财务报表分析 课件 第10章：大数据与财务报表分析

第10章：大数据与财务报表分析大数据会计分析工具大数据对财务领域的影响0102大数据会计应用场景03第10章：大数据与财务报表分析学习目标与重难点了解智能会计的发展趋势和转型要求了解大数据对财务报表分析的影响掌握大数据分析的技术与应用掌握数据可视化的技术与应用学习目标：重点与难点：重点：大数据及智能会计的发展，大数据分析技术在财会领域的应用，数据可视化工具在财会领域的应用难点：大数据分析技术，数据思维和数字能力的培养，分析技术和可视化工具的应用引例0ChatGPT来势汹汹，未来会计人会被AI取代吗2023年11月30日，由美国人工智能实验室OpenAI推出一款名为ChatGPT的聊天机器人横空出世，它功能强大，上知天文下知地理，能写代码能写论文，甚至能给出情感建议。ChatGPT和相关人工智能技术的应用在业界掀起了惊涛骇浪，专家表示，这可能会威胁到一些工作岗位，尤其是白领工作。会计真的会被取代吗？其实几年前，全球四大会计师事务所中的德勤、普华永道和安永就相继推出了财务智能机器人方案，各大企业也在积极的进行着数智化转型工作。在人工智能与会计信息系统不断结合的情况下，生成式AI将取代大部分财务基础工作，同时也在“逼”着我们转型，财务行业中广泛涉及分析、预测和统筹的领域才是我们未来的发展方向。资料来源：StockSnips公司官网。

ChatGPT来势汹汹，未来会计人会被AI取代吗请思考：1.人工智能取代会计是空谈还是现实？2.AI的应用会对财会行业带来哪些机遇和挑战？3.财务人员需要掌握哪些技能才不会被机器人取代？4.财务人员未来的转型方向有哪些？大数据对财务领域的影响01大数据对财务领域的影响数智技术的发展对会计理论与实务带来了前所未有的挑战，也对会计从业人员的能力框架提出了新的要求。早在2006年，欧洲委员会提出的《终身学习的关键能力欧洲参考框架》就将数字能力确定为八大关键能力之一。2013年，全球商学院教育质量认证AACSB修订了对会计学生数据分析知识和技能的要求。《会计改革与发展“十四五”规划纲要》《会计信息化发展规划（2021-2025）》《会计行业人才发展规划（2021-2025）》中纷纷强调数智时代产教融合智能会计方向的转型与人才培养。1.1数字素养和数据思维的技能要求

数据分析有助于企业生产力和资源使用效率的提升，推动企业数字化转型。因此，数字时代，会计人员不仅需要学习传统的会计知识、财务知识与审计知识，更应该培养数据分析的思维和能力。具有数据思维的会计人员一方面可以帮助企业提高价值，另外一方面也能在激烈的人才竞争中确保自己的优势。

那么，具有数字素养和数据思维的人员应该具备哪些技能呢？大数据对财务领域的影响第一，建立数据分析思维，能够认识到在什么时候、什么情况下需要使用哪些数据分析来解决具体的业务问题第二，拥有数据分析能力，包括数据质量判断、数据清洗、数据处理、数据分析等。数据质量判断包括数据的完整性、可信性和有效性等；数据清洗包括数据分析前的所有准备工作；数据处理包括筛选、排序、合并等处理方法；数据分析包括通过描述性分析、统计性分析等手段，得出结论并提出建议第三，提升数据可视化水平。根据数据分析的结果，根据不同的需求，采用合适、有效的方式向不同的决策者报告数据分析结果。大数据对财务领域的影响1.2大数据时代会计人员的角色定位

数据资源成为驱动经济发展的关键要素和重要引擎，所蕴含的价值无法估量。企业会计部门作为与各种数据、信息、资料直接接触的部门，如果能够充分利用数据资料，进行有效的数据分析并得出有价值的结论，将为企业信息使用者提供更决策有用的信息资料，便于利益相关者进行决策。明确阐述商业问题沟通数据需求，了解数据质量基于数据导向，阐述结论，提出建议向管理团队汇报，展示分析成果图

会计人员跟数据相关的日常工作大数据对财务领域的影响与传统环境不同，当前会计人员面临的是海量规模的“结构化＋非结构化”的新型数据形式，其中非结构化的数据形式高达70%。这要求财务人员能够：快速准确地从众多繁杂的数据中探寻到有价值的数据，并通过数据处理和分析，反映企业经济业务的真实发展状况，支持利益相关者的有效决策需求。能将数据分析和挖掘技术与会计专业知识相融合，为经营决策和投资管理提供业务决策支持的智能型财会人才。会计人员的主要职责不是主导建立数据库、训练数据模型或执行核心数据分析，而是需要建立数据思维，掌握数据分析并进行决策建议的能力。大数据对财务领域的影响1.3大数据会计的应用场景与发展趋势

大数据会计的未来发展趋势综合取决于企业实际应用需求、智能技术发展、智能财务系统普及速度以及大数据会计配套政策法规的出台等方面。财务核算全流程自动化系统

以智能感知、OCR、电子发票、移动支付、RPA、数据爬虫、自然语言理解等。通过使财务系统支持电子凭证和非电子凭证的智能化处理，实现财务凭证处理的前置化。智能财务决策支持系统

应用基于数据挖掘、神经网络、知识图谱、遗传算法、XBRL、大数据分析、对话机器人、智能预警、智能诊断和虚拟展示等技术，运用数量经济学、模糊数学、信息论、控制论、系统论等理论和工具，是一种面向财务预测、控制、分析与决策一体化的应用。大数据对财务领域的影响智能财务共享服务平台

以数据爬虫、OCR、专家系统、RPA、电子发票、电子档案、移动计算、财务云、数据挖掘、数据展示等技术为基础。系统不仅实现了财务处理的标准化、集中化、流程化和信息化，并将服务的内容从应收应付、总账、资产管理、费用报销、资金管理等一般事务性流程领域扩展到了税务分析、公司治理、资金运作、预测预算、内部审计和风险管理等高价值流程领域。“业财管”人机智能管理平台

以云共享、大数据处理、物联网、机器人、自然语言处理、深度学习模型等技术为基础，将企业业务活动、财务活动和其他管理活动的深度融合，是基于强人工智能技术的未来应用场景。业财管人员之间的组织和职能划分将会消失。同时需考虑人机智能下带来的风险控制和伦理问题。大数据对财务领域的影响智能财务决策支持系统

应用基于数据挖掘、神经网络、知识图谱、遗传算法、XBRL、大数据分析、对话机器人、智能预警、智能诊断和虚拟展示等技术，运用数量经济学、模糊数学、信息论、控制论、系统论等理论和工具，是一种面向财务预测、控制、分析与决策一体化的应用。

在该应用场景中，系统结合基于处理规则的财务专家系统和基于神经网络的机器学习算法，利用战略预测和决策、战略计划与控制、财务分析与报告、绩效考核与评价等方面的模型和方法，对宏观经济数据和企业的业财数据进行实时自动采集、监控、挖掘和分析，为企业经营决策进行事前预测、事中控制和事后分析提供依据，该场景中部分功能已在个别企业中局部实现。大数据对财务领域的影响大数据会计分析工具02大数据会计分析工具在财务领域的常用技术工具，包括数据分析工具和数据可视化呈现工具。数据分析包括Python、机器学习和文本分析，数据可视化以PowerBI为例。2.1Python数据分析方面，Python拥有大量简单实用的工具，应用较广的有NumPy、Matplotlib、Pandas、Seaborn等。实际应用过程中，为了完成大多数场景下的数据统计分析和呈现工作，通常将它们结合使用。基于Python简洁、易用、可移植的特性，该工具被广泛应用于多个应用场景。应用场景应用工具特点WebDjangoFlaskWeb2py操作简单，使用方便，支持高效、可扩展、安全且可移植的快速开发和自动生成管理工具。爬虫RequestsScrapySelenium数据搜集和提取高效，支持自动录制和生成测试脚本，可用于自动化测试、检测、数据挖掘等。财务领域NumPyPandasMatplotlib高效存储和处理海量数据，支持快速生成各类财务数据图，方便工作展示与汇报。人工智能PipenvPyTorchCaffe2拥有丰富的自然语言和文本处理库，引擎强大，算力较强，可以简单高效地进行机器学习。大数据会计分析工具Python的应用场景2.2机器学习以机器学习为核心的人工智能技术能够自主、深入地挖掘数据的内在价值，驱动企业业务和财务的数字化和智能化转型。是人工智能的核心，是用计算机模拟人类的学习、获取知识和技能等活动，对真实世界中的事件做出决策和预测的方式。机器学习常见算法包括决策树、随机森林算法、逻辑回归、SVM分类器、Adaboost算法、神经网络、聚类算法等，应用领域包括专家系统、自然语言理解、模式识别、计算机视觉、数据挖掘、智能机器人等。大数据会计分析工具机器学习的分析方法监督学习（SupervisedLearning）预先将计算机要学习的数据分为训练集和测试集，已知输入和输出结果之间的关系，根据这种关系对已有的数据集进行训练，逐渐得到最优模型。监督学习的优点是允许事先定义编码规则，逻辑简单，目标明确，可用于海量数据的研究，精确度较高。非监督学习与监督学习相比，无监督学习不需要为数据赋予标签，缺乏具有明确目的的训练方式，无法提前预知结果，也很难量化预测效果。能加速数据的标注与分类，降低人工工作量，但其缺点为“标注”需要加以解读才可以赋予“标注”的意义，同时训练过程还需要大量的调参。大数据会计分析工具强化学习用于描述和解决智能体（Agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。迁移学习迁移学习是一种机器学习方法，就是把为任务A开发的模型重新使用在为任务B开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识，以改进要学习的新任务。大数据会计分析工具文本分析财会领域常用的文本信息来源包括社交网络类文本、上市公司披露类文本、媒体报道类文本以及其他类文本。文本分析的流程大数据会计分析工具文本分析的优劣势

优势：提供了文本形式的非结构化数据，丰富了数据类型；拓展了研究边界，提供了新的工具、变量和指标；提供了新的研究视角，促进科技发展；提供更多有效信息，提高资本市场的双向匹配效率。

劣势：文本信息本身并不明确，必须经过加工处理才能用于计量分析，而这会引入噪音甚至错误，同时数据处理的可重复性存疑；本数据大多数缺乏权威来源，数据来源存疑；文本数据量很大，现有的计量分析方法并不一定适用；对研究者的编程和数量分析能力有较高的挑战等。大数据会计分析工具PowerBIPowerBI可以轻松连接到各种数据源，支持在一个视图中浏览和分析本地数据和云端数据，可以在任何设备上他人共享协作并自定义仪表板和交互式报表，实现数据整理和可视化的全流程，以便实现快速准确的决策。优点主要体现在：易于使用，集成功能，多个版本，PowerBI提供多种选项来满足不同的需求，对于小公司或单个用户，免费的PowerBI选项将满足大多数需求。缺点是它只能作为BI工具使用，无法与企业内的其他系统结合在一起，且目前市场中与其功能类似的软件较多，具有较大的可替代性。大数据会计分析工具大数据会计应用场景03大数据会计应用场景3.1机器学习在财报分析中的应用财务舞弊分析预测机器学习擅长的正是经过模型训练后，通过提取这些财务指标的异常识别企业财务舞弊的指标具体盈利能力、流动性、营运能力等，主要与收入、成本和费用相关。其他信息分析研究支持管理决策通过建立基于大数据机器学习算法的成本预测机制能够掌握准确的成本及项目信息，为企业管理提供支持。协助组织管理基于机器学习对企业财报数据信息进行分析，达到其他增值目的。3.2文本分析在财报分析中的应用国际会计准则理事会曾提出公司报告包的概念，特指与实体财务报表同时公开发布一份或多份文件，向财务报表使用者传达财务状况，且这些信息在公司网站或其他地方或文件中可以查阅（IASB2017：第4.23段）。

文本分析在财务报表分析中的应用可以归纳为信息品质分析、行为分析与预测两大主线，两者相互联系，密不可分。

信息品质主要体现为企业财务报表的可读性、情绪等特征，行为分析与预测则侧重于与企业行为相关的因素，如财务舞弊、核心竞争力、产品结构、公司的社会网络、资本市场反应、未来价值与发展等。大数据会计应用场景信息品质分析企业财务信息的品质反应了投资者获取文档中信息的难易程度，而这与公司信息披露、信息环境和市场对信息的反应密切相关。从全局来看，对大样本文本数据的分析能够提供不同行业、规模、性质的企业在财务报表内容的结构、篇幅等方面的异同，对内可以优化企业财务信息披露的质量，对外则可以提高投资者对财务报表信息的理解程度。行为分析与预测现有研究认为，存在欺诈的公司年报在用词的语态、词性、情绪与主题上与正常报告存在着显著的不同。除此之外，分析与预测中最有价值的是文本中蕴含的增量信息。大数据会计应用场景3.3PowerBI在财报分析中的应用

PowerBI主要可以应用于财务数据、营销活动、销售业务、人力资源等方面的可视化分析以及企业的IT系统集成化。财务数据可视化分析用户可以快速、轻松地获取外部和本地的各种数据源，汇集成完整信息，利用其功能建立不同数据之间的逻辑链接，以此快速完成对企业财务业绩、收入、盈利、资本支出、费用情况的分析。营销活动可视化分析利用PowerBI的交互式仪表板，可以将市场数据转变为切实可行的战略决策。大数据会计应用场景销售业务可视化分析PowerBI有助于制定以数据为导向的决策依据。销售业务分析中，可以