1.1财务分析技术
到目前为止，财务分析技术经历了从统计技术、商业智能、数据挖掘到大数据分析的演变，目前仍以统计技术为主。统计技术：20世纪60年代，随着计算机的普及，统计技术开始在财务分析领域广泛应用。
70年代，EdgarF.Codd发明了关系型数据库，其在80年代随着越来越多的人使用SQL挖掘数据而开始流行起来并沿用至今。关系型数据库和SQL可以在数据生成的同时进行数据查询。
商业智能（BI1.0）：“商业智能”一词虽然最早使用于年，但却是因为Gartner公司的推广普及，才在年流行起来（Power）。Gartner用“商业智能”来描述基于搜索、采集和分析数据来进行决策的行为。一般企业的资源计划软件都包括商业智能块，可以允许用户查询大规模的数据库。
数据挖掘（BI2.0）：数据挖掘始于90年代，实现了过去无法做到的从数据中寻找规律的功能。于是，企业开始根据历史的趋势预测未来的销售额。
大数据（BI.0）：年，RogerMagoulas首次提出了“大数据”的定义，即当时计算机资源难以操作和分析的大量数据。但同年开发出来的“Hadoop”实现了对此类数据的操作。在云计算出现之后，我们的分析能力也变得越来越强大，现在我们有能力去分析整个社会创造出来的数据。
1.2财务分析工具
财务分析工具从功能角度可以分为描述性分析工具、诊断性分析工具、预测性分析工具、指示性分析工具。
目前最常使用的是描述性分析工具。描述性分析工具：描述性分析工具是财务部门最常使用的分析工具。描述性分析方法旨在对过去和现在的数据进行简明描述。其中使用了统计函数，包括计数、最大值、最小值、平均值、前N位和百分比。电子表格中就有提供这些函数。
一直以来，人们都使用描述性分析工具来建立商业智能，如财务仪表盘。但这种类型的分析工具无法告知我们数据中所蕴含的规律，只是试图在解释过去“已经发生了什么”。
诊断性分析工具：诊断分析主要用于从历史数据中获取规律，从而对原因进行预测。诊断有助于回答“为什么会发生”。
预测性分析工具：预测分析工具利用现有数据建立统计模型，从而对未来事件或价值进行预测。简言之，预测分析工具要帮助解答的问题是“将会发生什么”。
预测性分析工具在业务中的使用越来越多。指示性分析工具：指示性分析有别于其他种类的分析工具，其主要特点是可以从一套备选方案中建议一则行动方案。这种分析工具非常适合支持决策。这种分析工具支持从营运乃至战略的全方位决策。
指示性分析工具是一种综合的分析工具，在描述性分析、诊断性分析、预测性分析的基础上，根据一定的业务规则、线性规划、优化技术形成行动方案。指示性分析回答了这样一个问题：“我们能做什么来实现它”。目前，在财务部门中很少使用指示性分析工具。
1.财务部门职能转换
分析技术和分析工具以软件形式普及并服务于各个企业。随着信息技术的发展、财务分析工具的演进，财务部门的职能也慢慢发生了转变。
簿记和编制财务报表逐渐实现自动化，财务部门逐渐将时间和精力从会计工作转移到管理支持工作上来，即利用财务和非财务信息进行前瞻性分析，支持决策、规划、预测和资源分配，支持企业战略从形成到执行、评价的全过程。如果财务部门想要在整个企业决策中发挥重要作用，那么就必须大幅度地增加预测性分析工具的使用。
随着时间的推移，分析将慢慢成为企业战略的核心：拉动销售增长、降低成本、规避监管处罚、联络客户或提升净推荐值（即：客户忠诚度）。
从报告的角度来看，大多数公司的期望是将报告的程序自动化，这样一来，我们可以将更多的时间用在从数据中分析洞见和决定未来的行动上。报告中也要包括非财务信息：不仅是环境、社会和治理问题，也要包括来自客户的信息。
?结语数据分析对良好的决策起着至关重要的作用。商业环境瞬息万变，信息的及时性、准确性对企业管理者越来越重要。
随着技术的发展，数据管理领域的技术驱动趋势也越来越明显，这些技术创新对财务分析、企业管理将产生革命性的影响。
随着信息技术的发展，数字战略成为企业的不二选择，财务领域的信息技术投资也变得越来越重要。只有在数据管理和数据分析的各个方面利用“云”和人工智能、机器学习等因素，不断提高系统的自动化、智能化水平，才能将财务人员从常规、繁琐的工作中解放出来，提供更有创造性的工作，为企业发展提供更大的价值。