數(shù)字化財務預測與決策支持研究

摘 要：隨著數(shù)字化時代的到來，財務預測與決策支持成為企業(yè)日常運營中的重要環(huán)節(jié)。文章旨在探討數(shù)字化財務預測與決策支持的相關(guān)研究，通過深入分析現(xiàn)有的研究成果，進一步揭示數(shù)字化技術(shù)在財務預測與決策支持中的應用和優(yōu)勢。首先，文章介紹了數(shù)字化財務預測的概念、方法和實際應用，包括利用大數(shù)據(jù)、人工智能等技術(shù)進行數(shù)據(jù)分析和預測。其次，文章詳細闡述了數(shù)字化決策支持系統(tǒng)的概念、構(gòu)成和構(gòu)建過程，并分析了數(shù)字化決策支持系統(tǒng)在企業(yè)決策中的應用。最后，文章總結(jié)了數(shù)字化財務預測與決策支持研究的最新進展和未來趨勢，并提出了未來研究方向和建議。

關(guān)鍵詞：數(shù)字化財務預測；決策支持；人工智能；數(shù)字化轉(zhuǎn)型

中圖分類號：F275""" 文獻標識碼：A 文章編號：1005-6432（2025）16-0191-04

DOI：10.13939/j.cnki.zgsc.2025.16.047

1 引言

隨著科技的不斷發(fā)展，數(shù)字化時代已經(jīng)全面到來，這一時代的到來意味著企業(yè)將面臨前所未有的機遇和挑戰(zhàn)。在數(shù)字化時代，財務預測與決策支持成了企業(yè)日常運營中的重要環(huán)節(jié)。文章旨在探討數(shù)字化財務預測與決策支持的相關(guān)研究，通過深入分析現(xiàn)有的研究成果，進一步揭示數(shù)字化技術(shù)在財務預測與決策支持中的應用和優(yōu)勢。

1.1 數(shù)字化時代的背景介紹

數(shù)字化時代是以數(shù)字技術(shù)為基礎，以數(shù)據(jù)為關(guān)鍵要素，以數(shù)字化轉(zhuǎn)型為重要推動力，促進經(jīng)濟社會發(fā)展的一種新的時代形態(tài)。在數(shù)字化時代，各種新興的數(shù)字技術(shù)不斷涌現(xiàn)，如大數(shù)據(jù)、人工智能、云計算、物聯(lián)網(wǎng)等，這些技術(shù)正在不斷地改變著人們的生活方式和工作方式。數(shù)字化技術(shù)不僅在個人生活和社交領(lǐng)域產(chǎn)生了深遠的影響，還在企業(yè)管理和商業(yè)運營方面帶來了巨大的變革。

1.2 財務預測與決策支持的重要性

財務預測與決策支持在企業(yè)運營中具有至關(guān)重要的作用。首先，財務預測是企業(yè)制定戰(zhàn)略和決策的重要依據(jù)，可以幫助企業(yè)預測未來的財務狀況和市場趨勢，從而更好地制定投資計劃和經(jīng)營策略。其次，決策支持系統(tǒng)可以為企業(yè)提供快速、準確、全面的決策支持，幫助企業(yè)做出更加科學、合理的決策，提高企業(yè)的競爭力和盈利能力。

2 數(shù)字化財務預測

2.1 數(shù)字化財務預測的概念

數(shù)字化財務預測是指利用大數(shù)據(jù)、人工智能等技術(shù)進行數(shù)據(jù)分析和預測，以幫助企業(yè)做出更準確的財務決策。這些技術(shù)包括時間序列分析、機器學習、自然語言處理等，以從各種數(shù)據(jù)源中提取有用的信息并進行預測。數(shù)字化財務預測能夠顯著提高企業(yè)財務決策的效率和準確性，幫助企業(yè)更好地應對不斷變化的市場環(huán)境和競爭挑戰(zhàn)。

2.2 數(shù)字化財務預測的方法

數(shù)字化財務預測的方法主要包括定量模型和定性模型。定量模型主要基于數(shù)據(jù)和數(shù)學模型進行預測，包括時間序列分析、回歸分析、機器學習等。這些方法可以基于歷史數(shù)據(jù)進行預測，通過發(fā)現(xiàn)數(shù)據(jù)中的模式和規(guī)律來構(gòu)建模型，并用于未來的預測。而定性模型則主要包括專家判斷、情景分析等，可以基于對未來的主觀判斷進行預測。

2.3 大數(shù)據(jù)與人工智能在財務預測中的應用

大數(shù)據(jù)與人工智能技術(shù)在財務預測中發(fā)揮著越來越重要的作用。大數(shù)據(jù)技術(shù)可以整合各種類型的數(shù)據(jù)，包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)等，從而提供更全面的數(shù)據(jù)分析支持。通過大數(shù)據(jù)技術(shù)，企業(yè)可以獲取到更多的客戶信息、市場信息和其他相關(guān)數(shù)據(jù)，從而更好地了解市場需求和競爭態(tài)勢。

人工智能技術(shù)則可以通過機器學習、深度學習等技術(shù)進行數(shù)據(jù)挖掘和預測，從而提高財務預測的準確性和效率。機器學習可以自動從大量數(shù)據(jù)中提取特征并進行預測，而深度學習則可以利用神經(jīng)網(wǎng)絡等復雜模型進行更精準的預測。人工智能技術(shù)還可以根據(jù)企業(yè)的業(yè)務需求和實際情況構(gòu)建定制化的預測模型，用于企業(yè)的財務預測和決策支持。

例如，可以利用大數(shù)據(jù)和人工智能技術(shù)對客戶的消費行為進行分析和預測。通過對客戶的歷史消費數(shù)據(jù)進行分析，可以了解客戶的消費習慣和偏好，并預測其未來的消費行為。這種預測可以幫助企業(yè)制定更精準的營銷策略和財務規(guī)劃，提高企業(yè)的銷售業(yè)績和盈利能力。同時，還可以利用這些技術(shù)對企業(yè)的財務狀況進行實時監(jiān)測和預測，及時發(fā)現(xiàn)潛在的風險和機會，從而更好地調(diào)整經(jīng)營策略和投資方向。

2.4 數(shù)字化財務預測的實踐案例

第一，亞馬遜利用大數(shù)據(jù)預測銷售需求。亞馬遜作為全球最大的電商平臺之一，每天處理著大量的銷售數(shù)據(jù)。為了預測未來的銷售需求，亞馬遜利用大數(shù)據(jù)技術(shù)進行分析和預測。通過分析歷史銷售數(shù)據(jù)、客戶行為數(shù)據(jù)、市場調(diào)研數(shù)據(jù)等，亞馬遜構(gòu)建了一個預測模型，可以預測未來一段時間內(nèi)的銷售需求。這個預測模型可以幫助亞馬遜制定更加合理的庫存計劃和銷售策略，從而提高銷售額和客戶滿意度。

第二，谷歌利用機器學習預測廣告收入。谷歌是全球最大的搜索引擎之一，其廣告收入占據(jù)了公司總收入的很大一部分。為了預測未來的廣告收入，谷歌利用機器學習技術(shù)進行分析和預測。通過分析歷史廣告數(shù)據(jù)、用戶行為數(shù)據(jù)、市場調(diào)研數(shù)據(jù)等，谷歌構(gòu)建了一個預測模型，可以預測未來一段時間內(nèi)的廣告收入。這個預測模型可以幫助谷歌制定更加合理的廣告投放計劃和定價策略，從而提高廣告收入和市場份額。

第三，微軟利用人工智能預測現(xiàn)金流。微軟作為全球最大的軟件公司之一，其現(xiàn)金流管理非常重要。為了預測未來的現(xiàn)金流狀況，微軟利用人工智能技術(shù)進行分析和預測。通過分析歷史現(xiàn)金流數(shù)據(jù)、財務報表數(shù)據(jù)、市場數(shù)據(jù)等，微軟構(gòu)建了一個現(xiàn)金流預測模型，可以預測未來一段時間內(nèi)的現(xiàn)金流狀況。這個預測模型可以幫助微軟制定更加合理的現(xiàn)金流管理策略和投資計劃，從而降低風險和提高盈利能力。

以上三個案例都利用了數(shù)字化技術(shù)進行財務預測，取得了顯著的成果。這些實踐案例證明了數(shù)字化技術(shù)在財務預測中的應用和優(yōu)勢，也為企業(yè)提供了有益的參考和借鑒。

3 數(shù)字化決策支持系統(tǒng)

3.1 數(shù)字化決策支持系統(tǒng)的概念

數(shù)字化決策支持系統(tǒng)是一種基于計算機技術(shù)的決策支持系統(tǒng)，它可以為企業(yè)提供更快速、更準確、更全面的決策支持。通過整合企業(yè)內(nèi)部和外部的各種數(shù)據(jù)，并利用各種算法和模型進行數(shù)據(jù)處理和分析，從而輔助企業(yè)做出更明智的決策。數(shù)字化決策支持系統(tǒng)不僅提高了決策的效率和準確性，還有助于企業(yè)更好地應對不斷變化的市場環(huán)境和競爭挑戰(zhàn)。

3.2 數(shù)字化決策支持系統(tǒng)的構(gòu)成

第一，數(shù)據(jù)存儲與管理系統(tǒng)。該系統(tǒng)用于存儲和管理各種結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，包括企業(yè)內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)。數(shù)據(jù)存儲與管理系統(tǒng)能夠確保數(shù)據(jù)的準確性和完整性，并提供高效的數(shù)據(jù)檢索和處理功能。

第二，數(shù)據(jù)處理與分析系統(tǒng)。該系統(tǒng)用于對存儲的數(shù)據(jù)進行處理和分析，包括數(shù)據(jù)清洗、數(shù)據(jù)整合、數(shù)據(jù)挖掘等。數(shù)據(jù)處理與分析系統(tǒng)能夠利用各種算法和模型對數(shù)據(jù)進行深入挖掘和分析，提取出有價值的信息，為決策提供支持。

第三，模型構(gòu)建與優(yōu)化系統(tǒng)。該系統(tǒng)用于構(gòu)建各種預測模型、優(yōu)化模型等，以輔助企業(yè)進行預測和決策。模型構(gòu)建與優(yōu)化可以利用機器學習、人工智能等技術(shù)，從而提高預測和決策的準確性和效率。

第四，決策支持系統(tǒng)界面。該界面用于將分析結(jié)果和決策建議以可視化的方式呈現(xiàn)給決策者，以便決策者更好地理解和應用。決策支持系統(tǒng)界面應該具有直觀、易用的特點，能夠快速傳遞信息和方便地制定決策。

3.3 數(shù)字化決策支持系統(tǒng)的構(gòu)建過程

第一，需求分析。明確企業(yè)決策需求和目標，確定需要解決的問題和需要分析的數(shù)據(jù)。需求分析是構(gòu)建數(shù)字化決策支持系統(tǒng)的關(guān)鍵步驟，它能夠幫助企業(yè)了解自身的業(yè)務需求和發(fā)展方向。

第二，數(shù)據(jù)收集與清洗。收集相關(guān)的數(shù)據(jù)，并進行清洗和整理，以確保數(shù)據(jù)的準確性和一致性。數(shù)據(jù)收集與清洗是數(shù)字化決策支持系統(tǒng)的核心工作之一，它能夠提供高質(zhì)量的數(shù)據(jù)基礎，為后續(xù)的數(shù)據(jù)處理和分析提供保障。

第三，模型構(gòu)建與優(yōu)化。根據(jù)需求選擇合適的算法和模型進行預測和優(yōu)化，以提高預測的準確性和效率。模型構(gòu)建與優(yōu)化是數(shù)字化決策支持系統(tǒng)的核心工作之一，它需要根據(jù)企業(yè)的實際情況和業(yè)務需求進行定制化的模型構(gòu)建和優(yōu)化。

第四，系統(tǒng)開發(fā)與測試。根據(jù)需求進行系統(tǒng)開發(fā)和測試，確保系統(tǒng)的穩(wěn)定性和可靠性。系統(tǒng)開發(fā)與測試是數(shù)字化決策支持系統(tǒng)的關(guān)鍵環(huán)節(jié)之一，它需要確保系統(tǒng)的質(zhì)量和性能符合企業(yè)的實際需求。

第五，上線運營與維護。將系統(tǒng)上線運營，并進行定期的維護和更新，以適應企業(yè)的變化和發(fā)展。上線運營與維護是數(shù)字化決策支持系統(tǒng)的重要環(huán)節(jié)之一，它需要確保系統(tǒng)的正常運行和維護更新，以適應不斷變化的市場環(huán)境和競爭挑戰(zhàn)。

3.4 數(shù)字化決策支持系統(tǒng)在企業(yè)決策中的應用

第一，市場預測。通過整合市場調(diào)研數(shù)據(jù)、銷售數(shù)據(jù)等，構(gòu)建市場預測模型，以預測未來的市場趨勢和銷售狀況，從而為企業(yè)制定銷售策略和市場推廣策略提供依據(jù)。這種應用可以幫助企業(yè)更好地了解市場需求和競爭態(tài)勢，提高銷售業(yè)績和市場占有率。

第二，庫存管理。通過分析歷史銷售數(shù)據(jù)和庫存數(shù)據(jù)等，構(gòu)建庫存預測模型，以預測未來的庫存需求和庫存成本，從而為企業(yè)制定庫存管理策略提供依據(jù)，這種應用可以幫助企業(yè)更好地管理庫存，降低庫存成本并提高物流效率。

第三，生產(chǎn)計劃。通過分析生產(chǎn)數(shù)據(jù)、銷售數(shù)據(jù)等，構(gòu)建生產(chǎn)計劃模型，以預測未來的生產(chǎn)需求和生產(chǎn)成本，從而為企業(yè)制定生產(chǎn)計劃提供依據(jù)。這種應用可以幫助企業(yè)更好地安排生產(chǎn)計劃和資源分配，提高生產(chǎn)效率和降低成本。

第四，風險管理。通過分析企業(yè)的財務數(shù)據(jù)和市場數(shù)據(jù)等，構(gòu)建風險管理模型，以識別和評估潛在的風險因素并制定相應的風險管理策略。這種應用可以幫助企業(yè)更好地管理風險并降低潛在損失，提高企業(yè)的穩(wěn)健性和競爭力。

第五，投資決策。通過分析投資項目的財務數(shù)據(jù)和市場前景等，構(gòu)建投資決策模型以評估投資項目的盈利能力和風險水平，從而為企業(yè)制定投資策略提供依據(jù)。這種應用可以幫助企業(yè)更好地評估投資項目的價值和風險，并做出明智的投資決策，提高企業(yè)的盈利能力和競爭力。數(shù)字化決策支持系統(tǒng)能幫助企業(yè)更加科學合理地進行決策，提高企業(yè)的競爭力和盈利能力，同時數(shù)字化決策支持系統(tǒng)也需要不斷地更新和完善，以適應企業(yè)的變化和發(fā)展。

4 數(shù)字化財務預測與決策支持研究的最新進展

4.1 最新研究成果概述

第一，基于深度學習的財務預測模型：研究人員利用深度學習技術(shù)構(gòu)建了財務預測模型，可以對企業(yè)的財務狀況進行更準確的預測。這些模型可以從大量的歷史數(shù)據(jù)中學習，并自動提取出有用的數(shù)據(jù)，從而提高預測的精度和效率。

第二，基于自然語言處理的智能決策支持系統(tǒng)：研究人員利用自然語言處理技術(shù)構(gòu)建了智能決策支持系統(tǒng)，可以從企業(yè)的非結(jié)構(gòu)化數(shù)據(jù)中提取有用的信息，并將其應用于決策過程中。這些系統(tǒng)可以自動解析和理解企業(yè)的文本數(shù)據(jù)，如合同、報告等，從而為決策者提供更全面的信息支持。

第三，基于云計算的分布式?jīng)Q策支持系統(tǒng)：研究人員利用云計算技術(shù)構(gòu)建了分布式?jīng)Q策支持系統(tǒng)，可以實現(xiàn)數(shù)據(jù)的共享和協(xié)同決策。這些系統(tǒng)可以將不同部門和不同地點的數(shù)據(jù)進行整合和分析，從而為決策者提供更全面的視角和更準確的決策支持。

4.2 數(shù)字化技術(shù)在財務預測與決策支持中的應用進展

第一，大數(shù)據(jù)和人工智能在財務分析中的應用。研究人員利用大數(shù)據(jù)和人工智能技術(shù)對企業(yè)的財務數(shù)據(jù)進行分析和預測，可以發(fā)現(xiàn)潛在的財務風險和機會。例如，通過對企業(yè)的財務報表進行自然語言處理，可以自動提取關(guān)鍵信息并進行情感分析，從而判斷企業(yè)的財務狀況和市場前景。

第二，機器學習在投資決策中的應用。研究人員利用機器學習技術(shù)構(gòu)建了投資決策模型，可以對投資項目進行自動評估和選擇。這些模型可以根據(jù)投資項目的歷史數(shù)據(jù)和市場前景進行學習和優(yōu)化，從而提高投資決策的準確性和效率。

第三，數(shù)字孿生在財務預測中的應用。數(shù)字孿生是一種基于物理模型、傳感器更新、歷史和實時數(shù)據(jù)的集成，將物理世界與虛擬世界連接起來的技術(shù)。研究人員利用數(shù)字孿生技術(shù)構(gòu)建了企業(yè)的財務預測模型，可以模擬企業(yè)的運營過程并預測未來的財務狀況。這些模型可以幫助企業(yè)更好地了解自身的運營情況和市場環(huán)境，從而制定更合理的財務計劃和投資策略。

第四，區(qū)塊鏈技術(shù)在財務管理中的應用。區(qū)塊鏈技術(shù)是一種去中心化、不可篡改的數(shù)據(jù)存儲和傳輸技術(shù)，可以應用于企業(yè)的財務管理中。例如，利用區(qū)塊鏈技術(shù)可以構(gòu)建企業(yè)的分布式賬本，實現(xiàn)財務數(shù)據(jù)的共享和安全存儲，從而提高財務管理的透明度和效率。

總的來說，數(shù)字化技術(shù)在財務預測與決策支持中的應用正在不斷深入和發(fā)展，為企業(yè)提供了更高效、更準確的決策支持。未來，隨著技術(shù)的不斷進步和應用場景的不斷擴展，數(shù)字化財務預測與決策支持將會在企業(yè)中發(fā)揮更加重要的作用。

5 未來研究方向和建議

隨著科技的快速發(fā)展，數(shù)字化財務預測與決策支持系統(tǒng)的研究也在不斷深入。為了更好地滿足企業(yè)的實際需求并推動該領(lǐng)域的持續(xù)發(fā)展，以下是一些未來研究方向和建議。

5.1 提升數(shù)字化財務預測與決策支持的效率和準確性

第一，研究更高效的數(shù)據(jù)處理和分析算法。針對大規(guī)模、高維度的財務數(shù)據(jù)，研究新的算法和技術(shù)，以提高數(shù)據(jù)處理速度和預測準確性。例如，可以探索樹形模型、神經(jīng)網(wǎng)絡等機器學習算法在財務數(shù)據(jù)預測中的應用。

第二，利用量子計算技術(shù)。探索量子計算技術(shù)在財務預測和決策支持中的應用，利用其并行處理和優(yōu)化能力提高計算效率。量子計算技術(shù)的引入可以大幅度提升復雜數(shù)據(jù)的處理速度和準確性。

5.2 完善數(shù)字化財務預測與決策支持系統(tǒng)以滿足個性化需求

第一，研究自適應的決策支持系統(tǒng)。開發(fā)能夠根據(jù)企業(yè)特點和市場環(huán)境自動調(diào)整預測模型和決策策略的系統(tǒng)。這種自適應系統(tǒng)能夠更好地滿足企業(yè)的個性化需求，提高決策的針對性和準確性。

第二，強化用戶界面的友好性。設計更直觀、易用的界面，降低系統(tǒng)的使用門檻，讓更多的財務人員和決策者輕松利用這些工具。良好的用戶界面可以提高用戶的使用意愿和效率。

5.3 加強理論與實踐的結(jié)合以推動企業(yè)財務管理的創(chuàng)新與發(fā)展

第一，開展實證研究。與企業(yè)合作，對數(shù)字化財務預測與決策支持系統(tǒng)的實際應用效果進行評估和優(yōu)化。通過實證研究，可以發(fā)現(xiàn)系統(tǒng)的優(yōu)勢和不足，進而進行改進。

第二，建立案例庫和最佳實踐。收集和整理成功的應用案例，為其他企業(yè)提供參考和借鑒。這樣可以促進經(jīng)驗共享，推動財務管理領(lǐng)域的整體發(fā)展。

5.4 鼓勵開展跨界合作以促進數(shù)字化財務預測與決策支持技術(shù)的持續(xù)發(fā)展

第一，加強與其他領(lǐng)域的合作。如與計算機科學、數(shù)據(jù)科學、人工智能等領(lǐng)域的合作，共同研發(fā)新的技術(shù)和應用?？珙I(lǐng)域的合作可以引入新的思想和資源，推動技術(shù)的創(chuàng)新和發(fā)展。

第二，推動產(chǎn)學研結(jié)合。建立企業(yè)與高校、研究機構(gòu)的合作機制，共同培養(yǎng)專業(yè)人才，推動技術(shù)的轉(zhuǎn)化和應用。產(chǎn)學研合作可以促進技術(shù)研究和實際應用的銜接，推動數(shù)字化財務預測與決策支持技術(shù)的快速發(fā)展。

第三，建立開放的數(shù)據(jù)共享平臺。促進不同企業(yè)和研究機構(gòu)之間的數(shù)據(jù)共享和合作，加速技術(shù)的進步和應用。數(shù)據(jù)共享平臺可以打破數(shù)據(jù)孤島現(xiàn)象，提高數(shù)據(jù)利用效率和研究成果的可重復性。

總的來說，未來的數(shù)字化財務預測與決策支持研究需要不斷地與時俱進，緊密跟蹤技術(shù)的發(fā)展趨勢，并結(jié)合企業(yè)的實際需求進行深入研究和實踐。同時，還需要注重跨領(lǐng)域合作和產(chǎn)學研結(jié)合，共同推動數(shù)字化財務預測與決策支持技術(shù)的持續(xù)發(fā)展和創(chuàng)新。

6 結(jié)論及展望

6.1 結(jié)論

數(shù)字化財務預測與決策支持系統(tǒng)在當今企業(yè)中具有不可替代的重要性。它利用先進的數(shù)據(jù)分析和機器學習技術(shù)，從海量的財務數(shù)據(jù)中提取有價值的信息，為決策者提供數(shù)據(jù)驅(qū)動的決策策略。數(shù)字化財務預測與決策支持系統(tǒng)的應用范圍不斷擴大，不僅局限于傳統(tǒng)的財務預測和決策領(lǐng)域，還擴展到風險管理、投資決策、運營優(yōu)化等多個方面，成為企業(yè)實現(xiàn)全面數(shù)字化轉(zhuǎn)型的關(guān)鍵一環(huán)。雖然數(shù)字化財務預測與決策支持系統(tǒng)帶來了巨大的便利性和準確性，但同時也面臨著數(shù)據(jù)安全、隱私保護等挑戰(zhàn)。因此，如何在保證數(shù)據(jù)安全的前提下，充分發(fā)揮數(shù)字化財務預測與決策支持系統(tǒng)的優(yōu)勢，是未來研究的一個重要方向?，F(xiàn)有的數(shù)字化財務預測與決策支持系統(tǒng)還存在一定的局限性，例如對數(shù)據(jù)質(zhì)量的要求較高、模型的可解釋性不足等。因此，如何提高模型的泛化能力、可解釋性以及魯棒性，是數(shù)字化財務預測與決策支持系統(tǒng)未來發(fā)展的重要課題。

6.2 展望

未來，隨著大數(shù)據(jù)、人工智能、云計算等技術(shù)的不斷進步，數(shù)字化財務預測與決策支持系統(tǒng)將會有更多的創(chuàng)新機會。例如，利用區(qū)塊鏈技術(shù)實現(xiàn)數(shù)據(jù)的安全存儲和共享、利用量子計算技術(shù)提高模型的計算效率等。未來的研究不應僅限于技術(shù)層面的創(chuàng)新和應用，還應注重數(shù)字化財務預測與決策支持系統(tǒng)在企業(yè)實際運營中的效果和作用。通過實證研究等方法，深入探討數(shù)字化財務預測與決策支持系統(tǒng)如何幫助企業(yè)提高運營效率、降低風險以及實現(xiàn)可持續(xù)發(fā)展。

參考文獻：

［1］張華，王明.大數(shù)據(jù)和人工智能驅(qū)動的數(shù)字化財務預測與決策支持系統(tǒng)研究［J］.財務與信息技術(shù)，2022（3）：45-52.

［2］李青.基于機器學習的數(shù)字化財務預測與決策支持系統(tǒng)的設計與實現(xiàn)［D］.北京：北京大學，2023.

［3］王剛，張寧.數(shù)字化財務預測與決策支持系統(tǒng)在金融領(lǐng)域的應用研究［C］.深圳：中國金融信息科技大會，2023：67-73.

［4］德勤.數(shù)字化財務預測與決策支持系統(tǒng)的市場趨勢與發(fā)展前景［R］.重慶：德勤研究報告，2022.

［5］趙明.數(shù)字化財務管理與決策支持系統(tǒng)［M］.北京：電子工業(yè)出版社，2023：150-170.