运用商业智能和大数据分析工具进行财务管理和预测外文翻译资料

Financial management and forecasting using business intelligence and big data analytic tools

Abstract:This paper discusses about the latest and efficient financial tools and techniques which optimize the financial cost of the organization and predict the financial situation of the organization to flourish the business in the efficient way. Financial management basically means to accumulate funding for the enterprise at a low cost and to expend this collected funding for earning extreme profits. Thus, financial management means to plan and control the finance of the company. Financial management is usually concerned with the flow and control of money within an organization and be it either reserved or open sector. So, these tools if functional in the better way then business will reach in the utmost altitude. Recently some computational tools have been developed by the computer scientist for the efficient management and prediction for the business which is very useful for forecast and prediction in the era of digital world. The intention of this paper is to review and discuss the most significant applications of Business Intelligence in financial management and forecasting and prediction domain as well as point to new technology trends that will affect financial development.

Keywords: Business intelligence; data analytics; financial management; financial forecasting and prediction.

1.Introduction

Financial management is about formulating, guiding and dealing the money deeds of an organization such as procurement, marketing and by means of money its finest outcomes to get the best out of wealth or yield best significance for money.It is basically applying general management concepts to the cash of the business (Golfarelli et al., 2004). Financial management can also be defined as the management of the finances of a business in direction to attain financial goals. Big Data has emerged in the past few years as a new standard providing lavish data and openings to improve enable research and decision-support bids with unparalleled value for digital earth applications including business, sciences technology and engineering (Boubaker et al., 2017; Golfarelli et al., 2004). Big data analytics is now extensively used in field so for computer science such as recommendation systems, search and information retrieval, computer vision and image processing, and is making its attack into the real world in terms of business intelligence, healthcare and supply chain management. It is also used even within the domain of networks in areas such as network security. Several technology innovations in the past decade were essential is being able to analyze gigantic volumes of data. Traffic on the Internet has been steadily growing, and it is predicted to quadruple by 2020 (Golfarelli et al., 2004). Folks and the processers are generating large amounts of varied data (Stackowiak et al., 2005). The upsurge of enormous data is a thrilling if in some cases scary expansion for business. Dealing with exponentially increasing volumes of data is a significant challenge for different players in the delivery of system in finance sector (https://books.google.co.in/books? isbn=1466664789; Mithas et al., 2011; Boubaker et al., 2017). Most of the data are available in structured and semi-structured format. The phenomenon of apprehending and vexing to use all of these semi-structured and unstructured data is a great experiments for business users (Boubaker et al., 2017; Mithas et al., 2011). Cumulative machinery powers of social, cellular, the cloud based network, and unified tools and infrastructures, gigantic data approaches countless new avenues for learning about user and clients and their requests and hungers. Business Institution and Universities, Industry can hold up and accrue data of many varieties from almost any source, but taking and loading data only adds value when it has a useful purpose (Stackowiak et al., 2005). This approach is a big avenue for the real customers and clients. Establishments that really and truly squeeze big data and create new breaks for tactical diversity in this age of com- mitment (Boubaker et al., 2017). Gigantic data is used for the input to business intelligence (BI) and decision maintenance (DM) capabilities if it is to create real value for Administrations and Business (Mithas et al., 2011). Today WWW and Cloud platform is largely a content and data driven network. Starting from simple data transfer between more than one computers directly connected by a wire, the complexity of content delivery over the Internet has come a long way to include several complex applications such as adaptive video streaming, peer-to-peer file sharing, massively multiplayer online gaming, cloud storage, and cloud-based computation (Kaplan et al., 1992; Golfarelli et al., 2004). Over the years, there delivery, both in protocols used for delivering content, as well as in the infra- structure to support and improve new content delivery applications. The business fortunes will lack and far behind if they will not run with the latest and cutting edge technology. Investigators need to explore and document use belongings that explain how unambiguous, original data, so-called Big Data, can be used to upkeep decision-making (https://books.google.co.in/books?isbn=0470461705; Mithas et al., 2011).

At the same time, Big Data presents experiments for digital earth to store, transport, and process, mine and function the data (Golfarelli et al., 2004). Cloud computing provides fundamental support to address the challenges with pooled computing resources including computing, storage, networking and analytical software; the application of these resources has fostered impressive due to Big Data advancements (Boubaker et al., 2017; Golfarelli et al., 2004).

2.Motivation for Proposed Work

Its important to realize that the nature of data in todays world has changed. In the past

剩余内容已隐藏，支付完成后下载完整资料

运用商业智能和大数据分析工具进行财务管理和预测

摘要：本文讨论了最新、最有效的财务工具和技术，以优化组织的财务成本，预测组织的财务状况，以有效的方式繁荣业务。财务管理基本上意味着以低成本为企业积累资金，并将这些收集的资金用于赚取更高利润。因此，财务管理意味着计划和控制公司的财务。财务管理通常涉及组织内资金的流动和控制，无论是保留还是开放部门。因此，这些工具如果以更好的方式运作，那么业务将达到最高海拔。最近，计算机科学家开发了一些计算工具，用于对业务进行有效管理和预测，这对于数字世界时代的预测和预测非常有用。本文的目的是回顾和讨论商业智能在财务管理，预测和预测领域的最重要应用，并指出将影响财务发展的新技术趋势。

关键词 商业智能;数据分析;财务管理;财务预测。

1.引言

财务管理是指制定，指导和处理组织的金钱契约，如采购，营销和通过金钱，其最好的结果，以获得最大的财富或产生最佳的金钱意义。它基本上应用一般管理概念企业的现金（高尔法利拉利等，2004）。财务管理也可以定义为企业财务管理，以实现财务目标。大数据在过去几年中作为一种新标准出现，提供了大量数据和开放，以提高研究和决策支持的出价，为数字地球应用提供无与伦比的价值，包括商业，科学技术和工程（保尔巴克尔等，2017; 高尔法利拉利等，2004）。大数据分析现已广泛应用于现场，因此适用于计算机科学，如推荐系统，搜索和信息检索，计算机视觉和图像处理，并在商业智能，医疗保健和供应链管理方面进入现实世界。它甚至在网络领域中也用于网络安全等领域。过去十年中的一些技术创新至关重要，因为它能够分析巨大的数据量。互联网上的流量一直在稳步增长，预计到2020年将翻两番（高尔法利拉利等，2004）。人和处理器正在产生大量不同的数据（斯塔克欧威尔卡等人，2005）。如果在某些情况下业务的可怕扩张，巨大数据的激增是令人兴奋的。处理指数级增长的数据对于金融部门系统交付的不同参与者来说是一个重大挑战，大多数数据以结构化和半结构化形式提供。使用所有这些半结构化和非结构化数据的现象对于商业用户来说是一个很好的实验（保尔巴克尔等人，2017; Mithas等，2011）。社交，蜂窝，基于云的网络以及统一工具和基础设施的累积机械能力，巨大的数据接近无数新的途径来了解用户和客户及其请求和渴望。商业机构和大学，工业可以从几乎任何来源中保留和累积许多品种的数据，但获取和加载数据只会在有用的时候增加价值（斯塔克欧威尔卡等人，2005）。这种方法对于真实客户和客户来说是一个很大的途径。在这个承诺时代真正和真正挤压大数据并为战术多样性创造新的突破的机构（保尔巴克尔等人，2017）。如果要为管理和业务创造真正的价值，那么巨大的数据将用于商业智能（BI）和决策维护（DM）功能的输入（Mithas 等人，2011）。今天，WWW和云平台主要是一个内容和数据驱动的网络。从通过线路直接连接的多台计算机之间的简单数据传输开始，通过因特网传送内容的复杂性已经包括很多复杂的应用程序，例如自适应视频流，点对点文件共享，大型多人游戏在线游戏，云存储和基于云的计算（Kaplan等，1992; 高尔法利拉利等，2004）。多年来，无论是在用于传送内容的协议中，还是在用于支持和改进新内容传送应用程序的基础架构中，都有交付。如果他们不能使用最新的尖端技术，那么商业财富将会缺乏并远远落后。调查人员需要探索和记录使用物品，解释如何使用明确的原始数据（所谓的大数据）来维持决策。

与此同时，大数据为数字地球提供了存储，运输和处理，挖掘和运行数据的实验（高尔法利拉利等，2004）。云计算提供基础支持，以通过计算，存储，网络和分析软件等池化计算资源应对挑战;由于大数据的进步，这些资源的应用已经令人印象深刻（保尔巴克尔等人，2017; 高尔法利拉利等人，2004）。

2.拟议工作

重要的是要意识到当今世界的数据性质已经发生了变化。过去，数据主要存在于具有固定模式和有限数量的结构化事务数据库中（斯塔克欧威尔卡等人，2005）。但是今天的景观更加复杂，收集的数据量和数据都在增加（Kaplan等，1992; 斯塔克欧威尔卡等人，2005）。传统的分析技术和工具在分析或挖掘数据方面是高效的，但在管理大数据方面却不具有可扩展性和高效性（Won，2009）。传统的存储系统没有分析能力，传统的数据分析工具和技术无法处理和处理大量数据以及数据的多样性，准确性和速度性（Natarajan等，2013; Stieninger等。 ，2014; Mithas等，2014; Stackowiak等，2005）。近年来，商业技术专家和工程师开发了许多智能工具来处理这些要求，但大多数研究工作尚未在金融，商业，商业和管理领域进行（保尔巴克尔等人，2017; 高尔法利拉利等人， 2005）。

3.研究目标

如果有效地使用数据并且业务需要必要的改进，商业和商业将是最有效和最精通的（Natarajan等，2013; Stieninger等，2014; Mithas等，2014; Stackowiak等， 2005）。探索财务数据的趋势对于提高任何组织的绩效是必要的，但并非所有人都具备分析数据的专业知识，以了解正在发生的事情。数据仅显示数字;它并不一定告诉我们组织发展的后果和预测（Kaplan 等，1992）。经济学可以对商业行为数据使用大数据分析来学习预测模型，即使所收集的数据未明确包含财务信息，也可用于提高财务效率。业务停留在原始数据中，通常需要数据科学家才能将其解决（Lombardo，2014; 高尔法利拉利等人，2004）。技术正在改变银行和金融业，但还没有完成。已经采用并充分利用商务智能解决方案来管理风险，提高运营效率，提供满足真实客户需求的产品和服务的机构将能够更好地在未来几年享受持续增长，盈利和竞争优势。

通过更多地关注分析而不是收集和报告，财务部门可以指导其他部门的决策过程，以实现更好的结果。企业数据分析的主要目的是帮助公司管理人员，业务经理和其他运营人员做出更好，更新的企业决策。商业和组织可以使用业务分析（BA）来削减预算，对新的专业启动进行分类，并插入适合业务的非生产性业务方法。

4.文献综述

文献综述基本上观察了相关文献的明确研究领域（李等人，2005; 纳塔拉阿佳儿等，2013; Lombardo等，2014; Won，2009）。它通过探索已经众所周知的所选主题来产生稳定的基础（Gintare等，2012; Cohen，2004; Stieniger等，2014）。因此，文献综述为相关研究领域的进一步研究和进展提供了新方法（Sabherwal等，2017; 保尔巴克尔等，2017; Lee等，2005）。该评价的主要目标是确定使用的方法和业务工具（兰家等，2018; Matteo等，2016; Kimball等，1998; Boubaker等，2016）以及影响和挑战的概念。使用商业智能和数据分析扩展进行财务管理预测（萨哈贝尔瓦尔，2011;斯塔克欧威尔卡等人，2007; 邓森，1997; Kaplan等，1992）。许多经济学家已经讨论过（Anaazevedo等，2018; 阿拉斯特等，2006;纳塔拉阿佳儿等人，2013; Stieninger等，2014; Mithas等，2014）关于近年来商业智能的需求。（Kaplan等，1992; 高尔法利拉利等人，2004）。

5.分析所需的工具

有许多商业智能工具可用于现代和时代的数据分析。我们可以应用新工具以有效的方式解决我们的研究问题。这些工具通常称为商业智能或BI工具。一些工具与云计算环境集成在一起。我们只需上传数据，只要我们愿意就将其存储在云中，允许我们的用户访问它，最后让用户在无编程环境中执行自己的即席查询，导出数据，生成报告和在线共享（Kaplan 等，1992;高尔法利拉利等，2004）。企业有一个强大的平台，可以统一数据管理，体验前所未有的灵活性，以全新的方式和方向全面，经济地分析和处理数据。

BI工具为我们提供了数据和信息的瞬时移动，以便了解它的效果如何（Kaplan 等，1992; 斯坦恩那吉尔等，2014）：减少开支，提升销量，提高盈利能力，了解何时购买新的资本资产。为了产生有效和富有成效的执行决策，我们可以通过商业智能工具实现这些目标。工具能够通过可视化和在多个维度上正确查看来突出趋势。一些众所周知的工具如下所示，可用于分析和更好的执行决策目的（阿娜扎付课多等人，2018; 阿拉斯特等，2006; 纳塔拉加Natarajan等，2013; 斯坦恩格尔等人，2014;米特哈森等，2014; 斯塔克威尔克等，2005; 撒贝哈瓦尔等，2017; 保巴克尔等，2017）：R编程。R是统计计算和视觉的语言和氛围。它由John Chambers及其同事在贝尔实验室（前身为AT＆T，现为朗讯科技）开发。 R提供广泛的统计选择（线性和非线性建模，经典统计测试，时间序列分析，组织，聚类）和图形技术，并且具有高度可扩展性。

6.财务预测工具

有许多方法可用于制定财务预测和预测。这些方法可以分为两大类，可以计算和定性。定量方法学信任可量化的数据，然后可以统计运作（高尔法利拉利等人，2004）。定性方法依赖于无法真正衡量的信息。

定量方法的一些例子是：

因果方法

这种方法认为被预测的项目有因果关系

（CAE）与一个或多个其他变量的关系。例如，电影院的存在可以推动附近餐馆的销售，因此可以预期大片电影的存在会增加餐厅的餐饮销售（高尔法利拉利等人，2004）。

时间序列方法

这种方法基于数据中的过去设计开发预测

目睹了等间隔的时间间隔。假设数据中存在一种将在未来重新出现的重复模式。时间序列方法的三个例子是（高尔法利拉利等人，2004）：

经验法则：这是基于一个基本的分析规则，例如复制转发历史数据而不做任何改动。例如，预计当月的销售额与前一个月的销售额相同。

平滑：此方法使用过去结果的平均值，可能包括更新近期数据的权重，从而消除历史数据中的不规则性。分解：此分析将历史数据分解为趋势，季节性和周期性成分，并预测每个结果。

市场研究：这是基于与现有和潜在客户就商品和服务需求进行的谈判。必须以有效和有序的方式收集和分析统计数据，以便最小化由小数据集，不均匀的客户提问，过度的数据汇总等引起的偏差。这是一种昂贵且耗时的研究方法。识别消费者情绪和感受的变化可能是有益的，这些变化将在以后反映在他们的商业习惯中。

知识渊博的人员：这是基于那些对所预测信息有最大和最深入了解的人的意见。例如，高级管理团队可以根据他们对行业的了解来制定预测。或者，销售人员可以根据他们对明确交易和客户的了解来准备销售预测。使用销售人员进行预测的一个优点是，他们可以提供详细的预测，可能在特定客户的级别。销售人员可以创建过于热情的预测。

7.财务预测

财务预测的目标是评估当前和未来的经济形势，以指导政策和计划性声明（万尔等人，2009）。财务预测是一种财务管理工具，可根据过去，当前和估计的财务状况提供可预测的信息。这将有助于确定可能对政府战略，计划目标或公共服务产生即时或持久影响的即将到来的收入和支出倾向。预测是年度预算实践的一个组成部分（高尔法利拉利等，2016; Kimball等，1998）。实际预测允许在保持财政纠正和提供基本公共设施方面进行升级决策（Kaplan等，1992; Cohen，2004; Won等，2009）。当一个主管部门进行其财务预测时，接下来就是提供表达其目的和主要关注点的手段，以确认它们处于稳定状态（高尔法利拉利等人，2004）。它还可以帮助企业确定想要成功实现其目标线和首要任务的资产或债务（Sabherwal，2011; 保尔巴克尔等人，2017）。

8.财务建模

另一方面，财务建模是公司塑造其财务代表的过程。作为财务建模的结果创建的模型用于标记业务判断（兰加尔等，2018; Vizgaityte等，2012）。财务模型是由变量链接在一起的公司制定的数学模型;公司可以修改这些变量，看看这些变化如何影响业务（卡帕蓝等，1992; 保尔巴克尔等，2017）。财务预测和财务建模之间的区别在于，前一个是企业为即将到来而思考和烹饪的过程，而后者则是计算，预测或近似企业财务数据的表现（吉姆保尔等，1998） ;保尔巴克尔等，2017）。

9.Methodology

商业智能（BI）会考虑用于收集，集成，检查，调查和存在组织原始数据的工具，技术，演示文稿和实践，以便创建具有洞察力和可操作性的业务事实。实际上所有的执行判断都基于推定。每个决定在未来的某个时刻都可以运作，因此它应该基于对未来条件的预测（高尔法利拉利等，2004）。使用BI（Stieninger等，2014），使用标准格式的公认会计原则（GAAP）经济报表进行更准确的财务预测。将使用基于简单增长惯例和财务预测的财务预测，使用从大数据和BI技术的增长中使用新技术的数据预测得出的增长率。以下是管理决策预测的流程图。商业智能技术驱动的方法由许多相关事件组成，包括（Kaplan等，1992; Cohen，2004; Won等，2009; Boubaker等，2017）：

（1）数据挖掘

（2）在线分析处理（OLAP）

（3）查询

（4）报告

10.商业智能在财务和管理人员中的益处

使用BI工具的好处不容低估。这些工具使我们能够解开财务数据的秘密，并改进规划和决策。财务部门在推动战略方面处于独特地位，因为它收集了来自业务所有部门的数据。财务部门可以使用BI工具将财务结果与业务活动相关联，并引导组织实现其战略目标（Cohen，2004; Won等，2009）。BI技术最好通过分析越来越多的来自越来越多的融资IT系统的数据来支持机构和组织中的渐进式风险控制和计划决策。 BI技术带来的大部分好处，金融家希望增强客户关系，提高营销活动的效

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[603421]，资料为PDF文档或Word文档，PDF文档可免费转换为Word