京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据怎样在财务系统提升数据价值(1)_数据分析师考试
大数据已经成为一个商业流行词。随着众多企业领导者逐渐了解其风险和机遇,它的前景和隐患正日益受到世界各地企业的关注。
产生和存储的数据量正在迅速增长,甚至呈指数增长。根据预测,数据量每两年就可能翻倍。同时,从业人员能够运用新的高级分析技术,来连接和查询原先分散的数据集,只要这些数据集中含有数据。
新数据和新分析的结合,正和企业运作的其他深层转变一同改变着商业局面。企业变得更加灵活,更具流动性,更加开放:它们的复杂性正日益上升。
随着大数据和大数据分析的影响带来商业上的转型,财会专业人士的角色也同样会发生变化。那些能够发现数据模式、将其转化为引人注目的战略故事的专业人士,将处于21世纪商业的核心位置。
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。该调查还表明,在显着改变商业和会计行业局面的潜力方面,大数据堪称第二大最具影响力的技术趋势。
要实现大数据在财会行业的广泛应用,需要新能力、新度量和新的思维方式。
新类型的数据也将带来全新挑战:未来十年内,衡量和评估数据的新标准将得到发展,在报告、建模和预测中将采用全新的、更多样化的数据集。同时也存在不太好衡量的问题,例如涉及道德和隐私的问题。围绕这些问题的冲击和影响展开的辩论才刚开始——但如果不处理好这些问题,后果将不堪设想。
本报告全面描绘了未来5至10年内大数据对财会行业的影响。核心问题是:“未来5至10年内大数据将对企业产生哪些影响,它将为财会行业带来哪些机遇和挑战?”作为“未来思维”的一部分,本报告并非声称预测未来,而是力求确定和研究未来几年内可能对全球财会行业产生影响的大数据趋势。
大数据和商业未来
大数据拥有几乎改变商业的各个方面的潜能——从研发到销售和营销再到供应链管理,还拥有为增长提供新机遇的潜力。
然而,要获得这些效益并非易事。数据集能创造价值,也能摧毁价值。它们需要有效及专业的管理,并需要企业的大力投资。
什么是大数据?
大数据主要指通过信用卡、客户会员卡、互联网、社交媒体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。大数据是一种委婉的说法,一种经过仔细斟酌而决定的简称,它指的是那些数量之巨大、内容之复杂、变化之迅速到无法用Microsoft Excel之类的标准软件来处理的数据集。
Gartner是美国一家信息技术研究权威和咨询公司,早在2001年就首次开发了大数据模型。它的“3V”模型包含“数量(volume)、速率(velocity)和种类(variety)。”
Gartner公司在2012年正式作出定义:“大数据是指数量大、变化快和/或多样化的信息资产,需要新的处理形式,从而强化决策,促进洞察力以及优化流程”。
同时,也存在其他不那么正式的定义。随着大数据成为主流,一旦其庞大规模成为“常态”,很有可能出现全新的定义特征。
大数据的兴起
从Gartner的定义可知,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。不出所料,“价值”一词正被热捧为Gartner “3V”模型中的一个新“V”。
机遇并不专属于大企业。Google Analytics和Tableau图表绘制等以云为基础的在线平台意味着中小企业无需进行大量资本投资就能够从大数据中挖掘出商业见解。这些不受大型旧有系统限制的企业有时能够跳过“旧技术”,几乎从一开始就使用大数据。
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。
这一比喻不无道理,但尚有缺陷。不像石油,大数据几乎可以无限量供应,且“可再生”。它的数量每年都在增长,而且呈数量级增长。十年前,人们谈论的是千兆字节的资料;现在他们谈论则是兆兆字节,整整增加了一千倍。
未来10年数据容量持续增长的关键是所谓的“物联网”,也称为“万物互联”(IoE)。新技术——例如调频识别技术(RFID)和近场通信(NFC)3技术——正不断将物体与互联网相连,允许信息在二者之间传递。纽约市场情报公司ABI研究预测,到2020年将有超过300亿的设备连接到无线网络(ABI研究,2013)。
大数据对商业的意义
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。
然而,信息不仅是工具:它本身就是一种商业机遇。在从专有数据中开发新产品和新服务的趋势中,这点得到了最明显的体现。
目前,企业正在通过出售自己的资料来创造新的收入来源。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13