发布时间：2023-07-13 16:42:54
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的财务数据可视化分析样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
【关键词】 XBRL; 数据挖掘; 财务数据; 构建
XBRL通常被译为可扩展的商业报告语言(extensible business reporting language),是一个开放式的不局限于特定操作平台的国际标准,通过它可以实现财务和商业报告数据及时、准确、高效和经济的存储、处理和交流。XBRL是在XML(可扩展的标记语言)的基础上发展起来的,是目前应用于非结构化信息处理尤其是财务报表信息处理的最新技术。它通过对财务数据进行特定的标签识别和分类,促进统一信息的财务数据在不同的计算机平台和财务信息使用者之间共享,极大地促进了财务信息数据挖掘的进行,满足了决策者对有用信息和知识的要求。
一、XBRL技术框架及特点
(一)XBRL技术框架
XBRL运用XML数据标记描述财务信息,主要由XBRL规范、XBRL分类标准、XBRL实例文档和样式表组成。XBRL规范,或称规格书、说明,是XBRL的核心和基础,它规定了XBRL的理念和原则,主要用于定义XBRL的各种专用术语,规范XBRL的文件格式,说明怎样建立XBRL;XBRL分类标准是XBRL为企业报告中的每个项目建立不同的标签,分类标准定义了各项目的属性及其之间的关系等,相当于一个行业商业信息交换的“词典”。分类标准是在技术规范的基础上,结合各个国家、行业、企业的实际情况制定的;XBRL实例文档是一个企业财务报告的实例文件,主要包含财务报告中的标签和数据。XBRL根据财务报告中标签与会计业务数据的对应,利用应用程序自动从会计业务数据库中提取数据,生成实例文档;样式表用于定义财务报告时的显示项目和格式。整个技术框架采用自下而上的层次结构(如图1所示)。
(二)XBRL特点和技术优势
作为一种以XML为基础发展起来的标记语言,XBRL继承了XML所拥有的所有语言优势,其特点和技术优势如下:
(1)无许可证限制,XBRL具有良好属性的开放式技术构架,它使任何财务信息供应链上的人都能免费、自由地在不同的软件平台上准备、获得、交换并分析财务信息。
(2)跨平台使用。由于XML文件可以跨平台使用,XBRL就具有了跨平台的优势。在不同的操作系统下,如Windows、Unix和Linux等,XBRL文件无需修改就可以直接使用。在不同的应用软件中,即使所用的数据库不同,只要转换成XBRL格式,也可以实现数据的交换。因而,通过XBRL 信息可以在不同的操作系统、数据库和应用软件之间进行传输和交换,XBRL是一种互联网上企业报告的通用语言。
(3)多种格式的输出。对同一份XBRL实例文档,采用不同的样式表,可以生成多种企业报告,所有报告的编制一次性完成,不仅降低了输入错误的风险,保证了数据的一致性,而且减少了重复输入,提高了报告的编制效率。对同一份企业报告,XBRL也可以按多种格式输出,如在浏览器上显示、转换成不同的数据格式进行传输,或打印成纸质财务报告等。
(4)搜索快速、准确。采用XBRL的方式,统一了网上的数据定义和格式,无需以人工方式找出网上的数据资料后逐一进行比较,所以XBRL在数据处理方面的效率要远远高于网络上常用的PDF、WORD、HTML格式文件,有利于网上搜寻引擎的自动搜寻和过滤工作,达到快速、准确。
二、数据挖掘技术及其在财务信息系统中的应用分析
(一)数据挖掘
随着数据库技术的广泛使用,以及计算技术和计算机性能与网络的迅速发展,人们面临着一个困难的问题,即如何从海量的数据中提取出有价值的信息。查询功能远不能满足人们的需要,数据挖掘应运而生。数据挖掘(Data Mining,DM)是从大量的、不完全的、有噪声的、模糊的和随机的数据集中识别有效的、新颖的和潜在有用的,以及最终可理解的模式的过程。
在当今瞬息万变的商业环境中,竞争的主要方式是信息的竞争,传统的事后分析型的数据分析方法被事前探索型的数据挖掘所取代。而与此同时,信息提供者之间也存在着激烈的竞争,如财务信息与非财务信息之间的竞争。XBRL技术的应用不但为财务信息提供者增加了竞争的筹码,也直接推动了财务数据挖掘的展开。
(二)财务信息系统中应用的数据挖掘策略
数据挖掘策略概括了一种解决问题的方法,即选择什么方式解决特定的问题。数据挖掘策略可以广义地分为有指导学习和无指导聚类。有指导学习是指利用已知的模型和属性来帮助我们进一步区分结构相似的对象。与有指导学习不同,无指导没有预先已知的模型和属性,所有变量均为自变量。在财务信息系统中主要应用以下几种数据挖掘策略:(1)分类,分类是用一个函数把各个数据项映射到某个预定义的类,或者说是发掘出关于该类数据的描述或者模型,重点在于建立模型,将新的实例指派给一组定义明确的类中的一个。例如:确定一项长期投资是否具有高风险;将进行赊销的客户归类为具有良好的或者不良的信用风险的客户群等。(2)估计,与分类模型类似,估计模型的目的在于确定一个未知属性的值。然而,不同于分类属性的是,对一个估计问题,其输出属性(一个或多个)是数值的而不是分类的。例如:估计一项投资的风险程度;估计当前应收账款中的坏账比例;估计筹资规模(数量)等。(3)预测,预测模型的目的在于确定未来的输出结果而不是当前的行为。通过建立表示数据中固有模式和趋势的模型,这样该模型可以用来对未来事件的结果进行预测,在财务系统中,常有的一些预测例子有:预测一项投资的未来收益;预测产品销售的价格趋势等。(4)无指导聚类,对于无指导聚类,没有因变量指导学习的过程。相反,学习规程通过使用聚类度量将实例分为两个或更多个类,来建立知识结构。无指导聚类策略的主要目标在于发现数据中的概念结构,是一种对具有共同趋势和模式的数据元组进行分组的方法。聚类经常用于搜索并且识别一个有限的种类集合或簇集合,从而描述数据。例如对客户群体分类,将目标消费群体化分为三个类:高收入、中等收入、低收入,针对不同类的客户采取不同的营销策略等。
到目前为止,大多数数据挖掘是借用人工智能的各种方法来挖掘数据中存在的知识。但是正如人工智能本身的发展现状一样,数据挖掘还不能很好的理解数据中存在的知识。XML技术的出现,不仅为互联网上的电子数据交换提供了一个标准,而且XML技术从数据的角度提供了一个更好的表示数据内容以及数据所代表意义的手段。XBRL作为XML在网络财务报告语言上的应用,则为我们理解大量的财务数据,为企业战略的建立提供有效的支持。
三、基于XBRL技术的财务信息挖掘系统架构模型
传统财务数据挖掘的一般过程主要包括财务数据源、财务数据的集成和变换、财务数据仓库、财务数据挖掘以及知识表达等几个阶段。首先将各种形式的财务数据经过集成和变换,去除冗余,转换成符合一定格式的数据,并装入财务数据仓库,而财务数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的财务数据集合,用于支持管理决策。财务数据挖掘是整个过程的核心部分,其目的是从大量的财务数据中挖掘出潜在的、有用的知识或模式。传统财务数据挖掘过程需要数据仓库的支持,而财务数据仓库的建立需要专业的技术手段,对大多数企业来讲,实现的难度很大,往往达不到预期的效果。
笔者设计的基于XBRL的财务数据挖掘过程,主要通过一个数据变换模块将各种格式的数据转换为符合XBRL规范的数据,解决了重要而繁杂的技术难题,财务数据挖掘是从具有统一XBRL描述形式的数据中挖掘出潜在的有用的知识或模式。
基于XBRL的财务数据挖掘模型如图2所示,主要包括财务数据获取模块、XBRL模式变换、财务数据挖掘以及基于XBRL的知识表达与理解四个部分。各部分之间的信息流动和数据交换都是基于XBRL进行的。
(一)财务数据获取模块
数据获取模块的主要功能是获取财务数据源,财务数据的来源可以有多种,可以是企业内部财务系统、本地外部财务系统、远程外部财务系统以及企业已经建立的诸如ERP、SCM、CRM、OA等系统和一些相关系统,这些系统数据格式千差万别,需要按照XBRL的语法格式和语义规则进行提取、转换,统一转换为XBRL模式数据。
(二)XBRL模式变换
基于XBRL的财务数据挖掘,其数据源必须是符合XBRL规范的财务数据,因此在进行财务数据挖掘之前,所有财务数据以及其他源数据都要经过处理,转换成符合XBRL规范的格式。这一过程需要通过XBRL模式变换来实现。根据数据的组织形式,XBRL模式变换模块的主要功能分为两个部分:一是对XBRL描述的财务数据源进行规范性检测;二是对非XBRL描述的财务数据进行XBRL封装。
(三)财务数据挖掘
利用多维分析工具、多维报表工具以及数据挖掘工具对数据进行综合数据查询、分析统计和生成统计图表等,通过采用分类、聚类分析、统计方法、关联规则、决策树方法、神经网络等数据挖掘方法,从大量的具有统一XBRL格式的财务数据中挖掘出潜在的、有用的知识或模式。
(四)基于XBRL的知识表达模块
知识表达模块的主要功能是对在数据挖掘模块中发现的知识进行可视化的表示,以便于非专业管理人员理解。财务数据挖掘的根本目的是从财务数据中发现有用的知识或模式,在知识的表示形式上,目前较好的且应用较多的有专家系统知识规则、决策树规则和在数据挖掘中的关联规则以及分类规则等。财务数据挖掘结果不仅要有利于人的理解,而且更主要的是要有利于计算机的理解,因此在数据挖掘完成之后,要将所得到的知识,形成符合XBRL规范的知识库。
四、结束语
XBRL在未来发展前景良好,所有企业都会向这一方向发展,所以面向XBRL数据挖掘也会得到长远发展。本文从XBRL的技术框架及特点、数据挖掘技术及其在财务系统中应用分析出发,结合传统财务数据挖掘的一般过程和XBRL技术,设计出一种基于XBRL技术的财务数据挖掘系统模型,为进一步深入研究财务数据挖掘提供了一种较好的方法。
【参考文献】
[1] 刘国英.基于XBRL的财务数据挖掘系统分析与设计[J].中国管理信息化,2008(18):12-15.
[2] 刘静.浅谈XBRL与财务信息数据挖掘[J].湖南财经高等专科学校学报,2004,20(6):53-55.
[3] XBRL Progress ReportApril 2003,省略/
关键词：市公司 综合评价 Chernoff 脸谱
一、引言
对于上市公司多指标财务分析，数值方法给出的结果往往缺乏整体性印象，而图形化方法则具有明显的直观优势，借助计算机编程和多元统计分析理论，图形不仅可以帮助观察多维数据的本质，更可以通过多元图形本身的信息来反映公司财务的综合状况。用于上市公司多指标财务分析与评价的常用多元图形化方法有：二维散布图、雷达图、脸谱图、星座图及像素图等，舒晓惠等（2006）提出了一种新的图形化方法：树谱图。基于可视化目标的多元图形方法主要来看分为两个层次，一是直观反映上市公司财务的各指标状况，例如，二维散布图、雷达图、星座图；二是图形本身所具有的信息可以形象反映财务状况的优劣，例如，脸谱图和树谱图等。目前，国内文献主要集中在研究雷达图在财务分析评价与预警中的应用，主要有王强（2000），舒晓惠等（2005），付（2007）与金晓燕（2010）；脸谱图则最初是由Chernoff（1973）提出来，Wainer and Thissen（1981）以及 Smith与Taffler（1984）将其应用于公司财务分析，国内则仅有舒晓惠等（2006）将其用于上市公司财务评价，实证研究表明，在进行上市公司财务分析时，通过雷达图向普通股民传达公司信息时缺乏综合形象性，而脸谱图的应用则有明显的优势。上述研究都是对上市公司财务状况展开静态分析，并没有动态跟踪一段时期内上市公司的财务状况，同时，以往文献都没有明确提出可以将综合评价方法与Chernoff脸谱图相结合的思想来实现利用脸谱的表情综合评价上市公司财务状况。基于此，本文应用Chernoff脸谱图的基本思想，结合综合评价方法对所构建的上市公司财务评价指标体系通过主成分分析方法进行降维后，利用舒晓惠（2006）的方法通过计算机实现了上市公司财务绩效的可视化脸谱图，并对深、沪两市钢铁行业30家上市公司2003年至2007年财务状况进行了动态跟踪，结果表明，脸谱图不仅能够形象反映上市公司的财务状况，而且可以很好地动态反映不同时期财务状况的变化情况。
二、研究设计
（一）基本原理 Chernoff 脸最初设计可处理18 个变量，当变量数小于18 时，可将脸谱中某几个部位固定；当变量数超过18 时则可以设法在脸谱中再添加一些部位，如头发、耳朵等。Chernoff 脸最初认为主要可以用于对研究对象进行分组：由原始材料和直觉提出的最初的分组；由聚类算法产生的最终的分组。进一步研究表明，利用Chernoff 脸除了可以进行辅助聚类分析外，也可以通过已经得到的聚类结果对新的结果进行辅助判别分析。显然，将上市公司相关财务指标数值与脸谱的相关部位进行对应即可实现利用Chernoff脸对上市公司的财务状况进行辅助聚类分析和辅助判别分析。考虑人脸表情的复杂性，当处理的变量过多时，脸谱所表示的人的各种表情则不容易合理用于综合评价上市公司的财务状况，例如通过嘴的微笑，眉毛舒展等来反映相关财务状况良好，显然这些表情具有很好的直观效果。因此，用Chernoff 脸谱图综合反映上市公司的财务状况，除了实现第一层次的财务指标值与脸谱的各部位对应外，还需考虑第二层次脸的表情所表达的财务状况，从而能够达到直观形象的目的。为实现这一思想，本文提出可以通过构建上市公司财务状况的综合评价财务指标体系，应用综合评价方法进行财务指标数据的预处理和主成分分析，并在此基础上通过以行业财务指标平均值为阈值进行映射转换，将相关综合评价的数值转换为Chernoff 脸谱图，从而实现脸谱图形自身的表情，即达到可用于评价上市公司综合财务状况的目的。也即Chernoff 脸谱图相关表情需通过综合评价方法来合理加以实现。
（二）上市公司财务状况Chernoff 脸谱图设计 对于上市公司财务状况的综合评价，已经有众多的学者展开研究，结果表明，传统产业与高新技术产业上市公司的评价指标体系具有一定的差异，本文主要以传统产业为研究对象，参照1999年财政部、国家经贸委、人事部和国家计委联合的《国有资本金效益评价规则》中公布的竞争性工商企业评价指标体系，按盈利能力、偿债能力、资产运营能力和成长能力四个方面11个财务指标给出权重如（表1）所示。一般认为，脸部的各部位形态及表情可以给人初步明确的信息，比如嘴形的笑意，眉心是否舒展，眼睛是否炯炯有神，鼻子长短表明气息是否粗壮，脸形是否圆润等，这些脸部的形态和表情所传达的信息好坏显然给人的感受基本是一致的。注意到人眼对脸部各个部位的敏感程度不同，按权重的重要程度与敏感程度相对应，本文选取脸谱指标与财务指标对应如下：嘴部指标对应盈利能力指标，眼部指标对应偿债能力指标，鼻子眉毛指标对应资产运营能力指标，下部脸形指标对应成长能力指标。具体实现则首先对各财务比率指标值进行一致化和无量纲化处理后，再利用主成分分析法对各类财务指标进行降维，在与Chernoff 脸谱的18个变量相关对应中，按（表2）选取相对应的指标，其余Chernoff 脸谱的指标值则取某一固定值。脸谱图的优点是不仅将财务数据通过图形化直观表示，而且可以利用人的自然表情来传达上市公司的财务状况，作为一个对应的联系，本文以行业平均值作为人脸表情改变的阀值，各财务指标值较行业平均值超过越多则表情越开心，其示意图如（图1）。由（图1）以行业均值为阀值，图1-a从脸部形态看不喜不悲，各指标均为平常形态表情，表明财务状况基本正常; 图1-b从脸部形态看嘴带笑意，目光炯炯有神，眉心舒展，鼻长气粗，脸形圆润，呈现良好形态，表明各财务指标状况良好；图1-c从脸部形态看则显得愁眉苦脸，脸形削瘦，表明各财务指标出现一定的危机。
三、动态跟踪分析
（一）数据预处理 本文以钢铁行业为例，选取深、沪两市钢铁行业30家上市公司，按前述11个财务指标从RESSET金融数据库中得2003年至2007年共5年的年度财务数据总计1650个财务指标值。按照将上市公司财务绩效的综合评价方法与Chernoff 脸谱相对应的思路，按如下方法展开实证分析。首先进行数据预处理。第一，极端值处理：按3?滓原则剔除财务指标值中的极端值，在其后的处理中再对剔除的相关指标值进行相应取值。第二，进行一致化处理，将各财务指标化为正向型指标。在所选取的上述指标中，有正向性指标和适度性指标两类，其中资产负债比率X4、流动比率X5、速动比率X6为适度性指标。因此有必要进行一致化处理，使之都为正向性指标。按照国际惯例注意到资产负债比率、流动比率、速动比率的适度值分别为50%、200%、100%，设xij为第j个上市公司的第个财务指标值［L1j，L2j］为最优适度区间，则可利用如下公式（1）进行变换：
x'ij=1.0-■ xij
注：适度区间为一点时，取L1j=L2j；Mj，mj分别为xij的允许上下界。
第三，采用极值法对各财务指标进行无量纲化。进行无量纲化处理的方法一般有：“标准化”处理法、极值处理法和功效系数法，本文目的是建立各类财务指标的主成分与脸谱相关指标数据的联系，因此采用极值处理法，利用如下公式（2）进行无量纲处理（对于剔除的极端值，这里都赋为最大值1.0）：x'ij=■ （2）
这里，Mj=■｛xij｝，mj=■｛xij｝为保证动态跟踪的可比性，本文将Mj和mj固定为2003年度各财务指标数据的极值。第四，按盈利能力、偿债能力、运营能力和成长能力对各类指标提取主成分，利用SAS软件分别对财务指标盈利能力方面、偿债能力和运营能力方面各提取两个主成分，对成长能力方面求出主成分综合得分，即求得指标值。第五，确定各类指标的主成分与脸谱指标的对应关系。脸谱的特点就是通过人的自然表情来反映上市公司的财务状况，本文以行业平均值作为脸谱表情不悲不喜对应的中间值。设主成分值zij∈［x1j，x2j］，x0j为行业平均值对应的主成分值；脸谱指标值yj∈［y1j，y2j］，y0j为脸谱表情不悲不喜的取值，则按下式（3）做变换：
yj=■（y0j-y1j）+y1j x1j?燮zij?燮x0j y0j zij=x0j■（y2j-y0j）+y0j x0j?燮zij?燮x2j （3）
这里为保证动态跟踪的可比性，本文以2003年度30家钢铁行业的平均值做为基期的定基值，各年度的各上市公司指标值均与该相应平均值按式（3）进行变换，从而利用式（3）即可计算出各上市公司对应的脸谱指标数值。
（二）上市公司财务绩效脸谱图 运用Bland C++编程画出所有30家钢铁行业上市公司2003年至2007年的脸谱图。为方便起见，这里报告2003年度30家钢铁行业上市公司财务综合状况的脸谱图如（图2）。利用上述分析结果，则可以展开利用Chernoff 脸谱对上市公司财务绩效状况的静态和动态两方面的分析。
（1）Chernoff脸谱静态聚类分析。对于上市公司财务状况的多元图形分析，其第一层的意义乃是可以进行最初的聚类分析，以2003年钢铁行业30家上市公司为例，按照对脸谱图的最初印象，可以将图形结果分为六类，具体见（图3）。显然通过聚类，可以清楚地将上市公司的财务状况做一个大致的分类，而如此分类的方式相对于利用多元统计分析得到的聚类结果，其具有多指标聚类的性质，这一点是数据分析结果较难企及的。利用分类结果，进一步按照脸谱图本身所具有表性等形象反映上市公司财务状况的第二层次的功能，可以明显发现，（图3）中的第一类和第二类上市公司，其财务状况综合看较为良好，各项指标均基本正常。第三类公司则显著特点是嘴形较大，笑意明显，表明这三家公司的盈利能力良好，但从眉心来看都不舒展，表明公司的资本运营能力存在一定程度的欠缺。第四类和第五类公司分类则脸部表情较为怪异，说明财务指标数据反映的综合状况较为复杂，比如眼睛的斜率不好但较大，反映了一个相互矛盾的偿债能力指标，这也表明使用脸谱图，当指标值良莠参半时，其表性则较为古怪。第六类公司则是明显地脸形偏、愁眉苦脸，这也清楚地表明这类公司的财务状况比较糟糕。最后，利用脸谱图还可以对相近资产的上市公司进行对比分析，例如，取总资产相近的000825以及000629，由（图2），上市公司 000825给人的第一印象明显要好于000629；进一步按六个脸谱指标逐对照，000825的脸谱图除嘴形的宽度不如000629外，其余都好于或相近于000629，说明000825除盈利能力较弱于000629 外，其余均较优于000629。此外，000629 的脸谱图面有愁容，财务状况具有危机。
（2）Chernoff脸谱动态跟踪分析。应用SAS软件对钢铁行业上市公司2003至2007年各年度数据首先按盈利能力、偿债能力、运营能力和成长能力进行主成分分析，结果表明各年度的两主成分累积贡献率均超过85%，进一步以2003年钢铁行业平均值为基期值转化为脸谱图，本文展开如下两主面的动态跟踪比较。第一，对整个上市公司财务状况的脸谱图动态跟踪分析。应用脸谱图考察整个钢铁行业财务指标四个方面综合能力平均水平的变化，以2003年钢铁行业平均值为基期对比值，对5年间的钢铁行业各财务指标按四个方面分别提取主成分后其行业平均水平的脸谱图见（图4），实证数据分析表明：由脸谱图的嘴部表明，整个钢铁行业的盈利能力出现一定程度的下降，特别是盈利能力第二主成分即嘴形的宽度减少。而第二主成分主要与主营业务的盈利能力有关，表明整个钢铁行业相对于2003年其主营业务利润率有所下降，其中一个主要原因是铁矿石价格不断攀升导致。由脸谱图的眼部表明，整个钢铁行业的偿债能力也渐次下降，2005年后基本稳定相差不大。由脸谱图的眉毛和鼻子的形态表明，整个钢铁行业的运营能力喜忧参半，总体来说有所降低；第一主成分对应的眉心并不舒展，但第二主成分对应的鼻子长度增加，这主要是由于各上市分司运营能力指标数据参差不齐导致。由脸谱图的下脸形态表明，2004年与2005年整个钢铁行业的成长能力有所下降，但2006年后则有所增强，这主要与近年来钢铁行业在受外部铁矿石价格因素的影响整个行业进行了一定的整合重组，使得强者愈强以提高行业的整体竞争力。上述图形分析与我国钢铁行业的5 年来的发展情况基本吻合，这表明脸谱图可以动态反映行业的发展状况。第二，对单个上市公司财务状况的脸谱图进行动态跟踪分析。简单起见，本文对钢铁行业龙头企业宝钢股份，财务状况变化较为明显的宝钢股份、韶钢松山与鞍钢新扎等上市公司展开分析，其相应各年度脸谱图的结果如（图5）。由（图5），以2003年钢铁行业平均值为基期对比值，实证数据分析表明：宝钢股份总体来看，各项指标表明其财务状况基本呈现下降趋势，仅2005年下脸形态表明有一次较明显的成长，而鼻子长度增加表明运营能力有所加强，这与宝钢因为铁矿石价格上涨压缩盈利空间和在此原因下的规模扩张有关。韶钢松山则在2003年各项指标均表明其财务状况良好，其主要受益于广东省的经济建设迅速发展，然而在铁矿石价格上涨的压力下，中等规模技术含量相对落后的钢铁企业受到的冲击更大，其脸谱图表明大部分财务指标状况出现不同程度的恶化，而鼻子长度增加表明公司加强了内部运营能力，2007年下脸形态表明有一次较明显的成长。鞍钢新扎的脸谱图则表明，受益于本地的铁矿石资源，除偿债能力外，公司其他各项指标表明其财务状况基本呈现良好趋势，而偿债能力即眼睛变小表明公司在发展过程中充分利用了财务的杠杆作用，同时增加了财务风险。2006年与2007年公司成长明显，盈利能力也明显增强。由上述分析可见，脸谱图对于单个上市公司的财务状况能够进行跟踪反映，并且能通过脸谱的表情综合反映企业财务状况的动态变化。
四、结论
对于上市公司财务绩效的图形化分析，由于其直观形象与综合性，可以为使用者提供简单明了又全面的公司财务状况的初步印象。这为广大中小投资者了解上市公司基本财务状况提供了一种有效途径，从而避免了对大量财务数据的整理分析，使得更多的普通投资者也可以解读公司的基本状况。运用脸谱图分析上市公司的财务状况，可以从脸的形状和表情来直观反映公司的情况，更贴切地实现了上述图形化的特点，因此具有广泛的实用价值。在静态分析的基础上进一步展开了上市公司财务状况脸谱图的动态跟踪研究，以钢铁行业为例实证分析发现，脸谱图既能对整个钢铁行业的综合财务状况进行有效跟踪，也能对单个上市公司的财务状况进行动态跟踪，其脸谱图能够很好地反映上市公司在不同时期各财务指标的动态变化，从而更好地帮助投资者了解上市公司财务的历史信息，进行对比分析。由此可见，脸谱图不仅可以作为聚类分析和判别分析的辅助手段，也可以进一步作为综合评价和动态跟踪方法展开应用。研究过程中也发现应用脸谱图进行上市公司财务状况评价和动态跟踪需要进一步探讨的问题：基期参照财务指标值的设定，本文使用的是2003年钢铁行业财务指标的平均值作为阈值，其参考点是否合理仍可进一步商榷。进行无量纲化的方法的选择，不同的方法实证结果会有一定的出入。脸谱图的表情处理问题需进一步改善。在进行将预处理后的财务指标数据对应到各脸谱图的数值转换映射时，对于灵敏度的处理需进一步改善，以保证脸谱图的表情能够更准确地反映上市公司财务状况。
*本文湖南省教育厅科研项目“上市公司财务绩效评价方法与多元图形化研究”（编号：06C644）以及怀化学院重点学科金融学建设项目阶段性成果
参考文献：
［1］［美］Richard A.Johnson & Dean W.Wichern著、陆璇译：《多元统计分析》，清华大学出版社2001年版。
［2］王强：《“银行风险雷达图”在我国商业银行风险监测中的应用》，《上海金融》2000年第5期。
［3］舒晓惠等：《上市公司财务的树谱分析及实证研究》，《金融经济》2006年第2期。
［4］舒晓惠等：《上市公司财务的Chernoff脸谱分析及实证研究》，《金融经济》2006年第2期。
5月5日15时19分，一架在后机身涂有象征天空蓝色和大地绿色的大型客机，潇洒稳健地降落在第四跑道上。这是一个历史性的时刻――它标志着中华民族百年的“大飞机梦”终于取得了历史性突破。而C919的下线以及首飞，不仅仅是一个产品的成功研制，更是一种新模式新体系――智能制造的实践检验。
2015年5月，国务院印发《中国制造2025》规划，部署全面推进实施制造强国战略。规划提出， 以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向。
智能制造是一系列热点技术的总称，它是基于物联网、大数据、云计算等新一代信息技术，贯穿于研发、设计、生产、管理、服务等制造活动的各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。
智能制造具有以智能工S为载体、以关键制造环节智能化为核心、以端到端数据流为基础、以全面深度互联为支撑四大特征，其目标是缩短研发周期、降低运营成本、提高生产效率、提升产品质量、降低资源能耗。
C9型客机成功首飞意味着中国实现了民机技术集群式突破，形成了我国大型客机发展的核心能力，其中就包括工业大数据技术。
中国商用飞机有限责任公司信息化中心主任王文捷介绍，大飞机一次飞行产生的数据量达到10个TB的量级，也就是说至少20台500G大硬盘的电脑才能装得下。而中国商飞公司，不仅要成功研制自主知识产权大飞机，还要成功运营大飞机制造商，从适航试飞到供应链管理，分分秒秒、日新月异的大数据堪称天量。
专家表示，设计图纸将成为过去，飞机完全是在数字世界里设计的，3D几何数据模型以数字模型的形式呈现飞机。数字化样机将含有制造所需的全部信息，不仅含有产品几何体，而且还含有制造产品所需的信息，比如材料、技术要求、包含的标准件、授权的文件等。在装配阶段，数字化装配技术将实现飞机装配建模、装配序列建模、装配路径规划和装配过程分析。
为此，中国商飞已经新合并成立信息化与管理创新部，并专门下设数据处，用数据驱动创新。如今，中国商飞建立起以零件号、版次、物料组等为基础的编码标准，给大大小小每一种零件都配上“身份档案”和“电子履历”，引入11万种以上的物料主数据。王文捷表示，即使在像马航MH370这样的事件中，任何零件都可追溯还原为一架完整的飞机，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，可实现三维可视化分析。
“对于民用飞机来说，不仅仅是实现技术上的成功，把飞机飞上天，还要让这架飞机在航线上取得商业成功。中国商飞在飞机的研制过程中，伴随产品的演化衍生出各类试飞数据、试演数据、在航线运营过程中关机监控的数据，所有的数据贯穿始终。”王文捷说。
“我国智能制造未来发展潜力巨大，2020年我国智能制造产值有望超过3万亿元，年均复合增长率约20%。”国家信息中心副主任马忠玉在大数据智能应用推动制造业变革与升级研讨会上强调，智能制造是中国制造业转型升级的战略支点。
随着产业互联网和智能制造时代的到来，工业大数据技术将成为制造业转型升级的重要引擎，是驱动研发设计智能化、生产过程智能化、 管理经营智能化、市场营销智能化、服务运维智能化、新业态新模式智能化的关键要素。
工业大数据的演变
自工业从社会生产中独立成为一个门类以来，工业生产的数据采集、使用范围就逐步加大。从泰勒拿着秒表计算工人用铁锹送煤到锅炉的时间开始，是对制造管理数据的采集和使用；福特汽车的流水化生产，是对汽车生产过程的工业数据的采集和工厂内使用；丰田的精益生产模式，将数据的采集和使用扩大到工厂和上下游供应链；核电站发电过程中全程自动化将生产过程数据的自动化水平提高到更高程度。
任何数据的采集和使用都是有成本的，工业数据也不例外。但随着信息技术的发展，一批智能化、高精度、长续航、高性价比、微型传感器面世，以物联网为代表的新一代网络技术在移动数据通信的支持下，能做到任何时间、任何地点采集、传送数据。以云计算为代表的新型数据处理基础架构，大幅降低工业数据处理的技术门槛和成本支出。以工业领域的SCADA系统为例，传统模式下每个电网、化工企业都需要建立一套SCADA系统，成本在千万以上，如果采用云架构模式，成本可以降低7成以上。
社会需求的演进是工业变革的重要动力。当经济发展进入新常态，商品极大丰富甚至出现过剩，以个性化、多元化为代表的消费文化，使得工业企业的产出物，要最大限度匹配个性需求和多元需求。
以服装定制为例，通过制订一套数据采集手段，通过线上或线下采集用户身形数据，然后将数据传回总部，结合生产原材料数据，对需求和工艺进行分解，实现柔性生产，达到定制化要求的服装，而且效率和质量都可以得到保证。随着生产线的扩容线性提升和工艺的不断改进，定制化生产的成本将得以显著摊薄，可以满足大批量个性化定制的社会生产需求。
无论是德国工业4.0，还是美国的工业互联网，其核心都离不开工业大数据。德国“工业 4.0 ”战略的实施重点在于信息互联技术与传统工业制造结合， 其中大数据分析作为关键技术将得到较大范围应用。一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；二是“智能生产”，主要涉及整个企业的生产物流管理、人机互动以及 3D 技术在工业生产过程中的应用等；三是“智能物流”，主要通过互联网、物联网、物流网，整合物流资源，充分发挥现有供应方的效率，需求方则能够快速获得服务匹配。
美国拥有强大的互联网、云计算及大数据处理能力，基于此，提出工业互联网战略，将单个设备、单条生产线、单个工厂的数据联网，通过大数据处理后，在诊断、预测、后服务等方面挖掘工业服务的价值。2014 年，美国白宫总统行政办公室《 2014 年全球大数据白皮书》，指出美国大型企业在投资数据科技方面存在以下几个关键驱动因素：分析运营和交易的能力；洞察客户线上消费的行为，以向市场提供新的高度复杂的产品；对组织中的机器和设备进行更加深入的感知。
中国相对于德国、美国而言，在工业自动化和数字化方面都处于发展期。《中国制造2025》明确提出通过工业化和信息化融合发展的方式，制定一系列的重点工程和推进计划。为推动智能制造的发展，国务院又于2015年8月了《促进大数据发展行动纲要》，强调要发展工业大数据，推动大数据在工业研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，分析感知用户需求，提升产品附加价值，打造智能工厂。建立面向不同行业、不同环节的工业大数据资源聚合和分析应用平台。抓住互联网跨界融合机遇，促进大数据、物联网、云计算和三维（3D）打印技术、个性化定制等在制造业全产业链集成运用，推动制造模式变革和工业转型升级。
工业大数据来源及特点
在工业生产中，无时无刻不产生数据。那么什么是工业大数据？中国电子技术标准化研究院的《工业大数据白皮书（2017版）》指出，工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。
工业大数据主要来源于机器设备数据、工业信息化数据（包括传统工业设计和制造类软件、企业资源计划ERP、产品生命周期管理PLM、供应链管理SCM、客户关系管理CRM和环境管理系统EMS等）和产业链跨界数据（包括气象、地理、环境、宏观经济）。
今天做工业大数据分析，不仅要看自己数据还要看别人的数据，比如优化供应链的时候还需要市场销售的数据、供应商的数据等。风电优化分析除了利用风机的数据，也需要结合气象的数据。很多外部数据原来工业界从来没有尝试过管理这些数据，这是大数据分析的时候传统工业管理数据的机制遇到的一些挑战。
“制造业大数据是一座金矿！”北京大学工学院工业工程与管理系主任侍乐媛表示，制造业拥有的大数据远超其他行业，但到现在为止距开采出来还差得很h，很多数据天天“流淌”都没有办法收集起来。究其原因，制造业大数据具有复杂性，是动态复杂的拆分合并数据。从全球应用现状看，制造业基本上是纵向数据的采集和利用，缺乏横向数据的链接和利用。实际上，制造业需要经纬纵横的数据采集能力。
工业大数据除了具有一般大数据的特征，比如容量大、类型多、存取速度快、应用价值高，业界认为还具有实时性、准确性、闭环性、集成性、透明性、预测性等特征。
清华大学数据科学研究院工业大数据研究中心总工程师、昆仑数据公司CTO王晨表示，工业大数据主要面临两方面的变化，第一是人才的变化，以前用大数据是互联网公司的复合型极客，这些人有很强的数学功底、编程能力、数据管理技术、分布式计算技术，同时掌握领域的业务知识，是具备四大方面的全面型的人才。在产业互联网领域里的人更多的是熟悉领域业务知识，而计算机能力真的很有限。第二是数据种类的变化，以前互联网领域是大量的文本数据、社交数据、多媒体数据等，而产业互联网领域是大量的传感器产生的实时数据、企业内部的业务过程数据，大量的非结构化工程数据、仿真数据、设计的CAD数据，这些数据跟传统互联网的数据都不太一样。
工业大数据如何变革制造业
“大数据驱动智能制造加快发展，加快互联网与制造业快速融合，是传统制造业变革与升级的重要内容。”马忠玉表示，大数据智能应用发展对生产、生活都产生重大影响，以数据挖掘分析为核心的应用和服务，为经济社会发展带来了深刻变革。
工业大数据技术是指工业大数据中所蕴含的价值得以挖掘和展现的一系列技术和方法，包括数据采集、预处理、存储、分析挖掘、可视化和智能控制等。工业大数据是智能制造的关键技术，主要作用是打通物理世界和信息世界，推动生产型制造向服务型制造转型。其在智能制造中有着广泛的应用前景，在智能制造中有着广泛的应用前景，在产品市场需求获取、产品研发、制造、运行、服务直至报废回收的产品全生命周期过程中，工业大数据在智能化设计、智能化生产、网络协同制造、智能化服务、个性化定制等场景都发挥出巨大的作用。
创新研发设计模式实现个性化定制
实现定制化设计。企业通过互联网平台能够收集用户的个性化产品需求，也能获取到产品的交互和交易数据；挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，实现定制化设计，再依托柔性化的生产流程，就能为用户生产出量身定做的产品。例如，海尔集团沈阳冰箱工厂利用云将用户需求和生产过程无缝对接，用户个性化需求可直接发送到生产线上，实现定制化生产。用户还可通过生产线上的上万个传感器随时查到自己冰箱的生产进程。目前，一条生产线可支持500多个型号的柔性化大规模定制，生产时间可以缩短到10秒一台。
私人定制工厂青岛红领也探索出了C2M、M2B等服装定制模式，通过精准的量体裁衣，在其他成衣服装规模关店的市场下，能保持每年150%的收入和利润增长，每件衣服的成本仅比成衣高10%。小米手机也属于这一类。
利用大数据进行虚拟仿真。传统生产企业在测试、验证环节需要生产出实物来评测其性能等指标，成本随测试次数增加而不断提升。利用虚拟仿真技术，可以实现对原有研发设计环节过程的模拟、分析、评估、验证和优化，从而减少工程更改量，优化生产工艺，降低成本和能耗。长安福特采用虚拟仿真技术改良汽车设计环节，设计师带着3D眼镜能够看见最新设计的福特轿车，甚至还能够模拟坐进车内，感受内装是否符合心意。如果有任何不好的地方，设计师能够马上通过软件修改，减少了开发产品的次数，能够在短时间内完成更多的设计工作，更快地反映市场的需求。
促进研发资源集成共享和创新协同。企业通过建设和完善研发设计知识库，促进数字化图纸、标准零部件库等设计数据在企业内部以及供应链上下游企业间的资源共享和创新协同，提升企业跨区域研发资源统筹管理和产业链协同设计能力。提升企业管理利用全球研发资源能力，优化重组研发流程，提高研发效率。例如，C9型客机成功首飞意味着中国实现了民机技术集群式突破，形成了以中国商飞公司为平台，包括设计研发、总装制造、客户服务、适航取证、供应商管理、市场营销等在内的我国民用飞机研制核心能力，形成了以上海为龙头，陕西、四川、江西、辽宁、江苏等22个省市、200多家企业、近20万人参与的民用飞机产业链。
在C919飞机的智能制造项目建设过程中，形成了一套主制造商―供应商模式下的协同制造技术、管理方法。C919飞机的研发成员企业包括了设计与主制造商、10家机体结构、24家机载设备、16家材料供应商和54家标准件等供应商，另有200多家企业参与了项目的研制过程。通过协同设计、敏捷生产与智能管理等先进技术手段，将飞机从设计到制造过程中涉及的设计商、制造商、供应商、集成商等成员有机紧密联合。
其中，在协同设计方面，中国商飞通过构建多供应商协同设计环境，并实施基于模型的定义、工艺设计等应用技术，建立起民用飞机联合协同研制的新模式，建设协同研制平台，实现了设计与制造过程的一体化。同时，在智能管理方面，全面实施了PLM、ERP、MES、BI等信息化平台，实现了各系统之间的信息互通和集成，支撑了制造现场层、车间控制层、业务操作层、业务管理层、企业决策层的一体化智能管理。
培育研发新模式。基于设计资源的社会化共享和参与，企业能够立足自身研发需求开展众创、众包等研发新模式，提升企业利用社会化创新和资金资源能力。在帝樽空调和天樽空调的研发过程中，海尔集团前期通过互联网平台与数十万用户实时互动，提取用户对产品的共性需求。然后利用HOPE（开放创新平台）平台对接全球100多万个领域专家和上千家全球一流的研发资源。
建立先进生产体系实现智能化生产
提升车间管理水平。现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声等，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析等。在生产过程中使用这些大数据，就能分析整个生产流程，一旦某个流程偏离了标准工艺，就会发出报警信号，快速地发现错误或者瓶颈所在。
优化生产流程。将生产制造各个环节的数据整合集聚，并对工业产品的生产过程建立虚拟模型，仿真并优化生产流程。当所有流程和绩效数据都能在系统中重建时，对各环节制造数据的集成分析有助于制造商改进其生产流程。例如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析，此举将会大大降低能耗。
德国安贝格电子工厂基于西门子PLM软件在虚拟环境中仿真产品的研发和生产，并在真实世界的工厂中进行实际操作，即实现了产品跨行业的多样化，也提升了生产效率和质量。研发环节，安贝格拥有一个虚拟的工厂，研发设计部门把虚拟的研发产品同步给生产部门来生产，两部门有着统一平台，并时刻保持着协调的一致性。真实工厂生产时的数据参数、生产环境等都会通过虚拟工厂来反映出来，而人则通过虚拟工厂对现实中的真实工厂进行把控。生产环节，当一个元件进入烘箱时，机器会判断该用什么温度以及温度持续的时间长短，并可以判断下一个进入烘箱的元件是哪一种，并适时调节生产参数。安贝格工厂的每一条生产线每天并不是一成不变地只生产一种产品，生产系统会实时同步研发部门的最新指示，自动跳转到不同产品或者器件的生产模式。在这样的生产模式下，该工厂每年可生产约1000个品种共计1200万件工业控制产品。按照每年生产230天计算，平均每秒就能生产出一件产品，其中百万件缺陷仅为15，缺陷率仅为德国工人的1/25。
优化经营管理体系实现精益化管理
优化工业供应链。RFID等电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。
推动经营管理全流程的衔接和优化。整合企业生产数据、财务数据、管理数据、采购数据、销售数据和消费者行为数据等资源，通过数据挖掘分析，能够帮助企业找到生产要素的最佳投入比例，实现研产供销、经营管理、生产控制、业务与财务全流程的无缝衔接和业务协同，促进业务流程、决策流程、运营流程的整合、重组和优化，推动企业管理从金字塔静态管理组织向扁平化动态管理组织转变，利用云端数据集成驱动提升企业管理决策的科学性和运营一体化能力。
例如，三一公司通过在线跟踪销售出去的挖掘机的开工、负荷情况，就能了解全国各地基建情况，进而对于宏观经济判断、市场销售布局、金融服务提供调整依据。
促进商业模式创新实现服务型制造
大数据将帮助工业企业不断创新产品和服务，发展新的商业模式。通过嵌在产品中的传感器，企业能够实时监测产品的运行状态，通过商务平台，企业能够获得产品的销售数据和客户数据，通过对这些数据的分析和预测，企业能够开展故障预警、远程监控、远程运维、质量诊断等在线增值服务，提供个性化、在线化、便捷化的增值服务，扩展产品价值空间，使得以产品为核心的经营模式向“制造+服务”的模式转变。
比如，GE不销售发动机，而是将发动机租赁给航空公司使用，按照运行时间收取费用，这样GE通过引入大数据技术监测发动机运行状态，通过科学诊断和维护提升发动机使用寿命，获得的经济回报高于发动机销售。
保利协鑫是中国首家突破年产万吨级以上多晶硅产能和产量、全球最大的光伏切片企业。在光伏切片的生产过程中，有数千个生产参数会影响到切片良品率。
保利协鑫仅切片厂就有1000多台智能装备，加上DCS以及复杂的ERP系统，每天产生大量的数据，但是数据存在于“孤岛”之上，并没有实现互联互通；虽然从采购、生产、销售、物流等业务全方位实现了信息化，企业在生产过程中重视对数据分析与利用，但都是依靠以往的经验进行人工分析，很难把握这些数据的关联性，缺乏可靠的技术支持，也很难得出科学的结果。
