基于大数据环境下的电力企业财务分析

　　[摘 要]在输配电价改革为核心的新一轮电力体制改革下，电网的盈利模式彻底改变，电网企业有必要在新的市场环境下，开拓创新、整合资源，发掘新的效益增长点，构建新的盈利模式，为企业的市场化经营提供新的动力引擎。如何将电力发展和生产运行产生的海量数据为公司所用，提高财务数据与业务数据融合程度迫在眉睫。

　　[关键词]大数据;财务分析;数据挖掘

　　近年来，以输配电价改革为核心的新一轮电力体制改革彻底改变了电网的盈利模式，电网企业有必要在输配电这一主营业务之外，在新的市场环境下，开拓创新、整合资源，发掘新的效益增长点，构建新的盈利模式，为企业的市场化经营提供新的动力引擎。当前，慈溪电力事业取得长足发展，有力支撑了经济社会跨越式发展。与此同时，国网浙江慈溪市供电有限公司电力发展和生产运行也产生了海量数据，如何在新一轮电力体制改革中将这些数据为企业所用，提高财务数据与业务数据融合程度，为管理层高效获取决策分析数据创造良好条件，从而真正发挥会计控制的职能是电网企业亟需解决的重大现实问题。

　　1 大数据特征分析

　　大数据是近年来受到广泛关注的新概念，是指通过对大量的、种类和来源复杂的数据进行高速地捕捉、发现和分析，用经济的方法提取其价值的技术体系或技术架构。

　　广义上讲，大数据不仅是指大数据所涉及的数据，还包含了对这些数据进行处理和分析的理论、方法和技术。

　　1.1 一般大数据的特征分析

　　大数据的基本特征主要有：第一，数据量(Volume)巨大，已经形成了从TB级向PB级跃升的数据量。第二，处理速度(Velocity)快，在数据量特别大的情况下，能够做到数据的实时处理，即1秒定律。第三，数据类型(Variety)繁多，数据来自多种数据源，囊括了半结构化和非结构化数据，有音频、视频、图片、地理位置和网络日志等多种信息形式。第四，价值(Value)较高。单一数据的商业价值不大，但汇集成大数据，就有较高的商业价值。

　　1.2 电网大数据特征分析

　　电力是社会发展的重要基础。传统的电力数据分析通常基于某个部门或某个专业的数据，大数据分析则是在实现跨专业、跨部门数据融合基础上进行多维度数据分析。

　　一方面，电力大数据具有大数据的共性，包括数字、文本、图形、图像、音频、视频等静态和不同时间尺度的动态异构异质数据。另一方面，电力大数据必然继承了电力行业数据的特征，包括大量的因果关系数据、高维的时空数据，广域的监测控制、快速的时间响应及实时控制数据。主要有以下几个特征：

　　(1)来源多重性：数据源系统多种多样，大小系统并存。电网大数据有多个来源，例如用电信息采集系统、营销系统、生产管理系统、广域监测系统、配电管理系统、用户管理系统、设备检测系统、客服管理系统等。

　　(2)空间分布性：电网中的运行数据来自分布在整个电网不同物理地点的监控装置，从分布在每个家庭的智能电表，到遍及馈线、各个等级的变压器和变电站中的各类监控系统，无处不在。

　　(3)时间多尺度性：智能电网数据的时间跨度非常大，数据采样频度从波形数据的微秒、电表数据的分钟到设备检测的小时，相差非常大。

　　(4)实时交互性：电网中的运行监测数据，包括智能电表数据等。实际上都是流数据，利用这些数据可以在线确定电网的实时运行状态，是调度员进行在线决策的重要依据。

　　2 大数据时代数据挖掘技术的意义

　　大数据时代下，数据挖掘技术改变的不仅仅是数据搜集存储和处理分析的技术和方法，更转变了人类原有的思维方式，促使人们用更先进的理念理解和研究数据所反映的社会经济现象。其主要表现在以下几个方面

　　2.1 转变抽样思想

　　传统思维模式下，由于人们没有能力获取或者处理大规模的数据，对数据搜集和理解能力有限，因此在数据分析中通常渗透着抽样思想。抽样思想是指从数据总体中按照一定的方法选取样本，并根据对样本的分析结果推断总体。也正因为如此，传统数据分析理念着重研究的是如何建立科学的选样技术、避免偏差。大数据时代，数据样本就是过去资料的总和，样本就是总体，通过对所有与事物相关的数据进行分析，既有利于了解总体，又有利于了解局部，抽样思维将逐渐被替代。

　　2.2 转变对数据精确性的要求

　　传统思维模式下，无论是财务领域还是其他经济分析领域，人们通常要求数据样本具有准确性以及可比性等。这一要求符合此前数据结构单一、规模较小的时代背景。大数据时代的到来，人们能够从更广泛的渠道获取数据，也发明了更多筛选、清洗数据的技术手段，因此对数据精确性的要求有所降低，但是仍然保留对数据分析结果有较高的精确度要求。

　　2.3 转变数据关系分析的重点

　　传统数据分析工作所遵循的一般模式是，首先假设两类数据序列存在某种因果关系，而后以此为基础构建模型并代入数据验证以检验模型的合理性。大数据时代，数据挖掘技术的使用下，数据规模巨大、数据结构复杂以及数据变量错综复杂，预设因果关系以及分析因果关系相对复杂。于是，在大数据时代，分析数据不再探求难以琢磨的因果关系，转而关注事物的相关关系。具体表现为：第一，分析思路。传统模式是先假设后验证，数据挖掘技术遵循的是用全量数据直接挖掘生产，而无需假设;第二，关系的类型多元化发展。传统模式人们注重对线性关系的挖掘，大数据时代，现象的关系很复杂，不仅可能是线性关系，更可能是非线性函数关系。第三，目的不同。传统模式关注变量之间的亲疏程度和因果关系的有无。在大数据时代，数据挖掘的目的就是寻找变量或现象之间的相关关系，然后根据变量或现象之间的相关关系进行由此及彼、由表及里的关联预测。

　　3 政策建议

　　国网浙江慈溪市供电有限公司探索建设以坚强智能电网为基础的能源互联网，以改革创新为动力，致力于打造广泛互联、智能互动、灵活柔性、安全可控新一代电力系统。如何在新一轮电力体制改革中，基于大数据背景下对电网企业的财务数据进行分析是公司亟需解决的重大现实问题。从电力公司财务分析角度来说，问题的关键不在于财务部门掌握了多少财务信息，而在于对其中含有价值的数据进行处理的专业能力。例如，现阶段智能化电表、变电站、电网等数量越来越多，数据种类、总量、来源也相对复杂，传统的数据处理模式已经失去了意义，需要重新构建符合大数据时代的财务分析模式。因此，我们提出如下政策建议：

　　3.1 积极展开电力公司财务信息和数据资源整合

　　实际上，电力企业現有的ERP系统在一定程度上打破了传统的信息隔绝形态，满足了人力、物力和财力的统一管理。但这种“打破”只是一种形式，并没有打破电力企业信息和数据资源的价值壁垒，例如，很多数据都分散在不同系统的终端数据库上，并没有全部发挥自身的价值，随着企业市场经营而逐渐流失。因此，通过大数据思维构建的“大数据平台”，可以将电力经营、调配、财务等多方面的数据上传到“云端”，构建企业级的大数据平台“管理中心”，实现数据存储、建模、监控、筛选、关联和应用的有效性，满足大数据在电力企业财务分析中价值“最大化”。

　　3.2 转变财务分析职能，渗透电力企业战略决策

　　人们将“大数据”看作是一种事件处理思维模式，那么它必然有一个模式起点和模式终点。很明显，“模式起点”是大数据所需求的各项技术、制度条件，如物联网、移动互联网等，而“模式终点”就是产生电力企业经营战略决策，这就要求财务人员善用大数据思维，深挖数据中与企业优势竞争力相符合的要素，积极推动业务经营的多样化。

　　3.3 提升电力企业财务分析中的大数据应用能力

　　大数据是互联网经济发展的产物，它的优势与互联网技术具有强烈的“共生性”，要提高电力企业财务管理中对大数据的应用能力，最有效地就是提高在互联网技术层面的掌握能力，包括对原有技术平台的升级改造，以及计算机技术、信息技术、通信技术、软件技术、虚拟技术等有效的融合，这样才能全方位地实现数据监测、分析、运算和处理。

　　[参考文献]

　　[1] 穆俊艳.浅谈管理会计发展对企业的要求[J].财会通讯，2013(25).

　　[2] 胡伟，刘科.中国管理会计理论研究和实务应用的发展[J].财会月刊，2013(04).

　　[3] 于玉林.面对世界挑战的会计创新——兼论建立《会计创新学》[J].会计之友，2013(02).

　　推荐阅读：《电力系统装备》是一本面向电力工业和电力设备产业，集指导性、信息性、技术性、实用性于一体的大型综合性月刊。为中国学术期刊(光盘版)电子版全文收录期刊，是真正缩短电力设备供应商与用户间联络的新干线。

转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/18628.html