CN114155072B - 基于大数据分析的财务预测模型构建方法及*** - Google Patents
基于大数据分析的财务预测模型构建方法及*** Download PDFInfo
- Publication number
- CN114155072B CN114155072B CN202111395553.8A CN202111395553A CN114155072B CN 114155072 B CN114155072 B CN 114155072B CN 202111395553 A CN202111395553 A CN 202111395553A CN 114155072 B CN114155072 B CN 114155072B
- Authority
- CN
- China
- Prior art keywords
- sales
- data
- profit
- cost
- enterprise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Technology Law (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了基于大数据分析的财务预测模型构建方法及***,属于大数据领域,涉及财务数据预测技术;解决了现有技术中企业实时财务数据无法通过多种方式进行预测,导致财务数据预测局限性强的技术问题,通过获取到影响因素有利于降低财务数据预测的误差风险,增强了财务数据预测的可控性以及准确性;对财务数据进行数据分析,判断数据周期性,为企业财务预测提供预测参数,从而提高了预测的准确性;若企业财务数据无影响因素,则判定财务数据历史波动周期存在延续性,则准确提高了财务数据预测的准确性;对企业财务数据进行准确分析,并通过分析匹配合理的预测方式,提高了企业财务数据预测的多样性,同时增强了企业财务数据的准确性。
Description
技术领域
本发明属于大数据领域,涉及财务数据预测技术,具体是基于大数据分析的财务预测模型构建方法及***。
背景技术
财务预测是指估计企业未来的融资需求,广义的财务预测包括编制全部的预计财务报表。进行预测的目的是为了体现财务管理的事先性,即帮助财务人员认识和控制未来的不确定性,使对未来的无知降到最低限度,使财务计划的预期目标同可能变化的周围环境和经济条件保持一致,并对财务计划的实施效果做到心中有数。财务预测时一般遵循以下原则:连续性原则。财务预测必须具有连续性,即预测必须以过去和现在的财务资料为依据来推断未来的财务状况。关键因素原则。进行财务预测时,应首先集中精力于主要项目,而不必拘泥于面面俱到,以节约时间和费用。客观性原则。财务预测只有建立在客观性的基础上,才有可能得出正确的结论。
现有技术中,无法对企业的历史数据进行分析,导致企业财务数据预测的误差风险增加,降低了企业财务的预测效率,同时无法根据实时情况进行多种方式财务数据预测,导致预测效率降低。
为此,我们提出基于大数据分析的财务预测模型构建方法及***。
发明内容
针对现有技术存在的不足,本发明目的是提供基于大数据分析的财务预测模型构建方法及***,对企业的历史销售数据、利润数据以及成本数据进行分析,判断数据对应影响因素,通过获取到影响因素有利于降低财务数据预测的误差风险,增强了财务数据预测的可控性以及准确性;对财务数据进行数据分析,判断数据周期性,为企业财务预测提供预测参数,从而提高了预测的准确性;若企业财务数据无影响因素,则判定财务数据历史波动周期存在延续性,则准确提高了财务数据预测的准确性;对企业财务数据进行准确分析,并通过分析匹配合理的预测方式,提高了企业财务数据预测的多样性,同时增强了企业财务数据的准确性。
本发明所要解决的技术问题为:
针对企业实时财务数据无法通过多种方式进行预测,导致财务数据预测局限性强,无法保证财务数据的准确度。
本发明的目的可以通过以下技术方案实现:
基于大数据分析的财务预测模型构建***,包括服务器、历史数据分析模块、元数据采集模块、影响因素获取模块以及财务预测模块,财务预测模块通讯连接有定量预测模块和定性预测模块;
所述元数据采集模块用于对企业的财务数据进行分析,并将采集到的财务数据发送至服务器进行储存;所述影响因素获取模块用于对企业的历史销售数据、利润数据以及成本数据进行分析,通过分析获取到销售数据影响因素、利润数据影响因素以及成本数据影响因素;历史数据分析模块对财务数据进行数据分析,判断数据周期性,通过数据分析获取到销售金额波动周期、销售利润波动周期以及销售成本波动周期;财务预测模块对财务数据进行预测,若企业财务数据存在对应影响因素,则通过定性预测模块对企业财务数据构建预测模型;若企业财务数据不存在对应影响因素,通过定量预测模块对企业财务数据进行波动预测。
进一步地,所述元数据采集模块对企业的财务数据进行分析,并将采集到的财务数据发送至服务器进行储存;财务数据包括销售数据、利润数据以及成本数据;销售数据包括企业的销售量以及销售量对应的销售金额;利润数据包括企业的销售利润以及销售利润的增长幅度;成本数据包括企业的销售成本以及销售成本增长幅度;并将采集到的销售数据、利润数据以及成本数据发送至服务器。
进一步地,所述影响因素获取模块的影响因素获取过程如下:
设置历史检测时间,并将历史检测时间划分为i个子时间节点,i为正整数,采集到历史检测时间内各个子时间节点对应的销售数据、利润数据以及成本数据,针对销售数据,以子时间节点为X轴,以销售量为左Y轴,以销售金额为右Y轴构建坐标系,同时将对应坐标系标记为销售分析坐标系,并将各个子时间节点对应的销售量以及销售金额进行采集后代入销售分析坐标系构建销售量曲线和销售金额曲线,对销售量曲线和销售金额曲线进行分析,采集销售量曲线和销售金额曲线的拐点,并将其分别标记为销售量异常子时间点和销售金额异常子时间点,拐点表示为曲线由持平或者增长趋势转变为下降趋势;根据销售量异常子时间点和销售金额异常子时间点获取到销售量和销售金额的影响因素并将其统称标记为销售数据影响因素,本申请中销售量和销售金额的影响因素可以为市场波动等各种销售量和销售金额相关的影响因素,如市场对销售量的限制;
针对利润数据,以子时间节点为X轴,以销售利润为左Y轴,以销售利润的增长幅度为右Y轴构建坐标系,同时将对应坐标系标记为利润分析坐标系,并将各个子时间节点对应的销售利润以及销售利润的增长幅度进行采集后代入利润分析坐标系构建销售利润曲线和利润增长幅度曲线,对销售利润曲线和利润增长幅度曲线进行分析,采集销售利润曲线和利润增长幅度曲线的拐点,并将其分别标记为利润异常子时间点和利润增长幅度异常子时间点;根据利润异常子时间点和利润增长幅度异常子时间点获取到销售利润和销售利润增长幅度的影响因素并将其统称标记为利润数据影响因素,本申请中销售利润和销售利润增长幅度的影响因素可以为市场波动等各种销售利润和销售利润增长幅度相关的影响因素,如市场对产品价格的控制;
针对成本数据,以子时间节点为X轴,以销售成本为左Y轴,以销售成本增长幅度为右Y轴构建坐标系,同时将对应坐标系标记为成本分析坐标系,并将各个子时间节点对应的销售成本以及销售成本增长幅度进行采集后代入成本分析坐标系构建销售成本曲线和成本增长幅度曲线,对销售成本曲线和成本增长幅度曲线进行分析,采集销售成本曲线和成本增长幅度曲线的拐点,并将其分别标记为成本异常子时间点和成本增长幅度异常子时间点;根据成本异常子时间点和成本增长幅度异常子时间点获取到销售成本和销售成本增长幅度的影响因素并将其统称标记为成本数据影响因素,本申请中销售成本和销售成本增长幅度的影响因素可以为市场波动等各种销售成本和销售成本增长幅度相关的影响因素,如市场对产品原材料价格的提升;
将销售数据影响因素、利润数据影响因素以及成本数据影响因素发送至服务器。
进一步地,所述历史数据分析模块的历史数据分析过程如下:
将销售数据内销售金额、利润数据内销售利润以及成本数据内销售成本标记为企业财务数据的直接影响数据,采集到销售金额曲线、销售利润曲线以及销售成本曲线的波动曲线,并根据对应波动曲线的始末两端点对应的子时间节点,通过始末两端点对应的子时间节点获取销售金额波动周期、销售利润波动周期以及销售成本波动周期,若销售金额波动周期内未出现销售数据影响因素,则判断对应销售金额波动周期正常,不存在销售数据影响因素影响;若销售利润波动周期内未出现利润数据影响因素,则判断对应销售利润波动周期正常,不存在利润数据影响因素影响;若销售成本波动周期内未出现成本数据影响因素,则判断对应销售成本波动周期正常,不存在成本数据影响因素影响;
将销售金额波动周期、销售利润波动周期以及销售成本波动周期发送至服务器;服务器生成财务预测信号并将财务预测信号发送至财务预测模块,财务预测模块用于对企业财务数据进行预测,若企业财务数据存在对应影响因素,则生成定性预测信号并将定性预测信号发送至定性预测模块;若企业财务数据不存在对应影响因素,则生成定量预测信号并将定量预测信号发送至定量预测模块。
进一步地,所述定性预测模块的接收到定性预测信号后,对企业财务数据构建预测模型,采集到市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格,并将市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格分别标记为XS、JJ以及JG;其中,市场变动控制的销售总量若为增长,则控制的销售总量为正数,市场变动控制的销售总量若为降低,则控制的销售总量为负数;市场变动控制的产品均价若为增长,则控制的产品价格为正数;若市场变动控制的产品均价若为降低,则控制的产品价格为负数;若市场变动控制的原材料价格为增长,则控制的原材料价格为正数,若市场变动控制的原材料价格为降低,则控制的原材料价格为负数;
若企业财务数据预测系数YC≥预测系数阈值,则判定企业财务数据预测为增长趋势,并将增长趋势以及对应企业发送至服务器;若企业财务数据预测系数YC<预测系数阈值,则判定企业财务数据预测为降低趋势,并将降低趋势以及对应企业发送至服务器。
进一步地,所述定量预测模块接收到定量预测信号后,根据历史数据对企业财务数据进行预测,采集到销售金额波动周期、销售利润波动周期以及销售成本波动周期,同时根据实时企业财务数据内的销售金额、销售利润以及销售成本进行分析,获取到实时销售金额处于销售金额波动周期位置、实时销售利润处于销售利润波动周期位置以及实时销售成本处于销售成本波动周期位置;根据对应位置判断实时销售金额、实时销售利润以及实时销售成本的预测波动趋势,其中增长趋势标记为正波动,降低趋势标记为负波动;根据实时销售金额、实时销售利润以及实时销售成本的预测波动趋势分析出实时销售金额、实时销售利润以及实时销售成本的预测波动量,若正波动量高于负波动,则对企业财务数据的预测为增长趋势,并将预测增长趋势和对应企业发送至服务器;若正波动量低于负波动,则对企业财务数据的预测为降低趋势,并将预测降低长趋势和对应企业发送至服务器。
进一步地,基于大数据分析的财务预测模型构建方法,具体预测模型构建方法步骤如下:
步骤一、元数据采集,对企业的财务数据进行分析,并将采集到的财务数据进行储存;
步骤二、影响因素获取,对企业的历史销售数据、利润数据以及成本数据进行分析,通过分析获取到销售数据影响因素、利润数据影响因素以及成本数据影响因素;
步骤三、历史数据分析,对财务数据进行数据分析,判断数据周期性,通过数据分析获取到销售金额波动周期、销售利润波动周期以及销售成本波动周期;
步骤四,预测模型构建,若企业财务数据存在对应影响因素,则对企业财务数据构建预测模型,采集到市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格,通过模型分析获取到企业财务数据预测系数,通过企业财务数据预测系数与对应阈值的比较对财务数据进行趋势预测;若企业财务数据不存在对应影响因素,根据历史数据对企业财务数据进行预测,采集到销售金额波动周期、销售利润波动周期以及销售成本波动周期,判定实时销售金额处于销售金额波动周期位置、实时销售利润处于销售利润波动周期位置以及实时销售成本处于销售成本波动周期位置,根据对应位置判断实时销售金额、实时销售利润以及实时销售成本的预测波动趋势。
与现有技术相比,本发明的有益效果是:
1、本发明对企业的历史销售数据、利润数据以及成本数据进行分析,判断数据对应影响因素,通过获取到影响因素有利于降低财务数据预测的误差风险,增强了财务数据预测的可控性以及准确性;对财务数据进行数据分析,判断数据周期性,为企业财务预测提供预测参数,从而提高了预测的准确性;若企业财务数据无影响因素,则判定财务数据历史波动周期存在延续性,则准确提高了财务数据预测的准确性。
2、本发明对企业财务数据进行准确分析,并通过分析匹配合理的预测方式,提高了企业财务数据预测的多样性,同时增强了企业财务数据的准确性。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的整体***框图;
图2为本发明的方法流程图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如后。
请参阅图1-2所示,基于大数据分析的财务预测模型构建***,包括服务器、历史数据分析模块、元数据采集模块、影响因素获取模块以及财务预测模块,财务预测模块通讯连接有定量预测模块和定性预测模块;
所述元数据采集模块用于对企业的财务数据进行分析,并将采集到的财务数据发送至服务器进行储存;财务数据包括销售数据、利润数据以及成本数据;销售数据包括企业的销售量以及销售量对应的销售金额;利润数据包括企业的销售利润以及销售利润的增长幅度;成本数据包括企业的销售成本以及销售成本增长幅度;并将采集到的销售数据、利润数据以及成本数据发送至服务器;
服务器接收到销售数据、利润数据以及成本数据后,生成影响因素获取信号并将影响因素获取信号发送至影响因素获取模块;
所述影响因素获取模块用于对企业的历史销售数据、利润数据以及成本数据进行分析,判断数据对应影响因素,通过获取到影响因素有利于降低财务数据预测的误差风险,增强了财务数据预测的可控性以及准确性,具体影响因素获取过程如下:
设置历史检测时间,并将历史检测时间划分为i个子时间节点,i为正整数,采集到历史检测时间内各个子时间节点对应的销售数据、利润数据以及成本数据,针对销售数据,以子时间节点为X轴,以销售量为左Y轴,以销售金额为右Y轴构建坐标系,同时将对应坐标系标记为销售分析坐标系,并将各个子时间节点对应的销售量以及销售金额进行采集后代入销售分析坐标系构建销售量曲线和销售金额曲线,对销售量曲线和销售金额曲线进行分析,采集销售量曲线和销售金额曲线的拐点,并将其分别标记为销售量异常子时间点和销售金额异常子时间点,拐点表示为曲线由持平或者增长趋势转变为下降趋势;根据销售量异常子时间点和销售金额异常子时间点获取到销售量和销售金额的影响因素并将其统称标记为销售数据影响因素,本申请中销售量和销售金额的影响因素可以为市场波动等各种销售量和销售金额相关的影响因素,如市场对销售量的限制;
针对利润数据,以子时间节点为X轴,以销售利润为左Y轴,以销售利润的增长幅度为右Y轴构建坐标系,同时将对应坐标系标记为利润分析坐标系,并将各个子时间节点对应的销售利润以及销售利润的增长幅度进行采集后代入利润分析坐标系构建销售利润曲线和利润增长幅度曲线,对销售利润曲线和利润增长幅度曲线进行分析,采集销售利润曲线和利润增长幅度曲线的拐点,并将其分别标记为利润异常子时间点和利润增长幅度异常子时间点;根据利润异常子时间点和利润增长幅度异常子时间点获取到销售利润和销售利润增长幅度的影响因素并将其统称标记为利润数据影响因素,本申请中销售利润和销售利润增长幅度的影响因素可以为市场波动等各种销售利润和销售利润增长幅度相关的影响因素,如市场对产品价格的控制;
针对成本数据,以子时间节点为X轴,以销售成本为左Y轴,以销售成本增长幅度为右Y轴构建坐标系,同时将对应坐标系标记为成本分析坐标系,并将各个子时间节点对应的销售成本以及销售成本增长幅度进行采集后代入成本分析坐标系构建销售成本曲线和成本增长幅度曲线,对销售成本曲线和成本增长幅度曲线进行分析,采集销售成本曲线和成本增长幅度曲线的拐点,并将其分别标记为成本异常子时间点和成本增长幅度异常子时间点;根据成本异常子时间点和成本增长幅度异常子时间点获取到销售成本和销售成本增长幅度的影响因素并将其统称标记为成本数据影响因素,本申请中销售成本和销售成本增长幅度的影响因素可以为市场波动等各种销售成本和销售成本增长幅度相关的影响因素,如市场对产品原材料价格的提升;
将销售数据影响因素、利润数据影响因素以及成本数据影响因素发送至服务器;
服务器生成历史数据分析信号并将历史数据分析信号发送至历史数据分析模块,历史数据分析模块用于对财务数据进行数据分析,判断数据周期性,为企业财务预测提供预测参数,从而提高了预测的准确性,具体历史数据分析过程如下:
将销售数据内销售金额、利润数据内销售利润以及成本数据内销售成本标记为企业财务数据的直接影响数据,采集到销售金额曲线、销售利润曲线以及销售成本曲线的波动曲线,并根据对应波动曲线的始末两端点对应的子时间节点,通过始末两端点对应的子时间节点获取销售金额波动周期、销售利润波动周期以及销售成本波动周期,若销售金额波动周期内未出现销售数据影响因素,则判断对应销售金额波动周期正常,不存在销售数据影响因素影响;若销售利润波动周期内未出现利润数据影响因素,则判断对应销售利润波动周期正常,不存在利润数据影响因素影响;若销售成本波动周期内未出现成本数据影响因素,则判断对应销售成本波动周期正常,不存在成本数据影响因素影响;
将销售金额波动周期、销售利润波动周期以及销售成本波动周期发送至服务器;
服务器生成财务预测信号并将财务预测信号发送至财务预测模块,财务预测模块用于对企业财务数据进行预测,若企业财务数据存在对应影响因素,则生成定性预测信号并将定性预测信号发送至定性预测模块;若企业财务数据不存在对应影响因素,则生成定量预测信号并将定量预测信号发送至定量预测模块;
定性预测模块接收到定性预测信号后,对企业财务数据构建预测模型,采集到市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格,并将市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格分别标记为XS、JJ以及JG;其中,市场变动控制的销售总量若为增长,则控制的销售总量为正数,市场变动控制的销售总量若为降低,则控制的销售总量为负数;市场变动控制的产品均价若为增长,则控制的产品价格为正数;若市场变动控制的产品均价若为降低,则控制的产品价格为负数;若市场变动控制的原材料价格为增长,则控制的原材料价格为正数,若市场变动控制的原材料价格为降低,则控制的原材料价格为负数;
若企业财务数据预测系数YC≥预测系数阈值,则判定企业财务数据预测为增长趋势,并将增长趋势以及对应企业发送至服务器;若企业财务数据预测系数YC<预测系数阈值,则判定企业财务数据预测为降低趋势,并将降低趋势以及对应企业发送至服务器;
定量预测模块接收到定量预测信号后,根据历史数据对企业财务数据进行预测,采集到销售金额波动周期、销售利润波动周期以及销售成本波动周期,同时根据实时企业财务数据内的销售金额、销售利润以及销售成本进行分析,获取到实时销售金额处于销售金额波动周期位置、实时销售利润处于销售利润波动周期位置以及实时销售成本处于销售成本波动周期位置;根据对应位置判断实时销售金额、实时销售利润以及实时销售成本的预测波动趋势,其中增长趋势标记为正波动,降低趋势标记为负波动;根据实时销售金额、实时销售利润以及实时销售成本的预测波动趋势分析出实时销售金额、实时销售利润以及实时销售成本的预测波动量,若正波动量高于负波动,则对企业财务数据的预测为增长趋势,并将预测增长趋势和对应企业发送至服务器;若正波动量低于负波动,则对企业财务数据的预测为降低趋势,并将预测降低长趋势和对应企业发送至服务器;本申请中若企业财务数据无影响因素,则判定财务数据历史波动周期存在延续性,则准确提高了财务数据预测的准确性;
基于大数据分析的财务预测模型构建方法,具体预测模型构建方法步骤如下:
步骤一、元数据采集,对企业的财务数据进行分析,并将采集到的财务数据进行储存;
步骤二、影响因素获取,对企业的历史销售数据、利润数据以及成本数据进行分析,通过分析获取到销售数据影响因素、利润数据影响因素以及成本数据影响因素;
步骤三、历史数据分析,对财务数据进行数据分析,判断数据周期性,通过数据分析获取到销售金额波动周期、销售利润波动周期以及销售成本波动周期;
步骤四,预测模型构建,若企业财务数据存在对应影响因素,则对企业财务数据构建预测模型,采集到市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格,通过模型分析获取到企业财务数据预测系数,通过企业财务数据预测系数与对应阈值的比较对财务数据进行趋势预测;若企业财务数据不存在对应影响因素,根据历史数据对企业财务数据进行预测,采集到销售金额波动周期、销售利润波动周期以及销售成本波动周期,判定实时销售金额处于销售金额波动周期位置、实时销售利润处于销售利润波动周期位置以及实时销售成本处于销售成本波动周期位置,根据对应位置判断实时销售金额、实时销售利润以及实时销售成本的预测波动趋势。
基于大数据分析的财务预测模型构建方法及***,工作时,通过元数据采集模块用于对企业的财务数据进行分析,并将采集到的财务数据发送至服务器进行储存;通过影响因素获取模块用于对企业的历史销售数据、利润数据以及成本数据进行分析,通过分析获取到销售数据影响因素、利润数据影响因素以及成本数据影响因素;历史数据分析模块对财务数据进行数据分析,判断数据周期性,通过数据分析获取到销售金额波动周期、销售利润波动周期以及销售成本波动周期;财务预测模块对财务数据进行预测,若企业财务数据存在对应影响因素,则通过定性预测模块对企业财务数据构建预测模型;若企业财务数据不存在对应影响因素,通过定量预测模块对企业财务数据进行波动预测。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置;
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的评级系数;将设定的评级系数和采集的样本数据代入公式,任意两个公式构成二元一次方程组,将计算得到的系数进行筛选并取均值,得到a1、a2以及a3取值分别为1.3、1.2以及1.13;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的系数;只要不影响参数与量化后数值的比例关系即可。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所做的任何简介修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (2)
1.基于大数据分析的财务预测模型构建***,其特征在于,包括服务器、历史数据分析模块、元数据采集模块、影响因素获取模块以及财务预测模块,财务预测模块通讯连接有定量预测模块和定性预测模块;
所述元数据采集模块用于对企业的财务数据进行分析,并将采集到的财务数据发送至服务器进行储存;所述影响因素获取模块用于对企业的历史销售数据、利润数据以及成本数据进行分析,通过分析获取到销售数据影响因素、利润数据影响因素以及成本数据影响因素;历史数据分析模块对财务数据进行数据分析,判断数据周期性,通过数据分析获取到销售金额波动周期、销售利润波动周期以及销售成本波动周期;财务预测模块对财务数据进行预测,若企业财务数据存在对应影响因素,则通过定性预测模块对企业财务数据构建预测模型;若企业财务数据不存在对应影响因素,通过定量预测模块对企业财务数据进行波动预测;
所述影响因素获取模块的影响因素获取过程如下:
设置历史检测时间,并将历史检测时间划分为i个子时间节点,i为正整数,采集到历史检测时间内各个子时间节点对应的销售数据、利润数据以及成本数据,针对销售数据,以子时间节点为X轴,以销售量为左Y轴,以销售金额为右Y轴构建坐标系,同时将对应坐标系标记为销售分析坐标系,并将各个子时间节点对应的销售量以及销售金额进行采集后代入销售分析坐标系构建销售量曲线和销售金额曲线,对销售量曲线和销售金额曲线进行分析,采集销售量曲线和销售金额曲线的拐点,并将其分别标记为销售量异常子时间点和销售金额异常子时间点,拐点表示为曲线由持平或者增长趋势转变为下降趋势;根据销售量异常子时间点和销售金额异常子时间点获取到销售量和销售金额的影响因素并将其统称标记为销售数据影响因素;
针对利润数据,以子时间节点为X轴,以销售利润为左Y轴,以销售利润的增长幅度为右Y轴构建坐标系,同时将对应坐标系标记为利润分析坐标系,并将各个子时间节点对应的销售利润以及销售利润的增长幅度进行采集后代入利润分析坐标系构建销售利润曲线和利润增长幅度曲线,对销售利润曲线和利润增长幅度曲线进行分析,采集销售利润曲线和利润增长幅度曲线的拐点,并将其分别标记为利润异常子时间点和利润增长幅度异常子时间点;根据利润异常子时间点和利润增长幅度异常子时间点获取到销售利润和销售利润增长幅度的影响因素并将其统称标记为利润数据影响因素;
针对成本数据,以子时间节点为X轴,以销售成本为左Y轴,以销售成本增长幅度为右Y轴构建坐标系,同时将对应坐标系标记为成本分析坐标系,并将各个子时间节点对应的销售成本以及销售成本增长幅度进行采集后代入成本分析坐标系构建销售成本曲线和成本增长幅度曲线,对销售成本曲线和成本增长幅度曲线进行分析,采集销售成本曲线和成本增长幅度曲线的拐点,并将其分别标记为成本异常子时间点和成本增长幅度异常子时间点;根据成本异常子时间点和成本增长幅度异常子时间点获取到销售成本和销售成本增长幅度的影响因素并将其统称标记为成本数据影响因素;
将销售数据影响因素、利润数据影响因素以及成本数据影响因素发送至服务器;
所述历史数据分析模块的历史数据分析过程如下:
将销售数据内销售金额、利润数据内销售利润以及成本数据内销售成本标记为企业财务数据的直接影响数据,采集到销售金额曲线、销售利润曲线以及销售成本曲线的波动曲线,并根据对应波动曲线的始末两端点对应的子时间节点,通过始末两端点对应的子时间节点获取销售金额波动周期、销售利润波动周期以及销售成本波动周期,若销售金额波动周期内未出现销售数据影响因素,则判断对应销售金额波动周期正常,不存在销售数据影响因素影响;若销售利润波动周期内未出现利润数据影响因素,则判断对应销售利润波动周期正常,不存在利润数据影响因素影响;若销售成本波动周期内未出现成本数据影响因素,则判断对应销售成本波动周期正常,不存在成本数据影响因素影响;
将销售金额波动周期、销售利润波动周期以及销售成本波动周期发送至服务器;服务器生成财务预测信号并将财务预测信号发送至财务预测模块,财务预测模块用于对企业财务数据进行预测,若企业财务数据存在对应影响因素,则生成定性预测信号并将定性预测信号发送至定性预测模块;若企业财务数据不存在对应影响因素,则生成定量预测信号并将定量预测信号发送至定量预测模块;
所述定性预测模块的接收到定性预测信号后,对企业财务数据构建预测模型,采集到市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格,并将市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格分别标记为XS、JJ以及JG;其中,市场变动控制的销售总量若为增长,则控制的销售总量为正数,市场变动控制的销售总量若为降低,则控制的销售总量为负数;市场变动控制的产品均价若为增长,则控制的产品价格为正数;若市场变动控制的产品均价若为降低,则控制的产品价格为负数;若市场变动控制的原材料价格为增长,则控制的原材料价格为正数,若市场变动控制的原材料价格为降低,则控制的原材料价格为负数;
若企业财务数据预测系数YC≥预测系数阈值,则判定企业财务数据预测为增长趋势,并将增长趋势以及对应企业发送至服务器;若企业财务数据预测系数YC<预测系数阈值,则判定企业财务数据预测为降低趋势,并将降低趋势以及对应企业发送至服务器;
所述定量预测模块接收到定量预测信号后,根据历史数据对企业财务数据进行预测,采集到销售金额波动周期、销售利润波动周期以及销售成本波动周期,同时根据实时企业财务数据内的销售金额、销售利润以及销售成本进行分析,获取到实时销售金额处于销售金额波动周期位置、实时销售利润处于销售利润波动周期位置以及实时销售成本处于销售成本波动周期位置;根据对应位置判断实时销售金额、实时销售利润以及实时销售成本的预测波动趋势,其中增长趋势标记为正波动,降低趋势标记为负波动;根据实时销售金额、实时销售利润以及实时销售成本的预测波动趋势分析出实时销售金额、实时销售利润以及实时销售成本的预测波动量,若正波动量高于负波动,则对企业财务数据的预测为增长趋势,并将预测增长趋势和对应企业发送至服务器;若正波动量低于负波动,则对企业财务数据的预测为降低趋势,并将预测降低长趋势和对应企业发送至服务器;
该构建***的运行方法步骤如下:
步骤一、元数据采集,对企业的财务数据进行分析,并将采集到的财务数据进行储存;
步骤二、影响因素获取,对企业的历史销售数据、利润数据以及成本数据进行分析,通过分析获取到销售数据影响因素、利润数据影响因素以及成本数据影响因素;
步骤三、历史数据分析,对财务数据进行数据分析,判断数据周期性,通过数据分析获取到销售金额波动周期、销售利润波动周期以及销售成本波动周期;
步骤四,预测模型构建,若企业财务数据存在对应影响因素,则对企业财务数据构建预测模型,采集到市场变动控制的销售总量、市场变动控制的产品均价以及市场变动控制的原材料价格,通过模型分析获取到企业财务数据预测系数,通过企业财务数据预测系数与对应阈值的比较对财务数据进行趋势预测;若企业财务数据不存在对应影响因素,根据历史数据对企业财务数据进行预测,采集到销售金额波动周期、销售利润波动周期以及销售成本波动周期,判定实时销售金额处于销售金额波动周期位置、实时销售利润处于销售利润波动周期位置以及实时销售成本处于销售成本波动周期位置,根据对应位置判断实时销售金额、实时销售利润以及实时销售成本的预测波动趋势。
2.根据权利要求1所述的基于大数据分析的财务预测模型构建***,其特征在于,所述元数据采集模块对企业的财务数据进行分析,并将采集到的财务数据发送至服务器进行储存;财务数据包括销售数据、利润数据以及成本数据;销售数据包括企业的销售量以及销售量对应的销售金额;利润数据包括企业的销售利润以及销售利润的增长幅度;成本数据包括企业的销售成本以及销售成本增长幅度;并将采集到的销售数据、利润数据以及成本数据发送至服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111395553.8A CN114155072B (zh) | 2021-11-23 | 2021-11-23 | 基于大数据分析的财务预测模型构建方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111395553.8A CN114155072B (zh) | 2021-11-23 | 2021-11-23 | 基于大数据分析的财务预测模型构建方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114155072A CN114155072A (zh) | 2022-03-08 |
CN114155072B true CN114155072B (zh) | 2022-08-19 |
Family
ID=80457152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111395553.8A Active CN114155072B (zh) | 2021-11-23 | 2021-11-23 | 基于大数据分析的财务预测模型构建方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155072B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114862436A (zh) * | 2022-03-14 | 2022-08-05 | 山东浪潮通软信息科技有限公司 | 一种数据预测分析方法、装置、设备及介质 |
CN116822754B (zh) * | 2023-08-30 | 2023-12-15 | 亿家商业科创产业管理(湖北)有限公司 | 一种基于企业服务项目模块化分类的数据规范分析*** |
CN117541411B (zh) * | 2023-11-08 | 2024-06-11 | 厦门工学院 | 一种基于大数据处理的财务预测模型的构建方法及*** |
CN118036794A (zh) * | 2023-12-29 | 2024-05-14 | 三峡大学 | 财务信息智能分析与可视化***及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149833A (zh) * | 2007-05-15 | 2008-03-26 | 佟辛 | 基于***息的动态交互式企业财务模型构建及运行方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7016859B2 (en) * | 2000-04-04 | 2006-03-21 | Michael Whitesage | System and method for managing purchasing contracts |
CN107818386A (zh) * | 2017-11-28 | 2018-03-20 | 国网湖南省电力有限公司 | 电网企业经营利润预测方法 |
CN112488496A (zh) * | 2020-11-27 | 2021-03-12 | 山东浪潮通软信息科技有限公司 | 一种财务指标预测方法及装置 |
-
2021
- 2021-11-23 CN CN202111395553.8A patent/CN114155072B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149833A (zh) * | 2007-05-15 | 2008-03-26 | 佟辛 | 基于***息的动态交互式企业财务模型构建及运行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114155072A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114155072B (zh) | 基于大数据分析的财务预测模型构建方法及*** | |
CN116308211B (zh) | 一种基于大数据的企业智能化管理***及方法 | |
CN112446534B (zh) | 一种输变电工程的建设工期预测方法和装置 | |
CN106934720A (zh) | 基于物联网的设备保险智能定价方法与*** | |
CN107644297B (zh) | 一种电机***节能量计算和验证方法 | |
CN104574209A (zh) | 一种城网配变重过载中期预警模型的建模方法 | |
CN116452121B (zh) | 一种智能企业库存管理***及管理平台 | |
CN112070284A (zh) | 用于件量预测的筛选方法、装置、设备和存储介质 | |
CN109272140A (zh) | 一种基于大数据分析的变电设备运行期成本预测方法 | |
CN114548494B (zh) | 一种可视化造价数据预测智能分析*** | |
CN114154716B (zh) | 一种基于图神经网络的企业能耗预测方法及装置 | |
CN110781206A (zh) | 一种学习拆回表故障特征规则预测在运电能表是否故障的方法 | |
CN117807377A (zh) | 多维度物流数据挖掘与预测方法及*** | |
CN112183827A (zh) | 快递月揽件量的预测方法、装置、设备和存储介质 | |
CN116308494A (zh) | 供应链需求预测方法 | |
CN116090702A (zh) | 一种基于物联网的erp数据智能监管***及方法 | |
CN115952914A (zh) | 一种基于大数据的电力计量运维工作判别规划方法 | |
CN113743994A (zh) | 一种供应商的旺季预测方法、***、设备及存储介质 | |
CN110555730A (zh) | 一种产品上市后研究的数据统计分析方法 | |
CN107798124A (zh) | 基于预测建模技术的搜索***及方法 | |
CN117709555B (zh) | 一种基于变压器碳核算模型的碳排预测与评价方法和*** | |
CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升*** | |
Yu | Study on Production Planning Demand Model Based on SPSS Statistical Analysis | |
CN118052425B (zh) | 一种生产报工管理方法及*** | |
CN117611364A (zh) | 投入成本预估偏差测算方法及其*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |