任务一 认知大数据

随着移动互联网的快速普及和物联网技术的快速发展，全球的数据种类不断增多，数据总量以惊人的速度迅猛增长。据行业机构估算，2020年全球数据总量已超过40ZB（1ZB=240GB）。各个国家都将大数据视为“未来的新石油”，将发展大数据战略上升为国家战略，大数据技术研究和应用快速发展，成为行业发展的“加速器”。

一、大数据的内涵与特征

（一）大数据的内涵

简单地说，大数据就是源于世界各地，随时产生的海量数据资料。麦肯锡全球研究所指出：大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。数据价值的凸显和数据获取手段、数据处理技术的改进是大数据爆发的根源。

（二）大数据的特征

与传统的小数据形成对比，大数据从本质上说具有容量（Volume）大、种类（Variety）多、流转（Velocity）快、易变化（Variability），以及数据价值（Value）密度低等特征。

1.大数据的规模庞大

互联网1分钟内产生的数据量大约为3PB（1PB=220GB）,1天之中产生的数据可以刻满1.68亿张DVD。大数据的计量单位不断升级，目前已经从PB上升到NB、DB、CB、XB等。

2.大数据的种类繁多

大数据种类繁多，分为结构化、半结构化和非结构化数据。网络日志、音频、视频、图片、地理位置信息等都是大数据的一部分，它们对数据的处理能力提出了更高的要求。

3.大数据的处理速度快

大数据主要通过网络传输，传输速度快，处理速度快，时效性强。目前，大数据的处理模式已经开始从批处理转向流处理。

4.大数据具有易变性

相比传统的业务数据，大数据具有多层结构，其类型与形式变化多样，呈现出不规则和模糊不清的特性，导致很难利用，甚至不能使用传统的应用软件来分析。随着技术的发展，传统业务数据已拥有标准的格式，能够被标准的商务智能软件识别。大数据的易变性决定了企业在大数据应用方面尚面临重大挑战。

5.大数据的价值密度低

大数据价值密度的高低与数据总量的大小成反比。随着科技的发展，信息感知无处不在，海量数据中蕴藏着巨大价值。但以视频数据为例，一部时长60分钟的视频，在连续不间断的监控下，有用数据可能仅有一两秒，如何进行数据价值“提纯”是关键性问题。

作为一种以数据为本质的新一代革命性的信息技术，大数据应用已在各行各业普遍开展。大数据技术应用正快速发展成为一种新的服务业态，即对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，并从中发现新知识、创造新价值、提升新能力。

二、财务大数据分析

（一）意义

财务大数据分析是基于大数据而展开的财务分析，是当代信息技术飞速发展、商业模式不断变革、管理工具不断提升背景下财务转型的必然要求。它指运用大数据分析技术实现贯穿企业申请、审批、交易、报账、支付、核算、报告所有环节的业务财务一体化、自动化管理，帮助企业进行经营分析、筹资决策、投资决策、预算管理、成本管控和税务自查等工作过程。

相比传统的财务分析，大数据背景下的财务分析应具备以下几个特点。

1.数据基础更宽泛

大数据时代，数据的获取不再局限于随机抽样技术，数据来源更广泛，获取方式更丰富。财务分析的范围大大扩展，既包括生产、经营、业务数据，又包括管理、决策、财务数据；既有结构化数据，又有大量非结构化数据；既要关注企业内部信息，又要重视外部行业发展等。

2.分析维度更全面，分析方法更多样

大数据驱动下的经营管理模式，决策的依据源于数据，执行的结果反映为数据。决策对数据分析的依赖性更强，要求更高。因此，财务分析应在企业全部生命链条的各个节点、生产经营管理的各个决策环节充分介入，这就要求细化分析方法、强化分析工具，做到多方法、多维度全面分析。

3.实时化、自动化、高效化

在数智化时代，企业从决策到执行的时间明显缩短。高速传播的海量数据要求并推动着分析工作的实时更新，高效运转。新时代的财务分析应模型化、智能化，并以数据看板的形式实时更新、动态展示。

4.技术要求更高端

随着数据采集、处理量级的增长以及数据类型的多样化，传统点对点的人工交互手段已经很难满足如今大量、高频的数据采集需求，传统的关系型数据库也无法满足非结构化数据的处理与存储。因此，在使用Excel进行财务数据分析时，必须充分发挥Excel的“包容性”，将其与Python、Java、SQL等先进数据获取与存储工具结合起来，实现技术自动升级。

（二）分析流程

财务大数据分析一般要遵循以下流程。

1.明确分析目标与方向

财务大数据分析是一项系统工程，需要消耗一定的人、财、物力。因此，在启动数据分析工作前，应首先弄清分析的原因与目的，锁定要解决的核心问题，这是数据分析的基础。在此基础上，进一步明确具体分析目标和要达到的最终效果，避免分析工作发生方向性错误。

2.明确所需数据

大数据时代可获得的数据规模庞大、种类繁多。研究问题时，应厘清需要哪些数据、数据的种类和形式如何，以及应通过何种方式获取等问题，列好清单，尽可能一次性明确所需数据。

3.数据采集与整理

财务数据的主要来源为企业内部信息及企业外部数据，采集的方法有多种。进行财务大数据分析时，应综合利用多种工具获取所需数据，并通过数据清洗、数据转换、数据提取、数据计算等操作，规范数据格式，去除无效及干扰因素。

4.数据分析

数据分析是指运用适当的分析方法和工具，对处理过的规范数据进行分析，提取有价值的信息，形成有效结论的过程。这一流程是整个财务大数据分析工作的主体。

5.数据展现和输出

数据分析的结果可以依据问题的不同而选择合适的图表进行展示，如折线图、柱形图、条形图、饼图等；同时，撰写数据分析报告对整个财务大数据分析过程进行总结与呈现，提出合理的建议，供决策者参考。

（三）分析方法与工具

1.分析方法

财务大数据分析要遵循数据处理规则，综合运用多种统计分析方法及可视化工具，达到对数据的深层剖析，以支撑企业的各项战略决策。常用的分析方法有描述性统计、趋势分析、对比分析、结构分析、均值分析、方差分析、回归分析、时间序列分析等。

2.分析工具

专业的数据分析工具除了 Excel 软件外，还有 Python、R、SAS、SPSS、Matlab、EViews、Stata等。这些工具的专业性和针对性较强，通常需要具备一定的编程基础和数理统计知识。

在众多的数据分析工具中，Excel 2016是一款功能强大、使用便捷、交互友好的综合性分析软件，不仅能实现数据全面处理和分析，而且能通过类型多样、色彩鲜艳的图表生动展现数据分析结论，易得、易学、易用。

利用 Excel 的数据透视表、超级表、合并计算、分类汇总等功能可以快速实现数据的分类计算与基本分析；品类齐全的函数，涉及财务、统计、数学、逻辑、信息、数据库、多维数据集等方面，可以有效助力各领域、各行业的专业数据分析；内置的数据分析宏使得没有深厚统计学基础的用户也能轻松使用描述统计、回归分析、均值检验、方差分析等统计方法来解决实际问题；强大的图表功能可实时、动态反映数据的变化，并以数据看板的形式呈现；VBA程序语言的语法简单，可加入更多定制化操作，使得数据分析工作既有格调，又有效率。此外，Excel 可实现与其他数据分析系统的数据交互，如SPSS、EViews、Python等。大多数来自移动App的数据资料也可存储为Excel格式。

知识链接：海尔的大数据分析

海尔集团创始人张瑞敏常常向员工灌输这样一种营销理念：用大数据分析用户需求，并结合前沿的沟通软件和用户交流，然后生产符合用户需求的产品。

腾讯推出微信后，海尔很快开通了属于自己的微信公众号，用户不仅可以通过微信和海尔的服务人员交流，还可以通过微信对海尔生产的一款空调进行遥控。

海尔之所以生产出这样的空调，也是基于大数据技术的应用。研发者发现许多人都有把遥控器到处乱扔的习惯，常常在用的时候找不到，但是很少有人会把手机乱扔。于是他们想，要是能用手机遥控空调，一定会有很多用户喜欢。结果证明，这款空调的确很受用户的欢迎。

【思政寄语】

保持对信息敏锐的洞察力，善于在熟悉、专业的领域不断突破、不断创新，用正确的方法做正确的事。

雏鹰试翼

1.何为大数据？大数据具备哪些特征？

2.大数据背景下的财务分析与常规的财务分析有哪些区别？

3.请描述数据分析工作要遵循的流程。

4.除了Excel，你还知道哪些数据分析工具？你了解这些工具的适用领域和优缺点吗？