基于 Power BI的大数据财务分析系统研究方案设计
课题来源：江西省教育厅科学技术研究项目；课题名称：《基于 Power BI的大数据财务分析系统研究》；课题编号：GJJ2206617

肖彧萍　贺蓉

作者简介：肖彧萍（1992—），女，江西萍乡人，江西工业工程职业技术学院，讲师，研究方向：财务会计与成本会计

【摘要】本文基于PowerBI，进行大数据财务分析教学系统的研究方案设计，该系统主要研究内容为改变传统的高职院校更侧重于基础核算的培养思路，在大数据时代背景下将数据与会计相结合，使用相关模型或分析方法，培养为业财融合、投融资决策分析和风险管理等业务提供决策的能力，驱动会计专业学生向数字化、智能化方向转化，培养未来企业所需要的高端创新型会计人才。
【关键词】Power BI；大数据财务分析；教学系统

    一、引言
    随着信息技术的快速发展，大数据和人工智能时代已经到来，“数据即资产”成为新的全球共识，人工智能也成为新一轮社会生产和发展变革的重要组成部分。大数据技术的应用已经渗透到各行各业，企业由信息化阶段的流程驱动，已经逐步升级到现在的数据驱动，通过创新数据融合分析与共享交换机制以及对业务场景数据建模等方式，深入挖掘数据价值，提升数据洞察能力。与此同时，全球四大会计师事务所相继推出财务机器人，大数据和人工智能的结合，颠覆性地改变了财务人在技术和管理实践上的逻辑，威胁着财务人的整体行业生存环境，并将引领财务工作走入新的历史发展阶段。因此，企业需求的财务管理将不再局限于“互联网 +财务”，而是可以串联“大智移云物”的新模式，实现更加智能的精准计算，通过模拟人脑的自主学习、思考和判断，提供端对端的更高质量服务和个性化服务。

    二、国内外研究现状
    国内现有研究中，会计人才培养目标、专业课程设置以及教师素养是诸多高职院校在大数据时代的会计人才培养中被提及的普遍问题（邓毅敏，2022；章丽萍等，2020；宫义飞等，2020；谢诗蕾，2019）。国外现有的研究同样强调了大数据对管理程会计、财务会计以及财务报告的普遍提升作用，尤其是在企业管理控制、预算编制、内部审计等方面，大数据所提供的大量、动态、及时的信息，在改善会计的管理效率 的同时，进一步加强了与市场营销、物流管理以及客户服务等关键业务环节的同步效应（Cockcroft et al., 2018）。
    国外的高校和会计行业组织同样强调，在会计专业的课程目录和职业证书评测中应加入大数据的相关知识，从而适应会计行业在大数据技术下的职能变化。同时，不少学者也就传统会计专业的教育者是否掌握充分的大数据素养提出了疑问和探讨（Al-Htaybat et al.,2018）。
    总之，从国内外业界和教育行业的现有研究不难看出，大数据不仅对会计职业造成了深远的影响，对高校学生大数据相关能力的培养提出了新的要求，而且推动了高职院校在以下三个关键方面上开始了前所未有的开创性探索：会计人才培养目标和专业课程设置与大数据的融合、大数据相关课程资源、会计专业教师大数据素养。因此，对于大数据财务分析系统的研究迫在眉睫。

    三、研究意义
    在大数据时代，每个企业与个人都无时无刻不处于海量、动态、持续的数据之中。借助新系统、新工具、新模型等途径来实现对数据之间的关联性探索以及数据中所隐含的潜在信息挖掘，这一思路正不断地给企业带来数据本身之外的商业价值。传统的财务会计主要是核算监督过去已经发生的经济业务，难以高效控制正在发生的经济活动，无法提前预测未来的活动，导致财务会计的职能得不到全面发挥。而与大数据相结合的会计师，则能够将相关财务资料的潜在价值充分挖掘出来，从事前、事中以及事后等角度开展控制分析活动。因此研究基于 Power BI的大数据财务分析系统具有十分重要的意义。
    1.为会计教学工作数字化转型提供有利探索
    随着院校对会计人才的培养模式开始注重从“核算”到“管控”，从“技能”到“技术”的螺旋式提升，开发大数据财务分析系统并付诸教学实践，对重构会计基础教学内容、探索会计基础课程教学改革方向有前瞻性作用，有利于探索会计工作数字化转型的路径。
    2.适应企业数字化转型需求
    未来企业需要既具备数字化财务思维和能力，又熟悉企业的业务模式及流程的“军事参谋”管理会计人才。大数据财务分析系统涵盖输入、处理和输出等会计核算全流程、各阶段，围绕企业实际应用场景进行开发，可有效适应企业数字化转型的方向。
    3.驱动会计专业人才数字化、智能化
    拥有大数据思维、大数据处理技能成为了通向未来世界的通行证。会计未来发展的方向包括数据挖掘师、数据分析师和数据结构师，从业务大数据中，获取信息、挖掘价值，为企业决策提供最有力、最权威、最核心的信息。利用大数据财务分析系统开展教学，有利于驱动会计专业学生向数字化、智能化方向转化，有助于培养未来企业所 需要的高端创新型会计人才。

    四、研究内容
    高职院校的会计人才培养目标在于让学生成为应用型会计技能人才，然而传统的高职院校培养思路更侧重于学生的会计准则、经济法规、基础核算等能力，其目标是让学生按照各类行业的常规账务处理流程应对各项经济业务的确认、记录、核算、汇报等工作。在大数据时代背景下，数据与会计结合具有驱动决策能力，即具有依托结构化与非结构化会计相关数据，使用相关模型或分析方法，为业财融合、投融资决策分析和风险管理等业务提供决策的能力。因此，为解决这一转型过程中的痛难点，本项目的研究内容为面向会计专业教学的大数据财务分析的系统开发与应用。
    无论是进行业财融合、投融资还是风险管理，会计职能均需进行相关数据采集、清理、分析和可视化等阶段流程的操作，需要发展上述阶段的能力。而数据分析能力是会计职能中的核心能力，需从会计专业视角进行因果判断、预测与分析，是其他专业人士特别是信息技术专业人士难以替代的能力。为应对大数据时代下传统会计向大数据会计的职能转型，为高职院校会计人才培养存在的问题提出探索性的解决方案。教学平台以大数据与会计为出发点，涵盖 Python基础语法、网络数据爬取、数据清理与预处理、数据可视化（Power BI两部分）、项目演练，共计五个模块。
    1.Python基础语法
    任务一：初识 Python章节作为本课程的基础模块，讲解 Python的语言简介与发展历程、安装方法、版本区别、平台演示，以及 Python语言的基础概念，涵盖 Python语法的特点、变量、基本数据类型等知识点。
    任务二：运算符与表达式本章节主要针对 Python的运算符这一知识点的讲解，并通过案例阐明算术运算符、比较（关系）运算符、赋值运算符、逻辑运算符、位运算符、成员运算符、身份运算符、运算符优先级。
    任务三：流程控制语句
    任务四：常用序列结构列表、元组、集合、字典
    任务五：函数与类
    2.网络数据爬取
    任务一：网络爬虫基本介绍、网络爬虫的实现原理与流程
    任务二：基于 Python的网络爬虫以及常用库
    任务三：网络爬虫综合案例
    3.数据清理与预处理
    任务一：Numpy库及相关基础知识
    任务二：Pandas库及相关基础知识
    任务三：数据清洗
    4.数据可视化
    任务一：认识 Power BI
    （1）为什么选择Power BI作为商务数据分析工具；
    （2）Power BI的基本构成；
    （3）Power BI的安装方法。
    任务二：Power BI的数据源
    （1）Power BI的数据源类型；
    （2）数据导入的操作方法；
    （3）常用的数据清理技巧。
    任务三：Power BI数据建模
    （1）Power BI数据建模的基本概念；
    （2）数据分析表达式（DAX）。
    任务四：Power BI数据可视化
    （1）Power BI内置可视化对象及自定义图表；
    （2）Power BI可视化编辑交互；
    （3）Power BI可视化功能。
    5.项目演练

    五、拟解决的关键问题和技术可行性
    1.拟解决的关键问题
    （1）自动化、智能化的数据采集
    利用 Python语言编程，通过可预置性代码从相关公开网站上获取结构化或非结构化数据。对部分宏观、行业和微观公司层面的结构化数据，可借助于 CSMAR、WIND等数据库使用 Python进行调用，或通过 Akshare等免费 API接口下载，而非结构化数据则可通过网络爬虫直接进行下载和整理。
    （2）分阶段、全流程的数据清洗、转换和分析
    将非结构化数据转化为结构化数据，或将相关数据类型进行转换。方式如下：①利用 Python等编程语言或Excel函数，特别是其中的条件判断、数据类型转换等语句和函数，将原始数据转换为可供使用的数据；②文本数据转化为结构化数据的模型，其主要涉及到正则表达式和数据挖掘。以大数据的思维能力，综合考虑宏观政策、经济、市场环境、行业、标杆企业、自身企业内部等特征因素，并建立上述因素与业财融合、投融资和风险管理等业务之间的因果或相关关系。在此基础上，建立大数据分析比较模型。
    （3）数据及处理流程的可视化呈现
    可视化软件或工具，将数据特征、趋势和分析结果以图表形式呈现在管理层或财务面前，帮助其更轻松地查看模式、流程、结果、变化、不规则和异常等情况。这些工具的使用，能帮助管理层和财务查看以前使用传统方法无法实现的方式查看数据，并且更容易地将来自不同来源的数据链接在一起，为会计业务报告提供新的见解。结果的呈现是数据驱动决策能力的最终体现，亦是管理沟通环节的重点，需要引起高度重视。因此，这一环节的主要目标如下：学生可通过学习使用 Power BI等专业可视化工具，快速把握会计数据的可视化呈现能力。
    2.技术路线
    平台基于 C#.Net语言打造的 .NET后端框架以及WebApi服务端开发框架，采用 C/S架构及 WebApi服务端开发框架，利于快速构建支持多种客户端的服务端程序，支持APP、B/S、C/S跨平台移动终端等。借助 .NET WebAPI底层架构的强大编程能力，封装成为可复用的以及可定制开发的服务端软件模板，提供通用的软件功能，快速轻松构建基于 HTTP协议以及支持多种客户端的服务端程序，如：App、B/S、C/S、各种跨平台移动终端等。

    六、研究创新点
    1.“四大课堂协同发展”
    “四大课堂协同发展”具体实施中，第一课堂可以采取“全过程考核”机制使学生牢固掌握大数据知识。具体来讲，可以从课前预习观看慕课视频或者案例视频，激发学生学习大数据及融合会计相关知识的兴趣，课中鼓励学生积极参与课堂讨论及核心知识点的试讲，课后通过作业及课后思考的研讨达到巩固知识的目的。教师可以根据学生课前、课中和课后的“参与度”全过程评价学生，而且增大过程评价的比重，打破以考试作为主要衡量学生学习效果的传统。第二课堂方面，高校可以为此设定学分，这样可以让学生将会计和大数据的相关理论知识在学科竞赛等中进行很好的应用。第三课堂方面，除了学生自主联系实践单位外，学校还可以充分利用所签订的实习基地让学生感受实践中的会计知识和大数据知识的应用。第四课堂方面，可以充分利用手机、平板等移动端网络课堂，给学生推送一些课后练习，以供随时随地学习使用，结合大数据与会计的实际案例，让学生的理论知识迅速地与实践相融合。
    2.实现会计理论与大数据实践深度融合
    一方面可以在会计模拟实验及其他实践方面进行创新。在会计模拟实验方面除了可以使用现成的财务软件等进行实验外，还可以引入基于Excel、Python、Power BI等大数据工具开发的实际应用平台案例，这样的实践针对性非常强。另一方面，可以直接将企业引入高校，直接利用企业的大数据处理技术和平台进行实践活动，或者聘请企业“大数据 +财税审”方面的行业专家直接运用他们所在单位的财务大数据、税收大数据和审计大数据平台，充分让学生参与实际案例的操作，让学生在学校感受大数据与会计的融合实践，也让学生真正参与“大数据 +会计”的实践环节。

参考文献
[1]邓毅敏.大数据时代企业会计人才培养模式改革与创新——评《会计教育教学改革与创新探索 [J].商业经济研究，2022(19):193.
[2]章丽萍，孔泽，尹依婷 .“大数据 +财务”管理会计人才培养与优化路径——基于能力成熟度模型视角分析 [J].财会通讯， 2020(23):158-162.
[3]宫义飞，李佳玲，李沛樾，等 .智能财务时代下管理型会计人才培养路径选择 [J].会计之友，2020(16):44-50.
[4]谢诗蕾 .探索信息化时代会计人才培养的转型之路 [J].财会月刊，2020(01):81-85.