京公网安备 11010802034615号
经营许可证编号:京B2-20210330
然而,大数据的商业潜力有其局限性。大数据是一项资产,但也有一些缺点。原因有很多:
数据会贬值,将来的价值可能不如现在。
挖掘数据的价值可能很困难或很昂贵,具体取决于企业是否拥有现成的技能或技术。根据某项估计,到2018年,美国掌握大数据分析所需技能的人才缺口可能高达19万(麦肯锡全球研究院,2011)。
随着越来越多的企业和行业开始利用大数据,它的竞争优势将减弱。很有可能将展开一场挖掘“暗数据”(已收集但尚未使用的数据)价值的角逐。
对数据收集和使用的审查日益严格,且数据收集和使用必须遵守不同国家和地区的法律法规。
在这一场挖掘更多新价值的激烈竞赛中,人们会更专注于开发能够捕捉那些其他人看不到的信息的复杂分析技术。换句话说,对技能的争夺将进一步加剧,有可能引发商业的“大数据分水岭”。
显然,只有主动管理大数据,才能为企业提供有利可图的解决方案。
大数据与财会行业的未来:机遇与挑战
对于高级分析技能日益增长的需求为会计师和财会专业人士带来了重要机遇。
会计师和财会专业人士接受过财务信息的组织、收集和分析方面的训练之后,就能够将自己的核心技能运用到非财务数据集和其他数据集中,而且至关重要的是,能够让大数据变小,变得更结构化。
因此,他们可能为企业带来巨大的价值增长。在未来5至10年内,财务部门可能出现从服务部门到关键业务服务部门的质变,它将处于战略决策的核心位置。
对会计师和财会专业人士而言,大数据的管理不仅意味着“改变游戏规则”的机遇,也意味着全新的挑战。未来不仅关乎技能的“直接”转移,还关乎新技能的发展。会计师和财会专业人士将需要寻求利用大数据评估企业业绩、企业风险和投资风险的方法。此外,随着大数据对于商业的重要性与日俱增,他们需要寻找方法来评估大数据这一企业资产的内在价值。
领域1:数据资产的估值
作为一项公司资产,大数据的重要性正日益突显,这促进了新的数据资产估值方法的发展。
互联网和移动及智能技术的传播已经从根本上改变了商业数据的面貌和曝光度。
数据被越来越多地用于提升运营效率。其所带来的一些好处在零售行业十分明显,在该行业,实时分析协助公司更好的适应顾客需求和减少物流及分销成本。例如,纽约时尚品牌Elie Tahari目前可以使用销售数据提前四个月预测其每项产品的全球需求(IBM 2012)。这些预测的细致程度令人惊叹:在大数据和其相关工具的帮助下,该公司能够适时获悉到哪些区域的哪些门店中,哪些尺码和颜色搭配最为畅销。
大数据不止是一种用于获得竞争优势的商业工具。对于越来越多的行业中越来越多的公司而言,它还是一种商业计划或商业模式。
目前已经有公司利用大数据来创造收益。谷歌等互联网公司已经率先利用大数据创收,其他行业的其他公司也紧跟其后。
无线技术和“万物互联”(IoE)进一步扩大了数据量和数据种类,将大数据转化为价值的机会也将随之增多–至少在短期内可以这么说。
因此,未来十年内,数据将成为一个重要的财富创造来源,并且将越来越多地被视为一项值得重视的企业资产,企业可能需要为其建立专门的负责部门。
帮助公司为其数据资产估值
关键理念是,那些制定大数据衡量指标的会计师和财会专业人士将突出自己在市场中的差异化优势。
最近的研究发现,20%的大型公司已经将数据作为一项资产编入其资产负债表中,而在那些总员工超过1万人的公司,该数字上升到了30%(Dynamic Markets 2012)。对于未来的会计师而言,提供数据估值服务可能是一个区别于普通会计师,独具差异化优势的巨大的机会。
然而,为数据估值可谓困难重重。在当今的知识经济中,无形资产变得日益重要,但在为工业时代制定的报告和治理体系中,无形资产很容易被忽视。数据即使清晰可见,衡量起来也不容易。其中第一个挑战就是贬值的问题。数据周转速度的提高意味着数据过时的速度也相应加快:随着新数据的出现,旧数据的价值可能很快“消减”。
随之而来的问题是,数据的价值根据其相关性的不同而各不相同,而数据相关性又因数据使用者而异。您如何客观地衡量一个数据集的商业价值呢?对某个人群没有价值的数据,可能对另外一个人群相当有用。
这些问题很可能随着数据集市场的深入开发和流动性的增加,以及专业技术和知识的增长而得到解决,但是围绕大数据仍然存在其他的不确定因素。正如前面部分所述,这些不确定因素包括监管、全球治理和隐私权等问题,这些问题可能对大数据的经济价值以及公司对大数据的投资力度产生实质性的影响。
为了实现为大数据资产估值的目的,会计师和财会专业人士需要确定哪些数据有价值、选择一种容易接受的估值方法并确定关键的假设。
思想聚焦:NINA TAN CPA,ACCA
Trax Technology Solutions首席财务官
数据的价值几何?
Nina Tan 是Trax Technology Solutions的首席财务官,该公司通过图像识别技术来获取零售数据,从而向快速消费品(FMCG)零售商和其销售代表提供实时报告。该公司的解决方案将产品图片转化为数据,用于显示这些产品对照各项关键业绩指标(KPI)的业绩情况。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17