京公网安备 11010802034615号
经营许可证编号:京B2-20210330
——简述"Big data: its power and perils"的观点
文:常国珍 CDA 金牌讲师
刚刚经历的2014年对管理会计和职业数据分析人员来说是具有里程碑意义的一年,这一年被同时称为“大数据”和“中国管理会计”的“元年”。两个原本并不紧密的行业同时期发展,这并不是巧合,而是由的深层次的实际需求。会计师和财会专业人士已经发现了大数据的潜力。2012~13年ACCA技术趋势调查显示,78%的受访者表示他们希望未来两年内大数据得到广泛应用。会计师和财会专业人士接受过财务信息的组织、收集和分析方面的训练之后,就能够将自己的核心技能运用到非财务数据集和其他数据集中,而且至关重要的是,能够让大数据变小,变得更结构化。因此,他们可能为企业带来巨大的价值增长。在未来5至10年内,财务部门可能出现从服务部门到关键业务服务部门的质变,它将处于战略决策的核心位置。未来十年,新的综合型专业人才将进入高级管理层或董事会,这类职位将被称为首席财务技术官(CFTO)、首席财务信息官(CFIO)。
英国特许公认会计师公会(ACCA)和美国管理会计协会(CMA)于2014年发布了一篇联合研究报告,名为“"Big data: its power and perils"”,指出新的信息技术给企业会计从业人员带来的冲击与机遇,指明未来对企业会计从业人员的技能需求。《首席财务官》杂志进行了翻译,本文对其观点进行简述。
大数据对企业的价值
大数据主要指通过客户交易信息、社交媒体发布以及日渐普及的无线传感器和电子卷标等设备和技术不断收集的海量资料。大数据拥有增值的潜力。企业正利用商业智慧和数据挖掘工具来提高效率、发现新机遇、为客户提供更好的产品和服务,以及预测未来的行为模式。大数据的商业潜能如此之大,以至于它如今被誉为“新型石油”,其在信息领域的作用堪比石油这种曾在19和20世纪对经济产生重大影响的自然资源。
对于商业企业,大数据分析除了使企业能够着眼于历史数据之外,亦能“审视”新兴趋势所处的环境。因此,它有潜力改变新产品开发、市场定位和定价等流程的成本和效益。大数据被提炼和完善为可付诸实施的商业见解,并被细分和应用于每个细微的决策过程,因此成为了兼具商业性和战略计划特性的工具。但是挖掘数据的价值可能很困难或很昂贵,具体取决于企业是否拥有现成的技能或技术。根据某项估计,到2018年,美国掌握大数据分析所需技能的人才缺口可能高达19万。
对于高级分析技能日益增长的需求为会计师和财会专业人士带来了重要机遇。会计师和财会专业人士接受过财务信息的组织、收集和分析方面的训练之后,就能够将自己的核心技能运用到非财务数据集和其他数据集中,而且至关重要的是,能够让大数据变小,变得更结构化。因此,他们可能为企业带来巨大的价值增长。在未来5至10年内,财务部门可能出现从服务部门到关键业务服务部门的质变,它将处于战略决策的核心位置。对会计师和财会专业人士而言,大数据的管理不仅意味着“改变游戏规则”的机遇,也意味着全新的挑战。未来不仅关乎技能的“直接”转移,还关乎新技能的发展。会计师和财会专业人士将需要寻求利用大数据评估企业业绩、企业风险和投资风险的方法。
利用大数据进行商业决策
大数据的兴起伴随着其它技术进步,极大地缩短了响应时间,显著地拓展了实时决策的范畴。企业如今能够以飞快的速度获取和处理决策所需要的信息,其用时之短在十年前是难以想象的。 一家亚洲银行的案例最能说明这种情况。根据普华永道的一份案例研究,该银行在不到8小时的时间里就分析完一组3000万的复杂现金流文书,分属50000个不同方案。而在大数据和高级处理能力尚未达到时,普华永道马来西亚咨询主管Sundara Raj说,同样的工作可能会花费数周时间。对会计师和财会专业人士而言,这种进步有时自相矛盾。一方面,这种进步可能折损财务职能部门创造的部分价值;但另一方面,进步也为财务职能部门提供了机遇去弥补价值的损失。自动化办公、自助数据检索“取代”了会计师和财会专业人士在内部报告方面的一些传统职能,由此也让他们解放出来关注更具战略性的工作。他们完全可以将大数据变为自身优势,提供更为专业的支持。在未来,会计师的作用不再仅仅是提供财务数据。比如,他们还要能够分析不同的数据集,从而帮助决策者确定应该采用哪种办法。当然,会计师一定要配合经营周期提供与之相匹配的决策支持。所谓“实时”数据,不仅企业和企业的认知不同,就算在同一家企业内部,其认知也存在差异。例如,亚马逊对“实时”的想法和一家包装品公司肯定不一样;销售团队和研发部门的观点也可能存在差异。
会计师和财会专业人士可以帮助实现数据价值的最大化,即要把握数据在哪个时间点与内外部利益相关方共享,才能发挥最大的价值。例如,部门与部门间及时的数据交换能确保工作更为连贯、清晰,从而避免决策者在同一个问题上得到不同的答复,或者对同一个问题进行重复分析。作为企业资产的捍卫者,会计师和财会专业人士或许对外部数据交换心存疑虑。实际上,随着组织边界的模糊,未来很可能会有更多人意识到:分享知识能够创造竞争优势,而不是蚕食这种优势。随着数据移动的公开,这种分享将让企业客户进一步参与进来。
未来企业会计从业人员的必备技能
大数据对财会行业而言意味着机遇:承担更具战略意义的职责,帮助企业实现未来。会计师和财务职能部门接受过收集和分析(结构性和非结构性)数据的培训;能够对信息进行建模和检测,因此可以为高级管理层和董事会提供新的、攸关企业经营的服务:让大数据变小,将信息提炼成精辟的见解,从而改进决策,实现企业转型。但是,会计师和财会专业人士若想朝着价值链的上游移动并将大数据变为自身优势,还需要磨练技巧,以不同的方式做事。
新的职业计划包括三项必备内容:制定新的衡量标准、学习新的分析技能、创造数据“艺术”的可视语言。
会计师需要制定评估内部数据价值的衡量标准。此外,他们要将不同的数据集综合到一起,用于计算组织绩效,评估和预测风险。社交媒体上的评论、在线产品评价等任何关于质量标准、工作条件、海外市场信用风险和政治风险的信息,对分析整体局势而言都必不可少。收集和整合那些未经整理的数据或无法从企业系统常规获取到的数据,将越来越有必要。当然,我们也可以在一个更为宏大的趋势背景下理解对不同类型数据的整合要求,这一趋势就是综合报告。目前,综合报告是会计师、审计师、银行家和机构投资者谈论很多的一个话题。它重视企业报告中的那些非传统指标和预测指标以及长期评估,因此也让大数据变得更为重要。
会计师和财会专业人士所掌握的分析技能,让他们尤其适合分析大数据,发现对企业具有真正价值的数据集。核心财会技能加上一些其他数据学方面的技能,可以打开新的职业道路。很关键的一点在于,技术自动化取代了报告工作的一些日常内容,而综合技能则可以帮助会计师弥补因此而丧失的价值。涉足数据学领域有很多现实意义。例如,对于首席信息官和分析职能部门而言,为了找到CFO和企业想听到的答案和洞见,就必须对数据集进行“查询”;业绩趋势分析必须比以前做得更为深入,很多企业都投入资金建立大数据系统,财会行业的关注对象必须扩大,包含除财务数据以外的更为多样化的数据集;需要成立专业的大数据组。研究发现,从大数据中创造价值的最佳方式就是在企业内部组建一支独立的专家小组。
除了具备高超的预测分析学技巧,大数据技能还包括能够用数据“讲故事”。在这方面,会计师的核心技能再次使其掌握了优势:用大数据讲故事需要分析数据的能力,并能够区分哪些内容是边角料,哪些才是故事的精华。会计师和财会专业人士将会更多使用统计学和分析学技巧对数据的含义进行“拆解”,再将其传达给决策者。会计师虽然不是软件工程师或数据学家,但未来他们却可以为数据科学和数据艺术牵线搭桥。在他们的参与帮助下,将会开发出怎样的讲故事“应用”?会计师将越来越频繁地参与选择财务内容,用于实现“数据可视化”和企业控制表,以及如何将非财务数据叠加在上面。简单地说,他们将会应要求协助企业创建一种通用的可视数据语言。
财会行业的未来取决于财务、技术和信息的融会贯通。未来十年,新的综合型专业人才将进入高级管理层或董事会,这类职位将被称为首席财务技术官(CFTO)、首席财务信息官(CFIO)。通过财会行业和IT、信息管理等行业的交叉,会计师和财会专业人士就能为企业高管和董事会创造更多的净价值。
文献出处:
http://www.accaglobal.com/content/dam/acca/global/PDF-technical/futures/pol-afa-bdpap.pdf
http://www.jg.com.cn/article/421.html
http://www.jg.com.cn/article/423.html
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