的预设预设数据集是通过财务数据历史判断提前获得的标准数据集，通过预设预设数据集能多次对财务决策模型进行训练优化，两种情况下：若符合预设预设数据集范围，则输入第一数据集训练形成财务决策模型，若不符合，则输入第二数据集训练形成财务决策模型并进行预测异常财务行为数据参数化调整。

作为本发明的一种实施方式，具体的，财务决策模型的更新过程为：

通过将匹配度最高的数据信息输入财务决策模型；

依据财务决策模型结果判断是否有异常财务行为数据；

判断异常财务行为数据出现的记录时间点等结果更新财务决策模型。

通过上述技术方案：通过将匹配度最高的数据信息输入财务决策模型进行财务决策模型的更新，并依据财务决策模型结果判断是否有异常财务行为数据；根据判断异常财务行为数据出现的记录时间点等结果更新财务决策模型，保证财务模型的准确建构，提高财务模型对财务数据分析的适配性和精确性。

作为本发明的一种实施方式，具体的，请参阅图2所示，预处理包括：设置数据预处理设备，数据预处理设备包括数据获取接收器、数据清理器和数据分类器；

数据获取接收器用于接收外界输入的流动资金数据、固定资产数据、业绩数据和负债数据，并传输至数据清理器；

数据清理器用于对接收到的数据进行格式排查，并将格式合格的数据传输至数据分类器；

数据分类器用于将格式合格的数据按照格式类别进行分类。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于大数据的财税智能化分析方法，其特征在于，所述方法包括：

S1、构建财务共享服务中心，收集企业财务信息及其相关数据并进行预处理；

S2、建立财务标准化模块，将预处理后的企业财务信息及其相关数据输入财务标准化模块进行财务评估结果分析；

S3、训练预设历史财税信息数据集形成财务决策模型；

S4、将财务评估结果输入财务决策模型更新财务决策模型。

2.根据权利要求1所述的一种基于大数据的财税智能化分析方法，其特征在于，所述财务标准化模块的建立方法为：

确定财务服务范围及服务对象，根据财务服务范围及服务对象确定财务核算标准；

依据财务核算标准进行关键词提取，获取关键词占比信息；

所述关键词包括：基参数B_a、程序参数P_r、定额参数Q_u；根据关键词占比信息进行列表评分化处理；

所述列表评分化处理包括依据不同关键词对应的财务信息利润占总利润比进行百分制处理。

3.根据权利要求1所述的一种基于大数据的财税智能化分析方法，其特征在于，所述财务评估结果分析的过程为：

根据不同关键词占比计算财务利润系数；

根据财务利润系数大小进行财务匹配度分析；

根据财务匹配度分析结果输出财务评估结果。

4.根据权利要求3所述的一种基于大数据的财税智能化分析方法，其特征在于，所述财务利润系数的计算过程为：

SS1、根据基参数B_a、程序参数P_r、定额参数Q_u占比信息分别获取参数对应的影响函数f(B_a)、f(P_r)、f(Q_u)；

SS2、根据公式 计算出财务信息利润系数F_Pc；其中，B_a0为标准基参数，P_r0为标准程序参数，Q_u0为标准定额参数；ΔB_a为预设基参数偏差值，ΔP_r为预设程序参数偏差值，ΔQ_u为预设定额参数偏差值。

5.根据权利要求4所述的一种基于大数据的财税智能化分析方法，其特征在于，所述财务匹配度分析过程为：

将所述财务信息利润系数F_Pc与预设财务信息利润系数阈值[F₁，F₂]进行比对大小：

SSS1、若F_Pc∈[F₁，F₂]，则判断财务匹配度合格，进行步骤SSS3；

SSS2、若则判断财务匹配度不合格；

SSS3、获取财务匹配度合格的基标准、程序标准和定额标准对应的财务信息利润表占总利润比的总和进行评分，根据评分大小获取匹配度最高的数据信息。

6.根据权利要求1所述的一种基于大数据的财税智能化分析方法，其特征在于，所述历史财税信息数据集的训练方法为：

将财税信息数据集分为第一财务数据集和第二财务数据集；

其中，第一财务数据集记录有异常财务行为的财务数据；第二财务数据集未记录有异常财务行为的财务数据；

确定各所述异常财务行为的财务数据对应的目标分类信息并记录时间点；

获取各个记录时间点的目标分类信息的财务数据大小获取预设曲线L；

获取曲线L在[t₀，t₁]的面积值S；其中，t₀为记录开始时间，t₂为记录结束时间；

确定面积值S大小是否符合预设数据集对应的面积范围：

若符合，则输入第一数据集；

若不符合，则输入第二数据集；

确定预测异常财务行为的财务数据，进行预测异常财务行为的财务数据的参数化调整并形成财务决策模型。

7.根据权利要求5所述的一种基于大数据的财税智能化分析方法，其特征在于，所述财务决策模型的更新过程为：

通过将所述匹配度最高的数据信息输入财务决策模型；

依据财务决策模型结果判断是否有异常财务行为数据；

判断异常财务行为数据出现的记录时间点等结果更新财务决策模型。

8.根据权利要求1所述的一种基于大数据的财税智能化分析方法，其特征在于，所述预处理包括：设置数据预处理设备，所述数据预处理设备包括数据获取接收器、数据清理器和数据分类器；

所述数据获取接收器用于接收外界输入的流动资金数据、固定资产数据、业绩数据和负债数据，并传输至所述数据清理器；

所述数据清理器用于对接收到的数据进行格式排查，并将格式合格的数据传输至所述数据分类器；

所述数据分类器用于将格式合格的数据按照格式类别进行分类。