1. 研究目的与意义

这是一个信息化的时代,云平台如火如荼的进行,大数据概念又横空出世。与云类似，大数据起始于信息化，繁兴于物联网以及社交网络等,因此也带有很浓的互联网口味的技术“迷失在太空”的经历。大数据除了具有庞大的特点以外,数据变化速度快，种类繁多,较高的准确性也是其主要特征。大数据时代来临已经成为了不可逆转的趋势。这给传统的数据仓库数据处理和分析技术都提出了巨大挑战。随着大数据时代的来临，企业的财务分析活动也出现了一系列变化。而财务数据分析作为企业财务分析的重要组成部分之一，其分析结果的准确度直接影响着财务管理水平。在大数据时代，财务分析等同于大数据分析。传统财务分析具有单一性和滞后性的缺点,大数据的发展和数据挖掘技术的应用使得人们可以实现实时、多维并快速地财务分析。

当大数据时代来临的时候，企业面临着数据数量多、决策困难的情境。因此，在大数据的时代背景下，实时财务报告的使用，可以便于企业管理者进行高效决策，从而实现财务业务一体化。企业可以通过建立实时数据收集平台，从而创建一个中心数据库，这样财务人员和企业管理者可以看到实时数据，财务人员也可以实时处理数据信息。在财务人员处理完数据库中的信息之后，可以使之网页化，提供实时的财务报告，方便企业的管理者作出决策。

2. 研究内容和预期目标

研究内容：本题目将基于选定的案例，计算出一定的数据，对大数据时代对财务分析的影响进行分析。

拟解决的关键问题：大数据时代对财务分析的影响

写作提纲：（一）介绍研究背景、意义及国内外研究现状

3. 国内外研究现状

国外以复杂算法作为主要工具的数据挖掘技术介入财务分析领域较早，20世纪80年代之后就已经开始应用。Lapedes和Farber (1987)研究发现，如果使用神经网络模型清洗、处理和分析一些带有大量噪声数据的时间序列数据集，能够获取比先行处理模型处理之下更高的预测精确度。由于财务分析的主要任务是根据大量历史数据评价和预测公司财务状况，因此这一研究至少从理论上证明了数据挖掘技术应用于财务分析领域是具有一定可行性的。Wilson和Sharda延续Lapedes和Farber之前的研究，用实证的方法对神经网络和传统多元线性回归分析在财务分析中的应用效果进行了对比研究，结果神经网络在具有更高精确度的同时还具有对数据的要求比传统线性回归要低的优点。Myoung-Jong Kim (2003)运用了数据挖掘技术中的遗传算法，优化了传统的专家决策法，证明了遗传算法能够在财务预警上提供有效的决策支持。在具体运用上， Frydman(1985) 、Borrowek (1988) 、Dimitras (2001)分别运用决策树理论、专家系统和粗集理论等数据挖掘技术分别构建了财务分析和预警模型，Feng Yu Lin和Sally McClean (2005)将数据挖掘技术进一步应用到企业财务状况和财务报表的分析中。

针对数据挖掘技术在财务分析领域的应用研究，国内开始比较晚，但是研究路径与国外较为相似。在国内，随着数据挖掘技术逐步推广应用于金融、电信等各行各业，相关的研究也逐渐开展。林颖华，陈长凤(2017)研究了基于关联规则的交互挖掘，它是以数据挖掘为基础，专门用于解决最小支持度和置信度阙值未知情况下的数据挖掘问题，其最大的特点就在于需要通过实验和调整来探知最小支持度和置信度阈值，最终实现对数据用户需求的有效满足。作者通过构建的基于关联规则交互挖掘的企业财务风险分析模型，分别对模型的支持度和置信度阈值进行数值设定，进而实现了对企业财务风险指标频繁模式类型数目以及规则数目的挖掘,并以此为基础最终实现对财务指标间规律的探析。研究发现未来企业应结合具体财务指标的选择，对企业财务风险实施全方位、多层次的防范。

4. 计划与进度安排

1、2022.11~2022.12

确定课题研究计划，搜集、查阅相关文献资料，了解目前国内外研究动态。

2、2022.12~2022.1

5. 参考文献

[1]滕文惠,晁娜,韩霞.大数据时代下a纺织公司财务分析及对策研究[j].科技经济导刊,2020,28(21):223.

[2]陈婷.探究大数据环境下的企业财务分析变革[j].纳税,2020,14(01):82 84.

[3]田勇.大数据时代下的企业集团的财务分析[j].财经界,2020(01):213-214.