大数据在上市银行非财务会计信息披露中的作用

　　其次，现有的数据分析技术的落后，无法对非财务信息进行深层次的挖掘，无法发现并总结非财务信息的规律，也就无法形成统一的评价标准来衡量企业非财务信息披露的真实性，从而使得企业存在选择性披露行为。而导致企业进行选择性披露的原因，一方面认为企业过多的进行非财务信息披露会造成竞争者获取信息从而产生不利于企业的行为，这也就使得企业可能不会过多的对涉及到企业隐私部分的信息对外公开，如对于新技术的开发研究情况等，尤其在竞争激烈的行业更是如此。另一方面认为企业很可能会隐瞒对企业自身产生不利影响的一些信息，更加倾向于对外披露一些对企业产生正面的信息，因为过多的披露负面的消息将让企业更深的陷入困境，所以企业信息披露不能反应企业的真实情况，这也就是所谓的“柠檬观”。以上这两个方面都会造成企业对于非财务信息进行选择性的披露，从而造成信息披露内容失真等情况。 
　　最后，对于非财务信息的披露，我国相关的监管部门还是以自愿披露为主。因为，目前对于非财务信息进行披露需要耗费很大的人力、物力和财力，这对于一些小型企业来说，可能在成本上难以接受。同时，如果外部监管部门制定统一化的标准，非财务信息的标准往往各不相同，没有大数据环境的支撑，手工对账的方法起不到应有的效果。 
　　目前我国非财务信息披露中存在的问题，从根本上说还是由于数据分析技术的落后而造成的。而作为下一次技术革命中的核心力量，大数据技术的到来给人们带来了先进的数据分析技术，以上问题也将得到缓解。 
　　4 大数据为充分信息披露提供的保证 
　　4.1 大数据的特征 
　　大数据是一个新兴的概念，从大数据的特征对其进行描述，比较有代表性的是4V理论，即认为大数据有以下4个特征：规模性（Volume）、多样性（Variety）、高速性（Velocity）和价值性（Value）。具体特征见图1。 
　　4.2 大数据不仅数据规模庞大，更在于数据内容的丰富 
　　大数据最为鲜明的特征就是其巨大的数据量，如此庞大的数据量如果采用传统的技术和方法对其进行处理和分析，不可能在合理的时间内获得想要的结果。但是，想要将大数据的概念和传统意义上的数据相区分，单单从字面上一个“大”字去理解，认为大数据仅仅就是数据规模的庞大，这是远远不够的。大数据包含从移动设备、视频监控、互联网等不同渠道产生海量的数据，从这些不同渠道产生的信息显然有着不同的数据类型，既有音频、视频格式的，也有地理位置信息等等，这些与传统模式下采用货币这种单一计量方式的财务信息有着明显的不同。大数据环境下的数据量庞大且来源丰富，可以覆盖与企业相关的方方面面，这也就为企业做出高质量的信息披露提供了一定的支持。 
　　4.3 大数据可以采用云端计算的方式，获取信息速度快 
　　云计算，是一种新型的计算方式。它随着大数据的发展而得到了广泛的利用。企业可以通过互联网的方式，连接上建设于云端的资源池，在这个资源池中存放着数量庞大、种类各异的数据，企业可以根据自身不同的需求，选择不同的连接方式从而获取不同的计算能力和处理结果。在这种方式下，企业自身不需要建设具有强大计算能力的设备，而是可以选择按需购买，借助在云端强大的计算能力，实现快速的处理和分析数据，可以在秒级的单位里给出分析结果。同时，鉴于处理数据所得到的结果往往也是海量的，这对于企业进行存储和查阅带来了一定的困难。这时候就可以采用云存储的方式，企业通过购买可以在云端获取无限大的存储空间用来存储数据分析结果，从而通过网络就可以随时随地的访问所需的数据，这也就为企业进行充分的信息披露打下了一定的基础。
      4.4 大数据中蕴含着丰富的信息，有利于深层次的数据挖掘 
　　正如上面提到的那样，大数据的覆盖面很广，可以更好的反映出传统的财务数据无法衡量的一些信息，并且这些非财务信息如果处理得当的话，可以更接近其行为本身。同时，因为大数据的高速性，在很大程度上减少了相应的时间成本，这也赋予了大数据很高的价值。但是，由于大数据的数据量相当的庞大，相应的这也就带来了很大的数据噪音，导致了数据的价值密度低。因此，企业应当针对大数据的这一特征，对数据进行深层次的挖掘，将大数据的价值发挥到最大，充分利用通过数据挖掘获取的信息，从而可以做出更高质量的信息披露。 
　　5 大数据分析技术在上市银行非财务信息披露中的作用 
　　5.1 通过大数据采集，非财务信息披露更加全面 
　　大数据本身不产生新的信息，但是提供了一种获取更多信息的工具。如果说传统环境下的信息采集是从池塘中捞鱼，那么大数据环境下则更像是从大海中捕鱼。大数据丰富的信息来源可以涵盖与银行相关的方方面面，而数据处理技术的升级，使得银行可以更好的应对非结构化的数据，从而获得更为宽广的非财务信息的来源。随着大数据平台的进一步建设，与银行相关的各种信息可以更好的融合在一个统一的平台内，银行可以将原本离散程度很高的信息碎片重新整合，形成一系列完整的信息，从而做到更为全面的收集。例如，针对非财务信息披露中存在的对于社会信息披露不充分的问题，银行可以充分的使用大数据技术，同时建立一个社会信息大平台，将银行在参加社区活动时产生的相关的记录存放于这个平台中，也可以将银行在制定政策时是否充分考虑了相关社区的整体利益的信息进行记录，把与银行相关的社会信息更好的整合起来，从而做到更为全面的披露非财务信息。 
　　5.2 通过大数据分析，非财务信息披露更加快速 
　　正如上文提到的那样，大数据环境下是从大海中“捞”鱼，所采用的数据采集与分析的工具是以云计算为代表的新型信息处理工具，银行可以根据自身的需求购买相应的计算能力，在降低成本的同时让银行获得了强大的信息处理能力，可以游刃有余的面对数量庞大、结构复杂的非财务信息。同时，大数据环境下，对于数据的研究更多的是总结出一个整体性、预测性的信息，而对于数据的精准性要求有所降低，这也在一定程度上加快了数据处理的进程，从而做到更加快速的进行非财务信息的披露。银行可以借助大数据的高速性的处理方式，从而节省编制非财务信息报告所需的时间，同时，如果提供鉴证服务的事务所或者其他集团也采用大数据技术，对于银行的关键性的非财务信息进行审查，可以加快审计工作的进程，从而在整体上推动非财务信息的披露。如表4所示。 
　　5.3 大数据注重数据之间的关系，以鉴证银行披露的真实度 
　　在大数据时代，银行处在一个融合度更高的信息环境中，相较于传统环境下对于数据之间单一的因果关系的探究，大数据环境下人们往往更加地注重对于数据之间的相关关系的分析，使得很多不同形式、不同来源以及不同层面等信息存在着不少的交叉点，这样数据也就具备了一定的可追溯性，从而使得信息互相验证成为了可能。而且非财务信息不仅仅局限于一个单独的银行，它们往往能够反映出整个行业总体的一种趋势，也就是说，大型优质的银行对外提供的非财务信息也可以作为同时期行业内的一种标准，从而可以更好地衡量其他银行的非财务信息的质量高低。例如，因为国家为了更好地塑造国有银行在公众中的可靠的形象，为了将国有银行作为同行业内的标杆，对于国有银行的监管力度很强，相应的信息披露的要求也较其他银行高很多。这也就是说，可以将国有上市银行作为一种行业内检查标准的参考元素，在此基础上进行相应非财务信息衡量标准的制定。 
　　5.4 大数据平台的构建，优化了公众监管的信息披露大环境 
　　在大数据的信息环境下，随着利用云计算、大数据等先进的数据分析模式的普及，对于非财务数据的分析成本将会得到一定程度的下降，这也就为中小型银行进行非财务数据披露打下了基础。各个外部监管部门也可以和一些优质的国有银行一起，共同建设一个与大数据信息平台类似的非财务信息平台，将自身采集、分析和处理的非财务信息集中在这个平台上并定期的进行平台维护和升级，使得多样化的数据实现共共存，这也就可以将相同类型的数据进行归类存储，对同一类型的数据可以采取一定的制度进行管理，从而像财务信息一样，总结归纳出一系列的规律，形成一定的衡量标准，从而对采集到的信息数据进行相应的质量评价。而对于一些市场化程度较低的地区，还可以充分发挥媒体所具有的独特的治理的功能。随着非财务数据分析门槛的降低，可以鼓励有关媒体对于某些社会热点问题，例如针对目前社会民众都比较关心的银行业高管薪酬问题等，进行数据的采集和分析，并且媒体可以通过其独特的传播力和影响力对外进行披露，实现对银行行为的监督。而外部监管部门可以将大数据平台上的信息与媒体的报道结合起来，发现、解决并总结其中发现的问题，以此为实际的情况为基础，制定出一系列的相配套的规章制度，进一步规范非财务信息披露的大环境。 
　　6 结 语 
　　非财务信息披露将有着越来越重要的地位，而我国银行业目前的发展情况仍不容乐观，有着信息披露及时性差，内容不真实，存在选择性披露等等一系列的问题。因此各银行应当加强相关的人才培养，进一步的发展大数据等先进的数据分析手段并将其运用到实际工作中去，同时外部监管部门也应当根据实际的情况，制定一系列相配套的规章制度，明确各部门职责，从而构建好非财务信息披露的大环境。 
　　主要参考文献 
　　[1]秦荣生. 大数据、云计算技术对审计的影响研究[J]. 审计研究，2014（6）：23-28. 
　　[2]徐寿福，徐龙炳. 信息披露质量与资本市场估值偏误[J]. 会计研究，2015（1）：40-47，96. 
　　[3]沈弋，徐光华，王正艳. “言行一致”的企业社会责任信息披露——大数据环境下的演化框架[J]. 会计研究，2014（9）：29-36，96. 
　　[4]卢文彬，官峰，张佩佩，等. 媒体曝光度、信息披露环境与权益资本成本[J]. 会计研究，2014（12）：66-71，96. 
　　[5]胡元木，谭有超. 非财务信息披露：文献综述以及未来展望[J]. 会计研究，2013（3）：20-26，95. 
　　[6]孟小峰，慈祥. 大数据管理：概念、技术与挑战[J]. 计算机研究与发展，2013（1）.