
大数据时代 如何赢得财务人才_数据分析师考试
数字世界正在像小宇宙一样呈爆发式扩张,到2020年,数据将会从4.4万亿千兆字节增长到44万亿千兆字节。
根据IDC分析机构的最新数字显示,全球数据量每两年就增加一倍以上。那么问题来了,谁在使用这些数据呢?他们又通过这些数据获得了什么?
通过大数据获取的洞察早已超过了数据科学家的业务范畴,这些洞察深入企业业务的核心,影响到企业的利润和损失、投资和撤资决策、风险管理和增长预测等等各个方面。在这一领域,企业的“首席财务官”是当仁不让的关键人物,他们肩负着了解这些信息,并将其有效传递给企业其他部门的重要使命。
在首席财务官的领导下,财务部门将逐渐从幕后移向台前,担负起新的业务模式,例如确认、监测,管理财务风险和报酬。他们需要深入挖掘海量数据以获取价值,随后能够把这些价值传递给市场、人力、销售和企业的其他部门,以帮助这些部门制定战略并找到解决方案。
与过去相比,这些工作需要财务人才具备更广泛的技能。根据WSJ Custom Studios与甲骨文合作发布的最新报告显示,商业领袖们正在调整他们的招聘战略,以确保他们的财务人员能随时准备好应对这个新的大数据时代。
招募不同类型的人才
一家知名企业的首席财务官表示:“我们招募的人不一定是拥有会计学位的财务人员。”相反,我们更需要的是那些知道如何使用数据中深藏的价值的人才,是那些了解编程,能够查询大量交易系统的人才。
但是有些时候,作为财务专业人员还需要更多的分析思维。他们还需要具备软性技能,即能够在整个企业范围内激励、动员和引导其他部门之间的协同合作。
专业性化学品公司禾大的首席财务官表示:“软性技能是必要的。你不能指望财务功能完全像一个大型的计算机系统一样,不需经过培训就能告诉你所有东西,或者希望其他同事能立即了解那些对财务人才来说显而易见的东西。”
从今天起培养数据人才
根据麦肯锡的报告显示,到2018年将会出现19万分析技能员工的缺口,以及150万大数据领域管理人员和分析师的缺口,而这仅仅是在美国。
甲骨文全球金融业务高级副总裁Ivgen Guner在内部人才培养中获得了巨大的成功。她的部门曾经招募了一名毕业生,她一开始只是处理一些入门级的任务,随后这个年轻女孩展示了她在面对挑战和激励他人方面的天赋。Guner和其他同事的严格辅导磨练了她在数据分析和与人沟通方面的技能。现在这个年轻女孩已经成长为甲骨文副总裁,当部门需要灵活的分析和协调软技能的时候,她总能担当重要的角色。
用“云”推动财务创新
让财务专业人员能够使用最创新的技术是Ovation Brands首席财务官Keith Kravcik采用ERP云解决方案的原因之一,这一解决方案是这家总部位于明尼阿波利斯的连锁餐厅实现了财务现代化。
Kravcik希望能帮助Ovation进行重新改造,通过采用基于云的财务和绩效管理,他得以对其位于美国的300多家连锁餐馆进行全面的业绩观察。Kravcik回忆道:“我们之前使用的一个老版本的Excel,一些新员工甚至都没听说过,更别说有任何经验了。为了吸引我所需要的分析型人才来推动我们的重塑战略,我必须部署最先进的技术,让候选人能够在他们所选择的设备上使用最新的分析工具。云交付模式为我的财务团队提供了很多先进的技术体验,更易于使用、成本更低。”
现代化的财务部门需要“软硬兼备”的人才,不但需要具备基本的财务技能,还要能够与其他业务部门协调、谈判、沟通、做出正确的战略判断,还有一点更重要的,就是掌握最新的技术。当然,要找到拥有多元化技能的人才并不容易。企业需要对合适的人才进行投入和培养,并让他们获得最先进的技术和工具。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19