數(shù)字經(jīng)濟(jì)時(shí)代大數(shù)據(jù)技術(shù)在國有企業(yè)財(cái)務(wù)管理中的應(yīng)用策略

關(guān)鍵詞：大數(shù)據(jù)技術(shù)；國有企業(yè)；財(cái)務(wù)管理；數(shù)據(jù)抓取

中圖法分類號：F275 文獻(xiàn)標(biāo)識碼：A

1引言

在數(shù)字經(jīng)濟(jì)時(shí)代下，國有企業(yè)的財(cái)務(wù)管理方法與多種現(xiàn)代化技術(shù)進(jìn)行了有效結(jié)合。大數(shù)據(jù)技術(shù)在數(shù)據(jù)處理性能上占據(jù)較大優(yōu)勢，可應(yīng)用在國有企業(yè)財(cái)務(wù)管理工作中。因此，本文提出一種應(yīng)用策略，將大數(shù)據(jù)技術(shù)應(yīng)用在不同的企業(yè)財(cái)務(wù)管理環(huán)節(jié)中。

2利用大數(shù)據(jù)技術(shù)獲取國有企業(yè)市場運(yùn)營數(shù)據(jù)

大數(shù)據(jù)技術(shù)可應(yīng)用在國有企業(yè)財(cái)務(wù)管理工作的方方面面，首先在數(shù)據(jù)獲取階段即可使用大數(shù)據(jù)技術(shù)獲取不同平臺的多源數(shù)據(jù)，本文采用大數(shù)據(jù)技術(shù)中的Scrapy框架對市場運(yùn)營數(shù)據(jù)進(jìn)行抓取，并對數(shù)據(jù)進(jìn)行清洗，具體應(yīng)用方法如下。

采用Scrapy框架對國有企業(yè)市場運(yùn)營數(shù)據(jù)抓取之前需要對前置規(guī)則進(jìn)行設(shè)定。通過預(yù)先設(shè)定抓取數(shù)據(jù)的格式以及屬性等參數(shù)，可以保證后續(xù)獲取的數(shù)據(jù)具備統(tǒng)一的數(shù)據(jù)格式，從而減少數(shù)據(jù)處理時(shí)的工作量。將需要抓取的財(cái)務(wù)運(yùn)營數(shù)據(jù)按照數(shù)據(jù)用途進(jìn)行分類，根據(jù)不同的數(shù)據(jù)類型設(shè)置對應(yīng)的數(shù)據(jù)字段。調(diào)取Scrapy框架中的class informationitem模塊對國有企業(yè)市場運(yùn)營數(shù)據(jù)用戶信息的格式進(jìn)行定義，調(diào)取Fiedl模塊對運(yùn)營數(shù)據(jù)的字段類型進(jìn)行定義，采用User-agent對測試賬號進(jìn)行更換，以便能夠抓取到更多平臺的國有企業(yè)財(cái)務(wù)運(yùn)營相關(guān)數(shù)據(jù)。為保證爬取的頁面不會出現(xiàn)重復(fù)的情況，本文采用set變量對瀏覽過的頁面進(jìn)行標(biāo)記，以降低數(shù)據(jù)的重復(fù)度。采用process_jtem函數(shù)對抓取到的數(shù)據(jù)類型進(jìn)行判斷，將同一類型的國有企業(yè)財(cái)務(wù)數(shù)據(jù)存儲到同一模塊中并對數(shù)據(jù)進(jìn)行清洗處理。數(shù)據(jù)清洗主要包括對數(shù)據(jù)的屬性進(jìn)行清洗以及對重復(fù)記錄進(jìn)行清洗。通過對財(cái)務(wù)信息屬性標(biāo)記的錯誤值進(jìn)行檢測，剔除錯誤數(shù)據(jù)，同時(shí)需對屬性對應(yīng)錯誤的數(shù)據(jù)進(jìn)行清洗。重復(fù)記錄清洗主要通過檢測重復(fù)記錄的算法錯誤來實(shí)現(xiàn)，通過檢查算法中的編寫情況，對編寫錯誤的代碼進(jìn)行修正并重新開始運(yùn)行，即可實(shí)現(xiàn)對重復(fù)記錄的清洗。

通過上述步驟即可實(shí)現(xiàn)對國有企業(yè)市場運(yùn)營數(shù)據(jù)的獲取，通過對數(shù)據(jù)進(jìn)行清洗提高數(shù)據(jù)的純度以及數(shù)據(jù)之間的關(guān)聯(lián)性，從而為后續(xù)的財(cái)務(wù)管理提供幫助。

3挖掘國有企業(yè)財(cái)務(wù)數(shù)據(jù)關(guān)聯(lián)性

大數(shù)據(jù)技術(shù)不僅可以應(yīng)用于獲取企業(yè)市場運(yùn)營數(shù)據(jù)，還可以應(yīng)用于運(yùn)營數(shù)據(jù)的量化分析。通過結(jié)合大數(shù)據(jù)技術(shù)，對國有企業(yè)市場運(yùn)營數(shù)據(jù)進(jìn)行量化分析，以挖掘數(shù)據(jù)之間的關(guān)聯(lián)性，并在此基礎(chǔ)上構(gòu)建財(cái)務(wù)數(shù)據(jù)管理流程。由于不同的國有企業(yè)財(cái)務(wù)項(xiàng)目下存在不同類型的運(yùn)營數(shù)據(jù)，因此為保證數(shù)據(jù)挖掘的效率，首先需要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理以及均值化處理。通過采用數(shù)學(xué)手段對數(shù)據(jù)進(jìn)行處理，可以保證企業(yè)運(yùn)營數(shù)據(jù)呈現(xiàn)穩(wěn)定的規(guī)律性變化。在該過程中，可采用大數(shù)據(jù)技術(shù)中的ETL數(shù)據(jù)處理工具，對國有企業(yè)運(yùn)營數(shù)據(jù)進(jìn)行批量化處理，并根據(jù)具體的量化指標(biāo)輸出不同格式的運(yùn)營數(shù)據(jù)。除此之外，還可采用ETL數(shù)據(jù)處理工具對投資數(shù)據(jù)、收益數(shù)據(jù)、盈虧數(shù)據(jù)等不同類型的數(shù)據(jù)進(jìn)行劃分，通過計(jì)算同一類型下的運(yùn)營數(shù)據(jù)均值，將企業(yè)運(yùn)營數(shù)據(jù)分為不同的類型，在此基礎(chǔ)上實(shí)現(xiàn)對企業(yè)運(yùn)營數(shù)據(jù)的細(xì)化處理。

通過計(jì)算國有企業(yè)財(cái)務(wù)數(shù)據(jù)的置信度實(shí)現(xiàn)對其相關(guān)性的分析。首先對置信度關(guān)聯(lián)規(guī)則進(jìn)行設(shè)置，通過構(gòu)建國有企業(yè)財(cái)務(wù)數(shù)據(jù)屬性概念對，對運(yùn)營數(shù)據(jù)的支持度進(jìn)行分析，數(shù)據(jù)支持度數(shù)值即代表了數(shù)據(jù)之間的相關(guān)性。數(shù)據(jù)支持度越大，代表該組數(shù)據(jù)之間的相關(guān)性就越強(qiáng)，則可以將相關(guān)性較強(qiáng)的同類數(shù)據(jù)進(jìn)行統(tǒng)一處理，以提高國有企業(yè)財(cái)務(wù)管理的數(shù)據(jù)處理效率，減少數(shù)據(jù)歸類時(shí)間。

采用上述步驟對財(cái)務(wù)數(shù)據(jù)支持度進(jìn)行計(jì)算，即根據(jù)支持度大小劃分出相關(guān)性較強(qiáng)的數(shù)據(jù)對以及相關(guān)性較弱的數(shù)據(jù)對，實(shí)現(xiàn)對國有企業(yè)財(cái)務(wù)運(yùn)營數(shù)據(jù)的相關(guān)性挖掘與分析。

4結(jié)合大數(shù)據(jù)技術(shù)構(gòu)建國有企業(yè)財(cái)務(wù)管理體系

一般情況下，結(jié)合大數(shù)據(jù)技術(shù)構(gòu)建的國有企業(yè)財(cái)務(wù)管理體系結(jié)構(gòu)如圖1所示。

通過圖1可以看出，在大數(shù)據(jù)技術(shù)支持下，國有企業(yè)財(cái)務(wù)管理體系共包括4個層次，分別為基礎(chǔ)數(shù)據(jù)采集層、業(yè)務(wù)管理層、數(shù)據(jù)存儲層以及數(shù)據(jù)應(yīng)用層。其中，基礎(chǔ)數(shù)據(jù)采集層主要采用上文提出的數(shù)據(jù)抓取方法，通過Scrapy框架抓取不同平臺的國有企業(yè)財(cái)務(wù)運(yùn)營數(shù)據(jù)，并對重復(fù)數(shù)據(jù)和冗余數(shù)據(jù)進(jìn)行剔除，完成數(shù)據(jù)清洗工作。將清洗完成后的數(shù)據(jù)輸入業(yè)務(wù)管理層中，通過數(shù)據(jù)標(biāo)簽自動化處理規(guī)則，對財(cái)務(wù)數(shù)據(jù)進(jìn)行管理與運(yùn)營。業(yè)務(wù)管理層內(nèi)置了項(xiàng)目預(yù)算平臺以及投資管理平臺等多個子平臺，根據(jù)國有企業(yè)財(cái)務(wù)數(shù)據(jù)的業(yè)務(wù)類型對數(shù)據(jù)進(jìn)行分類管理。結(jié)合大數(shù)據(jù)技術(shù)，子平臺可以對采集到的國有企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行智能化分析與產(chǎn)出，通過輸出可視化分析結(jié)果，提高管理效率。數(shù)據(jù)存儲層主要負(fù)責(zé)存儲原始數(shù)據(jù)以及分析結(jié)果數(shù)據(jù)，內(nèi)置ODS關(guān)系型數(shù)據(jù)庫，通過對數(shù)據(jù)進(jìn)行分區(qū)管理，提高數(shù)據(jù)的處理性能。關(guān)系型數(shù)據(jù)庫采用集成模塊對外部數(shù)據(jù)源采集到的國有企業(yè)財(cái)務(wù)運(yùn)營數(shù)據(jù)進(jìn)行調(diào)用，通過將財(cái)務(wù)運(yùn)營數(shù)據(jù)分為預(yù)算信息數(shù)據(jù)以及財(cái)務(wù)指標(biāo)數(shù)據(jù)2種類型，實(shí)現(xiàn)對數(shù)據(jù)的分類處理。數(shù)據(jù)應(yīng)用層主要負(fù)責(zé)將分析結(jié)果進(jìn)行多維度呈現(xiàn)，通過輸出成本收益、投資信息、績效數(shù)據(jù)、人力管理等固體報(bào)表，幫助管理人員從不同角度了解當(dāng)前國有企業(yè)財(cái)務(wù)的運(yùn)營情況。

通過上述步驟即可建立國有企業(yè)財(cái)務(wù)管理體系，結(jié)合上述數(shù)據(jù)抓取以及數(shù)據(jù)關(guān)聯(lián)性挖掘等相關(guān)內(nèi)容，即可構(gòu)成數(shù)字經(jīng)濟(jì)時(shí)代大數(shù)據(jù)技術(shù)在國有企業(yè)財(cái)務(wù)管理中的應(yīng)用策略。

5應(yīng)用實(shí)例部分

為證明提出的數(shù)字經(jīng)濟(jì)時(shí)代大數(shù)據(jù)技術(shù)在國有企業(yè)財(cái)務(wù)管理中的應(yīng)用策略具備可應(yīng)用價(jià)值，在理論部分的設(shè)計(jì)完成后，構(gòu)建應(yīng)用實(shí)例環(huán)節(jié)，將本文提出的策略應(yīng)用在具體實(shí)例中，并對策略的可應(yīng)用價(jià)值進(jìn)行檢驗(yàn)。

5.1實(shí)例概況

本次應(yīng)用實(shí)例選取的應(yīng)用對象為某國有企業(yè)的財(cái)務(wù)管理數(shù)據(jù)。通過對該企業(yè)的歷史數(shù)據(jù)進(jìn)行調(diào)取，明確企業(yè)的經(jīng)濟(jì)規(guī)模、財(cái)務(wù)現(xiàn)狀、人力資源情況以及市場占有率等財(cái)務(wù)情況。采用本文提出的基于大數(shù)據(jù)技術(shù)的財(cái)務(wù)數(shù)據(jù)抓取方法對企業(yè)財(cái)務(wù)運(yùn)營數(shù)據(jù)進(jìn)行抓取與處理，通過建立財(cái)務(wù)管理體系實(shí)現(xiàn)對企業(yè)財(cái)務(wù)歷史數(shù)據(jù)的管理。

為檢驗(yàn)本文提出的應(yīng)用策略的應(yīng)用價(jià)值，結(jié)合企業(yè)財(cái)務(wù)管理要求，在實(shí)際應(yīng)用工作展開之前首先對該國有企業(yè)運(yùn)營數(shù)據(jù)中的財(cái)務(wù)管理文件夾目錄進(jìn)行了規(guī)定，具體文件類型以及目錄描述如表1所列。

通過表1可以看出，本次應(yīng)用實(shí)例主要選取了6個財(cái)務(wù)項(xiàng)目編號，通過采用本文提出的方法，結(jié)合大數(shù)據(jù)技術(shù)對上述6個項(xiàng)目進(jìn)行統(tǒng)一的財(cái)務(wù)管理，并針對不同的文件數(shù)據(jù)類型，建立不同的管理引擎，以驗(yàn)證本文策略的可行性。

5.2應(yīng)用結(jié)果

本次應(yīng)用實(shí)例選取的評判標(biāo)準(zhǔn)為管理方法的管理效率，具體衡量指標(biāo)為管理引擎的建立時(shí)間，該時(shí)間越短，則代表管理方法的管理效率越高，越能在短時(shí)間內(nèi)對大規(guī)模企業(yè)財(cái)務(wù)運(yùn)營數(shù)據(jù)進(jìn)行有效管理。

通過采用本文策略對上述企業(yè)市場數(shù)據(jù)進(jìn)行財(cái)務(wù)管理，得出不同文件項(xiàng)目的管理引擎建立時(shí)間。通過判定時(shí)間數(shù)值可以證明，本文策略在針對數(shù)據(jù)規(guī)模不同的文件夾建立管理引擎時(shí)，所需要的時(shí)間也有所不同。雖然建立管理引擎的時(shí)間存在差異，但是總體來看，6個財(cái)務(wù)管理項(xiàng)目的管理引擎建立時(shí)間均較短，因此可以證明本文提出的財(cái)務(wù)管理方法具備較高的管理效率，能夠有效提高企業(yè)的生產(chǎn)效率。通過使用大數(shù)據(jù)技術(shù)，既可以在短時(shí)間內(nèi)抓取到不同平臺的企業(yè)市場運(yùn)營數(shù)據(jù)，也可以對企業(yè)運(yùn)營數(shù)據(jù)之間的相關(guān)性進(jìn)行挖掘，以縮短數(shù)據(jù)處理時(shí)長，促進(jìn)企業(yè)的經(jīng)濟(jì)發(fā)展。

6結(jié)束語

本文所提出的數(shù)字經(jīng)濟(jì)時(shí)代大數(shù)據(jù)技術(shù)在國有企業(yè)財(cái)務(wù)管理中的應(yīng)用策略，通過應(yīng)用大數(shù)據(jù)技術(shù)中的Scrapy框架，對企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行抓取，在此基礎(chǔ)上構(gòu)建的財(cái)務(wù)管理體系具備較高的管理效率，能夠在短時(shí)間內(nèi)建立起管理引擎，并針對不同類型的財(cái)務(wù)項(xiàng)目對企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行高效管理。

作者簡介：

魏慶軍（1985—），碩士，高級經(jīng)濟(jì)師，研究方向：企業(yè)人力資源管理、財(cái)務(wù)管理、生產(chǎn)供應(yīng)鏈管理。