11.3 财务数据治理与可视化

财务数据治理与可视化第十一章：第三节目录contents01数据采集02数据清洗03可视化应用引入案例：数据可视化——用数字给你讲个故事互联网行业中有许多与数据相关的岗位，如数据产品经理、数据分析师等。对于这些岗位而言，“数据可视化”就是上述岗位的看家本领之一。小明是一名刚入职某家零售超市的BI工程师，在试用期结束后，超市经理拿着一份他们20×4-20×7年共计4年的网上超市数据给到小明，要求他对企业进行数据分析？希望能掌握超市的整体经营情况，发现问题、发现爆款、发现利润点，让经营可知可控可预测？如果你是小明，你应该找怎么做？一.数据采集在数据采集阶段，依托新道代码编辑器（其他系统软件同样可以）将深入探讨大数据采集的基本原理和方法，通过理论讲解与实操结合的方式，使学生掌握大数据采集的关键技术和步骤，从而能够有效地从各种数据源中收集高质量的数据。（一）企业基本信息采集利用大数据技术，在XBRL教学网站采集江西铜业基本信息。1打开数据采集脚本：进入代码编辑器，打开数据采集文件夹下的任务2文件夹，双击脚本文件：企业基本信息采集.py。2导入Python库文件：requests、pandas。3补全脚本：输入股票代码：江西铜业股票代码6003624输入Python库文件：将pandas库文件的缩写pd输入在data中。5运行脚本，进行数据采集。一.数据采集（二）企业资产负债表数据采集在XBRL教学网站采集浦发银行年度资产负债表。1进入新道代码编辑器，打开数据采集文件夹下的任务3文件夹，双击脚本文件单一企业资产负债表数据采集.py。2导入Python库文件：requests、pandas。3输入采集浦发银行数据的参数4打开“中英指标对照”表：使用pandas库文件的缩写pd打开文件“中英指标对照”。5建立一个存储采集数据的表：对照翻译指标名称，将两列数据转换为字典类型，并使用pandas库建立DataFrame表，便于存储采集到的数据。6运行脚本，进行数据采集。一.数据采集二．数据清洗数据清洗是大数据处理过程中的关键环节，其重要性不容忽视，其核心目标是纠正错误、去重处理、填补缺失值、消除噪声、格式标准化，提升数据质量。有Excel/GoogleSheets、Python(Pandas库)、R(dplyr包)、OpenRefine(原GoogleRefine)、SQL、DataLadder(DataMatch)等。本实训单元旨在让学生如何识别和纠正数据中的错误、不一致性和冗余信息，以确保数据的质量和可靠性。案例利用数据清洗系统中全局清洗规则，对整张数据表中的空格进行清洗。常用的数据清理工具二．数据清洗选择数据源配置清洗规则：点击【配置全局清洗规则】，勾选要使用的规则，点击【字符替换】下的“空格(仅有)替换为0”。数据清洗：点击【开始清洗】，系统弹出一个对话框，询问“确定要开始清洗吗？”，点击【确定】下载清洗结果：点击【查看清洗结果】，对清洗结果进行阅览，点击【下载】可以将清洗好的数据下载到本地电脑。三．可视化应用数据可视化是一种将复杂的财务数据结构转化为易于理解和分析的视觉表现形式的方法。通过可视化应用可以更清晰地了解企业的财务表现、趋势和关键指标。常用的可视化工具包括Excel、Tableau、PowerBI等。这些工具提供了丰富的图表和图形选项，能够满足不同类型数据的可视化需求。具体操作见教材本章小结01大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化的海量、高增长率和多样化的信息资产。数据分为结构化数据和非结构化数据。财务数字化的本质上将财务职能从“数据记录者”重塑为“价值创造者”。02财务数字化不是简单的财务与数智技术的“上系统”，而是以数据为生产要素重构财务价值链，其终极目标是通过实时、精准、前瞻的财务洞察，驱动企业战略数智化发展，推动高校培养既懂财务知识又懂数据建模的人才，方能真正释放数据要素的核爆级能量。思考题请简要阐述数据采集、数据清洗与数据可视化这三个环节之