京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Tan表示:数据资产的估值仍然处于探索阶段。我要与会计师同仁们分享来自史蒂夫·乔布斯的一句名言:“一个人应该求知若渴,虚心若愚。”
“会计行业之前已经研究出了一些估值或审计的方法,可以作为很好的基础指南,但是我们需要开放思想,跟上科技的发展,并考虑我们如何调整和适应,以便作为战略合作伙伴为企业实体增加价值。为了实现这一目标,我们必须保持对知识、经验和实践的渴望,并保持虚心若愚,接受新观念并与时俱进,从而在不断成长的企业中扮演重要角色。”
“首席财务官应该参与到制定大数据产品定价策略的过程中去。”
通过管理与质量控制提升数据的价值
这里的一个关键概念是:会计师和财会专业人士能够帮助企业提高内部数据集的安全性和完善度,同时还能提升数据价值,更有利于数据的市场化。
未来5到10年,会计师和财会专业人士的合规职责极有可能发生重大转变,甚至被重新定义。其职责将超越“监察”财务数据和账目,发展为“管理”企业资产库内的所有数据。会计师和财会专业人士不仅要保证数据符合相关规范,还要保证数据满足企业自身要求和企业的“质量保证”标准。
在大型跨国企业内部,新的管理职责包括:协助管理数据从原系统到大数据系统的转移;与IT、信息管理等部门密切配合,将分散孤立的内部数据集进行有效整合。这一点尤为重要。这是因为人们对实时信息的需求越来越高,而要在正确的时间、从遗留系统中提取正确的数据又困难重重。
会计师和财会专业人士的核心职责是要让内外部的利益相关方都能对数据的质量和来源产生信心。他们与首席信息官的协作会越来越频繁,确保作出重大决定时所采用的数据是完整的,来源是可靠的。
他们还会越来越经常地参与到企业数据整理中去,并把数据集提供给外部使用。一些首席财务官已经开始在为出售数据做铺垫了。具体做法包括制定绩效目标、制定数据质量KPI等。
由于有越来越多的公众对个人数据遭到滥用表示忧虑,因此质量保证必须包含数据隐私、数据安全等标准。隐私和安全一旦遭到侵犯和破坏,将对一家企业的信誉造成巨大损失。
思想聚焦:IAN BETTS FCCA
壳牌上游、项目及技术数据经理
数据管理:财务职能部门的新职责?
壳牌早已将前沿数据的质量保证问题纳入一系列企业流程中,在企业复杂的上下游业务中均有所体现。其中就包括财务流程。这反映出壳牌“质量先于数量”的理念。
数据质量保证是壳牌努力实现卓越经营的一个重要保障。能否实现卓越经营取决于是否使用高质量的数据。不仅如此,随着大数据“革命”的到来,壳牌愈发迫切地追求“合乎目的”的数据,而且要能保证企业的绩效管理切实有效。
为创造世界一流的业绩,壳牌将中央化数据的质量保证工作置于核心,以确保得到高价值的数据。这是财务职能部门的新职责。该部门作为数据质量保证的提供方,负责保证各类重要数据的质量(包括财务数据和非财务数据)。财务职能部门内部设有数据经理,目前负责数据质量控制工作,与业务伙伴一起识别关键数据,并执行有效的控制和报告机制,保证数据变动“一次到位”。
根据壳牌上游数据经理Ian Betts的介绍,这是财务职能的一种自然而然的转变。他说:“在壳牌,我们不断向信息和数据集成化管理迈进。这就需要控制和保证。(而这项工作)自然而然就落在了财务职能部门的肩上。”
“我们的一项重要职责就是解释高质量数据对企业整条业务链的价值,鼓励人们花时间改进。我们的工作依据是:纠正一次数据错误所耗费的成本是让数据一次到位的十倍。我们对财务职能部门的期望是:提供高效的数据质量保证,用合理的成本释放企业价值。”
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透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12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