數(shù)據(jù)挖掘技術(shù)在管理會計(jì)中的應(yīng)用
——基于破產(chǎn)風(fēng)險(xiǎn)預(yù)警視角

李可童，陳 力

（1.江西財(cái)經(jīng)大學(xué) 會計(jì)學(xué)院，江西 南昌 330013；2.廣東金融學(xué)院互聯(lián)網(wǎng)金融與信息工程學(xué)院，廣東 廣州 510000）

引言

現(xiàn)代管理會計(jì)除制定企業(yè)財(cái)務(wù)計(jì)劃、提供企業(yè)財(cái)務(wù)報(bào)告、負(fù)責(zé)業(yè)績考核等工作外，還需高度融入管理決策，幫助公司制定、落實(shí)有關(guān)的發(fā)展戰(zhàn)略。與財(cái)務(wù)會計(jì)類似，管理會計(jì)的計(jì)劃與決策在很大程度上也需要遵循會計(jì)基本假設(shè)。作為四大基本假設(shè)之一，持續(xù)經(jīng)營假設(shè)假定企業(yè)不會面臨破產(chǎn)和清算，即每個(gè)企業(yè)的未來都是可預(yù)見的。然而，在實(shí)際情況下，因?yàn)槠髽I(yè)處在不確定性的外部環(huán)境，在一些壓力下很可能會面臨破產(chǎn)的境地。破產(chǎn)風(fēng)險(xiǎn)是企業(yè)經(jīng)營過程中最重要風(fēng)險(xiǎn)之一。管理會計(jì)對于企業(yè)是否可能面臨破產(chǎn)的評估和判斷顯得尤為重要。通過預(yù)測模型幫助企業(yè)規(guī)避風(fēng)險(xiǎn)具有重要意義。

1 管理會計(jì)概念

創(chuàng)造與維護(hù)價(jià)值作為管理會計(jì)的核心內(nèi)容是公司實(shí)現(xiàn)業(yè)務(wù)和財(cái)務(wù)整合。管理會計(jì)管理成本、控制各種風(fēng)險(xiǎn)、制訂和實(shí)施可行的發(fā)展計(jì)劃和績效考核系統(tǒng)、深度參與決策，最終目標(biāo)是幫助企業(yè)實(shí)現(xiàn)可持續(xù)發(fā)展和長遠(yuǎn)的效益。[1]與傳統(tǒng)財(cái)務(wù)會計(jì)不同，管理會計(jì)經(jīng)過剖析運(yùn)用企業(yè)各類數(shù)據(jù)，給公司不同級別的員工提供相關(guān)的信息借鑒與參考，給公司日后的發(fā)展方向以及戰(zhàn)略決策提供依據(jù)。管理會計(jì)的職能不僅包括核算、分析、考核和反饋等基礎(chǔ)性工作，更包括對將來的預(yù)測、決策和企業(yè)發(fā)展規(guī)劃方案等。

2 數(shù)據(jù)挖掘及其應(yīng)用

2.1 數(shù)據(jù)挖掘定義

數(shù)據(jù)挖掘是指在海量數(shù)據(jù)中通過各種算法和工具按照目標(biāo)尋找并整理出所需信息的一種技術(shù)，使數(shù)據(jù)轉(zhuǎn)變?yōu)閮r(jià)值成為可能。

2.2 數(shù)據(jù)挖掘過程

數(shù)據(jù)挖掘就是從大量數(shù)據(jù)（包括文本）中挖掘出隱含的、未知的，對決策有潛在價(jià)值的有關(guān)系、模型和趨勢，并運(yùn)用這些知識和規(guī)則建立用于決策支持的模型，提供預(yù)測性決策支持的方法、工具和過程；是利用各種分析工具在海量數(shù)據(jù)中發(fā)現(xiàn)模型和數(shù)據(jù)之間關(guān)系的過程。過程如圖1所示。

圖1 數(shù)據(jù)挖掘?qū)嵤┝鞒?/p>

（1）定義數(shù)據(jù)挖掘的目標(biāo)

認(rèn)真分析應(yīng)用領(lǐng)域，圍繞用戶痛點(diǎn)和難點(diǎn)梳理需求，確定預(yù)期目標(biāo)和效果。

（2）數(shù)據(jù)取樣

圍繞目標(biāo)首先需要開展數(shù)據(jù)采集、取樣工作。圍繞目標(biāo)按相關(guān)性、可靠性、適時(shí)性、準(zhǔn)確性、最新性的標(biāo)準(zhǔn)從業(yè)務(wù)系統(tǒng)中抽取相關(guān)的樣本數(shù)據(jù)子集。

（3）數(shù)據(jù)探索

為保證取樣數(shù)據(jù)的準(zhǔn)確性，便于探索出數(shù)據(jù)的規(guī)律性，通過數(shù)據(jù)探索環(huán)節(jié)對數(shù)據(jù)進(jìn)行異常、缺失分析等,以獲得對事物的理解和概念。

（4）數(shù)據(jù)預(yù)處理

數(shù)據(jù)探索基礎(chǔ)上對采樣數(shù)據(jù)通過降維、篩選、變量轉(zhuǎn)換、壞數(shù)據(jù)處理等預(yù)處理，為下一步快速準(zhǔn)確模型構(gòu)建和保證預(yù)測質(zhì)量做好準(zhǔn)備。

（5）模型構(gòu)建

根據(jù)分析出的類別通過適合的挖掘分析工具實(shí)現(xiàn)算法（模糊神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)，分類回歸樹等）構(gòu)建能夠可靠預(yù)測結(jié)果的模型。

（6）評估

對于預(yù)測模型可以通過測試集等來驗(yàn)證和評估模型是否貼切、準(zhǔn)確、實(shí)用、可靠，是否趨向?qū)嶋H情況。

2.3 數(shù)據(jù)挖掘應(yīng)用

（1）目標(biāo)確定

本次主要研究分析信息技術(shù)類中小型企業(yè)抗破產(chǎn)風(fēng)險(xiǎn)能力，具體工作是通過數(shù)據(jù)挖掘技術(shù)對企業(yè)財(cái)務(wù)指標(biāo)和破產(chǎn)風(fēng)險(xiǎn)間具有的關(guān)系展開深層次分析，構(gòu)建企業(yè)破產(chǎn)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，輔助企業(yè)經(jīng)營決策。

（2）數(shù)據(jù)取樣

采集取樣前要思考：數(shù)據(jù)源是不是可用？選用的數(shù)據(jù)和挖掘目標(biāo)是不是存在關(guān)聯(lián)性？數(shù)據(jù)的質(zhì)量怎樣保障？數(shù)據(jù)在某個(gè)范圍內(nèi)是不是具有代表性？應(yīng)該選擇多少樣本？怎樣對數(shù)據(jù)展開類別劃分等？

為了保障樣本數(shù)據(jù)質(zhì)量，將研究范圍鎖定在新三板中信息技術(shù)類中小型上市公司，同時(shí)把這些樣本公司在2017年的年報(bào)數(shù)據(jù)作為數(shù)據(jù)源展開分析。

（3）數(shù)據(jù)探索

為進(jìn)一步提升樣本數(shù)據(jù)的質(zhì)量，本文采用缺省值分析、周期性分析以及交叉驗(yàn)證等分析方法對數(shù)據(jù)展開分析與驗(yàn)證。

（4）數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理涵蓋四個(gè)過程：其一是篩選數(shù)據(jù)，其二是清理不合規(guī)數(shù)據(jù)，其三是對數(shù)據(jù)進(jìn)行歸納整理，其四是對數(shù)據(jù)展開變量轉(zhuǎn)換。首先選出財(cái)務(wù)報(bào)告中的利潤表、資產(chǎn)負(fù)債表以及現(xiàn)金流量表中報(bào)表中的重要指標(biāo)，隨后對選取的數(shù)據(jù)展開缺省值分析、標(biāo)準(zhǔn)化處理等，進(jìn)而將樣本數(shù)據(jù)補(bǔ)全。針對樣本數(shù)據(jù)進(jìn)行歸納總結(jié)，新三板上市公司的公開財(cái)務(wù)報(bào)表中包含大量財(cái)務(wù)指標(biāo)，從中選取一些典型的指標(biāo)如資產(chǎn)負(fù)債率、流動(dòng)資產(chǎn)周轉(zhuǎn)率，銷售收入增長率，現(xiàn)金獲利指數(shù)等，在減少工作量的同時(shí)，還更加具有針對性。根據(jù)定性判定結(jié)果，運(yùn)用正態(tài)分布對數(shù)據(jù)展開檢驗(yàn)，最終確定衡量指標(biāo)，具體參見表1。隨后，再對數(shù)據(jù)展開變量轉(zhuǎn)換，把各指標(biāo)的數(shù)值轉(zhuǎn)變成類別變量。通常而言，轉(zhuǎn)換的方式很多，文章選擇一個(gè)相對簡便的方法展開轉(zhuǎn)化，也就是根據(jù)數(shù)值間的距離展開轉(zhuǎn)換。譬如，公司成立的年限，0-3年內(nèi)的用1表示，4-8年內(nèi)的用2表示，9-12年的用3表示，13-16年的用4表示。

表1 關(guān)鍵財(cái)務(wù)指標(biāo)

序號 項(xiàng)目 指標(biāo) 指標(biāo)描述 類型4 運(yùn)營能力 流動(dòng)資產(chǎn)周轉(zhuǎn)率一定時(shí)期主營業(yè)務(wù)收入凈額/企業(yè)流動(dòng)資產(chǎn)平均占用額數(shù)值變量5 盈利能力 凈資產(chǎn)收益率凈利潤/平均所有者權(quán)益數(shù)值變量6 發(fā)展能力 銷售收入增長率本年銷售收入增長額/上年銷售收入數(shù)值變量7 盈利質(zhì)量 現(xiàn)金獲利指數(shù)數(shù)值變量8 破產(chǎn)風(fēng)險(xiǎn) 破產(chǎn)風(fēng)險(xiǎn)系數(shù)經(jīng)營現(xiàn)金凈流量/ 凈利潤破產(chǎn)風(fēng)險(xiǎn)系數(shù) 類別變量

（5）模型構(gòu)建與結(jié)果分析

關(guān)聯(lián)規(guī)則能夠衡量同一事件中各個(gè)項(xiàng)目間的關(guān)聯(lián)程度。本次采用關(guān)聯(lián)規(guī)則方法分析，可以定義所有財(cái)務(wù)指標(biāo)集合T={成立年限，資產(chǎn)負(fù)債率，流動(dòng)比率，流動(dòng)資產(chǎn)周轉(zhuǎn)率，凈資產(chǎn)收益率，銷售收入增長率，現(xiàn)金獲利指數(shù)，破產(chǎn)風(fēng)險(xiǎn)系數(shù)}為項(xiàng)目集合，每次選用的財(cái)務(wù)指標(biāo)集合i1稱為一個(gè)事務(wù)，所有的事務(wù)I={i1,i2,...,im}表示所有事務(wù)的集合，并且i1,i2,...,im是T的真子集。一個(gè)關(guān)聯(lián)規(guī)則可以由一條蘊(yùn)含式表達(dá)：M→N。M，N屬于T的一個(gè)真子集，同時(shí)二者間不存在任何交集。M稱作前件，N是后件。在關(guān)聯(lián)規(guī)則中，支持度、置信度都是非常重要的指標(biāo)：支持度=(M,N).count/I.count；置信度=(M,N).count/M.count。上式中，(M,N).count表示在I項(xiàng)集中同時(shí)含有M與N的個(gè)數(shù)，M.count表示在I項(xiàng)集中僅包含M的個(gè)數(shù)。關(guān)聯(lián)規(guī)則其實(shí)就是在集合中找到能夠滿足支持度、置信度要求的各個(gè)規(guī)則。

衡量關(guān)聯(lián)規(guī)則可能性高低的指標(biāo)是支持度，倘若某個(gè)規(guī)則的支持度比較低，表明M,N事件同時(shí)發(fā)生的可能性就比較??；倘若某規(guī)則的置信度很低，說明從M推導(dǎo)出N的難度比較大。按照P(N/M)=P(M,N)/P(M)公式能夠推導(dǎo)出P(M,N)=P(N/M)×P(M)。其中，P(N/M)表示置信度，P(M,N)表示支持度，通過這個(gè)公式可知，無論哪個(gè)關(guān)聯(lián)規(guī)則，都應(yīng)滿足的條件是置信度不能低于支持度。挖掘關(guān)聯(lián)規(guī)則其實(shí)就是在集合中找出符合如下要求的一些規(guī)則：其置信度、支持度都不能低于最小閥值（minsup,minconf）。閥值的取值由用戶決定，根據(jù)支持度=(M,N).count/I.count，置信度=(M,N).count/M.count，首先要找到一個(gè)集合Q=M∪N,它滿足Q.count/I.count〉=minsup，其中Q.count表示在I項(xiàng)集中含有Q事件的數(shù)量，隨后從中找到M→N，它滿足：(M,N).count/M.count〉=minconf，且M=Q-N。類似于Q的集合被稱做頻繁項(xiàng)目集，假定Q中有r個(gè)元素，那么頻繁項(xiàng)目集就為r-頻繁項(xiàng)目集，其屬于T的一個(gè)子集。挖掘關(guān)聯(lián)規(guī)則的整體過程可歸納成：其一，按照最小支持度列出每個(gè)頻繁項(xiàng)目集；其二，讓頻繁項(xiàng)目集與置信度形成強(qiáng)關(guān)聯(lián)規(guī)則。能夠根據(jù)指定的minsup與minconf與找尋出頻繁項(xiàng)目集以及形成的強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行交互，并借助這些交互對結(jié)果展開綜合評估。

現(xiàn)階段而言，關(guān)聯(lián)規(guī)則挖掘的常用方式是Apriori算法，其原理為：在r-頻繁項(xiàng)目集中產(chǎn)生（r+1）-頻繁項(xiàng)目集，隨后再推出（r+2）-頻繁項(xiàng)目集，依次類推，直到全部產(chǎn)生，最后找到其中存在的關(guān)聯(lián)規(guī)則。[3]

2.4 建模仿真

常用數(shù)據(jù)挖掘建模仿真工具有Rapid Miner，IBM SPSS Modeler，Oracle Data Mining，Weka，TipDM等，其中TipDM已集成數(shù)十種預(yù)測算法和分析技術(shù)，基本覆蓋了國外主流挖掘系統(tǒng)支持的算法；支持?jǐn)?shù)據(jù)挖掘流程所需的主要過程：數(shù)據(jù)探索（相關(guān)性分析、主成分分析、周期性分析）；數(shù)據(jù)預(yù)處理（屬性選擇、特征提取、壞數(shù)據(jù)處理、空值處理）；預(yù)測建模（參數(shù)設(shè)置、交叉驗(yàn)證、模型訓(xùn)練、模型驗(yàn)證、模型預(yù)測）；聚類分析、關(guān)聯(lián)規(guī)則挖掘等一系列功能，是國內(nèi)最好的數(shù)據(jù)挖掘建模仿真工具之一。關(guān)聯(lián)規(guī)則算法包括Apriori，F(xiàn)PTree，灰色關(guān)聯(lián)法等，其中常用Apriori算法是一種最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法，其核心是基于兩階段頻集思想的遞推算法。

本次研究選用TipDM數(shù)據(jù)挖掘在線建模平臺，采用Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則的挖掘。[4]

（1）模型輸入

模型輸入包括兩部分，一部分是建模樣本數(shù)據(jù)輸入，另一部分是建模參數(shù)的輸入，建模參數(shù)設(shè)置表2。建模樣本數(shù)據(jù)見表3，為了說明問題，只是列舉了部分樣本。

表2 Apriori關(guān)聯(lián)規(guī)則建模參數(shù)

（2）仿真過程

為建模仿真過程如圖2所示。

圖2 仿真過程

仿真過程說明如下：

1）登錄TipDM平臺，在方案管理頁面中，新建方案或者打開一個(gè)已建方案。

2）切換到數(shù)據(jù)管理頁面，上傳信息技術(shù)類科技企業(yè)財(cái)務(wù)樣本數(shù)據(jù)文件。

3）選擇Apriori關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行模型構(gòu)建。

4）對挖掘的關(guān)聯(lián)規(guī)則進(jìn)行分析。

（3）結(jié)果分析

為了更好的分析支持度對規(guī)則數(shù)量所造成的影響，需要對其他指標(biāo)進(jìn)行固定，故將置信度設(shè)為0，作用度設(shè)成1，通過測試得到：如果將支持度的最低值設(shè)成0.2，其對規(guī)則數(shù)量所產(chǎn)生的影響最高，所以，本文設(shè)定其值為0.2，即minsup=0.2。同理，置信度的最低值為0.4，即misconf=0.4，作用度的最低值是1.5。把破產(chǎn)風(fēng)險(xiǎn)變量當(dāng)作后件，其他變量作為前件，通過多次的分析，得到了如表2所示規(guī)則。每個(gè)規(guī)則都明確指出在前件發(fā)生時(shí)所對應(yīng)的公司破產(chǎn)的風(fēng)險(xiǎn)系數(shù)，其中a表示非常高，b表示較高，c表示正常，d表示較低。下表列出幾個(gè)關(guān)聯(lián)規(guī)則：

表4 樣本關(guān)聯(lián)規(guī)則

根據(jù)挖掘得到的上述規(guī)則，現(xiàn)金獲利指數(shù)、凈資產(chǎn)收益率是信息技術(shù)類中小型企業(yè)破產(chǎn)風(fēng)險(xiǎn)高低的關(guān)鍵因素?，F(xiàn)金獲利指數(shù)低于0.2以下，凈資產(chǎn)收益率低于10%的企業(yè)處于破產(chǎn)風(fēng)險(xiǎn)高的階段。

為了驗(yàn)證本次研究成果，筆者實(shí)地調(diào)研和訪談了一些廣州市信息技術(shù)類企業(yè)的經(jīng)營負(fù)責(zé)人和財(cái)務(wù)經(jīng)理，發(fā)現(xiàn)很多企業(yè)主有風(fēng)險(xiǎn)管控意識但缺乏有效監(jiān)控方法，對現(xiàn)金獲利指數(shù)和凈資產(chǎn)收益率概念比較模糊，筆者根據(jù)企業(yè)主提供的財(cái)務(wù)報(bào)表，會同企業(yè)財(cái)務(wù)經(jīng)理一起計(jì)算企業(yè)資產(chǎn)負(fù)債率、流動(dòng)比率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、凈資產(chǎn)收益率、銷售收入增長率和現(xiàn)金獲利指數(shù)等指標(biāo)，發(fā)現(xiàn)經(jīng)營狀況比較好的企業(yè)的現(xiàn)金獲利指數(shù)和凈資產(chǎn)收益率比較高，而現(xiàn)金獲利指數(shù)和凈資產(chǎn)收益率很低或?yàn)樨?fù)數(shù)的企業(yè)的經(jīng)營狀況都比較惡劣，處于破產(chǎn)風(fēng)險(xiǎn)高的階段。

3 結(jié)論

數(shù)據(jù)挖掘工具并不能明確關(guān)聯(lián)規(guī)則的具體內(nèi)涵，要想高效準(zhǔn)確地使用挖掘工具確定適合的關(guān)聯(lián)規(guī)則，相關(guān)人員除了具有大量的從業(yè)經(jīng)驗(yàn)之外，還應(yīng)該對數(shù)據(jù)有更為全面、正確的理解，同時(shí)還能結(jié)合公司的具體情況對規(guī)則的價(jià)值展開分析，在實(shí)踐中賦予關(guān)聯(lián)規(guī)則新的生命力。實(shí)際應(yīng)用中，某些事項(xiàng)或許在表明上并無任何關(guān)聯(lián)，但其關(guān)聯(lián)規(guī)則的置信度、支持度等指標(biāo)值可能比較高，針對此種情況，就應(yīng)該由專業(yè)知識、從業(yè)經(jīng)驗(yàn)等各個(gè)角度來評估其僅僅是個(gè)偶然還是確實(shí)具有內(nèi)在關(guān)聯(lián)；此外，也可能有一些事項(xiàng)在表面上具有較大的關(guān)聯(lián)，但是關(guān)聯(lián)規(guī)則中的指標(biāo)值卻比較低，這時(shí)候也應(yīng)該對其展開分析與評估。因此，關(guān)聯(lián)規(guī)則的挖掘其實(shí)僅為第一步，后續(xù)對規(guī)則的理解才是最為重要的，只有對關(guān)聯(lián)規(guī)則有準(zhǔn)確的理解，才可以讓其作用得到最大程度的發(fā)揮。

信息技術(shù)類中小型企業(yè)由于規(guī)模小、競爭激烈、產(chǎn)品生命周期較短等特點(diǎn)，其存在的投資風(fēng)險(xiǎn)也較其他行業(yè)高，對應(yīng)的融資難度也相對較大；并且需要投入大量資金用于研發(fā)費(fèi)用，這在很大程度上削弱了公司的盈利能力，進(jìn)一步加劇了其在償債方面的壓力。所以，信息科技類小微型企業(yè)的抗風(fēng)險(xiǎn)能力值得深入探討，風(fēng)險(xiǎn)管理自然而然成為管理會計(jì)的首要任務(wù)。隨著現(xiàn)代科技的不斷進(jìn)步，數(shù)據(jù)分析和挖掘發(fā)展迅猛。只有挖掘出其中的關(guān)聯(lián)規(guī)則，才能更好的找出對公司發(fā)展有利的信息，構(gòu)建風(fēng)險(xiǎn)評估體系，方可全面提高企業(yè)的核心競爭力，才能在企業(yè)破產(chǎn)風(fēng)險(xiǎn)較高時(shí)，及時(shí)做出戰(zhàn)略調(diào)整，保證企業(yè)可持續(xù)發(fā)展。[5]