京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Tan表示:数据资产的估值仍然处于探索阶段。我要与会计师同仁们分享来自史蒂夫·乔布斯的一句名言:“一个人应该求知若渴,虚心若愚。”
“会计行业之前已经研究出了一些估值或审计的方法,可以作为很好的基础指南,但是我们需要开放思想,跟上科技的发展,并考虑我们如何调整和适应,以便作为战略合作伙伴为企业实体增加价值。为了实现这一目标,我们必须保持对知识、经验和实践的渴望,并保持虚心若愚,接受新观念并与时俱进,从而在不断成长的企业中扮演重要角色。”
“首席财务官应该参与到制定大数据产品定价策略的过程中去。”
通过管理与质量控制提升数据的价值
这里的一个关键概念是:会计师和财会专业人士能够帮助企业提高内部数据集的安全性和完善度,同时还能提升数据价值,更有利于数据的市场化。
未来5到10年,会计师和财会专业人士的合规职责极有可能发生重大转变,甚至被重新定义。其职责将超越“监察”财务数据和账目,发展为“管理”企业资产库内的所有数据。会计师和财会专业人士不仅要保证数据符合相关规范,还要保证数据满足企业自身要求和企业的“质量保证”标准。
在大型跨国企业内部,新的管理职责包括:协助管理数据从原系统到大数据系统的转移;与IT、信息管理等部门密切配合,将分散孤立的内部数据集进行有效整合。这一点尤为重要。这是因为人们对实时信息的需求越来越高,而要在正确的时间、从遗留系统中提取正确的数据又困难重重。
会计师和财会专业人士的核心职责是要让内外部的利益相关方都能对数据的质量和来源产生信心。他们与首席信息官的协作会越来越频繁,确保作出重大决定时所采用的数据是完整的,来源是可靠的。
他们还会越来越经常地参与到企业数据整理中去,并把数据集提供给外部使用。一些首席财务官已经开始在为出售数据做铺垫了。具体做法包括制定绩效目标、制定数据质量KPI等。
由于有越来越多的公众对个人数据遭到滥用表示忧虑,因此质量保证必须包含数据隐私、数据安全等标准。隐私和安全一旦遭到侵犯和破坏,将对一家企业的信誉造成巨大损失。
思想聚焦:IAN BETTS FCCA
壳牌上游、项目及技术数据经理
数据管理:财务职能部门的新职责?
壳牌早已将前沿数据的质量保证问题纳入一系列企业流程中,在企业复杂的上下游业务中均有所体现。其中就包括财务流程。这反映出壳牌“质量先于数量”的理念。
数据质量保证是壳牌努力实现卓越经营的一个重要保障。能否实现卓越经营取决于是否使用高质量的数据。不仅如此,随着大数据“革命”的到来,壳牌愈发迫切地追求“合乎目的”的数据,而且要能保证企业的绩效管理切实有效。
为创造世界一流的业绩,壳牌将中央化数据的质量保证工作置于核心,以确保得到高价值的数据。这是财务职能部门的新职责。该部门作为数据质量保证的提供方,负责保证各类重要数据的质量(包括财务数据和非财务数据)。财务职能部门内部设有数据经理,目前负责数据质量控制工作,与业务伙伴一起识别关键数据,并执行有效的控制和报告机制,保证数据变动“一次到位”。
根据壳牌上游数据经理Ian Betts的介绍,这是财务职能的一种自然而然的转变。他说:“在壳牌,我们不断向信息和数据集成化管理迈进。这就需要控制和保证。(而这项工作)自然而然就落在了财务职能部门的肩上。”
“我们的一项重要职责就是解释高质量数据对企业整条业务链的价值,鼓励人们花时间改进。我们的工作依据是:纠正一次数据错误所耗费的成本是让数据一次到位的十倍。我们对财务职能部门的期望是:提供高效的数据质量保证,用合理的成本释放企业价值。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03