【财智东方e讲堂】财务如何挖掘数据

财务如何挖掘数据什么是数据挖掘？数据挖掘（DataMining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的知识的过程。数据挖掘的程序数据分析与数据挖掘的对比数据分析•定义：是对数据进行分析，是指根据分析目的，用适当的统计分析方法及工具，对收集来的数据进行处理与分析，提取有价值的信息，发挥数据的作用。•作用：主要实现三大作用：现状分析、原因分析、预测分析（定量）数据分析的目标明确，先做假设，然后通过数据分析来验证假设是否正确，从而得到相应的结论。•方法：主要采用对比分析、分组分析、交叉分析、回归分析等常用分析方法。•结果：数据分析一般都是得到一个指标统计量结果，如总和、平均值，这些指标数据都需要与业务结合进行解读，才能发挥出数据的价值与作用。数据挖掘•定义：是指从大量的数据中，通过统计学、人工智能、机器学习等方法，挖掘出未知的、且有价值的信息和知识的过程。•作用：主要侧重解决四类问题：分类、聚类、关联和预测（定量、定性），数据挖掘的重点在寻找未知的模式与规律；如我们常说的数据挖掘。案例：啤酒与尿布、安全套与巧克力等，这就是事先未知的，但又是非常有价值的信息；•方法：主要采用决策树、神经网络、关联规则、聚类分析等统计学、人工智能、机器学习等方法进行挖掘。•结果：输出模型或规则，并且可相应得到模型得分或标签，模型得分如流失概率值、总和得分、相似度、预测值等，标签如高中低价值用户、流失与非流失、信用优良中差等。数据分析（狭义）与数据挖掘的本质都是一样的，都是从数据里面发现关于业务的知识（有价值的信息），从而帮助业务运营、改进产品以及帮助企业做更好的决策。所以数据分析（狭义）与数据挖掘构成广义的数据分析。数据分析和数据挖掘•数据分析：针对历史数据，分析得出各项指标，为人的决策提供数据支持，是根据已有的数据做报表•数据挖掘：数据分析+机器决策，即使用历史数据和数学模型，为将来的事件提供决策，是从大量的数据中挖规律•数据分析的分析目标往往比较明确，分析条件也比较清楚，基本上就是采用统计方法，对数据进行多维度地描述；•数据挖掘的目标却不是很清晰，要依靠挖掘算法来找出隐藏在大量数据中的规律和模式，也就是从数据中提取出隐含的、未知的有价值的信息。数据挖掘能做什么？——大数据画像——大数据画像财务能挖掘那些数据？有了分析洞察，财务部门能够与业务经理合作，共同：1、优化定价2、减少库存3、简化采购4、提高产品利润率5、精准营销6、精益流程7、提高绩效8、控制成本、费用财务可以帮助业务经理对可选择方案进行评估，例如：是否应当增加更多销售人员、改变佣金，与新的供应商合作或者改变商品分类。建立预测型财务分析盈利能力变化原因分析有哪些财务和非财务的KPIs建立过度性指标，把财务分析做到业务前端案例分析：某公司当年截至到8月份的息税前利润（EBITA）下降明显，经查，销售收入和当期预算相比持平，成本正常，毛利率正常；管理费用正常；销售费用大幅上升，和预算相比多出20%，这也是EBITA下降的唯一因素。作为财务经理的你，需要进一步分析销售费用大幅上升的因，并给出控制销售费用的建议，并对今后如何有效控制销售费用提出建设性意见，即给出预测性分析。请问你准备如何进行分析？常规分析（属于数据分析）1、把销售费用中与人员相关的费用和非人员费用分开；2、人员费用依次钻取到二级、三级核算单位，如有可能至个人？3、销售费用哪些是和渠道相关，哪些是个人应提佣金？4、销售渠道的佣金或返点是否随合同进度计提？5、销售支持是否分摊合理？增值服务（属于数据挖掘）1、销售冠军的启示2、标杆分析（BenchMarking）3、建立“过渡性指标”4、建立“人人损益表”5、建立良性绩效循环数字背后的“故事”•“看数字就是数字”-看见，此第一重境界。就数字论数字，只关心计算过程是否正确，沉迷于各种技法，但并看不到报表中的数字后面的业务发展问题、趋势变化及风险因素等。此境界为分离状态！•“看数字不是数字”-看清，此第二重境界。能够在熟悉报表的基础上，意识到数字背后所代表的业务的情况，大致的运作规律，但并不能借助一些非财的信息来判断。此境界为融合状态！•“看数字还是数字”-看透，此第三重境界。由于熟知业务，能够洞悉每个数字背后所代表的真实意义，发展规律。看到数字就能联系到业务状态，看到业务也能推导出数字大致结果。即能够跳出报表，又能回到报表。此乃财务分析的顶级境界。此境界才可以做决策支持从财务分析到业务分析巴菲特报表分析八法如何深度分析销售费用管理会计编码应用财务进行数据挖掘的会计准备基础BI工具举例—在线分析（OLAP）财务分析师需要的素质未来属于掌握数据和远见的公司•想掌握数