京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,如何赢得财务人才_数据分析师培训
我们的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?
事实上,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
纽约大学Langone医疗中心首席财务官Mike Burke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(Croda)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
随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18