會計信息系統(tǒng)第09章會計數(shù)據(jù)分析

1、會計信息系統(tǒng) 第九章會計數(shù)據(jù)分析09CHAPTER第一節(jié)會計數(shù)據(jù)分析基礎一、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、原因分析和預測分析。結(jié)果分析是通過歷史數(shù)據(jù)分析企業(yè)過去的運營結(jié)果和現(xiàn)狀，包括企業(yè)各項業(yè)務的構(gòu)成，通常以日報、月報的形式展現(xiàn)。原因分析是在結(jié)果分析的基礎上進行數(shù)據(jù)挖掘，了解指標變動的原因。預測分析是對企業(yè)未來的發(fā)展趨勢做出預測，通常以結(jié)果和原因分析為基礎，預測分析可以為企業(yè)的決策和計劃提供依據(jù)。第一節(jié)會計數(shù)據(jù)分析基礎一、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所收集的數(shù)據(jù)進行分析，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，描述性分析是對數(shù)據(jù)進一步分析的基礎。推斷性分析是研究如何根據(jù)樣本數(shù)據(jù)來推斷總體樣本數(shù)量特征，它是在對樣本數(shù)據(jù)進行描述性統(tǒng)計分析的基礎上，對研究總體的數(shù)量特征做出推斷。常見的分析方法有假設檢驗、相關分析、回歸分析、時間序列分析等方法。探索性分析主要是通過一些分析方法從大量的數(shù)據(jù)中發(fā)現(xiàn)未知且有價值信息的過程，它不受研究假設和分析模型的限制，盡可能地尋找變量之間的關聯(lián)性。常見的分析方法有聚類分析、因子分析、對應分析等方法。第一節(jié)會計數(shù)據(jù)分析基礎一、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.報告撰寫 第一節(jié)會計數(shù)據(jù)分析基礎二、會計數(shù)據(jù)分析的數(shù)據(jù)來源 （一）財務大數(shù)據(jù)時代來臨 （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.市場監(jiān)督管理總局網(wǎng)站 2.企查查網(wǎng)站 3.東方財富網(wǎng) 4.巨潮資訊網(wǎng) 5.財稅政策查詢 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)提供的美的集團財務數(shù)據(jù)圖9-3東方財富網(wǎng)提供的美的集團財務數(shù)據(jù)第一節(jié)會計數(shù)據(jù)分析基礎三、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言，比如R和Python。（一）Excel （二）BI工具 （三）R和Python語言 第二節(jié)會計數(shù)據(jù)整理 一、將PDF文檔數(shù)據(jù)復制到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)導入Excel 圖9-4導出萬科資產(chǎn)負債表圖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)導入Excel電子表（1）圖9-7將TXT文本數(shù)據(jù)導入Excel電子表（2）圖9-8將TXT文本數(shù)據(jù)導入Excel電子表（3）圖9-9將TXT文本數(shù)據(jù)導入Excel電子表（4）圖9-10萬科2019年年末資產(chǎn)負債表第三節(jié)Power BI會計數(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，無須再下載安裝插件或Power BI即可使用，當然下載了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Excel或Power BI，在“數(shù)據(jù)”選項卡可以發(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、對外開放的數(shù)據(jù)庫或Web的任意網(wǎng)頁中獲取數(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會計數(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中對數(shù)據(jù)進行清洗加工，包括數(shù)據(jù)篩選、刪除無用的列、刪除重復項、刪除空值、更改數(shù)據(jù)類型等。Power Query會對數(shù)據(jù)有個基本的判斷，但是一些數(shù)據(jù)格式如果原表里書寫不規(guī)范則需要手動進行修改，因為不同的數(shù)據(jù)類型對后續(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會計數(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中對數(shù)據(jù)進行清洗加工，包括數(shù)據(jù)篩選、刪除無用的列、刪除重復項、刪除空值、更改數(shù)據(jù)類型等。Power Query會對數(shù)據(jù)有個基本的判斷，但是一些

7、數(shù)據(jù)格式如果原表里書寫不規(guī)范則需要手動進行修改，因為不同的數(shù)據(jù)類型對后續(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關系視圖第三節(jié)Power BI會計數(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、樹狀圖、散點圖、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會計數(shù)據(jù)分析一、Python爬蟲介紹爬蟲是一個程序，這個程序的目的就是

8、抓取萬維網(wǎng)信息資源，比如日常使用的百度等搜索引擎，就是依賴爬蟲來定時獲取。Python爬蟲是用Python自動抓取互聯(lián)網(wǎng)信息的程序，并通過數(shù)據(jù)加工處理，解析出對于我們有價值的信息。第四節(jié)Python會計數(shù)據(jù)分析Python爬蟲流程：第一步，發(fā)起請求。 第二步，獲取響應內(nèi)容。 第三步，解析內(nèi)容。 第四步，保存數(shù)據(jù)。 第四節(jié)Python會計數(shù)據(jù)分析二、Python獲取數(shù)據(jù)假設現(xiàn)在分析家電行業(yè)中的“老板電器”，我們需要從公開披露的財報中抓取全行業(yè)的銷售收入、研發(fā)投入、凈利潤、總資產(chǎn)、總負債、銷售費用、管理費用、企業(yè)人數(shù)等財務和業(yè)務信息。借用Python爬蟲將財務數(shù)據(jù)和非財務數(shù)據(jù)“企業(yè)人數(shù)”，從不同的

9、網(wǎng)站、不同的報表中抓取出來，寫入同一個數(shù)據(jù)庫中，為財務人員進行數(shù)據(jù)分析提供了基礎。該段程序運行后的結(jié)果如圖9-15所示。利用該表，可以計算出本行業(yè)所有企業(yè)的資產(chǎn)負債率、費效比、核心利潤、核心利潤獲現(xiàn)率、人均創(chuàng)利等常規(guī)財務指標和非常規(guī)財務指標，為管理和決策提供更多參考數(shù)據(jù)。圖9-15Python爬蟲從多個網(wǎng)站獲取的企業(yè)數(shù)據(jù)圖9-16Python爬蟲獲取行業(yè)政策信息第四節(jié)Python會計數(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)頁的內(nèi)容規(guī)則，對爬取到的信息進行正則加工處理，根據(jù)對應內(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爬蟲數(shù)據(jù)清洗結(jié)果圖8-1企業(yè)會計信息垂直搜索引擎的工作流程圖第四節(jié)Python會計數(shù)據(jù)分析四、Python數(shù)據(jù)應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)信息進行匹配