br/>
项目一 财务大数据分析基础认知
任务一 财务大数据分析基础
任务二 构建财务大数据分析环境
项目二 财务大数据采集、清洗与集成基础应用
任务一 大数据在财务数据采集中的应用
任务二 大数据在财务数据清洗中的应用
任务三 大数据在财务数据集成中的应用
项目三 财务大数据可视化设计与基础应用
任务一 财务大数据可视化设计基础
任务二 可视化在企业概况分析中的应用
任务三 可视化在不同行业财务特征分析中的应用
项目四 大数据在经营者角度财报分析中的应用
任务一 准备经营者角度财务大数据
任务二 经营者角度企业盈利能力可视化分析
任务三 经营者角度企业偿债能力可视化分析
任务四 经营者角度企业营运能力可视化分析
任务五 经营者角度企业发展能力可视化分析
项目五 大数据在企业费用分析与管理中的应用
任务一 企业费用整体可视化分析
任务二 企业专项费用可视化分析
项目六 大数据在企业资金分析与管理中的应用
任务一 准备资金及相关数据分析
任务二 分析企业资金存量
任务三 分析企业资金来源
任务四 企业债务预警分析
项目七 大数据在综合分析与智能分组中的应用
任务一 准备投资目标行业财报大数据
任务二 目标行业内各企业财务可视化对比分析
任务三 K-Means聚类算法模型企业智能分组
参考文献
内容摘要
一.大数据基础认知
(一)大数据的概念
大数据(BIGDATA)最早出现在1980年,由著名的未来学家阿尔文・托夫勒在其著作《第三次浪潮》中提出,但是关于大数据的确切定义,目前尚无统一公认的说法。
全球领先的管理咨询企业麦肯锡给出的大数据定义是:“一种规模大到在获取、存储、管理、分析方面远远超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。”除了麦肯锡提出的四大特征之外,IBM企业还增加了一个真实性(veracity)特征。
著名研究机构高德纳(Gartner)给出的定义是:“大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。”
维克托·迈尔・舍恩伯格和肯尼斯.库克耶编写的《大数据时代》中界定“大数据是指不采用传统的随机分析法(抽样调查)这样的捷径,而是采用所有数据进行分析处理”。
互联网数据中心(IDC)则侧重从技术角度说明其概念:“大数据处理技术代表了新一代的技术架构,这种架构通过高速获取数据并对其进行分析和挖掘,从海量且形式各异的数据源中更有效地抽取出富含价值的信息。”
我国“信息技术大数据术语‘[GB/T 35295-2017]界定“大数据”的概念为难以用传统数据体系结构有效处理的包含大量数据集的数据,具体包括四大特征:
(1)体量(volume):构成大数据的数据集的规模。
(2)多样性(variety):数据可能来自多个数据仓库或数据领域。
(3)速度(velocity):单位时间的数据流量。
(4)多变性(variability):体量、多样性和速度等特征都处于多变状态。
……
精彩内容
本书内容基于企业典型财务工作任务, 打造“大数据+会计”教学内容, 将Python技术与财务大数据分析方法与教学实践相融合, 让学生通过大数据技术解决财务分析问题, 满足“大数据与会计”“大数据与财务管理”专业以大数据技术赋能财会人才的培养目标。教材依托财务分析师岗位的工作情境, 共有7个学习项目, 每个项目包括项目情境、学习目标 (知识目标、能力目标、素质目标)、项目导图、项目任务、思政链接、项目总结、项目测评、项目评价八项基本内容。