（一）大数据在财务决策应用中存在的问题

1.数据来源方面

要在财务决策中真正实现大数据技术的应用，必须大量收集企业及其相关部门各种财务和非财务数据。企业运营涉及工商、税务、财政、银行、会计师事务所和交易所等多个利益相关者，数据来源众多、渠道较多，需要一个长期的数据收集过程。同时，多方面数据来源易导致数据格式不一致，很多数据软件都有自己的规定格式，难以兼容。这些问题将导致数据来源不足，使得分析结果存在误差，影响企业管理者及时准确地做出财务决策。因此，企业必须构建完整的数据源管理系统，建立相应的保障机制，保证企业数据收集工作能够长期持续地顺利进行。

2.数据处理方面

数据处理是对原始的结构化、半结构化和非结构化数据进行分析、运算、编辑和整理的过程。目前最先进的大数据处理软件主要有Hadoop、HPCC、Storm、Apache Drill、Rapid Miner和Pentaho BI等。这些大多是分布式处理软件，对结构化数据的收集计算技术已经比较成熟，但对半结构化、非结构化数据的处理技术还存在一定的缺陷，无法将大量的非结构化数据与结构化数据进行有效的统一和整合。而目前企业财务决策对非财务数据表现出更强的依赖性，因此，如何有效处理半结构化和非结构化数据是大数据在财务决策应用过程中要解决的重要问题。

3.数据分析方面

数据分析是从众多复杂的财务数据和非财务数据中发现有价值的信息，通过提炼、对比等发现数据的内在联系，对未来数据变化进行分析、预测的过程。企业目前主要使用ODS、DM/DW、CEP等技术进行分析，非专业操作人员一般利用OLAP进行查询操作。然而，由于数据量的急剧增多和数据类型的复杂性，关系数据库已经无法满足需求，企业需要使用多维数据库来提高数据处理速度，促进自身业务发展。因此，如何建立满足企业财务决策需求的多维数据库以及相关维度的合理设定是当前大数据技术应用过程中亟待完善的问题。

（二）大数据时代下的财务决策的新思维(www.daowen.com)

大数据下的财务决策是基于云计算平台，将通过互联网、物联网、移动互联网、社会化网络采集到的企业及其相关数据部门的各类数据，经过大数据处理和操作数据仓储（ODS）、联机分析处理（OLAP）、数据挖掘/数据仓库（DM/DW）等数据分析后，得到以企业为核心的相关数据部门的偏好信息，通过高级分析、商业智能、可视发现等决策处理后，为企业的成本费用、筹资、投资、资金管理等财务决策提供支撑。在大数据的时代背景下，财务决策需要新思维的产生。

1.重新审视决策思路和环境

财务决策参与者及相关决策者在大数据的背景下依然是企业发展方向的制定者。但是大数据的思想颠覆了传统的依赖于企业管理者的经验和相关理论进行企业决策模式，拥有数据的规模、活性以及收集、分析、利用数据的能力，将决定企业的核心竞争力。而以前企业的经营分析只局限在简单业务、历史数据的分析基础上，缺乏对客户需求的变化、业务流程的更新等方面的深入分析，导致战略与决策定位不准，存在很大风险。在大数据时代，企业通过收集和分析大量内部和外部的数据，获取有价值的信息。通过挖掘这些信息，可以预测市场需求，最终企业将信息转为洞察，从而进行更加智能化的决策分析和判断。

2.基于数据的服务导向理念

企业生产运作的标准是敏锐快捷地制造产品、提供服务，保证各环节高效运作，使企业成为有机整体，实现更好发展。企业不断搜集内外部数据，以提高数据的分析与应用能力，将数据转化为精练信息，并由企业前台传给后台，由后台利用海量数据中蕴藏的信息分析决策。数据在企业前台与后台间、企业横向各部门间、纵向各层级间传输，使得企业运作的各个环节紧紧围绕最具时代价值的信息与决策展开。同样，大数据使得全体员工可以通过移动设备随时随地查阅所需信息，减少了部门之间的信息不对称，使企业生产运作紧跟时代步伐，在变化中发展壮大。在社会化媒体中发掘消费者的真正需求，在大数据中挖掘员工和社会公众的创造性。

3.采用实时数据以减少决策风险

多元异质化的海量数据来源打破了以往会计信息来源单一、估量计算不准确的情况，使企业能够实时地掌握准确的市场情报，获得准确的投资性房地产、交易性金融资产等公允价值信息。同时，云会计对数据信息具有强大的获取与处理能力，且一直处于不断更新的状态。通过对市场信息的实时监控，可及时更新数据信息，从而保证会计信息的可靠性和及时性，有效避免由于信息不畅造成的资金损失。