基于大数据的企业财务信息数据管理风险识别方法及系统与流程

本发明涉及大数据分析领域，特别是基于大数据的企业财务信息数据管理风险识别方法及系统。

背景技术：

1、在信息化和数字化浪潮的推动下，大数据技术在企业运营和管理中发挥着越来越重要的作用。传统的财务信息数据管理主要依赖于人工和有限的信息系统，其风险识别方法通常局限于单一的财务指标和静态的数据分析。这种方法在面对大数据环境下海量、多样、实时的财务信息数据时显得力不从心。大数据技术的引入，使得企业财务信息数据的收集、存储、处理和分析能力得到了极大的提升，但同时在企业财务风险识别时不同来源的数据可能存在格式、标准、单一等方面的差异，导致数据整合和处理的难度加大等问题。因此如何提升对企业数据的处理准确性和有效性，并提升对企业财务风险的识别是现阶段丞待解决的技术问题。

技术实现思路

1、本发明的目的是为了解决上述问题，设计了基于大数据的企业财务信息数据管理风险识别方法及系统。

2、实现上述目的本发明的技术方案为，进一步，在上述基于大数据的企业财务信息数据管理风险识别方法中，所述企业财务信息数据管理风险识别方法包括以下步骤：

3、获取企业系统中的实时财务信息数据和实时业务信息数据，对所述实时财务信息数据和实时业务信息数据进行数据预处理，得到企业财务经营数据集；

4、利用dbscan聚类算法对所述企业财务经营数据集进行数据聚类处理，得到训练企业财务经营数据集；

5、基于bp神经网络建立bp企业财务数据预测模型，利用hho哈里斯鹰优化算法对所述bp企业财务数据预测模型中的参数进行改进，得到bp-hh0企业财务数据预测模型；

6、将所述训练企业财务经营数据集输入至所述bp-hh0企业财务数据预测模型中进行训练，得到企业财务风险预测状态；

7、判断所述企业财务风险预测状态是否大于预设的企业财务风险阈值，若大于所述企业财务风险阈值，则生成企业财务风险预警信息，将所述企业财务风险预警信息传输至管理人员的移动终端；

8、根据所述企业财务风险预测状态获取对应的企业财务风险问题，基于所述企业财务风险问题生成企业财务风险解决方案，将所述企业财务风险解决方案传输至系统中。

9、进一步，在上述企业财务信息数据管理风险识别方法中，所述获取企业系统中的实时财务信息数据和实时业务信息数据，对所述实时财务信息数据和实时业务信息数据进行数据预处理，得到企业财务经营数据集，包括：

10、获取企业系统中的实时财务信息数据和实时业务信息数据，所述实时财务信息数据至少包括：企业资产类数据、企业负债类数据、企业收入类数据、企业成本类数据、企业利润类数据；

11、所述实时业务信息数据至少包括企业销售数据、企业采购数据、企业生产数据、企业库存数据、市场材料价格数据；

12、对所述实时财务信息数据和实时业务信息数据进行数据增强和异常值删除处理，得到增强企业财务经营数据；

13、利用零-均值归一化方法将所述增强企业财务经营数据进行归一化处理，得到企业财务经营数据集。

14、进一步，在上述企业财务信息数据管理风险识别方法中，所述利用dbscan聚类算法对所述企业财务经营数据集进行数据聚类处理，得到训练企业财务经营数据集，包括：

15、获取企业财务经营数据集，将所述企业财务经营数据集设置为dbscan聚类算法的数据样本；

16、设置esp半径参数和m i npts最小样本点参数,所述esp半径参数用于确定样本点的邻域大小，所述m i npts最小样本点参数定义一个核心对象所需要的邻域内的最小样本点数；

17、通过曼哈顿距离测量方法计算所有样本点之间的距离矩阵，得到曼哈顿距离；

18、对财务数据样本中的每个样本点，计算其半径为eps的邻域内的样本点数；如果某个样本点的邻域内样本点数大于等于m i npts，则将样本点标记为核心对象；

19、获取任一个未被标记为所述核心对象的样本点，通过密度可达关系递归地找到所有直接密度可达的样本点，将标记为同一个簇，重复过程，直至所有核心对象都被访问；

20、将未被标记为任何一个簇的样本点作为噪声点，删除所述噪声点，得到训练企业财务经营数据集。

21、进一步，在上述企业财务信息数据管理风险识别方法中，所述基于bp神经网络建立bp企业财务数据预测模型，利用hho哈里斯鹰优化算法对所述bp企业财务数据预测模型中的参数进行改进，得到bp-hh0企业财务数据预测模型，包括：

22、基于bp神经网络建立bp企业财务数据预测模型，所述bp企业财务数据预测模型至少包括输入层、隐藏层和输出层；

23、利用佳点集初始化需要搜索的二维种群，每个个体对应一组损失函数和gamma函数的参数；

24、利用所述bp企业财务数据预测模型的准确率作为所述hho哈里斯鹰优化算法的适应度函数；

25、根据hho哈里斯鹰优化算法所处阶段以及猎物能量和随机数选择一组参数输入至bp企业财务数据预测模型中；

26、将hho哈里斯鹰优化算法选择的参数传输至bp企业财务数据预测模型中，使用预设的样本数据对模型进行测试和训练，得出准确率并反馈至所述hho哈里斯鹰优化算法；

27、hho哈里斯鹰优化算法根据迭代次数限制对参数进行迭代，得到所述bp企业财务数据预测模型的目标参数，得到bp-hh0企业财务数据预测模型。

28、进一步，在上述企业财务信息数据管理风险识别方法中，所述将所述训练企业财务经营数据集输入至所述bp-hh0企业财务数据预测模型中进行训练，得到企业财务风险预测状态，包括：

29、将所述训练企业财务经营数据集输入至所述bp-hh0企业财务数据预测模型中进行训练；

30、设置所述bp-hh0企业财务数据预测模型的迭代次数设置为40000次，当所述bp-hh0企业财务数据预测模型的误差为0.0001时，得到企业财务风险预测状态；

31、所述企业财务风险预测状态至少包括企业内部财务风险状态、企业外部财务风险状态。

32、进一步，在上述企业财务信息数据管理风险识别方法中，所述判断所述企业财务风险预测状态是否大于预设的企业财务风险阈值，若大于所述企业财务风险阈值，则生成企业财务风险预警信息，将所述企业财务风险预警信息传输至管理人员的移动终端，包括：

33、将企业内部财务风险阈值设置为企业账户资金波动大于5.7％，将所述企业外部财务风险阈值设置为原材料浮动价格为3.4％；

34、判断所述企业财务风险预测状态是否大于企业内部财务风险阈值，若大于企业内部财务风险阈值，则生成第一企业财务风险预警信息；

35、判断所述企业财务风险预测状态是否小于企业外部财务风险阈值，若小于企业外部财务风险阈值，则生成第二企业财务风险预警信息；

36、将第一企业财务风险预警信息和第二企业财务风险预警信息传输至管理人员的移动终端。

37、进一步，在上述企业财务信息数据管理风险识别方法中，所述根据所述企业财务风险预测状态获取对应的企业财务风险问题，基于所述企业财务风险问题生成企业财务风险解决方案，将所述企业财务风险解决方案传输至系统中，包括：

38、获取所有的企业财务风险处理方案数据，利用模糊聚类算法将所述企业财务风险处理方案数据进行聚类处理，得到企业财务风险处理方案数据库；

39、根据根据所述企业财务风险预测状态获取对应的企业财务风险问题，所述企业财务风险问题至少包括企业盈利能力、企业偿债能力、企业现金流量、企业资产负债；

40、将所述企业财务风险问题输入至所述企业财务风险处理方案数据库中进行匹配，得到企业财务风险解决方案；

41、将所述企业财务风险解决方案传输至系统中，并获取所述企业财务风险解决方案的应用结果，根据所述应用结果对所述企业财务风险解决方案进行调整。

42、进一步，在基于大数据的企业财务信息数据管理风险识别系统中，所述企业财务信息数据管理风险识别系统包括以下模块：

43、财务数据获取模块，用于获取企业系统中的实时财务信息数据和实时业务信息数据，对所述实时财务信息数据和实时业务信息数据进行数据预处理，得到企业财务经营数据集；

44、财务数据处理模块，用于利用dbscan聚类算法对所述企业财务经营数据集进行数据聚类处理，得到训练企业财务经营数据集；

45、预测模型建立模块，用于基于bp神经网络建立bp企业财务数据预测模型，利用hho哈里斯鹰优化算法对所述bp企业财务数据预测模型中的参数进行改进，得到bp-hh0企业财务数据预测模型；

46、财务风险预测模块，用于将所述训练企业财务经营数据集输入至所述bp-hh0企业财务数据预测模型中进行训练，得到企业财务风险预测状态；

47、财务风险判断模块，用于判断所述企业财务风险预测状态是否大于预设的企业财务风险阈值，若大于所述企业财务风险阈值，则生成企业财务风险预警信息，将所述企业财务风险预警信息传输至管理人员的移动终端；

48、财务风险处理模块，用于根据所述企业财务风险预测状态获取对应的企业财务风险问题，基于所述企业财务风险问题生成企业财务风险解决方案，将所述企业财务风险解决方案传输至系统中。

49、进一步，在上述基于大数据的企业财务信息数据管理风险识别系统中，所述预测模型建立模块包括以下子模块：

50、获取子模块，用于获取企业财务经营数据集，将所述企业财务经营数据集设置为dbscan聚类算法的数据样本；

51、设置子模块，用于设置esp半径参数和m i npts最小样本点参数,所述esp半径参数用于确定样本点的邻域大小，所述m i npts最小样本点参数定义一个核心对象所需要的邻域内的最小样本点数；

52、计算子模块，用于通过曼哈顿距离测量方法计算所有样本点之间的距离矩阵，得到曼哈顿距离；

53、对象子模块，用于对财务数据样本中的每个样本点，计算其半径为eps的邻域内的样本点数；如果某个样本点的邻域内样本点数大于等于m i npts，则将样本点标记为核心对象；

54、标记子模块，用于获取任一个未被标记为所述核心对象的样本点，通过密度可达关系递归地找到所有直接密度可达的样本点，将标记为同一个簇，重复过程，直至所有核心对象都被访问；

55、删除子模块，用于将未被标记为任何一个簇的样本点作为噪声点，删除所述噪声点，得到训练企业财务经营数据集。

56、进一步，在上述基于大数据的企业财务信息数据管理风险识别系统中，所述财务风险判断模块包括以下子模块：

57、设置子模块，用于将企业内部财务风险阈值设置为企业账户资金波动大于5.7％，将所述企业外部财务风险阈值设置为原材料浮动价格为3.4％；

58、第一判断子模块，用于判断所述企业财务风险预测状态是否大于企业内部财务风险阈值，若大于企业内部财务风险阈值，则生成第一企业财务风险预警信息；

59、第二判断子模块，用于判断所述企业财务风险预测状态是否小于企业外部财务风险阈值，若小于企业外部财务风险阈值，则生成第二企业财务风险预警信息；

60、传输子模块，用于将第一企业财务风险预警信息和第二企业财务风险预警信息传输至管理人员的移动终端。

61、其有益效果在于，可以更精确地识别出企业潜在的财务风险，有助于企业在风险发生前进行预警，及时采取措施进行防范和应对。更加全面地了解企业的财务状况和经营情况和财务风险问题，从而制定更加精准有效的财务问题解决策略。还可以帮助企业建立更加完善的财务风险管理体系，提高企业的整体风险管理水平。