京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、人工智能时代会计为何不会失业?数据价值得靠人挖掘
近年来,管理会计行业患上“焦虑症”的人似乎变得多了起来。在近日由上海国家会计学院举办的“大数据与管理会计创新”论坛上,一位观众现场表达了忧虑:未来财务人员会不会失业?
上海国家会计学院党委书记、院长李扣庆表示,会计作为整个社会经济管理的职能性工作之一,需要进行核算、计量,其功能只要市场经济存在就仍有需求,会计行业也不会消失。但当下不仅面临技术手段的变化,行业的边界、组织的边界、组织内部的职能边界都在发生变化,在这样的大势之下会计如果仅囿于核算这样的基本功能是远远不够的,需要更全面地武装自身。
“年轻一代的会计从业人员不仅要懂会计,更需要为企业的发展增加价值,将会计知识和应用知识相融合,即业财融合。只有知道业务发展过程中的痛点,才能进一步去考虑决策者在何时、哪些环节需要何种信息、通过构建何种系统以获取此类信息,进而更好地在企业的发展中发挥作用。”李扣庆说。
浪潮集团执行总裁王兴山也认为,在挖掘数据价值方面,管理会计仍大有可为。对于管理会计来讲,面对大量的数据如何挖掘其价值,需要模型、方法、工具,这是管理会计、财务人员施展拳脚的舞台。未来的数据分析师、价值分析师可能来自管理会计师,因为他们具备价值思维、数据思维。未来的财务是智能的财务,还是人、财融合。

与会专家认为,新技术的到来确实给会计行业带来“危机”,但是“危机”中包含了机会。实际上,不仅仅是会计人员自身,如果利用好大数据、人工智能技术,整个公司的管理、财务系统、战略制定等都将从中获益。
王兴山表示,企业上云是目前中国企业形成大数据的重要途径。“现在企业大数据正在加速形成,主要由三部分构成,即经营的数据、物联网数据和互联网数据,构建企业大数据,基础管理很重要。浪潮正在助力企业数字化转型,借助新的数字化转型工具,实现标准化、统一化,共享。还有一个趋势是智能化、共享、数据和管理会计的深度融合。”
在上述论坛上,天普大学福克斯商学院会计及信息科技讲席教授Rajiv
D.Banker带来了国外的经验:如何通过大数据来创新使用平衡记分卡,从而帮助企业实施战略。平衡记分卡是从财务、客户、内部运营、学习与成长四个角度,将组织的战略落实为可操作的衡量指标和目标值的一种新型绩效管理体系。人们通常称平衡计分卡是加强企业战略执行力的最有效的战略管理工具。
Banker认为,企业应该要根据自己的战略定位来获取和分析相关数据。如果是成本领先企业,更多的重点应该在内部流程上,意味着大数据的立足点应该是内部流程的大数据,包括:人员、机器、工艺流程、生产方面操作等指标。
“如果是差异化竞争的企业,就要更关注客户方面。比如对市场进行分类,包括客户特点、教育程度、是否住在近郊等指标。根据这些信息判断客户偏好,从而把正确的产品和服务给正确的细分市场。”
Banker说,“所以在使用平衡记分卡时,不能平均主义,要在正确方向花更多力气。大数据可以帮助企业更好地获取信息,制定正确方案。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04