【财务数据价值链】数据发挥价值的途径

在上一期的解读《数据价值体系：财务数据治理五部曲》中，我们从“数据治理是什么、为什么、做什么、谁来做、怎么做”这5个方面为读者们厘清了数据治理的概念。良好的数据治理构建起扎实的数据基础底座，而数据需要进一步进入数据价值链才能真正释放价值。本期我们将详细分析财务数据价值链，讨论数据向信息、知识、智慧逐步升华的过程。

什么是财务数据价值链

财务数据价值链是财务面向业务和管理需求有针对性地提取、组织并利用数据，从而盘活数据资产、开发数据功能、发挥数据价值，通过科学直观的表现形式清晰传达和沟通数据分析结论，实现数据向信息、知识、智慧的逐步升华，最终赋能企业经营决策的一系列过程。因此，财务数据价值链是从数据中产生价值和有用见解所需要的一系列有序步骤，是从数据生成到数据应用的整个数据生命周期中逐步提取数据价值的可重复过程。

▲ 财务数据价值链

财务数据价值链的三大要素

财务数据价值链的“三大要素”包括：数据、业务、技术，支撑着数据价值链运行的全路径。数据是财务数据价值链的原材料；业务是财务数据价值链的服务对象，数据是从业务中来，最终也需要回到业务中去，财务数据价值链唯有回归业务决策，方能沿着价值导向使能；技术是财务数据价值链的承载与实现工具，包括从最初的需求分析到最终的数据价值释放过程中大量运用的思维模型、统计学原理、计量方法以及数据清洗、机器学习、可视化等各种技术。

▲ 财务数据价值链“三大要素”

财务数据价值链的六大步骤

财务数据价值链“六大步骤”包括业务需求分析、数据采集、数据清洗、数据探索、数据算法和数据可视化。财务数据价值链的系列步骤如同厨师烹饪菜肴，起点是业务需求分析，如同厨师的首要工作是明确客户的点单需求，再根据需求进行数据采集、数据清洗，对应买菜、洗菜，然后进入数据探索、数据算法、数据可视化，好比厨师需要切菜、炒菜，最后摆盘上菜，完成烹饪菜肴的一系列动作。

▲ 财务数据价值链六大步骤

业务需求分析

业务需求分析是财务数据价值链的起点。业务需求涉及企业经营管理的不同方面，财务数据价值链基于对业务需求的深层剖析与深入理解，明确发挥作用的目标。根据经营管理需要，企业的业务需求通常可分为四类：描述性分析需求（发生了什么）、诊断性分析需求（为什么会发生）、预测性分析需求（未来可能发生什么）、规范性分析需求（需要做什么）。不同类型的需求，决定着不同的价值导向以及后续不同数据采集范围、分析方法等。

业务需求分析环节首先从理解业务背景开始，确定业务需求所属的管理范围以明确业务需求本质。然后进行数据理解，判断业务需求是否可通过数据分析项目实现。若可以，则根据业务需求类型将其转化为数据分析项目，再规划通过数据分析满足业务需求的路径并确定所需目标数据。最后进行需求资源评估，界定所需资源。

数据采集

数据采集指从不同的来源获得各种类型、各种结构的海量数据。DT时代下若要实现企业利用全量数据管理决策的目标，财务需要扩展其数据来源，进行企业内外部数据的全面采集。具体来说，不仅要获取财务数据，还要获取业务数据；不仅要获取结构化数据，还要获取非结构化数据；不仅要获取企业内部数据，还要面向外部数据源，围绕外部利益相关者，获取客情、竞情、行情、国情等数据。内外部数据网络的建立使企业在分析预测自身业务活动的同时，能够把握和应对外部环境中的机遇和风险。

数据清洗

数据清洗是处理脏数据（Dirty Data）的过程，重点在于设定数据排查规则，发现异常与错误，从而采取相应的清洗措施，否则，再复杂的算法模型、再丰富的可视化设计也将是空中楼阁。在实务中，所采集到的原始数据时常会存在数据格式错误、数据逻辑错误、数据冗余、数据缺失、数据异常、数据不一致等典型问题，需要根据不同的数据问题采取针对性的清洗策略，以去除或修正数据中的错误。

数据清洗首先从产生数据的源头开始，通过评估数据质量了解数据情况，在待分析的数据集中，明确和识别数据错误产生的原因和存在形式；然后，依据数据错误识别分析结果定义数据清洗规则和策略，并选择合适的清洗方法，逐项检查数据集，对各种数据错误依次执行数据清洗规则；接着，遵循数据可信和数据可用的原则评估数据清洗质量；最后，将通过质量评估后的干净数据替换至原数据集中，在此基础上开展数据分析工作。

数据探索

数据探索是财务数据价值链中对数据的初步分析环节，以基础的开放性分析方法获得对于数据的初步认识。数据探索以基础的统计学知识与工具将庞杂的数据进行整理归纳，通过作图制表、计算统计量等方式对数据的主要特征、规律进行概括，探索数据内在结构和总体规律。

数据探索主要包括统计特征分析、数据分布推断、相关性分析。描述性统计分析利用算术平均数、标准差、峰度等统计指标，从集中趋势、离散趋势、分布形态三个方面刻画数据特征，了解数据整体情况。数据分布推断通过观察并分析样本数据具体服从的分布，基于样本数据分布推断得出总体概率分布，为算法模型的选择提供输入依据。相关性分析即分析两种及以上数据变量间的关系。

数据算法

数据算法作为财务数据价值链的核心，与数据探索共同发挥着数据分析的关键作用。数据算法是一系列有助于解决问题和实现目标的规则，代表着系统性的解题方法和策略，能够对一定规范的输入，在有限时间内获得所要求的输出。从企业经营管理的角度出发，数据算法也可以理解为基于管理思维将数据提炼，从而形成的符合企业价值诉求的思路和方法。常见的数据算法模型包括回归、分类、聚类、关联规则、时间序列五类。

随着企业管理的快速发展，财务的算法需要扩展，在资金管理、税务管理、预算管理、成本管理、绩效管理等职能背后，无论是授信额度如何确定、税务风险如何预警，还是产品收入如何预测等，这些过程中都蕴含着许多算法。未来，财务通过经营过程中采集到的内外部数据，帮助企业制定经营的算法，支持经营管理的“自动驾驶”。

数据可视化

数据可视化是财务数据价值链的最终展示环节。数据分析中得到的信息、提炼出的知识需要传递给企业管理者，被充分洞悉理解才能凝结为智慧，支撑经营决策。传统财务按照固定静态频次出具财务报表及报告，进行财务指标的事后分析并以基本统计图表为载体。但面对DT时代下企业庞大的数据流，传统财务的数据分析工具及呈现方式尚无法满足经营管理对企业数据多维动态分析与实时展现的需求；使用者也难以高效直观地从传统财务信息呈现载体中获取所需的信息，导致企业海量数据背后的规律无法被正确解读。

财务部门应用数据可视化将彻底改变上述困境。数据可视化就是运用计算机图形学、图像处理、人机交互等技术，通过数据库、文件、流数据和API等方式获取处理分析后的数据，将数据内涵及数据分析结果转化为可识别的图表、视频、动画等展示形式，以生动形象、清晰易懂的方式将海量数据中的价值信息和数据分析结果分类、汇总、展现给管理者。

财务数据价值链作为财务数字化转型的核心要素之一，是从繁杂无序的数据中提炼出价值信息和知识的途径及方法，是数据价值生产、加工的过程。财务数据价值链的构建及稳定高效运行极大地提升了财务的数据分析效率和信息提炼能力，使得财务部门能够高质高效地履行经营管理过程中不同场景需求下的价值分析、规律洞察和预警预测职能。财务部门通过数据价值链的应用，面向决策场景形成企业各业务部门和管理层需要的数据产品，服务于企业内部管理决策和价值提升。

财务数据价值链的应用将推动着财务部门的结构转变为“财务+IT+DT”，即“财务部门的职能+IT部门的工具+数据管理的科学”。在从价值守护者向价值创造者转型突破的过程中，也产生了“懂会计规则+懂管理方法+懂技术工具+懂数据科学+懂商业战略”的综合型财务人才需求。

▲ 综合型财务人才需求

财务人员不仅要掌握会计规则，也要在实践中学习管理的知识，加深对业务的认知。同时，在“IT+DT”双轮驱动企业数字化转型的趋势下，财务人员还要培养自己的数据思维，养成用数据思考的习惯，培养使用数据技术工具的意识和能力；学习数据科学，不断提升数据分析和数据可视化应用等能力，将数据转化为关键的业务预测信息并传递给管理者，学会并真正做到用数据“说话”。