京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代如何赢得财务人才
们的数字世界正在像小宇宙一样呈爆发式扩张,到2020年,数据将会从4.4万亿千兆字节增长到44万亿千兆字节。根据IDC分析机构的最新数字显示,全球数据量每两年就增加一倍以上。那么问题来了,谁在使用这些数据呢?他们又通过这些数据获得了什么?
事实上,通过大数据获取的洞察早已超过了数据科学家的业务范畴,这些洞察深入企业业务的核心,影响到企业的利润和损失、投资和撤资决策、风险管理和增长预 测等等各个方面。在这一领域,企业的“首席财务官”是当仁不让的关键人物,他们肩负着了解这些信息,并将其有效传递给企业其他部门的重要使命。
在首席财务官的领导下,财务部门将逐渐从幕后移向台前,担负起新的业务模式,例如确认、监测,管理财务风险和报酬。他们需要深入挖掘海量数据以获取价值,随后能够把这些价值传递给市场、人力、销售和企业的其他部门,以帮助这些部门制定战略并找到解决方案。
与过去相比,这些工作需要财务人才具备更广泛的技能。根据WSJ Custom Studios与甲骨文合作发布的最新报告显示,商业领袖们正在调整他们的招聘战略,以确保他们的财务人员能随时准备好应对这个新的大数据时代。
纽约大学Langone医疗中心首席财务官Mike Burke表示:“我们招募的人不一定是拥有会计学位的财务人员”。相反,我们更需要的是那些知道如何使用数据中深藏的价值的人才,是那些了解编程,能够查询大量交易系统的人才。
但是有些时候,作为财务专业人员还需要更多的分析思维。他们还需要具备软性技能,即能够在整个企业范围内激励、动员和引导其他部门之间的协同合作。
专业性化学品公司禾大(Croda)的首席财务官表示:“软性技能是必要的。你不能指望财务功能完全像一个大型的计算机系统一样,不需经过培训就能告诉你所有东西,或者希望其他同事能立即了解那些对财务人才来说显而易见的东西。”
根据麦肯锡的报告显示,到2018年将会出现19万分析技能员工的缺口,以及150万大数据领域管理人员和分析师的缺口,而这仅仅是在美国。
甲骨文全球金融业务高级副总裁Ivgen Guner在内部人才培养中获得了巨大的成功。她的部门曾经招募了一名毕业生,她一开始只是处理一些入门级的任务,随后这个年轻女孩展示了她在面对挑战和 激励他人方面的天赋。Guner和其他同事的严格辅导磨练了她在数据分析和与人沟通方面的技能。现在这个年轻女孩已经成长为甲骨文副总裁,当部门需要灵活 的分析和协调软技能的时候,她总能担当重要的角色。
让财务专业人员能够使用最创新的技术是OvationBrands首席财务官Keith Kravcik采用ERP云解决方案的原因之一,这一解决方案是这家总部位于明尼阿波利斯的连锁餐厅实现了财务现代化。
Kravcik希望能帮助Ovation进行重新改造,通过采用基于云的财务和绩效管理,他得以对其位于美国的300多家连锁餐馆进行全面的业绩观察。 Kravcik回忆道:“我们之前使用的一个老版本的Excel,一些新员工甚至都没听说过,更别说有任何经验了。为了吸引我所需要的分析型人才来推动我 们的重塑战略,我必须部署最先进的技术,让候选人能够在他们所选择的设备上使用最新的分析工具。云交付模式为我的财务团队提供了很多先进的技术体验,更易 于使用、成本更低。”
现代化的财务部门需要“软硬兼备”的人才,不但需要具备基本的财务技能,还要能够与其他业务部门协调、谈判、沟通、做出正确的战略判断,还有一点更重要 的,就是掌握最新的技术。当然,要找到拥有多元化技能的人才并不容易。企业需要对合适的人才进行投入和培养,并让他们获得最先进的技术和工具。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16