1 卷首语

　　前面两篇我们讲解了关于人工智能技术的两个重要分支，即文字识别OCR技术、自然语言处理NLP技术，在财务方面的应用场景。今天我们来讨论一下大数据对财务工作能带来哪些好处。

2 技术大数据

　　在众多技术新名词之中，大数据一词是我们财务最感亲切的一个了，因为我们每天就是和数字打交道。但数据前面加个“大”字，我们反而就看不懂了，到底啥是大数据，和我们工作有什么相关吗？大数据又成了让我们最迷惑的一个词了。

　　可以说大数据一词是让我们耳朵都磨出茧子的技术术语了，但具体看相关资料和文章，又往往大而化之和不知所云，或充斥着大量类似Hadoop、Spark、MapReduce、Hive等等让我们更加迷惑的术语，对其更充满了神秘感。今天我们就来好好揭开大数据的神秘面纱。

　　大数据是源于互联网行业兴起后，才被提出和广为重视的。由于互联网公司面向大量网民和最终消费者，在经营过程中，产生了远超传统行业的数据量。这些数据的保存和使用分析，就成了大问题。

　　传统以Oracle、MySQL为代表的关系型数据库，适用于存储记录条数在10亿条以下的数据（单表），存储容量上限在10T至100T（家用2T硬盘，装5块至50块左右）左右，并发访问用户数在1万人次/秒以下的情况。

　　而大型互联网企业的数据量则远远超过了上述边界，往往一天产生的用户数据（点击率、访问记录、系统日志等等）就上千万条，数据存储量是以PB级数据为基础单位（1000T=1PB，是传统数据库技术的100倍以上），并发访问用户往往是几十万人次甚至几百万人次/秒（例如2019年双十一时期，交易笔数峰值为54.4万笔/秒）。

　　可以看出，在数量、容量、并发量三个方面，大数据超出了传统数据范围的一到两个数量级以上，原有的技术方法就不能适用了，需要新的技术来处理，这就有了前面Hadoop、Spark等新技术的出现。

　　另外还有一点就是，原有我们财务习惯的数据是表格类的结构化数据，而大数据还包括了视频、音频、图片、日志记录、实时流数据等我们不太关注和了解的数据内容。这些数据往往是以非结构化数据方式存储和体现的。

3 财务大数据

　　从前面的分析，可以看出大数据是一个技术名词，和业务无关。只有你的数据大到足够的体量后（10亿条记录、100T数据、1万人并发使用以上），才有需要用到大数据的技术来处理。

　　按照这个标准来衡量，其实绝大多数公司的绝大部分财务涉及的绝大部分数据，都不满足上述技术标准，根本不需要杀鸡用牛刀，用到所谓的大数据技术来处理。

　　那对于我们财务而言，更为有意义的是财务大数据，其表现出来的特点有几个方面：

1. 更细致的数据。原本我们财务一旦涉及较多的单据和数据时，出于工作量的考虑，往往会采用合并处理的方式进行会计核算，例如电商的销售收入数据，员工大量的报销数据等等，只记录一笔会计凭证来处理，而不是逐笔记录会计凭证和分录。但是这样做产生的问题，就是我们会丢失原有明细数据中的信息，只有统计结果，丧失了数据的可追溯性和可分析性。
2. 更多维的数据。原本我们在核算时，一般会根据部门、人员、项目等等设置一些辅助核算项，来帮助记录业务数据的信息。但是一个业务活动，往往具有非常多的数据项和数据维度，例如出差费用就包括（交通工具、座位/舱位等级、酒店星级、城市、城市等级）等等非常多的维度，这些在我们会计核算时，是无法通过辅助核算方式来记录的，从而也就没有办法进行进一步的财务分析。
3. 更多元的数据。我们会计核算和财务分析时，往往比较关注自己企业的数据，而对行业数据、同行比较数据、宏观经济数据、汇率数据、重要行情指数等等，却比较少的涉及。而我们财务受限于自身的条件，也缺乏相关的技术、来源去获取、整理与统计这些数据。

　　在智能财务时代之前，虽然我们有信息技术在帮助我们来处理财务数据，但受限于相关技术能力，我们很难做到上述的财务大数据的统一规划和建立。通过人工智能等相关技术的应用（前期我们讲到过），我们可以将更加细致的数据由机器自动逐笔处理，而不是我们人工录入；我们可以从经济业务中提取到更加多维的数据，而不是只有简单辅助核算项的数据；我们可以整合更加多元的数据，包括公司内部（合同、供应商、客户、订单、存货、研发、产品、营销、销售数据等等）和外部的数据（行业数据、同行比较数据、宏观经济数据、重要行情指标数据等等）。

　　对于我们财务而言，为了更好的进行数据分析，在掌握专业财务知识以外，我们还需要重点补充有关技能。主要包括数据建模能力、统计分析有关知识，统计分析软件（SPSS等软件）的使用、交互式BI分析工具的掌握（PowerBI等工具），这些我们在后续系列中会逐步展开讲解。

　　因此，对于我们财务而言，更应该关注的是财务大数据，而不是技术大数据。通过建立财务大数据，我们才能将大量的基础数据，变成有价值的信息，提炼出能帮助企业战略决策的情报，成为真正有价值的企业数字资产。

4 案例分析

　　在第三届智能财务大会上，中国铁塔财务部副总经理的李苏萍女士，给我们分享了中国铁塔的财务智能化应用，其中有关对全国210万座铁塔的独立核算，令人印象深刻，充分体现了我们今天所说的的财务大数据的价值。

　　中国铁塔拥有210万座铁塔，要求做到单塔核算，核算颗粒度细，对财务提出了很高的要求。

　　210万座铁塔，对其数据进行精细化管理，包括经纬度、地址、资产编码进行精细管理，其中涉及的2500万的设备更是采用一物一码的资产管理。

中国铁塔财务大数据成果：

基础核算：

1. 351万收入订单
2. 200万站维护账单
3. 200万站电费账单
4. 114万场租卡片
5. 200万站成本分摊

资金结算：

1. 574万采购订单
2. 620亿采购金额

编制报表：

1. 200万单站损益表
2. 200万站点投资表
3. 31省381地市财务报表
4. 31省381地市税务报表
5. 2000多个区（县）域管理报表

资产管理：

1. 1600万条资产卡片
2. 434万工程项目
3. 622亿工程成本
4. 利息、场租资本化

　　海量财务大数据的积累，最终通过可视化运营数据展示系统进行展示，方便公司领导和各级人员了解财务数据，发现运营中的问题。

5 结论

　　在智能财务时代，通过建立财务自身的“大数据”，可以帮助我们将财务数据工作管得细、管的全，管得好，让数据的价值体现出来，让大家看得到、看得懂、用得着，这样才能真正体现我们财务工作的价值。

6 下期预告

　　下期我们将讨论一下如何建立财务大数据，包括数据建模、统计分析、可视化展示等话题，让我们财务的武器装备从小米加步枪升级到飞机大炮，敬请期待。