数据挖掘在财务决策中的应用
摘 要：在现代社会中，公司大多数财务流程的核心部分是数据。而数据挖掘的任务就是在如此海量的数据中发现有用的数据。针对财务决策中面对的数据海洋的现状，如何采用数据挖掘这个技术，进步财务决策的效率，提出了对策。?关键词：数据挖掘；财务流程；财务决策?
1 数据挖掘的概念和技术?
数据挖掘是针对非常大的数据进行的研究和分析。它采用自动或半自动的程序，对数据中固有的先前未知的潜伏有用信息进行抽取。数据挖掘的起源可追溯到20世纪50年代人工智能的早期发展。在此期间，模式识别和基于规则推理的发展提供了基础构建块，数据挖掘就建立在这些概念的基础之上。在最近10 年中，大型业务数据库（特别是数据仓库）使用量的增长以及对这些数据的理解和解释的需要，再加上相对廉价的计算机的供给，导致数据挖掘在各种业务应用中的使用急剧增长。这些应用从零售业务的顾客细分和市场购物篮分析，到银行业务和金融业务应用中的风险分析和欺骗侦查，涉及面非常广泛。 ?
多年来各国学者已开发了多种数据挖掘技术，用于大量的数据集中探索和抽取信息。总的说来，数据挖掘技术分为两大类：探索型数据挖掘和猜测型数据挖掘。探索型数据挖掘包括一系列在预先未知任何现有模式的情况下，在数据内查找模型的技术。探索型数据挖掘包括分群、关联分析和频度分析技术。猜测型挖掘包括一系列在数据中查找特定变量（称为“目标变量”）与其它变量之间关系的技术。猜测型挖掘常用的有分类和聚类、数值猜测技术。数据挖掘使用的算法很多，主要包括统计分析、机器学习、决策树、粗糙集、人工神经网络和径向基函数（RBF）等。?
数据挖掘的程序主要分为以下5个步骤：?
1)定义题目。清楚地定义出业务题目，确定数据挖掘的目的。?
2)数据预备。数据预备包括：选择数据——在大型数据库和数据仓库目标中提取数据挖掘的目标数据集；数据预处理——进行数据再加工，包括检查数据的完整性及数据的一致性、往噪声，填补丢失的域，删除无效数据等。?
3)数据挖掘。根据数据功能的类型和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。?
4)结果分析。对数据挖掘的结果进行解释和评价，转换成为能够终极被用户理解的知识。?
5)知识的运用。将分析所得到的知识集成到业务信息系统的组织结构中往。?
2 财务决策中应用数据挖掘的`必要性?
一个财务决策的正确程度取决于所使用的事实和数字的正确程度。随着竞争的增加，财务决策的时效性也变得越来越重要了。因此，在财务决策领域应用数据挖掘是企业现实的需要。 ?
（1）有利于进步财务信息的利用能力。解决企业财务决策题目需要以询问为中心的数据图解，其以序列导向和***为特征。而传统的财务数据查询是一种事务处理，它是面向应用、支持日常操纵的，对查询得到的数据信息缺乏分析能力，决策者不能够在大量历史数据的支持下对某一主题的相关数据进行多角度的比较、分析，得出科学的分析结果。因此，财务决策题目自身的***特性驱动了数据挖掘领域的应用。 ?
（2）有利于解决财务信息的噪音题目。由于网络技术的发展，企业可以通过Intranet、Extranet、Internet方便获取各种企业内部、关联方及外部资料。现今的题目已不是信息缺乏，而是信息过量，难以消化，且信息真假难辨，可靠性难以保证。所以，对企业来说，这时就需要高效的数据分析工具在浩瀚的信息流中分辨、析取、整理、挖掘对财务决策有用的信息，减少信息噪音的影响。 ?
（3）有利于满足财务信息智能化的需求。由于决策本身的动态性、复杂性，决策者本身素质层次的多样性，不同的情况应有不同的处理方式。传统的数据析取是依靠程序职员在系统开发过程中设计的专用程序来实现，非常机械化。随着数据量的增大，查询的复杂化，这种方式越来越不可取。决策者希看信息的折取过程能够智能化，如不仅能对自己想到的信息进行访问，还能对自己想不到却需要的信息进行访问，对同样数据进行多次访问时，不必做重复操纵；不同决策者作相似访问时，也不必进行重复操纵等。?