基于大數(shù)據(jù)技術(shù)的企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺建設(shè)研究

周雅瑩 周文琪，2 郭瑤瑤 玉英碩

（1.韓國國立釜慶大學技術(shù)經(jīng)營專門大學院，韓國 釜山 48547；2.嘉興南湖學院商貿(mào)管理學院，浙江 嘉興 314001）

基于大數(shù)據(jù)技術(shù)的企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺建設(shè)研究旨在探索如何充分利用大數(shù)據(jù)技術(shù)，構(gòu)建高效、智能的財務(wù)管理平臺，將其應用于企業(yè)的日常運營與決策過程中[1]。通過結(jié)合大數(shù)據(jù)分析、人工智能等先進技術(shù)手段，企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺能夠?qū)Ａ控攧?wù)數(shù)據(jù)進行智能挖掘、分析和預測，為企業(yè)提供全面的財務(wù)視圖和決策支持[2]。該研究充分考慮到實際需求和技術(shù)特點，重點關(guān)注了平臺的應用設(shè)計，通過對財務(wù)數(shù)據(jù)進行挖掘與分析，提取有價值的財務(wù)數(shù)據(jù)，嚴格控制財務(wù)數(shù)據(jù)管理權(quán)限，設(shè)置財務(wù)數(shù)據(jù)監(jiān)控預警等功能，保證企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺構(gòu)建過程的有效性[3]。通過對比2 種存儲系統(tǒng)的協(xié)同處理效果，驗證了系統(tǒng)運行的有效性，通過設(shè)計基于大數(shù)據(jù)技術(shù)的企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺為財務(wù)系統(tǒng)后續(xù)的優(yōu)化提供參考。

1 平臺應用架構(gòu)設(shè)計

基于大數(shù)據(jù)技術(shù)的企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺由數(shù)據(jù)服務(wù)層、應用層以及展示層構(gòu)成。平臺應用架構(gòu)設(shè)計如圖1所示。

圖1 基于大數(shù)據(jù)技術(shù)的企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺應用架構(gòu)設(shè)計

數(shù)據(jù)服務(wù)層是基于大數(shù)據(jù)技術(shù)的企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺建設(shè)的基礎(chǔ)，負責數(shù)據(jù)的采集、存儲、處理和管理[4]。在該層中，通過對數(shù)據(jù)進行讀取、操作及統(tǒng)計，以滿足企業(yè)大規(guī)模財務(wù)數(shù)據(jù)的處理和存儲需求。應用層是企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺的核心部分，該層基于數(shù)據(jù)服務(wù)層提供各種財務(wù)管理功能和分析工具。在該層中，能夠?qū)崿F(xiàn)權(quán)限控制、管理審計以及數(shù)據(jù)監(jiān)控等功能，并通過大數(shù)據(jù)技術(shù)實現(xiàn)高效率和智能化的應用處理[5]。設(shè)計展示層是為了方便用戶使用和交互，展示層通過可視化界面展示企業(yè)財務(wù)報表、圖表及分析結(jié)果等，便于用戶可以直接了解公司財務(wù)狀況，并對其進行可視化的數(shù)據(jù)分析。

2 硬件設(shè)計

為處理和存儲大規(guī)模的財務(wù)數(shù)據(jù)，選擇了內(nèi)存為256GB DDR4 ECC RDIMM 的Dell EMC PowerEdge R740xd 高性能服務(wù)器，并配置8×1.92TB SAS SSD 作為存儲設(shè)備（采用RAID 配置），以滿足長期保存和高效訪問財務(wù)數(shù)據(jù)的需求。同時，應用Honeywell HIH6130-021-001 溫度傳感器對設(shè)備進行實時監(jiān)測，并通過連接無線網(wǎng)絡(luò)與平臺建立連接，采集企業(yè)的銷售額、成本和收入等財務(wù)數(shù)據(jù)。為建立穩(wěn)定可靠、高速傳輸?shù)木W(wǎng)絡(luò)環(huán)境，平臺還加裝了Cisco ISR 4000 Series 路由器、HP Aruba 2930M Series 交換機、Fortinet FortiGate 300E 防火墻等硬件設(shè)備，確保平臺能夠快速且安全地傳輸大規(guī)模財務(wù)數(shù)據(jù)。

3 軟件設(shè)計

3.1 財務(wù)數(shù)據(jù)挖掘及分析

使用API 接口對企業(yè)財務(wù)數(shù)據(jù)進行采集。在確定目標企業(yè)財務(wù)數(shù)據(jù)來源后，與數(shù)據(jù)提供方協(xié)商并獲得相應的訪問權(quán)限。根據(jù)API 接口的要求，導入所需的Java 庫，并發(fā)送HTTP 請求處理響應?；诖髷?shù)據(jù)技術(shù)的企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺財務(wù)數(shù)據(jù)挖掘及分析流程如圖2所示。

圖2 財務(wù)數(shù)據(jù)挖掘及分析流程圖

在確定目標企業(yè)財務(wù)數(shù)據(jù)的來源后，與數(shù)據(jù)提供方協(xié)商并獲得相應的訪問權(quán)限。通過詳細了解API 接口的文檔和規(guī)范，使用Java 編寫代碼實現(xiàn)向目標API 發(fā)送請求，并獲取響應數(shù)據(jù)。若采集的數(shù)據(jù)符合需求，則對接收到的財務(wù)數(shù)據(jù)進行清洗、轉(zhuǎn)換和整理，并將其存儲到存儲介質(zhì)中；若采集的數(shù)據(jù)不符合需求，則同步更新數(shù)據(jù)并記錄日志，直至異常情況消失即可完成任務(wù)。

3.2 提取財務(wù)數(shù)據(jù)

為提取有效財務(wù)數(shù)據(jù)，系統(tǒng)采用AdaBoost（Adaptive Boosting）集成學習算法，提高分類準確性[6]。在訓練過程中，每個弱分類器根據(jù)加權(quán)樣本集的錯誤率可確定自身的權(quán)重。同時，通過調(diào)整樣本權(quán)重，對錯分樣本能夠給予更高的關(guān)注度，對各弱分類器結(jié)果進行加權(quán)投票或平均，可生成最終的預測結(jié)果。在計算錯誤率的過程中，對于當前輪次的弱分類器，可計算其對應的分類錯誤率。錯誤率越低表示該弱分類器的性能越好。根據(jù)錯誤率可計算當前弱分類器在最終模型中所占的權(quán)重。錯誤率越低的弱分類器則具有更高的權(quán)重。當更新樣本權(quán)重時，根據(jù)當前輪次弱分類器對每個樣本是否被正確分類進行更新。被錯誤分類的樣本會被賦予更高的權(quán)重，以便在下一輪訓練中得到更多關(guān)注。最終的強分類器預測公式如公式（1）所示。

式中：Δ為預測結(jié)果；ai和hi（x）分別為第i個基本分類器的權(quán)重和預測結(jié)果。sign函數(shù)用于將結(jié)果轉(zhuǎn)化為二分類輸出。使用測試數(shù)據(jù)集評估訓練好的AdaBoost 模型在財務(wù)數(shù)據(jù)提取任務(wù)上的性能，可以使用準確率、召回率、F1 分數(shù)等指標進行評估。在驗證模型達到預期性能后，將訓練好的AdaBoost模型部署到實際使用場景中，可提取具體的財務(wù)數(shù)據(jù)。

3.3 財務(wù)數(shù)據(jù)權(quán)限控制

根據(jù)不同角色的職責和需要，企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺須劃分用戶群體并定義相應權(quán)限[7]。系統(tǒng)用戶角色包括高級管理人員、財務(wù)部門員工以及審計人員等。系統(tǒng)遵循最小權(quán)限原則，每個用戶只被授予完成其工作所需的最低權(quán)限級別，以減少潛在風險[8]。企業(yè)數(shù)字化智慧財務(wù)服務(wù)平臺數(shù)據(jù)權(quán)限控制流程如圖3所示。

圖3 數(shù)據(jù)權(quán)限控制流程圖

基于最小權(quán)限原則，可以采取以下措施進一步實現(xiàn)。首先，對于不同的角色或用戶，定義相應的權(quán)限級別。其次，為每個角色分配特定的權(quán)限，確保每個角色只被授予完成其工作所需的最低權(quán)限級別。根據(jù)不同的角色和權(quán)限級別，建立訪問控制規(guī)則，以限制用戶對不同數(shù)據(jù)和操作的訪問能力。當分配用戶特定權(quán)限時，可以通過使用繼承機制，確保用戶繼承其角色所擁有的權(quán)限。最后，在確定最小權(quán)限的同時，可以引入負責人授權(quán)機制，在某些特定情況下，具備更高級別操作權(quán)限的用戶可對其進行授權(quán)確認。

3.4 財務(wù)數(shù)據(jù)監(jiān)控預警

根據(jù)企業(yè)財務(wù)具體業(yè)務(wù)需求，設(shè)定利潤率、現(xiàn)金流以及營業(yè)收入等一系列關(guān)鍵指標以及相應的預警閾值，用于監(jiān)控財務(wù)情況[9]。設(shè)定指標及閾值數(shù)據(jù)見表1。

表1 企業(yè)財務(wù)數(shù)據(jù)監(jiān)控預警閾值范圍

以上閾值為系統(tǒng)初始設(shè)定值，財務(wù)專業(yè)人員和管理層可根據(jù)實際情況定期對以上數(shù)據(jù)進行評估，并與相關(guān)部門共同制定合適的預警閾值。系統(tǒng)預警流程如圖4所示。

圖4 企業(yè)財務(wù)數(shù)據(jù)監(jiān)控預警實現(xiàn)流程圖

待數(shù)據(jù)清洗后，根據(jù)企業(yè)需求和具體業(yè)務(wù)情況，設(shè)定關(guān)鍵指標及其對應的預警閾值。系統(tǒng)對經(jīng)過預處理的數(shù)據(jù)進行實時監(jiān)控，與設(shè)定的指標和閾值進行比較，判斷當前數(shù)據(jù)是否觸發(fā)設(shè)定的預警閾值。如果達到或超過預警閾值，則觸發(fā)預警判斷。如果沒有超出閾值范圍，則直接記錄監(jiān)控報告。根據(jù)觸發(fā)的預警條件，系統(tǒng)將自動發(fā)送預警通知給企業(yè)財務(wù)管理人員，企業(yè)財務(wù)管理人員可以通過短信、郵件、手機應用等方式獲取通知信息。接收到財務(wù)預警通知以后，企業(yè)財務(wù)相關(guān)管理人員應針對問題進行及時地處理和反饋，進一步調(diào)查和分析企業(yè)具體財務(wù)情況，并采取適當措施以應對問題。

4 系統(tǒng)測試

4.1 測試環(huán)境

在測試環(huán)境的配置中，數(shù)據(jù)庫服務(wù)器采用Dell PowerEdge R740xd 用于承載數(shù)據(jù)庫服務(wù)并提供高性能和可靠性；本地編譯器采用JetBrains IntelliJ IDEA對Java進行開發(fā)和編譯，以提高開發(fā)效率和代碼質(zhì)量。Java 版本為Java SE 6，其具備基本的Java 編程功能和API 庫支持；系統(tǒng)使用的服務(wù)器發(fā)行版本為Windows Server 2016，其作為Microsoft 發(fā)布的服務(wù)器操作系統(tǒng)，能夠提供豐富的功能和工具支持，適用于構(gòu)建和管理企業(yè)級應用和服務(wù)。在測試過程中，選擇了S 企業(yè)真實的局域網(wǎng)環(huán)境進行測試，為確保本次測試對企業(yè)的利益不造成任何負面影響，因此在測試中經(jīng)過匿名化和脫敏處理，確保不泄露該企業(yè)任何相關(guān)的敏感信息。

4.2 測試方法

為驗證系統(tǒng)的實際應用效果，筆者對傳統(tǒng)的EMC VNX5200 存儲系統(tǒng)和采用的數(shù)據(jù)庫服務(wù)器Dell PowerEdge R740xd 進行對比。在測試過程中，選擇word count 任務(wù)作為測試數(shù)據(jù)，并對數(shù)據(jù)進行了統(tǒng)一處理，其中，總數(shù)據(jù)量為5GB，格式為Homelib 文件格式。在測試過程中，兩種存儲形式均以120Mb/s 的速度進行接入，并采用相同的C2G （Cables to Go）收發(fā)裝置進行測試。通過對比兩種存儲系統(tǒng)的協(xié)同處理效果，可評估現(xiàn)有裝置在識別率方面的表現(xiàn)情況，識別率如公式（2）所示。

式中：γ為Dell EMC PowerEdge R740xd 存儲系統(tǒng)在存儲數(shù)據(jù)時的識別率，即能夠正確識別數(shù)據(jù)性質(zhì)的概率；si為存儲系統(tǒng)第i次存儲過程中，能夠正確識別的數(shù)據(jù)量；N為系統(tǒng)需要進行存儲期間的財務(wù)信息數(shù)據(jù)總量。

4.3 測試結(jié)果

根據(jù)公式（2），計算2 組存儲系統(tǒng)的識別率并記錄結(jié)果，見表2。

表2 識別率測試結(jié)果對比記錄

由表2 可知，測試組的識別率均在99%以上，而傳統(tǒng)組的平均識別率為64.98%。因此，從平均值角度來看，測試組比傳統(tǒng)組表現(xiàn)更好。觀察每個數(shù)據(jù)點上測試組和傳統(tǒng)組的識別率，發(fā)現(xiàn)測試組在每個測試次數(shù)上的識別率都明顯高于傳統(tǒng)組。表明在測試過程中，測試組在處理任務(wù)時具有更高的準確性和可靠性。

5 結(jié)語

通過構(gòu)建智慧財務(wù)服務(wù)平臺，企業(yè)可以從海量財務(wù)數(shù)據(jù)中挖掘有價值的信息，實現(xiàn)更準確、及時的財務(wù)分析和預測。有助于提升企業(yè)對經(jīng)營狀況和風險的把握能力，為決策者提供更可靠的依據(jù)，并推動企業(yè)在競爭激烈的市場中取得優(yōu)勢。通過設(shè)計平臺應用架構(gòu)測試存儲系統(tǒng)的識別率。然而，該研究仍存在一定的局限性，對于平臺設(shè)計的財務(wù)報警閾值及評估方式受限于特定領(lǐng)域。因此，企業(yè)在實際應用中，需要考慮具體需求，對數(shù)據(jù)進行整理。未來可以進一步對財務(wù)數(shù)據(jù)分析、人工智能應用和用戶體驗等方面進行深化，不斷提升平臺性能，為企業(yè)提供更智能化、高效的財務(wù)服務(wù)，實現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型的目標。