数智基础会计 课件 第十一章 财务数字化

财务数字化第十一章本章学习目标掌握财务数字化的概念及特征，理解大数据与财务知识融合的框架体系，了解财务数字化发展方向和应用场景。01知识目标本章学习目标掌握数据处理的流程及技术手段，初步运用大数据技术解决会计领域问题，培养学生懂业务和懂数据的能力。02能力目标本章学习目标树立数据驱动的财务决策理念，推动思维从“经验依赖”向“算法辅助”转变，培养在复杂信息环境中基于社会责任与职业伦理进行理性判断的能力，筑牢创新与合规相统一的职业意识。03价值目标目录contents第一节大数据概述第二节财务数字化转型第三节财务数据治理与可视化大数据的概述第十一章

第一节目录contents01大数据定义02大数据分类03大数据处理04大数据资产引入案例：塔吉特百货的“怀孕预测指数”？在美国零售业早已得到运用，以塔吉特（Target）为例，这家美国第二大综合性零售企业从其会员卡的用户购买记录中，充分了解一个用户是什么“类别”的客人，并基于这些分类进行一系列的业务活动。比如，该公司创建了一个“怀孕预测模型”，即通过分析消费者的历史购物数据，来给每位顾客计算一个“怀孕预测指数”。一次，他们通过分析一个还在读高中女孩的购物记录，成功推断出她怀孕的消息，寄送了婴儿用品的优惠券，她的父亲在看到后才得知女儿怀孕并感到非常愤怒，因为女孩并未公开这一消息。然而，这恰恰体现了大数据的神奇之处——它能够通过分析海量数据，揭示出隐藏的信息和趋势。诸如此类的应用，在国际零售行业巨头中已屡见不鲜。数据的力量，不仅让商家提升了自己的业绩，还让客户为之心甘情愿买单。思考什么是大数据？大数据分析带来哪些挑战和机遇？一．大数据的概念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。大数据以多元形式产生海量数据，并非单纯指人们在互联网上发布的信息，如遍布全球的工业设备与汽车搭载了无数数据传感器，它们持续监测并实时回传着位置、运动、温度、湿度、震动乃至空气中化学物质的变化。这些多维度、不间断的测量，最终汇聚成了海量的数据信息集合。二．大数据的分类通常所说的数据是一个整体性概念，按照不同的划分方式数据可以被划分为多种类型。最常用和最基本的划分有结构化数据和非结构化数据。（一）结构化数据

结构化数据也称作行数据，一般是指存在关系数据库中的数据，能够用数据或统一结构加以表示的信息，由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理的数字、符号等结构化数据。二．大数据的分类（二）非结构化数据

非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据，比较杂乱，无法用数字或统一的结构表示的信息，包括所有格式的办公文档、文本、图片各类报表、图像、音频信息等，存储非结构化数据时网络附属存储(NAS)和对象存储(OSS)是当前两个主要的选择。如今结构化数据仅仅占10%左右，剩下90%左右都是非结构化数据。当前大量财务公告、研究报告乃至政策信息都是以非结构化数据的形式存在的，如网页、PDF这些内容数据不是标准的数据表格或者XML格式，需要数据采集后对内容进行进一步提取、清洗、加工的工作，也就是将非结构化数据半结构化和结构化。三．大数据处理数据处理的基本流程包括四个阶段。其中的每个阶段都涉及很多相关技术，因此大数据分析处理是多种技术的集合。01明确数据需求02采集基础数据03数据处理储存04数据分析展现四．大数据资产1数据资产内涵大数据资产是将原始数据通过系统性治理、加工与赋能，转化为可量化、可控制、可变现的战略性资源，其本质是数据要素化的高级形态。其中数据采集成本符合资本化条件为大数据资产，计入资产负债表；符合费用化条件为研发费用、管理费用，计入损益表。在数智财务领域，大数据资产正重塑企业价值评估模型与竞争力内核，而大数据资产化是财务数字化转型的终极战场，当数据从“成本中心”蜕变为“利润引擎”，将推动财务管理想价值创造转变。四．大数据资产2数据资产入表路径大数据资产入表是将数据资源确认为企业资产负债表中正式资产的会计过程，标志着数据从“隐性资源”向“显性资产”的历史性跨越。数据资产入表的关键路径。①数据资源化②资源产品化③产品资产化四．大数据资产3数据资产入表难点与建议（1）难点①业务层面，数据从资源化转为资产化全流程管理存在短板，面临数据确权、合规风控、数据质量、安全管控及产品交易管理多重难题②财务层面，数据资源成本能否可靠的计量，核算难度较大（2）建议①业务层面，搭建专项数据管理组织与跨部门联动机制，完善数据全流程管理。②财务层面，搭建适配的数据资产财务核算体系，规范成本分摊、会计处理、信息披露及台账管理工作。思考题一是大数据具有海量、高速、多样等特征。请结合财务场景，简要说明这些特征如何为财务分析和决策提供传统数据不具备的价值？二是数据资产入表是企业价值重估的重要一步。请分析在将数据确认为资产过程中，企业在业务和财务层面分别面临哪些主要挑战？有何应对思路？财务数字化转型第十一章：第二节目录contents01财务数字化内涵02财务数字化转型03财务数字化转型实例04财务数字化转型工具引入案例：便利峰“算法至上”便利蜂是便利店行业的一匹黑马，靠着系统和算法、以及资本的帮助，2016年诞生以后快速“跑马圈地”，成立3年多就开出2000家门店，但2022年关闭700家，在2023年达成“万店计划”的希望变得十分渺茫。便利蜂创始人庄辰超发现便利店这个生意模型可以被算法驱动，而现在中国还没有人做得到时，开始推动便利蜂通过大数据和人工智能技术实现标准化管理，突破传统便利店在人才管理、供应链优化等方面的瓶颈，公司更多依靠系统运行而不是依靠具体的人。庄辰超对算法的推崇甚至到了令外界不解的地步，到了门店的执行层面，店长更像是系统的“工具人”，工作考核内容是对系统指令的完成情况，不需要对销量负责。消费者反映在他家小区对面不到200米有一家便利蜂，但大部分情况下，更愿意多走一段路去几百米外的其他便利店，主要是便利蜂店员的态度不好，问什么都爱搭不理。在他看来，便利店也属于服务业，有些价值是无法完全用数据去量化的，一个冷冰冰的便利店，顾客并不想进去。而且对便利蜂来说，算法的基础是海量数据，而一旦遇到疫情黑天鹅，无论是前端的用户行为还是后端供应链，所获得的数据都会和正常情况下有很大不同。思考对于便利店这类服务业，哪些价值是“无法完全用数据量化”的？完全依赖历史数据进行决策存在怎样的固有缺陷？企业应如何构建更具韧性与适应性的智能决策系统？一．财务数字化内涵财务数字化正在成为未来发展的必然选择，是适应时代潮流的产物，可以帮助企业和个人更好地管理财务数据，并提供更准确的决策依据。财务数字化是利用云计算、大数据、AI、RPA、区块链等数智化技术重构传统财务流程、数据体系和决策模式，实现从“账房先生”向“战略价值创造者”转型的系统性变革，涉及到数字化经营、数字化管理以及数字化商业，其核心在于数据驱动、流程自动化、智能决策和实时洞察。

财务数字化是企业数字化的核心，是将传统财务管理方法与数字技术相结合，通过采用计算机、软件和网络等技术手段，实现财务数据的电子化处理和管理。一是财务数字化可以通过电子化的方式收集、存储和处理财务数据，相比于传统的纸质文档管理，财务数字化使得财务数据能够更加方便地被访问和使用。二是财务数字化可以实现财务数据的实时更新和监控，通过数字化系统，财务人员可以随时随地了解到最新的财务状况和业务数据，从而更好地进行决策和分析。三是财务数字化还可以实现财务数据的自动化处理和汇总。借助于软件和系统的支持，财务数字化可以自动完成一些重复性的财务工作。一．财务数字化内涵二．财务数字化转型（一）转型原因数智化时代，财务组织的职能定位、财务数据服务能力、财务与业务的关系、财务组织的文化导向、财务对战略的支撑等方面，发生了根本性的转变。（二）转型目标

财务数字化目标是提高财务流程自动化、智能化水平，提升财务运营效率，深化业财融合，确保数据真实完整，其最终目标是回归财务的本质，有利于在企业内部达成共识，并保持管理层对财务数字化的合理预期。二．财务数字化转型（三）转型举措1建立一个高效的数智化财务管理平台。2注重大数据安全和隐私保护。3充分利用数智化技术手段。4财务数字化实施需要逐步进行。三．财务数字化转型实例本次财务数字化转型案例以N集团财务共享建设项目为基础，与本次财务共享项目建设无紧密关联的系统不在本次设计方案之内，最终以财务共享促进财务转型、提升财务管理为目标，进行财务信息系统的前瞻性规划设计。在进行财务信息系统规划设计过程中，充分考虑N集团现有的财务信息系统资源以及未来整体IT规划，对标业界最佳实践，以最小成本及整体需求的重要性水平，进行整体建设规划和分阶段实施建议。价值目标前移：面向业务前移、聚焦事前算赢、筹划未来前移；管理体系升级：集团管控体系升级、财务核算体系升级、业财融合体系升级财务基础价值：全局风险管理、资源统筹增值、数据价值呈现数字化智能：洞察未来、决策支持、业务优化推动四．财务数字化工具财务数字化工具正重塑财务管理，覆盖从核算到决策的全流程。云ERP系统：将财务、供应链等核心业务集成于统一云平台，实现数据实时共享、流程自动化与异地协同办公。商业智能与数据可视化：作为数据驱动决策的关键技术，通过数据处理、分析建模与可视化呈现，将原始数据转化为直观经营洞察，全方位支撑管理层高效决策。思考题财务数字化被定义为从“账房先生”向“战略价值创造者”的转型。请简要说明云计算、大数据、AI等数智化技术如何具体帮助财务部门实现这一角色转变？教材指出财务数字化需要“逐步进行”并注重“数据安全和隐私保护”。请结合企业实际情况，分析在推进财务数字化过程中可能面临的主要挑战？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“