會(huì)計(jì)信息系統(tǒng)第09章會(huì)計(jì)數(shù)據(jù)分析

1、會(huì)計(jì)信息系統(tǒng) 第九章會(huì)計(jì)數(shù)據(jù)分析09CHAPTER第一節(jié)會(huì)計(jì)數(shù)據(jù)分析基礎(chǔ)一、數(shù)據(jù)分析的內(nèi)容和程序（一）數(shù)據(jù)分析的內(nèi)容數(shù)據(jù)分析根據(jù)目的可分為結(jié)果分析、原因分析和預(yù)測(cè)分析。結(jié)果分析是通過(guò)歷史數(shù)據(jù)分析企業(yè)過(guò)去的運(yùn)營(yíng)結(jié)果和現(xiàn)狀，包括企業(yè)各項(xiàng)業(yè)務(wù)的構(gòu)成，通常以日?qǐng)?bào)、月報(bào)的形式展現(xiàn)。原因分析是在結(jié)果分析的基礎(chǔ)上進(jìn)行數(shù)據(jù)挖掘，了解指標(biāo)變動(dòng)的原因。預(yù)測(cè)分析是對(duì)企業(yè)未來(lái)的發(fā)展趨勢(shì)做出預(yù)測(cè)，通常以結(jié)果和原因分析為基礎(chǔ)，預(yù)測(cè)分析可以為企業(yè)的決策和計(jì)劃提供依據(jù)。第一節(jié)會(huì)計(jì)數(shù)據(jù)分析基礎(chǔ)一、數(shù)據(jù)分析的內(nèi)容和程序數(shù)據(jù)分析按功能可以分為描述性分析、推斷性分析和探索性分析。描述性分析主要是對(duì)所收集的數(shù)據(jù)進(jìn)行分析，得出反映客觀現(xiàn)

2、象的各種數(shù)量特征的一種分析，它包括數(shù)據(jù)的集中趨勢(shì)分析、數(shù)據(jù)離散程度分析、數(shù)據(jù)的頻數(shù)分布分析等，描述性分析是對(duì)數(shù)據(jù)進(jìn)一步分析的基礎(chǔ)。推斷性分析是研究如何根據(jù)樣本數(shù)據(jù)來(lái)推斷總體樣本數(shù)量特征，它是在對(duì)樣本數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析的基礎(chǔ)上，對(duì)研究總體的數(shù)量特征做出推斷。常見(jiàn)的分析方法有假設(shè)檢驗(yàn)、相關(guān)分析、回歸分析、時(shí)間序列分析等方法。探索性分析主要是通過(guò)一些分析方法從大量的數(shù)據(jù)中發(fā)現(xiàn)未知且有價(jià)值信息的過(guò)程，它不受研究假設(shè)和分析模型的限制，盡可能地尋找變量之間的關(guān)聯(lián)性。常見(jiàn)的分析方法有聚類分析、因子分析、對(duì)應(yīng)分析等方法。第一節(jié)會(huì)計(jì)數(shù)據(jù)分析基礎(chǔ)一、數(shù)據(jù)分析的內(nèi)容和程序（二）數(shù)據(jù)分析的程序 1.明確目的 2.

3、數(shù)據(jù)提取3.數(shù)據(jù)清洗 4.數(shù)據(jù)分析 5.數(shù)據(jù)展現(xiàn) 6.報(bào)告撰寫(xiě) 第一節(jié)會(huì)計(jì)數(shù)據(jù)分析基礎(chǔ)二、會(huì)計(jì)數(shù)據(jù)分析的數(shù)據(jù)來(lái)源 （一）財(cái)務(wù)大數(shù)據(jù)時(shí)代來(lái)臨 （二）企業(yè)內(nèi)部數(shù)據(jù)的獲取 （三）外部數(shù)據(jù)的獲取渠道 1.市場(chǎng)監(jiān)督管理總局網(wǎng)站 2.企查查網(wǎng)站 3.東方財(cái)富網(wǎng) 4.巨潮資訊網(wǎng) 5.財(cái)稅政策查詢 圖9-1企業(yè)信息系統(tǒng)功能架構(gòu)圖9-2巨潮資訊網(wǎng)提供的美的集團(tuán)財(cái)務(wù)數(shù)據(jù)圖9-3東方財(cái)富網(wǎng)提供的美的集團(tuán)財(cái)務(wù)數(shù)據(jù)第一節(jié)會(huì)計(jì)數(shù)據(jù)分析基礎(chǔ)三、數(shù)據(jù)分析工具數(shù)據(jù)分析的工具有很多，一般意義上的數(shù)據(jù)分析，使用不同的工具都可以實(shí)現(xiàn)，我們根據(jù)工具專業(yè)化程度將這些工具分為三類：第一類是Excel；第二類是BI工具，比如Fine BI和

4、Power BI；第三類是編程類的語(yǔ)言，比如R和Python。（一）Excel （二）BI工具 （三）R和Python語(yǔ)言 第二節(jié)會(huì)計(jì)數(shù)據(jù)整理 一、將PDF文檔數(shù)據(jù)復(fù)制到TXT文檔 二、手工將TXT文檔數(shù)據(jù)分欄 三、將TXT文本數(shù)據(jù)導(dǎo)入Excel 圖9-4導(dǎo)出萬(wàn)科資產(chǎn)負(fù)債表圖9-5調(diào)整好的TXT文本文件格式圖9-6將TXT文本數(shù)據(jù)導(dǎo)入Excel電子表（1）圖9-7將TXT文本數(shù)據(jù)導(dǎo)入Excel電子表（2）圖9-8將TXT文本數(shù)據(jù)導(dǎo)入Excel電子表（3）圖9-9將TXT文本數(shù)據(jù)導(dǎo)入Excel電子表（4）圖9-10萬(wàn)科2019年年末資產(chǎn)負(fù)債表第三節(jié)Power BI會(huì)計(jì)數(shù)據(jù)分析 一、Power B

5、I數(shù)據(jù)獲取Excel 2016以上版本，自帶Power Query功能，無(wú)須再下載安裝插件或Power BI即可使用，當(dāng)然下載了Power BI也是可以使用的，二者的數(shù)據(jù)獲取界面和功能是一樣的。打開(kāi)Excel或Power BI，在“數(shù)據(jù)”選項(xiàng)卡可以發(fā)現(xiàn)“獲取外部數(shù)據(jù)”和“獲取和轉(zhuǎn)化數(shù)據(jù)”一欄，Power Query不僅可以從Excel工作簿里直接獲取數(shù)據(jù)，還可以從文件夾、對(duì)外開(kāi)放的數(shù)據(jù)庫(kù)或Web的任意網(wǎng)頁(yè)中獲取數(shù)據(jù)，如圖9-11所示。圖9-11Power Query外部數(shù)據(jù)獲取第三節(jié)Power BI會(huì)計(jì)數(shù)據(jù)分析 二、Power BI數(shù)據(jù)清洗數(shù)據(jù)獲取后，還需要在Power Query或Power

6、 BI中對(duì)數(shù)據(jù)進(jìn)行清洗加工，包括數(shù)據(jù)篩選、刪除無(wú)用的列、刪除重復(fù)項(xiàng)、刪除空值、更改數(shù)據(jù)類型等。Power Query會(huì)對(duì)數(shù)據(jù)有個(gè)基本的判斷，但是一些數(shù)據(jù)格式如果原表里書(shū)寫(xiě)不規(guī)范則需要手動(dòng)進(jìn)行修改，因?yàn)椴煌臄?shù)據(jù)類型對(duì)后續(xù)建模分析影響很大。Power Query的數(shù)據(jù)清洗功能如圖9-12所示。圖9-12Power Query的數(shù)據(jù)清洗第三節(jié)Power BI會(huì)計(jì)數(shù)據(jù)分析 二、Power BI數(shù)據(jù)清洗數(shù)據(jù)獲取后，還需要在Power Query或Power BI中對(duì)數(shù)據(jù)進(jìn)行清洗加工，包括數(shù)據(jù)篩選、刪除無(wú)用的列、刪除重復(fù)項(xiàng)、刪除空值、更改數(shù)據(jù)類型等。Power Query會(huì)對(duì)數(shù)據(jù)有個(gè)基本的判斷，但是一些

7、數(shù)據(jù)格式如果原表里書(shū)寫(xiě)不規(guī)范則需要手動(dòng)進(jìn)行修改，因?yàn)椴煌臄?shù)據(jù)類型對(duì)后續(xù)建模分析影響很大。Power Query的數(shù)據(jù)清洗功能如圖9-12所示。圖9-13Power BI關(guān)系視圖第三節(jié)Power BI會(huì)計(jì)數(shù)據(jù)分析 四、Power BI數(shù)據(jù)展現(xiàn)Power BI提供了大量的數(shù)據(jù)可視化圖表，其中包括折線與柱形圖、環(huán)形圖、水平條形圖、餅圖、樹(shù)狀圖、散點(diǎn)圖、瀑布圖、卡片、儀表、地圖、自定義圖表和篩選器等，將要展示的數(shù)據(jù)從右側(cè)字段拖入如圖9-14所示的框內(nèi)，左側(cè)畫(huà)布上即可產(chǎn)生圖表。圖9-14Power BI的可視化圖表第四節(jié)Python會(huì)計(jì)數(shù)據(jù)分析一、Python爬蟲(chóng)介紹爬蟲(chóng)是一個(gè)程序，這個(gè)程序的目的就是

8、抓取萬(wàn)維網(wǎng)信息資源，比如日常使用的百度等搜索引擎，就是依賴爬蟲(chóng)來(lái)定時(shí)獲取。Python爬蟲(chóng)是用Python自動(dòng)抓取互聯(lián)網(wǎng)信息的程序，并通過(guò)數(shù)據(jù)加工處理，解析出對(duì)于我們有價(jià)值的信息。第四節(jié)Python會(huì)計(jì)數(shù)據(jù)分析Python爬蟲(chóng)流程：第一步，發(fā)起請(qǐng)求。 第二步，獲取響應(yīng)內(nèi)容。 第三步，解析內(nèi)容。 第四步，保存數(shù)據(jù)。 第四節(jié)Python會(huì)計(jì)數(shù)據(jù)分析二、Python獲取數(shù)據(jù)假設(shè)現(xiàn)在分析家電行業(yè)中的“老板電器”，我們需要從公開(kāi)披露的財(cái)報(bào)中抓取全行業(yè)的銷售收入、研發(fā)投入、凈利潤(rùn)、總資產(chǎn)、總負(fù)債、銷售費(fèi)用、管理費(fèi)用、企業(yè)人數(shù)等財(cái)務(wù)和業(yè)務(wù)信息。借用Python爬蟲(chóng)將財(cái)務(wù)數(shù)據(jù)和非財(cái)務(wù)數(shù)據(jù)“企業(yè)人數(shù)”，從不同的

9、網(wǎng)站、不同的報(bào)表中抓取出來(lái)，寫(xiě)入同一個(gè)數(shù)據(jù)庫(kù)中，為財(cái)務(wù)人員進(jìn)行數(shù)據(jù)分析提供了基礎(chǔ)。該段程序運(yùn)行后的結(jié)果如圖9-15所示。利用該表，可以計(jì)算出本行業(yè)所有企業(yè)的資產(chǎn)負(fù)債率、費(fèi)效比、核心利潤(rùn)、核心利潤(rùn)獲現(xiàn)率、人均創(chuàng)利等常規(guī)財(cái)務(wù)指標(biāo)和非常規(guī)財(cái)務(wù)指標(biāo)，為管理和決策提供更多參考數(shù)據(jù)。圖9-15Python爬蟲(chóng)從多個(gè)網(wǎng)站獲取的企業(yè)數(shù)據(jù)圖9-16Python爬蟲(chóng)獲取行業(yè)政策信息第四節(jié)Python會(huì)計(jì)數(shù)據(jù)分析三、Python數(shù)據(jù)清洗數(shù)據(jù)清洗主要是根據(jù)網(wǎng)頁(yè)的內(nèi)容規(guī)則，對(duì)爬取到的信息進(jìn)行正則加工處理，根據(jù)對(duì)應(yīng)內(nèi)容抽取出有效信息。圖9-17是在眾多政策中篩選野生動(dòng)物養(yǎng)殖戶轉(zhuǎn)產(chǎn)的政府政策數(shù)據(jù)清洗后的結(jié)果。圖9-17Python爬蟲(chóng)數(shù)據(jù)清洗結(jié)果圖8-1企業(yè)會(huì)計(jì)信息垂直搜索引擎的工作流程圖第四節(jié)Python會(huì)計(jì)數(shù)據(jù)分析四、Python數(shù)據(jù)應(yīng)用被加工處理后的數(shù)據(jù)，雖然為可理解的信息，但只有用于決策才能發(fā)揮其價(jià)值。比如上述例子中，將獲取到的政策數(shù)據(jù)與收集的企業(yè)信息進(jìn)行匹配