時間：2023-10-17 16:12:17
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇財務數據可視化分析范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
關鍵詞：財務分析體系；氣象部門；可視化
一、引言
近年來，隨著全球變暖、極端天氣和氣候事件的頻繁發生，國家越來越重視氣象事業的發展。氣象現代化水平的提高，帶動氣象部門資金量迅速增加，資金性質日趨復雜，管理決策對財務數據的需求日益增大，亟須提升財務分析在財務管理中的作用。然而，氣象部門的管理層多數為非財務人員，打破專業繭房，構建直觀、易懂的財務分析體系，不僅可以讓管理層迅速地了解單位的財務狀況，還能為管理層做出決策提供支撐。財務分析數據可視化等同于改變常規財務分析數據報表式的呈現方式。可視化的財務分析數據對管理者產生的意義體現在事前預測、事中感知、事后反饋三個環節上。事前預測表現在決策活動未開始前，提前對被決策活動運行效果以及產生的最后結果進行預測與模擬，強化管理層對決策活動的預見性與精確性；事中感知能夠精確地擬化決策活動的運行狀況，全面掌握決策活動的細微之處，有助于強化活動執行計劃與政策編制的科學性；事后反饋就是可視化數據具備實時監測功能，能夠協助決策者動態化地了解決策運行效果，及時發現相關問題并有針對性地做出改進。總之，可視化數據在管理層決策過程中的應用，可以幫助決策者事前預測活動的整體情況，精確掌控決策的運行狀況，從而有效地結合各類反饋信息，科學整改決策內容與實施方式，不斷強化決策的執行效果，提升決策的活力性與有效性。
二、構建基于管理層視角下可視化財務分析體系的意義
1.讓非財務人員看得懂財務數據堅持問題導向、目標導向、結果導向，深入調研管理層對財務數據的需求，從資金保障、科技服務資金、重大建設項目、單位歷史遺留問題等重點關注點出發，利用數據可視化處理技術，將復雜、冗長的財務分析報告轉化成直觀、明晰、易懂的圖表，透過圖表讓管理層更直觀地了解單位的財務狀況，加快預算執行進度，為預算編制提供數據支撐。2.規范財務核算，提高財務管理水平構建基于管理層視角下可視化財務分析體系的同時，倒逼財務基礎數據的準確性和及時性，規范財務基礎核算，提升會計信息質量，有效推進管業財融合新模式。為落實全面從嚴治黨要求，強化財經紀律的約束力，提供財務分析支撐，有效提升氣象事業發展的財務保障能力。3.聚焦資金風險管理，防控財務風險財務分析貫通單位跨時間、跨系統的數據，開展橫向、縱向的業務評估分析。建立基于管理層視角下可視化的財務分析指標體系，引入風險分析模型、預警預測分析模型等多種分析模型提供智能化定制分析，對業務運行情況進行實時預警和監控，方便管理決策者及時了解單位財務動態，及時發現問題并采取解救措施，有效提高各單位資金運行和經費使用的管理水平。同時也有助于事業單位建立完善的財務管理內部控制制度。4.促進財務人員轉型隨著人工智能的快速發展，傳統會計核算模式下的填制憑證、審核、記賬、結賬等很多事務性的財務工作被替代，基層財務人員需要向戰略性財務轉型。通過構建管理層視角下的可視化財務分析體系，發現問題，分析問題，提出解決問題的對策，促進基層財務人員從核算、監督到核算、監督、分析的轉型。
三、氣象部門財務分析體系的現狀
1.重業務，輕財務事業單位是國家為了社會公益目的，由國家機關舉辦或者其他組織利用國有資產舉辦的，從事教育、科技、文化、衛生等活動的社會服務組織。為了更好地履行受托公共責任，更加注重特定活動的完成情況，主管財務的管理層多數為非財務專業人員，認為預算執行完成代表著財務工作的完成，讀懂復雜、冗長的財務報告非常困難，更無法利用財務報告獲取有利于決策的信息。2.重核算，輕分析氣象部門屬于科技型、公益類事業單位，在財務工作方面多注重基礎的會計核算，忽略財務分析工作。僅僅通過簡單重復的方式進行會計核算，而不能結合單位的目標及任務進行有效的財務管理，主動性也不夠，致使財務分析報告的針對性差，管理者難以全面了解單位的財務狀況，無法為管理層決策提供合理的依據。3.重事后，輕事前目前，氣象部門實行的是傳統單戶核算+決算報表財務分析單一模式。全年收支情況、重點費用支出情況、項目建設情況等都是事后通過決算報表得知，缺乏事前和事中對財務數據的把控。構建管理層視角下的財務分析體系，管理層能夠通過可視化財務分析體系展示平臺及時了解財務狀況，聚焦資金風險管理，提升財務管理水平。
四、財務分析體系構建措施
1.調研管理層對財務數據的需求，初步確立財務分析指標構建基于管理層視角下可視化的財務分析體系，從使用者的需求出發，堅持需求導向、問題導向，打破專業繭房，采用調研問卷、訪談等方式，真正了解非財務專業管理層對財務數據的需求，提供哪些財務數據足以支撐管理決策。整理數據需求，初步按照預決算業務管理、收支業務管理、資產管理、貨幣資金及結轉結余資金、建設項目管理、經費保障管理六個方面確立財務分析指標。具體如表1.2.規范會計核算，保證財務基礎數據的準確性和及時性氣象部門計財業務系統的財務基礎數據是可視化財務分析體系的主要數據來源，可視化的財務分析體系是否能為管理層決策提供有力支撐，完全取決于財務基礎數據的及時性和準確性。所以，要加大提高基礎財務數據核算的準確性和科學性，為財務分析體系的使用奠定堅實的數據基礎。3.配置財務分析指標的計算方法和取數規則在進行數據方面的可視化處理過程中，需要對各類財務分析指標的計算方法和取數規則加以配置，嚴格按照財務分析體系構建的要求，保障財務分析指標數值的準確性和可利用性。4.利用數據可視化技術展示財務分析體系聯合專業技術人員，利用數據可視化技術，將管理層需要理解的財務分析數據，從原本的數字符號，轉變成圖形或者圖表的形式。在將數據進行可視化處理的過程中，也可以使用各種類型的顏色或者圖形，進行二維或三維圖形的創建，豐富內容的表達。可以讓管理層利用二維或三維的方式，對其數據進行交互，進而可以在圖表的基礎上，進行數據信息價值的掌握，引導管理層充分發現數據規律，為管理層決策提供數據支撐。
五、結語
基于管理層視角構建的財務分析體系，從管理層的數據需求出發，構建滿足管理層需求的財務分析體系，利用現代化的數據可視化處理技術，將復雜冗長的財務報告用圖表來展示。人腦對視覺信息的處理要比書面信息容易得多，可以確保對關系的理解要比那些混亂的報告或電子表格更快。所以說，構建可視化的財務分析體系是一種非常清晰的溝通方式，使管理層能夠更快地理解和處理他們的信息。管理層在充分、詳細地理解財務數據的基礎上，才能正確研判、分析氣象部門的收支趨勢，準確把握氣象部門管理戰略和管理決策的方向。通過構建可視化的財務分析體系，真正實現降低公共成本、加強管控、提升效率、支持管理決策的目的，使氣象部門更好地履行其受托的公共服務責任。
參考文獻
1.秦春青.基于戰略視角的高效財務分析體系構建研究.商業會計，2021（01）.
2.張超.財務智能可視化分析與文獻綜述.財會月刊，2019（03）.
3.魏紫萱.可視化數據分析對決策者的影響.數字經濟，2018（05）.
4.殷敬淇.可視化數據新聞實踐路徑探索以財新數據可視化實驗室為例.新聞傳播，2017（9）.
5.劉磊.可視化數據挖掘方法與技術探究.通訊世界，2017（6）.
6.譚開誠.新會計準則在財務分析體系中的應用.時代金融，2013（09）.
7.鄭宗旭.電商企業新型綜合財務分析體系構建.湖北經濟學院學報(人文社會科學版)，2018（08）.
8.孫曉斌.以績效評價為核心的高校財務分析體系的構建.安徽工業大學學報(社會科學版)，2014（01）.
9.李明玉.建立以績效考核為核心的高校財務分析體系淺探.中國證券期貨，2012（05）.
10.林黎，葉燕萍.新會計準則對財務分析的影響.財會月刊，2007（15）.
11.盧興杰.國際財務報告準則變革及中國對策2010年中國會計學會資深會員論壇綜述.會計研究，2010（04）.
12.劉玉廷.關于中國企業會計準則與國際財務報告準則持續全面趨同問題.會計研究，2009（09）.
關鍵詞：大數據；財務分析
一、大數據與財務分析
（一）大數據與財務分析的含義
大數據是一種在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。
財務分析是以會計核算和報表資料及其他相關資料為依據，采用一系列專門的分析技術和方法，對企業等經濟組織過去和現在有關籌資活動、投資活動、經營活動、分配活動的盈利能力、營運能力、償債能力和增長能力狀況等進行分析與評價的經濟管理活動。為企業的投資者、債權人、經營者及其他關心企業的組織或個人了解企業過去、評價企業現狀、預測企業未來做出正確決策提供準確的信息或依據。
（二）大數據下財務分析的主要變化趨勢
在大數據的影響下，財務分析有著一些重大變化：第一，由事后向實時轉換，傳統財務分析都是在期末對財務報表進行分析，大數據下借助網絡技術、云計算等讓實時分析成為可能。第二，由基于結果分析轉為基于過程分析，比如網上交易完成后，分析網上購物的評價，買賣交易過程中客戶提出的需求，從中發現商機、對產品進行改進或對流程進行變革等。第三，從基于結構化分析轉為非結構化分析，從傳統的二維數據分析轉向多維度分析，除了數據分析的直觀結果，客戶評價、品牌、知名度、網上評分等等都應該成為分析的范疇。
（三）大數據下財務分析的優勢
隨著科技的進步，財務分析也應與時俱進，與大數據進行融合，充分利用數據挖掘技術和科學的分析方法給出具有現實指導意義的結果來協助財務決策，從而提高財務決策的效率和有效性。大數據下財務分析有著如下優勢：第一，可以更有效的組織企業節省資金；第二，可以利用企業數據和行業公共數據尋找新的市場和機會；第三，可以共同創建、實時改進及創新產品；第四，有些領域還可以將大數據可視化，可以更直觀進行分析和做出決策。
二、傳統財務分析面臨的主要問題
（一）財務分析不被重視，未能體現分析的價值
在企業中，財務分析不被重視，分析報告發現并提出的問題得不到重視，甚至很長時間問題仍然沒有得到有效解決；有些項目沒有經過充分分析、論證測算就盲目上馬，最終導致虧損；財務分析人員責任心不強，對分析不重視，不注重學習，敷衍了事，財務分析報告質量下降，形成惡性循環，財務分析的價值得不到體現。
（二）重報表、指標分析，輕非財務信息分析
傳統財務分析都是財務三大報表為主體，采用財務比率、杜邦分析體系等比率的計算，結合經驗，對比同行業公司情況，分析企業所處的狀況。但實際上由于企業不同年度經營情況有差異，市場有變化，不同企業的會計核算方法、估計的不同，甚至網上評價評價都會影響分析的結果，而且傳統財務分析不管是杜邦分析、比率分析等都各有側重，難以得出全面科學的結果。
（三）重靜態分析，輕動態分析
以報表為主的分析，數據是靜態的，已經發生的，等到各種數據結果統計出來之后再做的事后分析，存在不能實時反映市場的變化、不能掌握市場的最新情況等問題，管理、分析的時效性滯后，而且忽視了事前、事中的控制，出現問題時，已屬于被動，增加了企業調整、反應的成本，降低了財務分析所起的作用。
（四）財務數據和業務信息融合度不足、口徑不一、效率低下
財務部門提供財務數據，業務部門提供業務信息，兩者信息獨立，企業對外報告、公司內部總結、分析等，不同部門提供的數據可能不一致；政府各主管部門、企業內部不同部門對信息的需求不同；財務部門需要從不同角度進行統計、分析，效率低下。
三、大數據趨勢下改進財務分析的對策
（一）企業管理層應該重視財務分析
隨著經濟的不斷發展，市場的復雜程度不斷增加，財務分析在企業決策中的作用也愈發重要，嚴密、科學的分析結果是企業決策的基礎。企業應當重視財務分析，選用合適的財務分析人才，明確財務分析目標，完善財務分析方法、增加非財務分析指標，合理利用財務分析工具，構建科學合理、適用性強的、適合企業的財務分析體系，并不斷創新，建立健全內部控制制度，提高企業的財務分析和管理能力，促進企業的可持續發展。
（二）提高財務分析人員的職業素質
大數據時代，會計核算將不是財務部門的工作重點，一專多能、甚至多專多能才是財務人員的發展方向，信息化技術正在取代傳統的會計核算，財務人員不僅要做好會計核算、監督職能，還需要收集、整理與財務、業務、客戶相關的數據，更重要的是具備利用大數據的能力；財務人員要能夠從海量、不斷更新的非結構化數據中尋找與企業決策相關的重要信息，探索不同數據之間的關系；要能夠掌握一定的數據分析技巧，深入挖掘企業各個流程相關的數據，掌握數據變化的規律，利用一定數據模型及工具進行實時分析和相關信息的實時傳遞。
【關鍵詞】 XBRL; 數據挖掘; 財務數據; 構建
XBRL通常被譯為可擴展的商業報告語言(extensible business reporting language),是一個開放式的不局限于特定操作平臺的國際標準,通過它可以實現財務和商業報告數據及時、準確、高效和經濟的存儲、處理和交流。XBRL是在XML(可擴展的標記語言)的基礎上發展起來的,是目前應用于非結構化信息處理尤其是財務報表信息處理的最新技術。它通過對財務數據進行特定的標簽識別和分類,促進統一信息的財務數據在不同的計算機平臺和財務信息使用者之間共享,極大地促進了財務信息數據挖掘的進行,滿足了決策者對有用信息和知識的要求。
一、XBRL技術框架及特點
(一)XBRL技術框架
XBRL運用XML數據標記描述財務信息,主要由XBRL規范、XBRL分類標準、XBRL實例文檔和樣式表組成。XBRL規范,或稱規格書、說明,是XBRL的核心和基礎,它規定了XBRL的理念和原則,主要用于定義XBRL的各種專用術語,規范XBRL的文件格式,說明怎樣建立XBRL;XBRL分類標準是XBRL為企業報告中的每個項目建立不同的標簽,分類標準定義了各項目的屬性及其之間的關系等,相當于一個行業商業信息交換的“詞典”。分類標準是在技術規范的基礎上,結合各個國家、行業、企業的實際情況制定的;XBRL實例文檔是一個企業財務報告的實例文件,主要包含財務報告中的標簽和數據。XBRL根據財務報告中標簽與會計業務數據的對應,利用應用程序自動從會計業務數據庫中提取數據,生成實例文檔;樣式表用于定義財務報告時的顯示項目和格式。整個技術框架采用自下而上的層次結構(如圖1所示)。
(二)XBRL特點和技術優勢
作為一種以XML為基礎發展起來的標記語言,XBRL繼承了XML所擁有的所有語言優勢,其特點和技術優勢如下:
(1)無許可證限制,XBRL具有良好屬性的開放式技術構架,它使任何財務信息供應鏈上的人都能免費、自由地在不同的軟件平臺上準備、獲得、交換并分析財務信息。
(2)跨平臺使用。由于XML文件可以跨平臺使用,XBRL就具有了跨平臺的優勢。在不同的操作系統下,如Windows、Unix和Linux等,XBRL文件無需修改就可以直接使用。在不同的應用軟件中,即使所用的數據庫不同,只要轉換成XBRL格式,也可以實現數據的交換。因而,通過XBRL 信息可以在不同的操作系統、數據庫和應用軟件之間進行傳輸和交換,XBRL是一種互聯網上企業報告的通用語言。
(3)多種格式的輸出。對同一份XBRL實例文檔,采用不同的樣式表,可以生成多種企業報告,所有報告的編制一次性完成,不僅降低了輸入錯誤的風險,保證了數據的一致性,而且減少了重復輸入,提高了報告的編制效率。對同一份企業報告,XBRL也可以按多種格式輸出,如在瀏覽器上顯示、轉換成不同的數據格式進行傳輸,或打印成紙質財務報告等。
(4)搜索快速、準確。采用XBRL的方式,統一了網上的數據定義和格式,無需以人工方式找出網上的數據資料后逐一進行比較,所以XBRL在數據處理方面的效率要遠遠高于網絡上常用的PDF、WORD、HTML格式文件,有利于網上搜尋引擎的自動搜尋和過濾工作,達到快速、準確。
二、數據挖掘技術及其在財務信息系統中的應用分析
(一)數據挖掘
隨著數據庫技術的廣泛使用,以及計算技術和計算機性能與網絡的迅速發展,人們面臨著一個困難的問題,即如何從海量的數據中提取出有價值的信息。查詢功能遠不能滿足人們的需要,數據挖掘應運而生。數據挖掘(Data Mining,DM)是從大量的、不完全的、有噪聲的、模糊的和隨機的數據集中識別有效的、新穎的和潛在有用的,以及最終可理解的模式的過程。
在當今瞬息萬變的商業環境中,競爭的主要方式是信息的競爭,傳統的事后分析型的數據分析方法被事前探索型的數據挖掘所取代。而與此同時,信息提供者之間也存在著激烈的競爭,如財務信息與非財務信息之間的競爭。XBRL技術的應用不但為財務信息提供者增加了競爭的籌碼,也直接推動了財務數據挖掘的展開。
(二)財務信息系統中應用的數據挖掘策略
數據挖掘策略概括了一種解決問題的方法,即選擇什么方式解決特定的問題。數據挖掘策略可以廣義地分為有指導學習和無指導聚類。有指導學習是指利用已知的模型和屬性來幫助我們進一步區分結構相似的對象。與有指導學習不同,無指導沒有預先已知的模型和屬性,所有變量均為自變量。在財務信息系統中主要應用以下幾種數據挖掘策略:(1)分類,分類是用一個函數把各個數據項映射到某個預定義的類,或者說是發掘出關于該類數據的描述或者模型,重點在于建立模型,將新的實例指派給一組定義明確的類中的一個。例如:確定一項長期投資是否具有高風險;將進行賒銷的客戶歸類為具有良好的或者不良的信用風險的客戶群等。(2)估計,與分類模型類似,估計模型的目的在于確定一個未知屬性的值。然而,不同于分類屬性的是,對一個估計問題,其輸出屬性(一個或多個)是數值的而不是分類的。例如:估計一項投資的風險程度;估計當前應收賬款中的壞賬比例;估計籌資規模(數量)等。(3)預測,預測模型的目的在于確定未來的輸出結果而不是當前的行為。通過建立表示數據中固有模式和趨勢的模型,這樣該模型可以用來對未來事件的結果進行預測,在財務系統中,常有的一些預測例子有:預測一項投資的未來收益;預測產品銷售的價格趨勢等。(4)無指導聚類,對于無指導聚類,沒有因變量指導學習的過程。相反,學習規程通過使用聚類度量將實例分為兩個或更多個類,來建立知識結構。無指導聚類策略的主要目標在于發現數據中的概念結構,是一種對具有共同趨勢和模式的數據元組進行分組的方法。聚類經常用于搜索并且識別一個有限的種類集合或簇集合,從而描述數據。例如對客戶群體分類,將目標消費群體化分為三個類:高收入、中等收入、低收入,針對不同類的客戶采取不同的營銷策略等。
到目前為止,大多數數據挖掘是借用人工智能的各種方法來挖掘數據中存在的知識。但是正如人工智能本身的發展現狀一樣,數據挖掘還不能很好的理解數據中存在的知識。XML技術的出現,不僅為互聯網上的電子數據交換提供了一個標準,而且XML技術從數據的角度提供了一個更好的表示數據內容以及數據所代表意義的手段。XBRL作為XML在網絡財務報告語言上的應用,則為我們理解大量的財務數據,為企業戰略的建立提供有效的支持。
三、基于XBRL技術的財務信息挖掘系統架構模型
傳統財務數據挖掘的一般過程主要包括財務數據源、財務數據的集成和變換、財務數據倉庫、財務數據挖掘以及知識表達等幾個階段。首先將各種形式的財務數據經過集成和變換,去除冗余,轉換成符合一定格式的數據,并裝入財務數據倉庫,而財務數據倉庫是一個面向主題的、集成的、相對穩定的、反映歷史變化的財務數據集合,用于支持管理決策。財務數據挖掘是整個過程的核心部分,其目的是從大量的財務數據中挖掘出潛在的、有用的知識或模式。傳統財務數據挖掘過程需要數據倉庫的支持,而財務數據倉庫的建立需要專業的技術手段,對大多數企業來講,實現的難度很大,往往達不到預期的效果。
筆者設計的基于XBRL的財務數據挖掘過程,主要通過一個數據變換模塊將各種格式的數據轉換為符合XBRL規范的數據,解決了重要而繁雜的技術難題,財務數據挖掘是從具有統一XBRL描述形式的數據中挖掘出潛在的有用的知識或模式。
基于XBRL的財務數據挖掘模型如圖2所示,主要包括財務數據獲取模塊、XBRL模式變換、財務數據挖掘以及基于XBRL的知識表達與理解四個部分。各部分之間的信息流動和數據交換都是基于XBRL進行的。
(一)財務數據獲取模塊
數據獲取模塊的主要功能是獲取財務數據源,財務數據的來源可以有多種,可以是企業內部財務系統、本地外部財務系統、遠程外部財務系統以及企業已經建立的諸如ERP、SCM、CRM、OA等系統和一些相關系統,這些系統數據格式千差萬別,需要按照XBRL的語法格式和語義規則進行提取、轉換,統一轉換為XBRL模式數據。
(二)XBRL模式變換
基于XBRL的財務數據挖掘,其數據源必須是符合XBRL規范的財務數據,因此在進行財務數據挖掘之前,所有財務數據以及其他源數據都要經過處理,轉換成符合XBRL規范的格式。這一過程需要通過XBRL模式變換來實現。根據數據的組織形式,XBRL模式變換模塊的主要功能分為兩個部分:一是對XBRL描述的財務數據源進行規范性檢測;二是對非XBRL描述的財務數據進行XBRL封裝。
(三)財務數據挖掘
利用多維分析工具、多維報表工具以及數據挖掘工具對數據進行綜合數據查詢、分析統計和生成統計圖表等,通過采用分類、聚類分析、統計方法、關聯規則、決策樹方法、神經網絡等數據挖掘方法,從大量的具有統一XBRL格式的財務數據中挖掘出潛在的、有用的知識或模式。
(四)基于XBRL的知識表達模塊
知識表達模塊的主要功能是對在數據挖掘模塊中發現的知識進行可視化的表示,以便于非專業管理人員理解。財務數據挖掘的根本目的是從財務數據中發現有用的知識或模式,在知識的表示形式上,目前較好的且應用較多的有專家系統知識規則、決策樹規則和在數據挖掘中的關聯規則以及分類規則等。財務數據挖掘結果不僅要有利于人的理解,而且更主要的是要有利于計算機的理解,因此在數據挖掘完成之后,要將所得到的知識,形成符合XBRL規范的知識庫。
四、結束語
XBRL在未來發展前景良好,所有企業都會向這一方向發展,所以面向XBRL數據挖掘也會得到長遠發展。本文從XBRL的技術框架及特點、數據挖掘技術及其在財務系統中應用分析出發,結合傳統財務數據挖掘的一般過程和XBRL技術,設計出一種基于XBRL技術的財務數據挖掘系統模型,為進一步深入研究財務數據挖掘提供了一種較好的方法。
【參考文獻】
[1] 劉國英.基于XBRL的財務數據挖掘系統分析與設計[J].中國管理信息化,2008(18):12-15.
[2] 劉靜.淺談XBRL與財務信息數據挖掘[J].湖南財經高等專科學校學報,2004,20(6):53-55.
[3] XBRL Progress ReportApril 2003,省略/
關鍵詞:“互聯網+”；管理會計；財務會計；融合
近些年來，我們正處于互聯網、大數據、移動互聯網、物聯網的時代，人們對“互聯網+”的關注程度日益上升。互聯網技術已經運用到各個傳統行業當中，其新技術的發展和滲透，在管理方式、思考問題的模式等方面也將對與傳統產業相適應的管理和思維方式進行改造，進而對我國經濟發展方式的改變和經濟轉型升級提供助力。依托“互聯網”的利好條件，我國涌現了大批的創業、創新企業，在企業尋求技術改革創新氛圍下，財務管理也涌現著創新的潮流。如何通過信息技術，實現財務管理的創新和變革，當務之急就是向管理精益化轉型。在“互聯網+”新技術的支撐下，管理會計與財務會計融合將成為發展趨勢，也值得進一步發掘與研究。
一、“互聯網+”技術對會計活動的影響
在“互聯網+”不斷發展的大背景下，互聯網向傳統行業滲透和改造的“互聯網+”模式不斷顛覆我們對傳統行業的認知，在傳統的財務服務領域(如手工記賬)、財務管理領域(依靠人工審核進行費用控制)，這些傳統模式已越來越不適應時展的需要。數據化分析得益于云計算能力的極大增長和發展，在云計算領域對于非結構化(包括但不限于視頻、網頁等)的數據分析和處理，亦或是幾何級的離線數據信息，借助于云計算的超強分析能力都可以篩選出非常有價值的會計信息，同時這些數據將會與企業發展中所用到的資金、技術等一樣成為企業的生產必要要素。如何將互聯網和財務服務領域相結合，打造“云服務”的財務服務模式，如何通過先進的互聯網技術、移動終端APP技術和費用控制相結合，使得傳統的財務服務變得更加方便和快捷，這己然成為行業前沿。“互聯網+”技術的發展和滲透，將給會計活動從技術、管理等各方面帶來巨大的變化。首先，改變會計活動的管理模式和管理思路。依托先進的科技平臺，實現平臺與用戶的直接對接，從專業財務服務軟件入手，利用互聯網科技，尤其是移動互聯網科技，逐步推動財務人員從傳統、原始的手工記賬方式中解脫出來。這樣的變革模式，與傳統的財務模式相比，即節省了人力、物力、財力，同時也為企業創建了更加嚴謹的財會管理格局和管理思路，基于互聯網的費用控制系統、電子記賬系統、自主報賬系統等一系列財務專業活動，可以依據互聯網完成，從而改變和提升傳統的專人專項人工管理模式和管理思路。其次，通過采用“云會計”的模式，從企業的角度，節省了人力成本，增加了管理嚴謹度和規范性；從企業員工的角度，節約了財務審批的流程和時間，財務審批和處理不需要有八小時工作日的限制，可以隨時隨地在網絡和手機移動客戶端完成，從而提高了工作的效率和效果。再次，當今我國許多企業局限于對單個管理會計工具或單項信息系統的應用，尚未實現財務與業務的有機融合。伴隨著移動互聯網的快速崛起，“高效”和“便捷”的互聯網優勢體現得更加淋漓盡致。移動互聯網時代的評價、分享、搜索和支付是與傳統財務模式的重要區隔所在，更是推動其快速發展的核心引擎，同時，數據的可視化管理更加便于進行精準化的會計活動。
二、“互聯網+”時代管理會計與財務會計融合的基礎條件
傳統意義上的會計共分為財務會計和管理會計兩個分支，都是為企業生產經營、利益獲取、收支平衡等活動服務，兩者相互相存不可割裂，這是二者相互融合的基礎條件。管理會計是將管理與會計這兩個學科結合起來的一門科學。作為一門專業科學，它為管理層制定決策、編制計劃和業績管理系統提供指導，并在財務報告和控制方面提供專業意見，以協助管理層制定和實施組織戰略。管理會計是一種管理活動，它可以有效的幫助企業改善經營方法、提高經濟效益、實現企業的價值增值。在現實中，有些企業對財務人員的期望大多數只希望其滿足財務會計工作內容就足夠了，在生產經營管理的過程中把更多的精力放在產品研發、市場拓展等方面，嚴重忽略了管理會計的效用。并且有為數不少的人認為管理會計不適用于中小企業，只有那些上規模的大公司里才有管理會計的施展空間。其實，管理會計作為一種管理工具也可以在中小企業中發揮作用，幫助中小企業早日成熟，把企業經營者的夢想早日變為現實。管理會計相對于財務會計的職能不斷擴展，大致可以歸集為四個方面：分析與決策、計劃、監督和激勵、管理控制。管理會計收集的信息從僅僅是財務信息擴展到非財務信息，服務的單位從企業擴展到組織，具體的服務對象從企業內部的中上管理層到各級各部門的管理人員甚至是每一位員工，目標從幫助企業實現利潤最大化到提供價值增值，管理對象從一般的日常管理到戰略管理。而互聯網技術、大數據技術、云會計等拉近了企業與個人、企業與市場、個人與市場之間的距離，企業經營者與企業利益相關者在利益追求上日益趨同，在互聯網技術飛速發展的推動下，原有的財務會計活動和當前管理會計活動的邊界模糊，以至于在財務活動過程中財務會計與管理會計的融合已經在企業中實現。由于這樣背景，財務會計與管理會計在“互聯網+”時代融合表現出的特殊作用比以往更加重要。
三、“互聯網+”財務會計與管理會計融合的路徑
“互聯網+”具有體制機制優勢、新技術優勢和廣泛的社會支持優勢，現代化的信息技術有助于企業打破地域限制接受更加高效的相關會計服務，激發整個市場的競爭活力。技術優勢是基礎，體制的突破是亮點，再加上便捷的操作和舒適的體驗，容易產生爆發性增長，為財務會計與管理會計融合計的理念與方法提供了可行路徑。
(一)財務會計與管理會計數據融合的路徑
現代企業管理財務數據共享已經是發展趨勢，結合財務會計和管理會計設置賬務系統可以對信息目錄可以分類以及編碼，這個信息系統目錄可以收錄財務會計和管理會計的核算數據，在使用者或者決策者需要數據是便于統計和檢索，當然，在適當增加備注欄信息量的同時也能提供大量的非貨幣化信息。財務數據庫的數據源能夠應用于財務會計和管理會計處理，不應該造成時空上的隔斷，這樣可以提供會計信息質量，避免會計信息失真的現象，還可以讓數據冗余、工作量大、重復度高的會計數據集中統一處理，提高會計工作效率。于此同時企業要特別注重數據庫的安全性，特別是涉及到企業重要會計信息以及用戶數據，應采取規范、科學、統一的訪問制度。“互聯網+”時代，云計算技術和移動互聯網技術的飛速發展，無論是公有云還是私有云，企業和用戶的數據都存放在云服務商的數據庫中，企業對于各部門、各個公司、子公司的財務以及非財務數據，可以借助移動互聯網的云計算數據平臺進行查詢，并實現實時化的收集處理，做到數據共享，在保障數據安全性和實效性的同時使得財務數據共享更加便利快捷。
(二)財務會計與管理會計流程融合的路徑
財務會計與管理會計流程融合在流程上，通過企業應用各類會計工具進行會計信息的溝通來實現。為實現會計工作的全過程的跟蹤控制，就必須以數據融合為基礎條件，在會計流程上建立起二者的互動過程。二者在流程上的融合存在著一個邏輯關系，這個邏輯關系涉及到企業發展戰略和財務管理績效，這種邏輯關系比較復雜，其表現最為明顯的是預算控制和企業業績的評價指標上。“互聯網+”時代的相關技術發展，可以推動以企業經營業務活動為中心，可以打破企業內部的經營業務單元和部門的“信息孤島”現狀，可以無縫鏈接財務會計和管理會計，保障企業發展戰略、經營業務、財務管理的一體化。在此過程中企業就可以發現經營業務數據產生的真實原因，分析、了解和判斷企業經營業務數據之間的關系。企業決策者可以充分借助決策支持工具，自動地分析企業的數據，以利于決策者能夠發掘出有利于企業發展的潛在模式。通過流程的融合，就能夠有效地構建財務會計和管理會計數據之間的反饋機制，企業的管理控制就有了保障，還進一步拓展了會計的管理職能，二者的融合做到了將具有會計職能的業務前置。
(三)財務會計與管理會計報表融合的路徑
“互聯網+”時代大數據和云計算的進一步發展，會計活動中原來對內外報表嚴格的分界線將逐步淡化。企業在提供對內報表時，可以根據所需項目開展情況進行選擇，并且報表類型隨時隨地能夠得到，完成了原來不可能實現的會計報表的“私人定制”；對外報表信息披露可以自動生存所需信息，除了滿足企業需要外，還可以滿足利益相關者、相關政府部門對會計信息的需要。另外，技術的進步可以使會計報表和附注的制作方便快捷，信息的關聯性也得到了極大地提高。二者的融合優勢明顯，一是能夠促進各種信息的相互稽核，防止會計信息違規行為，會計信息質量更加可靠。二是融合有助于管理會計信息和財務會計的信息共享，使會計提供各類信息需求者所需要信息的“并集”，增加會計信息的總體數量。三是融合可以進一步打破信息不對稱，并進一步制約了會計信息失真。
作者:敖韞 單位:包頭市中心醫院
參考文獻
[1]王玲雙.互聯網時代的財務會計與管理新動向研究[J].企業改革與管理，2016(16)
[關鍵詞]：BIM，技術應用，信息化，工作流程
中圖分類號：C35 文獻標識碼： A
1 前言
BIM（Building Information Modeling）即建筑信息化模型，BIM建立模型時給模型賦予建筑信息的屬性（如構件的材料、尺寸、配筋、鋼號，設備的型號、廠家、功率等）。BIM以其可視化、協同效率高、參數化及對項目全生命周期的關注贏得了建筑行業市場的認可，在國外BIM給工程建設行業帶來徹底的變革，成為主要的生產方式.中國的建筑業在近20年也得到了高速的發展，建筑業越來越以體量大、復雜程度高的項目而誕生，隨之BIM的應用也取得了一定的發展。
工程建設是一項復雜的系統工程，其內涵是自項目開始至完成，通過項目策劃和項目控制，使項目的投資、進度和質量目標得以實現。工程項目運作過程涉及多方管理主體，包括：業主方管理、設計方管理、施工方管理等。為了使各個部門之間系統、準確、及時、形象的溝通和識別項目信息，將數字化信息技術模型用于項目管理中是十分必要的。
近年來，BIM應用在國內外工程建設行業如火如荼，各地根據當地實際情況陸續在工程建設中引進BIM技術。BIM可以貫穿容納建設項目全生命周期的全過程信息，這些信息能加快決策進度、提高決策質量，增加項目收益。BIM是住建部十二五期間重點鼓勵推廣的技術，目前在大型項目和復雜項目中應用比較廣泛。
2 BIM基本概念
時至今日，BIM一詞已在業內口耳相傳、如日中天。那么，到底何為BIM？其發展淵源如何？
2.1 BIM基本定義
BIM概念，作為對包括工程建設行業在內的多個行業的工作流程、工作方法的一次重大思索和變革，其雛形最早可追溯到1970年代。早于它而衍生的類似術語還有：歐洲所謂的BPM（Building Product Models）以及芬蘭所謂的PIM（Product Information Models），后來美國 “BIM之父”――喬治亞理工大學的Charles Eastman教授提出了BIM理念至今，BIM技術的研究經歷了三大階段：萌芽階段、產生階段和發展階段。1975年“BIM之父”Eastman教授在其研究的課題“Building Description System”中提出“a computer-based description of-abuilding”，以便于實現建筑工程的可視化和量化分析，提高工程建設效率。后來隨著BIM技術的不斷探索，以及對建筑生命周期的深入理解，即BIM比較多的被定義為Building Information Modeling。它被直譯為“建筑信息模型”。
對于BIM中文定義，大眾較為認可的是McGraw Hill在2009年名為《The Business Value of BIM》的市場調研報告中所給出的，即：BIM是利用數字模型對建設項目進行設計、施工和運營的過程。該BIM定義較為準確、簡練、清晰、便于傳播。可以概括的說BIM是一個過程，是一個包含多個階段（甚至是全壽命周期）的過程。
2.2 BIM誕生緣由
BIM作為貫穿建筑物全生命周期的一項技術，其應用價值涵蓋從項目的立項到后期的運維等各個階段，也由此覆蓋了工程建設行業中的各個群體，如：業主、設計師、施工人員、監理工程師、設備及材料供應商、物業管理人員等多專業參與人員。
有數據表明，過去幾十年來，由于信息技術的迅猛發展，全球發達國家大多數非農業行業生產效率幾乎翻倍，但工程建設行業的生產效率未升反降。然而造成這種情況發生的原因除工程建設行業自身特性所決定的外，還有其他因素。如：割裂的行業結構，信息傳遞失誤及失流，注重短期成本而不是綜合價值等各方面因素的制約。
美國施工行業生產率發展趨勢： 1964-2004 （來源：Pike Research）
綜上，解決整個工程建設行業低效率的根本途徑就是把項目設計―施工―管理過程集成為一個整體。美國斯坦福大學最初將其定義為能實現多專業融合的“POP”模型，其中：產品（Product）――建筑物、結構、管道、生產線；組織（Organization）――設計、施工、管理隊伍；過程（Process）――用于建造設施的工作過程。
隨后，由此發展出目前工程建設行業已廣泛接受的BLM（建設工程全生命周期管理）它要求參建各方在設計、施工、項目管理、項目運營等各個過程中將所有信息整合在統一的數據庫中，通過數字信息仿真模擬建筑物所具有的真實信息，為建筑的全生命周期管理提供平臺。在整個系統的運行過程中，要求業主、設計方、監理方、總包方、分包方、供應方多渠道和多方位的協調，并通過網上文件管理協同平臺進行日常維護和管理。
總之，BIM技術是全球工程建設行業發展到今天的必然結果，它為本行業發展所帶來生產力的解放和生產效率的提升，經不斷地實踐，且已得到廣泛的認可。
3 BIM應用價值
3.1 BIM應用價值概述
BIM技術可以使規劃、設計（初步設計、技術設計、施工圖）、競標、建造、經營、管理各個環節信息連貫一致，包括設計與幾何圖形、成本、進度信息等。該方法以參數化三維模型為核心，原理是盡可能將建設工程過程中的修改提前到項目前期（施工以前），同時使建設全過程（方案、設計、建造、營運）的信息保持一致。
建設工程信息模型均允許訪問以下完整的關鍵信息：
設計階段―設計、進度以及預算信息
施工階段―質量、進度以及成本信息
管理階段―性能、使用情況以及財務信息
具體內容包括：
（1）BIM涵蓋了全面的信息：
可以有效的訪問有關設計與幾何圖形、成本、進度信息，所有這些關鍵信息均可立即獲得，從而可以更快更有效地制定項目相關決策。
（2）BIM降低設計和文檔的工作量及錯誤：
允許項目團隊在設計或文檔編制過程中隨時對項目做出更改，三維工程模型能自動關聯協調二維圖紙的不當表達和疏漏，省去了繁重、低價值的反復協調與人工檢查工作，提高檢查質量。這使項目團隊可將更多時間投入項目關鍵問題。
（3）BIM更加方便修改和減少修改錯誤：
BIM模型只要對項目做出更改，由此產生的所有結果都會在整個項目中自動協調。創建關鍵項目交付件（例如可視化文檔和管理機構審批文檔）更加省時省力，因此可以更快更好地交付工作，信息模型提供的自動協調更改功能可以消除協調錯誤，提高工作整體質量。
（4）BIM為施工階段提供更多信息，提高效率、節約成本、更易溝通：
可以同步提供有關建筑質量、進度以及成本的信息。施工人員可以促進建筑的量化，以進行評估和工程估價，并生成最新評估與施工規劃。計劃產出結果或實際產出結果易于分析和理解，并且施工人員可以迅速為業主制定展示場地使用情況或更新調整情況的規劃，從而和業主進行溝通，將施工過程對業主的運營和人員的影響降到最低。提高文檔質量，改善施工規劃，節省施工中在過程與管理問題上投入的時間與資金。最終保障施工的順利完成，提高工程質量，能將業主更多的施工資金投入到建筑，而非行政和管理中。
（5）BIM在工程建設生命周期的管理階段的價值：
BIM可同步提供有關建筑、設備使用情況或性能已用時間以及財務方面的信息。工程建設模型可提供數字更新記錄，并改善搬遷規劃與管理，以及重要財務數據。這些全面的信息可以提高建筑運營過程中的收益與成本管理水平。同時還將用于例如搬遷管理、環境分析、能量分析、數字綜合成本估算以及更新階段規劃。
4 結論
BIM技術作為一門信息技術，也是一門藝術，利用發達的信息技術通過虛擬建造來解決工程建設中各個環節所遇到的問題。幫助工程建設行業的工作人員提高生產力。BIM在建設領域的范圍非常廣泛，但現階段而言，還具有強大的發展潛力，隨著我國數字化、信息化進一步的推進，BIM必將成為將來建筑業的主流。
參考文獻
[1]麥格勞―希爾建筑信息公司.建筑信息模型―設計與施工革新，生產與效率的提升[R]，2009
[2] Autodesk軟件（中國）公司/研究院
關鍵詞：市公司 綜合評價 Chernoff 臉譜
一、引言
對于上市公司多指標財務分析，數值方法給出的結果往往缺乏整體性印象，而圖形化方法則具有明顯的直觀優勢，借助計算機編程和多元統計分析理論，圖形不僅可以幫助觀察多維數據的本質，更可以通過多元圖形本身的信息來反映公司財務的綜合狀況。用于上市公司多指標財務分析與評價的常用多元圖形化方法有：二維散布圖、雷達圖、臉譜圖、星座圖及像素圖等，舒曉惠等（2006）提出了一種新的圖形化方法：樹譜圖。基于可視化目標的多元圖形方法主要來看分為兩個層次，一是直觀反映上市公司財務的各指標狀況，例如，二維散布圖、雷達圖、星座圖；二是圖形本身所具有的信息可以形象反映財務狀況的優劣，例如，臉譜圖和樹譜圖等。目前，國內文獻主要集中在研究雷達圖在財務分析評價與預警中的應用，主要有王強（2000），舒曉惠等（2005），付（2007）與金曉燕（2010）；臉譜圖則最初是由Chernoff（1973）提出來，Wainer and Thissen（1981）以及 Smith與Taffler（1984）將其應用于公司財務分析，國內則僅有舒曉惠等（2006）將其用于上市公司財務評價，實證研究表明，在進行上市公司財務分析時，通過雷達圖向普通股民傳達公司信息時缺乏綜合形象性，而臉譜圖的應用則有明顯的優勢。上述研究都是對上市公司財務狀況展開靜態分析，并沒有動態跟蹤一段時期內上市公司的財務狀況，同時，以往文獻都沒有明確提出可以將綜合評價方法與Chernoff臉譜圖相結合的思想來實現利用臉譜的表情綜合評價上市公司財務狀況。基于此，本文應用Chernoff臉譜圖的基本思想，結合綜合評價方法對所構建的上市公司財務評價指標體系通過主成分分析方法進行降維后，利用舒曉惠（2006）的方法通過計算機實現了上市公司財務績效的可視化臉譜圖，并對深、滬兩市鋼鐵行業30家上市公司2003年至2007年財務狀況進行了動態跟蹤，結果表明，臉譜圖不僅能夠形象反映上市公司的財務狀況，而且可以很好地動態反映不同時期財務狀況的變化情況。
二、研究設計
（一）基本原理 Chernoff 臉最初設計可處理18 個變量，當變量數小于18 時，可將臉譜中某幾個部位固定；當變量數超過18 時則可以設法在臉譜中再添加一些部位，如頭發、耳朵等。Chernoff 臉最初認為主要可以用于對研究對象進行分組：由原始材料和直覺提出的最初的分組；由聚類算法產生的最終的分組。進一步研究表明，利用Chernoff 臉除了可以進行輔助聚類分析外，也可以通過已經得到的聚類結果對新的結果進行輔助判別分析。顯然，將上市公司相關財務指標數值與臉譜的相關部位進行對應即可實現利用Chernoff臉對上市公司的財務狀況進行輔助聚類分析和輔助判別分析。考慮人臉表情的復雜性，當處理的變量過多時，臉譜所表示的人的各種表情則不容易合理用于綜合評價上市公司的財務狀況，例如通過嘴的微笑，眉毛舒展等來反映相關財務狀況良好，顯然這些表情具有很好的直觀效果。因此，用Chernoff 臉譜圖綜合反映上市公司的財務狀況，除了實現第一層次的財務指標值與臉譜的各部位對應外，還需考慮第二層次臉的表情所表達的財務狀況，從而能夠達到直觀形象的目的。為實現這一思想，本文提出可以通過構建上市公司財務狀況的綜合評價財務指標體系，應用綜合評價方法進行財務指標數據的預處理和主成分分析，并在此基礎上通過以行業財務指標平均值為閾值進行映射轉換，將相關綜合評價的數值轉換為Chernoff 臉譜圖，從而實現臉譜圖形自身的表情，即達到可用于評價上市公司綜合財務狀況的目的。也即Chernoff 臉譜圖相關表情需通過綜合評價方法來合理加以實現。
（二）上市公司財務狀況Chernoff 臉譜圖設計 對于上市公司財務狀況的綜合評價，已經有眾多的學者展開研究，結果表明，傳統產業與高新技術產業上市公司的評價指標體系具有一定的差異，本文主要以傳統產業為研究對象，參照1999年財政部、國家經貿委、人事部和國家計委聯合的《國有資本金效益評價規則》中公布的競爭性工商企業評價指標體系，按盈利能力、償債能力、資產運營能力和成長能力四個方面11個財務指標給出權重如（表1）所示。一般認為，臉部的各部位形態及表情可以給人初步明確的信息，比如嘴形的笑意，眉心是否舒展，眼睛是否炯炯有神，鼻子長短表明氣息是否粗壯，臉形是否圓潤等，這些臉部的形態和表情所傳達的信息好壞顯然給人的感受基本是一致的。注意到人眼對臉部各個部位的敏感程度不同，按權重的重要程度與敏感程度相對應，本文選取臉譜指標與財務指標對應如下：嘴部指標對應盈利能力指標，眼部指標對應償債能力指標，鼻子眉毛指標對應資產運營能力指標，下部臉形指標對應成長能力指標。具體實現則首先對各財務比率指標值進行一致化和無量綱化處理后，再利用主成分分析法對各類財務指標進行降維，在與Chernoff 臉譜的18個變量相關對應中，按（表2）選取相對應的指標，其余Chernoff 臉譜的指標值則取某一固定值。臉譜圖的優點是不僅將財務數據通過圖形化直觀表示，而且可以利用人的自然表情來傳達上市公司的財務狀況，作為一個對應的聯系，本文以行業平均值作為人臉表情改變的閥值，各財務指標值較行業平均值超過越多則表情越開心，其示意圖如（圖1）。由（圖1）以行業均值為閥值，圖1-a從臉部形態看不喜不悲，各指標均為平常形態表情，表明財務狀況基本正常; 圖1-b從臉部形態看嘴帶笑意，目光炯炯有神，眉心舒展，鼻長氣粗，臉形圓潤，呈現良好形態，表明各財務指標狀況良好；圖1-c從臉部形態看則顯得愁眉苦臉，臉形削瘦，表明各財務指標出現一定的危機。
三、動態跟蹤分析
（一）數據預處理 本文以鋼鐵行業為例，選取深、滬兩市鋼鐵行業30家上市公司，按前述11個財務指標從RESSET金融數據庫中得2003年至2007年共5年的年度財務數據總計1650個財務指標值。按照將上市公司財務績效的綜合評價方法與Chernoff 臉譜相對應的思路，按如下方法展開實證分析。首先進行數據預處理。第一，極端值處理：按3?滓原則剔除財務指標值中的極端值，在其后的處理中再對剔除的相關指標值進行相應取值。第二，進行一致化處理，將各財務指標化為正向型指標。在所選取的上述指標中，有正向性指標和適度性指標兩類，其中資產負債比率X4、流動比率X5、速動比率X6為適度性指標。因此有必要進行一致化處理，使之都為正向性指標。按照國際慣例注意到資產負債比率、流動比率、速動比率的適度值分別為50%、200%、100%，設xij為第j個上市公司的第個財務指標值［L1j，L2j］為最優適度區間，則可利用如下公式（1）進行變換：
x'ij=1.0-■ xij
注：適度區間為一點時，取L1j=L2j；Mj，mj分別為xij的允許上下界。
第三，采用極值法對各財務指標進行無量綱化。進行無量綱化處理的方法一般有：“標準化”處理法、極值處理法和功效系數法，本文目的是建立各類財務指標的主成分與臉譜相關指標數據的聯系，因此采用極值處理法，利用如下公式（2）進行無量綱處理（對于剔除的極端值，這里都賦為最大值1.0）：x'ij=■ （2）
這里，Mj=■｛xij｝，mj=■｛xij｝為保證動態跟蹤的可比性，本文將Mj和mj固定為2003年度各財務指標數據的極值。第四，按盈利能力、償債能力、運營能力和成長能力對各類指標提取主成分，利用SAS軟件分別對財務指標盈利能力方面、償債能力和運營能力方面各提取兩個主成分，對成長能力方面求出主成分綜合得分，即求得指標值。第五，確定各類指標的主成分與臉譜指標的對應關系。臉譜的特點就是通過人的自然表情來反映上市公司的財務狀況，本文以行業平均值作為臉譜表情不悲不喜對應的中間值。設主成分值zij∈［x1j，x2j］，x0j為行業平均值對應的主成分值；臉譜指標值yj∈［y1j，y2j］，y0j為臉譜表情不悲不喜的取值，則按下式（3）做變換：
yj=■（y0j-y1j）+y1j x1j?燮zij?燮x0j y0j zij=x0j■（y2j-y0j）+y0j x0j?燮zij?燮x2j （3）
這里為保證動態跟蹤的可比性，本文以2003年度30家鋼鐵行業的平均值做為基期的定基值，各年度的各上市公司指標值均與該相應平均值按式（3）進行變換，從而利用式（3）即可計算出各上市公司對應的臉譜指標數值。
（二）上市公司財務績效臉譜圖 運用Bland C++編程畫出所有30家鋼鐵行業上市公司2003年至2007年的臉譜圖。為方便起見，這里報告2003年度30家鋼鐵行業上市公司財務綜合狀況的臉譜圖如（圖2）。利用上述分析結果，則可以展開利用Chernoff 臉譜對上市公司財務績效狀況的靜態和動態兩方面的分析。
（1）Chernoff臉譜靜態聚類分析。對于上市公司財務狀況的多元圖形分析，其第一層的意義乃是可以進行最初的聚類分析，以2003年鋼鐵行業30家上市公司為例，按照對臉譜圖的最初印象，可以將圖形結果分為六類，具體見（圖3）。顯然通過聚類，可以清楚地將上市公司的財務狀況做一個大致的分類，而如此分類的方式相對于利用多元統計分析得到的聚類結果，其具有多指標聚類的性質，這一點是數據分析結果較難企及的。利用分類結果，進一步按照臉譜圖本身所具有表性等形象反映上市公司財務狀況的第二層次的功能，可以明顯發現，（圖3）中的第一類和第二類上市公司，其財務狀況綜合看較為良好，各項指標均基本正常。第三類公司則顯著特點是嘴形較大，笑意明顯，表明這三家公司的盈利能力良好，但從眉心來看都不舒展，表明公司的資本運營能力存在一定程度的欠缺。第四類和第五類公司分類則臉部表情較為怪異，說明財務指標數據反映的綜合狀況較為復雜，比如眼睛的斜率不好但較大，反映了一個相互矛盾的償債能力指標，這也表明使用臉譜圖，當指標值良莠參半時，其表性則較為古怪。第六類公司則是明顯地臉形偏、愁眉苦臉，這也清楚地表明這類公司的財務狀況比較糟糕。最后，利用臉譜圖還可以對相近資產的上市公司進行對比分析，例如，取總資產相近的000825以及000629，由（圖2），上市公司 000825給人的第一印象明顯要好于000629；進一步按六個臉譜指標逐對照，000825的臉譜圖除嘴形的寬度不如000629外，其余都好于或相近于000629，說明000825除盈利能力較弱于000629 外，其余均較優于000629。此外，000629 的臉譜圖面有愁容，財務狀況具有危機。
（2）Chernoff臉譜動態跟蹤分析。應用SAS軟件對鋼鐵行業上市公司2003至2007年各年度數據首先按盈利能力、償債能力、運營能力和成長能力進行主成分分析，結果表明各年度的兩主成分累積貢獻率均超過85%，進一步以2003年鋼鐵行業平均值為基期值轉化為臉譜圖，本文展開如下兩主面的動態跟蹤比較。第一，對整個上市公司財務狀況的臉譜圖動態跟蹤分析。應用臉譜圖考察整個鋼鐵行業財務指標四個方面綜合能力平均水平的變化，以2003年鋼鐵行業平均值為基期對比值，對5年間的鋼鐵行業各財務指標按四個方面分別提取主成分后其行業平均水平的臉譜圖見（圖4），實證數據分析表明：由臉譜圖的嘴部表明，整個鋼鐵行業的盈利能力出現一定程度的下降，特別是盈利能力第二主成分即嘴形的寬度減少。而第二主成分主要與主營業務的盈利能力有關，表明整個鋼鐵行業相對于2003年其主營業務利潤率有所下降，其中一個主要原因是鐵礦石價格不斷攀升導致。由臉譜圖的眼部表明，整個鋼鐵行業的償債能力也漸次下降，2005年后基本穩定相差不大。由臉譜圖的眉毛和鼻子的形態表明，整個鋼鐵行業的運營能力喜憂參半，總體來說有所降低；第一主成分對應的眉心并不舒展，但第二主成分對應的鼻子長度增加，這主要是由于各上市分司運營能力指標數據參差不齊導致。由臉譜圖的下臉形態表明，2004年與2005年整個鋼鐵行業的成長能力有所下降，但2006年后則有所增強，這主要與近年來鋼鐵行業在受外部鐵礦石價格因素的影響整個行業進行了一定的整合重組，使得強者愈強以提高行業的整體競爭力。上述圖形分析與我國鋼鐵行業的5 年來的發展情況基本吻合，這表明臉譜圖可以動態反映行業的發展狀況。第二，對單個上市公司財務狀況的臉譜圖進行動態跟蹤分析。簡單起見，本文對鋼鐵行業龍頭企業寶鋼股份，財務狀況變化較為明顯的寶鋼股份、韶鋼松山與鞍鋼新扎等上市公司展開分析，其相應各年度臉譜圖的結果如（圖5）。由（圖5），以2003年鋼鐵行業平均值為基期對比值，實證數據分析表明：寶鋼股份總體來看，各項指標表明其財務狀況基本呈現下降趨勢，僅2005年下臉形態表明有一次較明顯的成長，而鼻子長度增加表明運營能力有所加強，這與寶鋼因為鐵礦石價格上漲壓縮盈利空間和在此原因下的規模擴張有關。韶鋼松山則在2003年各項指標均表明其財務狀況良好，其主要受益于廣東省的經濟建設迅速發展，然而在鐵礦石價格上漲的壓力下，中等規模技術含量相對落后的鋼鐵企業受到的沖擊更大，其臉譜圖表明大部分財務指標狀況出現不同程度的惡化，而鼻子長度增加表明公司加強了內部運營能力，2007年下臉形態表明有一次較明顯的成長。鞍鋼新扎的臉譜圖則表明，受益于本地的鐵礦石資源，除償債能力外，公司其他各項指標表明其財務狀況基本呈現良好趨勢，而償債能力即眼睛變小表明公司在發展過程中充分利用了財務的杠桿作用，同時增加了財務風險。2006年與2007年公司成長明顯，盈利能力也明顯增強。由上述分析可見，臉譜圖對于單個上市公司的財務狀況能夠進行跟蹤反映，并且能通過臉譜的表情綜合反映企業財務狀況的動態變化。
四、結論
對于上市公司財務績效的圖形化分析，由于其直觀形象與綜合性，可以為使用者提供簡單明了又全面的公司財務狀況的初步印象。這為廣大中小投資者了解上市公司基本財務狀況提供了一種有效途徑，從而避免了對大量財務數據的整理分析，使得更多的普通投資者也可以解讀公司的基本狀況。運用臉譜圖分析上市公司的財務狀況，可以從臉的形狀和表情來直觀反映公司的情況，更貼切地實現了上述圖形化的特點，因此具有廣泛的實用價值。在靜態分析的基礎上進一步展開了上市公司財務狀況臉譜圖的動態跟蹤研究，以鋼鐵行業為例實證分析發現，臉譜圖既能對整個鋼鐵行業的綜合財務狀況進行有效跟蹤，也能對單個上市公司的財務狀況進行動態跟蹤，其臉譜圖能夠很好地反映上市公司在不同時期各財務指標的動態變化，從而更好地幫助投資者了解上市公司財務的歷史信息，進行對比分析。由此可見，臉譜圖不僅可以作為聚類分析和判別分析的輔助手段，也可以進一步作為綜合評價和動態跟蹤方法展開應用。研究過程中也發現應用臉譜圖進行上市公司財務狀況評價和動態跟蹤需要進一步探討的問題：基期參照財務指標值的設定，本文使用的是2003年鋼鐵行業財務指標的平均值作為閾值，其參考點是否合理仍可進一步商榷。進行無量綱化的方法的選擇，不同的方法實證結果會有一定的出入。臉譜圖的表情處理問題需進一步改善。在進行將預處理后的財務指標數據對應到各臉譜圖的數值轉換映射時，對于靈敏度的處理需進一步改善，以保證臉譜圖的表情能夠更準確地反映上市公司財務狀況。
*本文湖南省教育廳科研項目“上市公司財務績效評價方法與多元圖形化研究”（編號：06C644）以及懷化學院重點學科金融學建設項目階段性成果
參考文獻：
［1］［美］Richard A.Johnson & Dean W.Wichern著、陸璇譯：《多元統計分析》，清華大學出版社2001年版。
［2］王強：《“銀行風險雷達圖”在我國商業銀行風險監測中的應用》，《上海金融》2000年第5期。
［3］舒曉惠等：《上市公司財務的樹譜分析及實證研究》，《金融經濟》2006年第2期。
［4］舒曉惠等：《上市公司財務的Chernoff臉譜分析及實證研究》，《金融經濟》2006年第2期。
關鍵詞：BIM技術；工程造價；造價管理；技術應用
引言：
通過多年來的不斷發展，工程造價管理模式在不斷的完善，但是整體發展速度還是和社會發展速度存在一定的差距。分析差距產生的原因發現，主要是因為造價管理信息化以及造價管理精細化程度比較低，該情況會嚴重影響工程造價準確性以及工程造價管理效率，也影響了建筑工程的發展。BIM技術作為近年來引進的一種先進管理技術，可以有效提升工程造價管理效率，為建筑企業更好更快的發展服務，下文將對其進行分析。
1.當前工程造價管理工作存在的問題
1.1造價管理模式與市場發展情況相背離
計劃經濟正在逐漸向浙市場經濟體制轉變，政府方面為了全面強化工程造價宏觀調控力度，通過靜態管理和動態管理相互結合的模式對工程造價模式進行管理。各個地區主管部門通過單價法編制對本地區建筑施工成本預算進行定額處理，通過價格管理和市場動態價格配合的模式，公布造價指導系數，之后明確工程造價。這種發展模式雖然在一定程度上促進了我國工程造價的發展，但是隨著市場經濟的高速發展，這種模式的弊端日漸凸顯，制約了工程造價行業的發展。
1.2區域性問題
當前我國的工程造價都使用地區定額計價的模式，各地區的差異性比較明顯。區域性計價模式與各地區計價標準之間存在的差異與工作人員的常年來的工作經驗導致工程造價中的一部分數據存在祛瘀行政對地區工程項目進行估價時，這些經驗雖然可以指導作用，但是不能將經驗作為主導進行估價，否則必然會影響工程估價的精確性。
1.3項目造價數據共享效率低下
在進行項目造價管理時，因為工作人員要對工程造價的數據進行全面分析，所以必須要將數據進行拆分與多層次加工，通過該方式提升數據分析的精確性。因為造價工程師的工作時間長短不一，在對造價數據進行共享時經常會出現各種問題，導致工程師和其余崗位的工作人員不能協調互動。比如項目多算對比過程中，工作人員不僅要將項目財務數據以及項目的消耗數據進行拆分，同時還要得到與這些數據相關的部門的支撐，才能保證工作的正常開展。我國在企業組織管理過程中，各部門都是按照平級設置安排的，導致各個部門之間溝通比較困難，業務效率低下。各司其職雖然可行，但只是在少部分情況下， 大多數時間還是需要各個部門相互合作，轉換數據，才能保證工程造價管理工作的正常開展。
1.4延后性比較明顯
建設工程招投標使用的工程造價計算系統依然是定額計價的傳統模式，該工作模式的數據與當前我國市場發展情況相比存在較大的出入。首先是定額價格平均每5年完成一次更新，這種更新速度和當前高速發展的時代背景相違背，所以整體滯后性是比較明顯的。我國社會發展速度比較快，商品價格在一年內會頻繁變更，而建筑工程作為一種工期較長的工程施工類型，很容易和市場發展情況相脫離，單一的通過二次動態調價是不能滿足時展需求的。其次，不論是在時間還是成本方面，都會影響工作效率，提升項目成本的投入，并且在消耗指標方面也存在一些問題。大部分的造價機構都使用各地區政府消耗量指標，這種消耗量指標反映的是該地區社會的平均生產力，不具備任何的競爭性，更新速度也比較慢，不能從根本上反映該地區的生產力現狀，制約工程造價管理工作質量。
2.BIM技術在工程造價管理中的應用
基于BIM的特殊性，在工程造價管理過程中，需要從多個方面對其進行分析，發揮技術體系的最大化作用，突出技術重點。以下將對BIM技術在工程造價管理中的應用進行詳細的分析。
1.發揮輔助造價的作用
BIM模型本身是一項在復雜的結構體系，在具體實踐過程中有重要的作用。通過BIM模型中的數據庫輔助工程造價，可以幫助管理工作人員更加合理的去安排工程施工資金、工程施工進度以及工程資源規劃。通過BIM軟件來構建項目三維模型，利用數據庫來增加模型內部事件信息，以自動化量功能來計算實體工程量，之后對數據模型的任意時間段進行細分，細分工程施工所需要的時間，結合BIM數據庫當中原有的人工、材料以及機械等多方面的信息明確工程施工進度與資源計劃，更加合理的去調配資源，準確掌握工程施工成本，對成本施工進度進行分析，提升項目的管理水平。
2.模擬工程造價
可以通過構建BIM數據模型結合可視化技術的模式來為項目模擬決策提供基礎。在項目的決策過程中，要根據BIM模型數據來調用和擬建項目工程造價數據。以BIM作為基礎模型來調用擬建項目工程造價數據，也可以通過項目模型來輸出工程平方米價格，估算規劃項目整體投資額度，為未來決策提供準確的依據。基于 BIM 的設計概算和施工圖預算，能模擬和預見不同建設階段的造價，便于參建各方協同開展限額設計和建設后期有針對性的控制造價。在后續控制階段，為了避免出現設計程序和施工體系相背離的情況，可以在原有的控制基礎上優化設計形式，調整控制模式，為價值工程的后續進行奠定基礎。
3.采用可視化設計形式
設計和建設成本息息相關，所以必須通過各種模式對設計過程中的造價進行控制。在CAD圖紙設計完成以后，將設計圖紙當中的項目構成因素與BIM數據庫造價信息相互關聯，按照時間上的維度來輸出造價信息，實現限額設計。在明確總包方設計交底與圖紙會審過程中傳統圖紙一般情況下都是在二維平面基礎上完成的，并且圖紙可以分開設計，通過人為檢查是很難發現問題的。BIM系統的引進，可以將所有的專業都整合到相同BIM平臺，不論是設計方還是監理方都可以從各個角度對圖紙進行審核，利用BIM可視化模擬功能完成3D檢查或者是5D碰撞檢查，發現其中存在的問題，減少設計錯誤的產生幾率，也可以減少工程錯誤產生的返工費用，減少糾紛。同時BIM技術具有自動檢測的功能，如果出現專業設計失誤或者干預機制不合理的情況，則可以及時對項目進行審核，減少后期施工階段的變更程序，避免出現管理不當的情況，進而提升造價管理效率。
結束語：
建筑工程造價管理關乎建筑工程經濟效益，所以必須從各個角度提升建筑工程造價管理質量。上文從當前我國建筑工程造價管理工作存在的問題入手，闡述了如何將BIM技術融入到建筑工程造價管理中，提升工作質量。
參考文獻：
[1]陳莉粉. 計算機軟件技術在工程造價管理中的優化分析[J]. 電子測試，2014，S1：140-142.
[2]李燕. 論計算機技術在工程造價改革和全過程造價管理中的作用[J]. 廣西城鎮建設，2012，12：66-68.
[3]王武兵. 計算機技術在工程造價管理應用中的問題與發展[J]. 硅谷，2012，08：164-165.
[4]王若冰. 基于統計分析的數據挖掘在工程造價管理中的應用[J]. 硅谷，2012，18：107-108.
關鍵詞：大數據；會計信息化；發展趨勢
信息技術正在改變著會計這一職業的傳統并重新定義會計的工作內容.據IDC預測報告顯示，2020年全球數據總量預計超過40ZB①，而2009年全球數據總量還不到1ZB.短短幾年時間，全球的數據量以每年58%的速度增長，預計未來這一增速還會更快.大數據已經滲透到科學、醫療、能源、城市建設等諸多領域，也為會計信息化發展起到了關鍵的推動作用.
1大數據時代會計的新特點
1.1打破信息“孤島”
隨著企業信息化程度的不斷提高，原有會計部門的獨立性逐漸弱化，與企業內部其他部門間組織邊界越來越模糊，不同組織的部分功能趨于融合.企業資源計劃的應用將會計信息與其他部門的經濟信息置于同一系統中，會計數據來源不僅由本部門進行初始記錄，也可能是實時從其他部門獲取信息并予以記錄.例如出、入庫單，可直接在對口部門倉庫、生產車間進入信息系統.
1.2信息質量提高
會計數據包括數值數據和非數值數據，是通過連續、系統的方式將經濟業務以制單的方式記錄下來，再根據記賬憑證登記會計帳簿并編制財務報告，為經營管理、戰略決策提供依據.以往會計信息的收集與處理以結構化數據為主，非結構化數據排除在信息報告體系之外，因此需要參考相關信息對財務報表進行分析，如財務報告中的信息披露等.利用云計算平臺比以往的計算手段更加快速高效，能夠將財務數據與業務數據緊密結合，將原有只記錄與會計要素相關內容的記錄方式，拓展到結構化數據與非結構化數據均被收集和處理的新模式.而在大數據背景下，從數據量到數據的時間跨度、地域跨度都更為寬泛，數據形式也更加多樣化、復雜化，非結構化數據被更多的納入數據資源庫，在會計信息中所占的比重也會有一定幅度的提高.總體來看，傳統會計與大數據時代的會計在記錄方式、結算方式、接入方式、計算方式、數據分析方式等方面都發生了明顯變化.
1.3會計從業者的知識結構發生改變
會計知識結構分為顯性知識和隱性知識，其有效載體是會計知識管理系統，將會計工作的顯性知識與隱性知識進行記錄、轉化，為他人學習和使用，實現經驗和技能的共享，是會計組織發展的趨勢.會計人將更多的從事非結構化的、非常規的會計業務，對信息系統進行評價及修正，更多的參與到流程設計與業務管理中.
2現階段面臨的主要問題及風險特征
2.1數據的安全防護存在漏洞
安全防護涉及到數據采集、存儲、運算、分析等各個環節，目前防護手段的更新升級速度不能與非線性增長的數據量相匹配.企業從財務信息安全角度考慮，往往選擇相對傳統的處理模式.
2.2缺乏健全、統一的會計信息化標準
互聯網能夠快速的普及和發展，得益于全球標準化的技術標準，會計信息化同樣需要完善規范的標準體系.數據庫領域的數據溯源技術能夠記錄數據查詢歷史、數據的傳播和計算過程等，但由于會計信息的保密性，數據溯源是否危害到客戶的隱私、是否會涉及到敏感的會計信息、數據溯源本身的安全防護是否到位、數據與標記是否綁定且準確無誤等，都是目前尚無法解決的問題.
2.3信息的相關性有待提高
海量數據對于不同利益相關者而言，其潛在價值也不盡相同，財務報告信息相關性是在重要性、實質大于形式的基本原則上體現出來的，這就需要在數據的準確性與相關性之間，根據個體特征進行科學設計與權衡，力求客觀、真實地反映個體信息.
3推動智能型會計信息化平臺建設的措施
3.1深入發揮管理會計的作用
管理會計具有預測企業未來財務狀況及現金流量、加強事前事中控制、業績考核與評價等職能，大數據背景下數據源的擴大化、分散化、多樣化，使得管理會計的職能有了更進一步的發揮空間.結構性數據為量化分析提供了更全面、更充分的數據來源，半結構化數據、非結構化數據為邏輯分析提供了多種類型的信息來源，海量數據被抽取后進行加工整理以定量的方式呈現出可視化分析結果，為分析企業經營態勢、制定發展戰略提供了有力支撐.因此，管理會計能夠為企業管理層制定發展戰略與決策提供更為準確的信息，為提升企業核心競爭力提供更有力的保障.
3.2加強訪問權限控制
會計業務處理終端正逐漸由pc向移動終端轉移，多渠道訪問入口帶來便捷的同時也造成信息安全的風險性急劇增強.大數據來源涵蓋廣泛，集中存儲降低了網絡犯罪的成本，使其成為可持續攻擊的顯著目標.企業會計信息的保密性使得很多企業不愿意選擇“上線”，正是出于對信息安全的擔憂.目前，安全防護手段的更新升級速度不能與非線性增長的數據量匹配，數據的安全防護還存在諸多漏洞.云計算平臺服務商擁有龐大的動態、跨地域用戶群，由于高級攻擊代碼隱藏在大數據中，不能被實時檢測，很難對違法數據進行跟蹤和管制.因此必須設置用戶身份認證及云端訪問權限的雙重控制，保證在任何登入點云會計服務商和應用程序都能進行雙向驗證.
3.3強化過程性監管
數據挖掘、數據存儲等技術手段的進步，使企業不再受時間和空間限制就能夠實現對會計事項的實時監控，并且其監控成本大大降低.這不僅為企業提供了查詢分析數據的工具，同時也是稅務、銀行、監管機構等相關單位查詢目標數據的工具.傳統的會計信息系統是采用OLTP數據處理方式，主要面向具體操作的會計人員、低層管理者，而智能化會計信息系統應該從OLTP轉到OLAP，通過OLAP的靈活分析功能，讓用戶可以進行直觀數據操作，增強企業內部與外部之間的信息互通.
3.4搭建信息安全平臺
大數據使網絡攻擊能夠獲取更多的數據資源，攻擊成本降低，這使其成為網絡黑客攻擊的顯著目標.會計的云計算過程有必要記錄數據的來源，可以通過標記法對數據進行標記.信息安全應考慮到大數據的高速性、多樣性特點，加緊建設以政府為主導、云會計服務商積極參與的高級別信息安全研發體系，為各個環節的數據提供安全保障，包括數據采集、數據傳輸、數據存儲、數據分析等，同時也要保障數據挖掘和數據過程的安全.4結語大數據時代對會計信息化的發展起到了積極的推動作用，但同時也給其風險防范帶來了新的挑戰.基于此，對會計信息化的趨勢分析及風險防范，有利于完善國家管理層面的制度建設，有利于規范云服務市場的競爭環境，對提高會計信息質量、推動智能型會計信息化變革具有重要意義.
參考文獻：
[1]楊雄勝，陳麗花，曹洋，繆艷娟.會計理論范式革命：黎明前的彷徨與思考[J].會計研究，2013（03）：3-12.
[2]王艦，李玉亭.淺談信息時代下會計角色變遷[J].財會通訊，2010（10）：153-154.
[3]彭超然.大數據時代下會計信息化的風險因素及防范措施[J].財政研究，2014（04）：73-76.
[4]張華，艾文國，陸云鶯.論網絡環境下企業集團的資金管理模式[J].管理科學，2003（06）：68-72.
[5]趙序海.大數據時代基于多維會計的財務報告變革[J].財會月刊，2014（06）：17-21.
5月5日15時19分，一架在后機身涂有象征天空藍色和大地綠色的大型客機，瀟灑穩健地降落在第四跑道上。這是一個歷史性的時刻――它標志著中華民族百年的“大飛機夢”終于取得了歷史性突破。而C919的下線以及首飛，不僅僅是一個產品的成功研制，更是一種新模式新體系――智能制造的實踐檢驗。
2015年5月，國務院印發《中國制造2025》規劃，部署全面推進實施制造強國戰略。規劃提出， 以加快新一代信息技術與制造業深度融合為主線，以推進智能制造為主攻方向。
智能制造是一系列熱點技術的總稱，它是基于物聯網、大數據、云計算等新一代信息技術，貫穿于研發、設計、生產、管理、服務等制造活動的各個環節，具有信息深度自感知、智慧優化自決策、精準控制自執行等功能的先進制造過程、系統與模式的總稱。
智能制造具有以智能工S為載體、以關鍵制造環節智能化為核心、以端到端數據流為基礎、以全面深度互聯為支撐四大特征，其目標是縮短研發周期、降低運營成本、提高生產效率、提升產品質量、降低資源能耗。
C9型客機成功首飛意味著中國實現了民機技術集群式突破，形成了我國大型客機發展的核心能力，其中就包括工業大數據技術。
中國商用飛機有限責任公司信息化中心主任王文捷介紹，大飛機一次飛行產生的數據量達到10個TB的量級，也就是說至少20臺500G大硬盤的電腦才能裝得下。而中國商飛公司，不僅要成功研制自主知識產權大飛機，還要成功運營大飛機制造商，從適航試飛到供應鏈管理，分分秒秒、日新月異的大數據堪稱天量。
專家表示，設計圖紙將成為過去，飛機完全是在數字世界里設計的，3D幾何數據模型以數字模型的形式呈現飛機。數字化樣機將含有制造所需的全部信息，不僅含有產品幾何體，而且還含有制造產品所需的信息，比如材料、技術要求、包含的標準件、授權的文件等。在裝配階段，數字化裝配技術將實現飛機裝配建模、裝配序列建模、裝配路徑規劃和裝配過程分析。
為此，中國商飛已經新合并成立信息化與管理創新部，并專門下設數據處，用數據驅動創新。如今，中國商飛建立起以零件號、版次、物料組等為基礎的編碼標準，給大大小小每一種零件都配上“身份檔案”和“電子履歷”，引入11萬種以上的物料主數據。王文捷表示，即使在像馬航MH370這樣的事件中，任何零件都可追溯還原為一架完整的飛機，甚至倒查出某零件的前世今生。目前，C919研制已形成全程管控中心，可實現三維可視化分析。
“對于民用飛機來說，不僅僅是實現技術上的成功，把飛機飛上天，還要讓這架飛機在航線上取得商業成功。中國商飛在飛機的研制過程中，伴隨產品的演化衍生出各類試飛數據、試演數據、在航線運營過程中關機監控的數據，所有的數據貫穿始終。”王文捷說。
“我國智能制造未來發展潛力巨大，2020年我國智能制造產值有望超過3萬億元，年均復合增長率約20%。”國家信息中心副主任馬忠玉在大數據智能應用推動制造業變革與升級研討會上強調，智能制造是中國制造業轉型升級的戰略支點。
隨著產業互聯網和智能制造時代的到來，工業大數據技術將成為制造業轉型升級的重要引擎，是驅動研發設計智能化、生產過程智能化、 管理經營智能化、市場營銷智能化、服務運維智能化、新業態新模式智能化的關鍵要素。
工業大數據的演變
自工業從社會生產中獨立成為一個門類以來，工業生產的數據采集、使用范圍就逐步加大。從泰勒拿著秒表計算工人用鐵鍬送煤到鍋爐的時間開始，是對制造管理數據的采集和使用；福特汽車的流水化生產，是對汽車生產過程的工業數據的采集和工廠內使用；豐田的精益生產模式，將數據的采集和使用擴大到工廠和上下游供應鏈；核電站發電過程中全程自動化將生產過程數據的自動化水平提高到更高程度。
任何數據的采集和使用都是有成本的，工業數據也不例外。但隨著信息技術的發展，一批智能化、高精度、長續航、高性價比、微型傳感器面世，以物聯網為代表的新一代網絡技術在移動數據通信的支持下，能做到任何時間、任何地點采集、傳送數據。以云計算為代表的新型數據處理基礎架構，大幅降低工業數據處理的技術門檻和成本支出。以工業領域的SCADA系統為例，傳統模式下每個電網、化工企業都需要建立一套SCADA系統，成本在千萬以上，如果采用云架構模式，成本可以降低7成以上。
社會需求的演進是工業變革的重要動力。當經濟發展進入新常態，商品極大豐富甚至出現過剩，以個性化、多元化為代表的消費文化，使得工業企業的產出物，要最大限度匹配個性需求和多元需求。
以服裝定制為例，通過制訂一套數據采集手段，通過線上或線下采集用戶身形數據，然后將數據傳回總部，結合生產原材料數據，對需求和工藝進行分解，實現柔性生產，達到定制化要求的服裝，而且效率和質量都可以得到保證。隨著生產線的擴容線性提升和工藝的不斷改進，定制化生產的成本將得以顯著攤薄，可以滿足大批量個性化定制的社會生產需求。
無論是德國工業4.0，還是美國的工業互聯網，其核心都離不開工業大數據。德國“工業 4.0 ”戰略的實施重點在于信息互聯技術與傳統工業制造結合， 其中大數據分析作為關鍵技術將得到較大范圍應用。一是“智能工廠”，重點研究智能化生產系統及過程，以及網絡化分布式生產設施的實現；二是“智能生產”，主要涉及整個企業的生產物流管理、人機互動以及 3D 技術在工業生產過程中的應用等；三是“智能物流”，主要通過互聯網、物聯網、物流網，整合物流資源，充分發揮現有供應方的效率，需求方則能夠快速獲得服務匹配。
美國擁有強大的互聯網、云計算及大數據處理能力，基于此，提出工業互聯網戰略，將單個設備、單條生產線、單個工廠的數據聯網，通過大數據處理后，在診斷、預測、后服務等方面挖掘工業服務的價值。2014 年，美國白宮總統行政辦公室《 2014 年全球大數據白皮書》，指出美國大型企業在投資數據科技方面存在以下幾個關鍵驅動因素：分析運營和交易的能力；洞察客戶線上消費的行為，以向市場提供新的高度復雜的產品；對組織中的機器和設備進行更加深入的感知。
中國相對于德國、美國而言，在工業自動化和數字化方面都處于發展期。《中國制造2025》明確提出通過工業化和信息化融合發展的方式，制定一系列的重點工程和推進計劃。為推動智能制造的發展，國務院又于2015年8月了《促進大數據發展行動綱要》，強調要發展工業大數據，推動大數據在工業研發設計、生產制造、經營管理、市場營銷、售后服務等產品全生命周期、產業鏈全流程各環節的應用，分析感知用戶需求，提升產品附加價值，打造智能工廠。建立面向不同行業、不同環節的工業大數據資源聚合和分析應用平臺。抓住互聯網跨界融合機遇，促進大數據、物聯網、云計算和三維（3D）打印技術、個性化定制等在制造業全產業鏈集成運用，推動制造模式變革和工業轉型升級。
工業大數據來源及特點
在工業生產中，無時無刻不產生數據。那么什么是工業大數據？中國電子技術標準化研究院的《工業大數據白皮書（2017版）》指出，工業大數據是指在工業領域中，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計劃、研發、設計、工藝、制造、采購、供應、庫存、發貨和交付、售后服務、運維、報廢或回收再制造等整個產品全生命周期各個環節所產生的各類數據及相關技術和應用的總稱。其以產品數據為核心，極大延展了傳統工業數據范圍，同時還包括工業大數據相關技術和應用。
工業大數據主要來源于機器設備數據、工業信息化數據（包括傳統工業設計和制造類軟件、企業資源計劃ERP、產品生命周期管理PLM、供應鏈管理SCM、客戶關系管理CRM和環境管理系統EMS等）和產業鏈跨界數據（包括氣象、地理、環境、宏觀經濟）。
今天做工業大數據分析，不僅要看自己數據還要看別人的數據，比如優化供應鏈的時候還需要市場銷售的數據、供應商的數據等。風電優化分析除了利用風機的數據，也需要結合氣象的數據。很多外部數據原來工業界從來沒有嘗試過管理這些數據，這是大數據分析的時候傳統工業管理數據的機制遇到的一些挑戰。
“制造業大數據是一座金礦！”北京大學工學院工業工程與管理系主任侍樂媛表示，制造業擁有的大數據遠超其他行業，但到現在為止距開采出來還差得很h，很多數據天天“流淌”都沒有辦法收集起來。究其原因，制造業大數據具有復雜性，是動態復雜的拆分合并數據。從全球應用現狀看，制造業基本上是縱向數據的采集和利用，缺乏橫向數據的鏈接和利用。實際上，制造業需要經緯縱橫的數據采集能力。
工業大數據除了具有一般大數據的特征，比如容量大、類型多、存取速度快、應用價值高，業界認為還具有實時性、準確性、閉環性、集成性、透明性、預測性等特征。
清華大學數據科學研究院工業大數據研究中心總工程師、昆侖數據公司CTO王晨表示，工業大數據主要面臨兩方面的變化，第一是人才的變化，以前用大數據是互聯網公司的復合型極客，這些人有很強的數學功底、編程能力、數據管理技術、分布式計算技術，同時掌握領域的業務知識，是具備四大方面的全面型的人才。在產業互聯網領域里的人更多的是熟悉領域業務知識，而計算機能力真的很有限。第二是數據種類的變化，以前互聯網領域是大量的文本數據、社交數據、多媒體數據等，而產業互聯網領域是大量的傳感器產生的實時數據、企業內部的業務過程數據，大量的非結構化工程數據、仿真數據、設計的CAD數據，這些數據跟傳統互聯網的數據都不太一樣。
工業大數據如何變革制造業
“大數據驅動智能制造加快發展，加快互聯網與制造業快速融合，是傳統制造業變革與升級的重要內容。”馬忠玉表示，大數據智能應用發展對生產、生活都產生重大影響，以數據挖掘分析為核心的應用和服務，為經濟社會發展帶來了深刻變革。
工業大數據技術是指工業大數據中所蘊含的價值得以挖掘和展現的一系列技術和方法，包括數據采集、預處理、存儲、分析挖掘、可視化和智能控制等。工業大數據是智能制造的關鍵技術，主要作用是打通物理世界和信息世界，推動生產型制造向服務型制造轉型。其在智能制造中有著廣泛的應用前景，在智能制造中有著廣泛的應用前景，在產品市場需求獲取、產品研發、制造、運行、服務直至報廢回收的產品全生命周期過程中，工業大數據在智能化設計、智能化生產、網絡協同制造、智能化服務、個性化定制等場景都發揮出巨大的作用。
創新研發設計模式實現個性化定制
實現定制化設計。企業通過互聯網平臺能夠收集用戶的個性化產品需求，也能獲取到產品的交互和交易數據；挖掘和分析這些客戶動態數據，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，實現定制化設計，再依托柔性化的生產流程，就能為用戶生產出量身定做的產品。例如，海爾集團沈陽冰箱工廠利用云將用戶需求和生產過程無縫對接，用戶個性化需求可直接發送到生產線上，實現定制化生產。用戶還可通過生產線上的上萬個傳感器隨時查到自己冰箱的生產進程。目前，一條生產線可支持500多個型號的柔性化大規模定制，生產時間可以縮短到10秒一臺。
私人定制工廠青島紅領也探索出了C2M、M2B等服裝定制模式，通過精準的量體裁衣，在其他成衣服裝規模關店的市場下，能保持每年150%的收入和利潤增長，每件衣服的成本僅比成衣高10%。小米手機也屬于這一類。
利用大數據進行虛擬仿真。傳統生產企業在測試、驗證環節需要生產出實物來評測其性能等指標，成本隨測試次數增加而不斷提升。利用虛擬仿真技術，可以實現對原有研發設計環節過程的模擬、分析、評估、驗證和優化，從而減少工程更改量，優化生產工藝，降低成本和能耗。長安福特采用虛擬仿真技術改良汽車設計環節，設計師帶著3D眼鏡能夠看見最新設計的福特轎車，甚至還能夠模擬坐進車內，感受內裝是否符合心意。如果有任何不好的地方，設計師能夠馬上通過軟件修改，減少了開發產品的次數，能夠在短時間內完成更多的設計工作，更快地反映市場的需求。
促進研發資源集成共享和創新協同。企業通過建設和完善研發設計知識庫，促進數字化圖紙、標準零部件庫等設計數據在企業內部以及供應鏈上下游企業間的資源共享和創新協同，提升企業跨區域研發資源統籌管理和產業鏈協同設計能力。提升企業管理利用全球研發資源能力，優化重組研發流程，提高研發效率。例如，C9型客機成功首飛意味著中國實現了民機技術集群式突破，形成了以中國商飛公司為平臺，包括設計研發、總裝制造、客戶服務、適航取證、供應商管理、市場營銷等在內的我國民用飛機研制核心能力，形成了以上海為龍頭，陜西、四川、江西、遼寧、江蘇等22個省市、200多家企業、近20萬人參與的民用飛機產業鏈。
在C919飛機的智能制造項目建設過程中，形成了一套主制造商―供應商模式下的協同制造技術、管理方法。C919飛機的研發成員企業包括了設計與主制造商、10家機體結構、24家機載設備、16家材料供應商和54家標準件等供應商，另有200多家企業參與了項目的研制過程。通過協同設計、敏捷生產與智能管理等先進技術手段，將飛機從設計到制造過程中涉及的設計商、制造商、供應商、集成商等成員有機緊密聯合。
其中，在協同設計方面，中國商飛通過構建多供應商協同設計環境，并實施基于模型的定義、工藝設計等應用技術，建立起民用飛機聯合協同研制的新模式，建設協同研制平臺，實現了設計與制造過程的一體化。同時，在智能管理方面，全面實施了PLM、ERP、MES、BI等信息化平臺，實現了各系統之間的信息互通和集成，支撐了制造現場層、車間控制層、業務操作層、業務管理層、企業決策層的一體化智能管理。
培育研發新模式。基于設計資源的社會化共享和參與，企業能夠立足自身研發需求開展眾創、眾包等研發新模式，提升企業利用社會化創新和資金資源能力。在帝樽空調和天樽空調的研發過程中，海爾集團前期通過互聯網平臺與數十萬用戶實時互動，提取用戶對產品的共性需求。然后利用HOPE（開放創新平臺）平臺對接全球100多萬個領域專家和上千家全球一流的研發資源。
建立先進生產體系實現智能化生產
提升車間管理水平。現代化工業制造生產線安裝有數以千計的小型傳感器，來探測溫度、壓力、熱能、振動和噪聲等，利用這些數據可以實現很多形式的分析，包括設備診斷、用電量分析、能耗分析、質量事故分析等。在生產過程中使用這些大數據，就能分析整個生產流程，一旦某個流程偏離了標準工藝，就會發出報警信號，快速地發現錯誤或者瓶頸所在。
優化生產流程。將生產制造各個環節的數據整合集聚，并對工業產品的生產過程建立虛擬模型，仿真并優化生產流程。當所有流程和績效數據都能在系統中重建時，對各環節制造數據的集成分析有助于制造商改進其生產流程。例如，在能耗分析方面，在設備生產過程中利用傳感器集中監控所有的生產流程，能夠發現能耗的異常或峰值情形，由此便可在生產過程中優化能源的消耗，對所有流程進行分析，此舉將會大大降低能耗。
德國安貝格電子工廠基于西門子PLM軟件在虛擬環境中仿真產品的研發和生產，并在真實世界的工廠中進行實際操作，即實現了產品跨行業的多樣化，也提升了生產效率和質量。研發環節，安貝格擁有一個虛擬的工廠，研發設計部門把虛擬的研發產品同步給生產部門來生產，兩部門有著統一平臺，并時刻保持著協調的一致性。真實工廠生產時的數據參數、生產環境等都會通過虛擬工廠來反映出來，而人則通過虛擬工廠對現實中的真實工廠進行把控。生產環節，當一個元件進入烘箱時，機器會判斷該用什么溫度以及溫度持續的時間長短，并可以判斷下一個進入烘箱的元件是哪一種，并適時調節生產參數。安貝格工廠的每一條生產線每天并不是一成不變地只生產一種產品，生產系統會實時同步研發部門的最新指示，自動跳轉到不同產品或者器件的生產模式。在這樣的生產模式下，該工廠每年可生產約1000個品種共計1200萬件工業控制產品。按照每年生產230天計算，平均每秒就能生產出一件產品，其中百萬件缺陷僅為15，缺陷率僅為德國工人的1/25。
優化經營管理體系實現精益化管理
優化工業供應鏈。RFID等電子標識技術、物聯網技術以及移動互聯網技術能幫助工業企業獲得完整的產品供應鏈的大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。跟蹤產品庫存和銷售價格，而且準確地預測全球不同區域的需求，從而運用數據分析得到更好的決策來優化供應鏈。
推動經營管理全流程的銜接和優化。整合企業生產數據、財務數據、管理數據、采購數據、銷售數據和消費者行為數據等資源，通過數據挖掘分析，能夠幫助企業找到生產要素的最佳投入比例，實現研產供銷、經營管理、生產控制、業務與財務全流程的無縫銜接和業務協同，促進業務流程、決策流程、運營流程的整合、重組和優化，推動企業管理從金字塔靜態管理組織向扁平化動態管理組織轉變，利用云端數據集成驅動提升企業管理決策的科學性和運營一體化能力。
例如，三一公司通過在線跟蹤銷售出去的挖掘機的開工、負荷情況，就能了解全國各地基建情況，進而對于宏觀經濟判斷、市場銷售布局、金融服務提供調整依據。
促進商業模式創新實現服務型制造
大數據將幫助工業企業不斷創新產品和服務，發展新的商業模式。通過嵌在產品中的傳感器，企業能夠實時監測產品的運行狀態，通過商務平臺，企業能夠獲得產品的銷售數據和客戶數據，通過對這些數據的分析和預測，企業能夠開展故障預警、遠程監控、遠程運維、質量診斷等在線增值服務，提供個性化、在線化、便捷化的增值服務，擴展產品價值空間，使得以產品為核心的經營模式向“制造+服務”的模式轉變。
比如，GE不銷售發動機，而是將發動機租賃給航空公司使用，按照運行時間收取費用，這樣GE通過引入大數據技術監測發動機運行狀態，通過科學診斷和維護提升發動機使用壽命，獲得的經濟回報高于發動機銷售。
保利協鑫是中國首家突破年產萬噸級以上多晶硅產能和產量、全球最大的光伏切片企業。在光伏切片的生產過程中，有數千個生產參數會影響到切片良品率。
保利協鑫僅切片廠就有1000多臺智能裝備，加上DCS以及復雜的ERP系統，每天產生大量的數據，但是數據存在于“孤島”之上，并沒有實現互聯互通；雖然從采購、生產、銷售、物流等業務全方位實現了信息化，企業在生產過程中重視對數據分析與利用，但都是依靠以往的經驗進行人工分析，很難把握這些數據的關聯性，缺乏可靠的技術支持，也很難得出科學的結果。
