基于DEEP系统的大数据财务分析

廖 选

（四川大学锦城学院，四川 成都 611731）

1.职业教育的现状分析

目前职业教育的发展水平还赶不上所谓的新经济、新技术、新业态对职业教育的要求。中央领导已经多次用几个“新”来说明新技术革命之下，经济、业态、技术发生的变化。而让人遗憾的是，目前为止职教界对“新职教”既缺乏重视、又缺乏研究。实际上不管你愿意不愿意，职业教育在当前面临着重新定义和如何重新定义的考验。

随着云计算、物联网、大数据和人工智能（“云物大智”）等技术的普及推广，未来的传统岗位将无事可做，代之以的是新的业态和新的岗位。人工智能可能会代替医生、律师等咨询性工作；智能和新能源汽车的投入使用会使家庭用车保有量将削减70%，保险公司和4S店将面临倒闭……在这种情况下，怎么来定义职业教育？怎么来设置专业和课程内容？在这种背景下，“新职教”应运而生。例如传统专业分类尽管还存在，但边界已经模糊了。它们同“云物大智”技术已经高度嫁接起来了。换句话说，专业离开了 “云物大智”技术就别叫优质和现代。

有些课程也必须改变了，如计算机公共课传统内容的学习可以交由学生自学和网络考试来完成，新的计算机公共课的内容就要把电商技术、物联网技术基础和移动互联网技术基础教给学生。让不同专业的同学掌握这三种技术，这是“新职教”公共课教学内容的重大改革。同时新职教还涉及学校定位、培养规格、教学实践基地功能、考核标准、校企合作、教师队伍的提升、创新教育的落实等诸多方面的再思考和重新定义。

2.基于DEEP平台的1+X大数据财务分析技能培训及课程体系建设

教育部等在《关于在院校实施“学历证书+若干职业技能等级证书”制度试点方案》中明确提出，院校是 1+X 证书制度试点的实施主体。试点院校要根据职业技能等级标准和专业教学标准要求，将证书培训内容有机融入专业人才培养方案，优化课程设置和教学内容，统筹教学组织与实施，深化教学方式方法改革，提高人才培养的灵活性、适应性、针对性。

北京首冠科技集团以 “1+X”大数据财务分析等级证书试点为契机，携手多方力量，推动院校“新会计”专业建设，深化职业教育教学改革，开启大数据财务分析人才培养新时代。情景式案例教学，学习大数据相关基础理论体系及规模化生产型企业各部门业务与大数据结合的应用场景，让财会专业学生熟悉并体验企业各职能部门常用数据源类型、汇集方法、数据加工、挖掘分析、可视化类型等应用，可以初步结合自身财务背景，对公司各部门运营数据做财务关联管理及经营风险方面，培养初级的数据思维能力。财务场景具体案例实操，培养学生多场景财务数据应用分析能力。体验大数据财务分析的基本过程和所涉及到的基本知识，对大数据财务分析的实战场景有一个直观的认知。

四川大学锦城学院的财务会计学院在面临财会专业招生人数不断下降的不利情况下，决定与大数据财务分析、财务共享、RPA财务机器人等一系列知名企业进行深度合作，进行专业转型和传统专业改造，打造面向“云物大智”技术的智能会计和大数据财务专业及方向。为此，财会学院与金蝶合作，引入了财务共享平台及教学管理系统；另外，还与上海悦岚数据公司深度合作，引入该公司开发的DEEP系统，并成为该公司的校企合作基地。财会学院准备以DEEP系统提供的4门课程，即《大数据理论基础与应用实战》《财务大数据融合课》《数据思维与实训》《Python数据科学实例教程》为基础，再结合数据分析的技术体系，如图1所示，建设锦城学院的大数据财务分析课程体系。

图1 大数据分析师需要掌握的技能

3.基于DEEP平台的大数据财务分析课程案例教学

3.1 实验任务

一是统计差旅费。二是差旅费统计结果的可视化。现有某公司差旅记录数据集，需对数据进行加工处理，然后统计出不同出差目的地年累计出差天数大于等于 500 天的目的地 ，绘制可视化，要求至少使用 3 种方法可视化最终结果。

3.2 实验总结

本次实验任务比较简单，与培训任务中大数据财务分析融合课程项目4相比只有少量变化。其一，在数据转换时只保留了提取了年份的操作，取消了月份提取操作，稍微降低了难度；其二，在统计后面增加了数据筛选要求，要求将不同出差目的地年累计出差天数大于等于 500 天的目的地筛选出来，稍微增加了难度。需要增加一个转换节点，再使用筛选条件即可完成实验任务。DEEP系统与其他系统不一样的地方有不少，但最让人印象深刻的是它的条件表达式不一样，即筛选表达式中可能会出现两种不同的引号，代表不同的含义，比如：`统计`.SumTraveldays>=500。节点名称如果采用汉字，则需要使用特别引号表示，如`统计`，而数据中的字符串引用时则采用常用的单引号表示。使用DEEP系统进行大数据财务分析，实际上是借助DEEP系统进行自动编程练习，比较适合初学者，特别是没有编程经验的财务工作者，包括教师和学生。如果要掌握更强大的财务分析方法和手段，还是应该掌握Tableau、Python、Hadoop、Hive等更专业的数据分析平台和工具。

4.基于DEEP平台的大数据财务分析的问题分析

4.1 全链路大数据分析流程有待于完善

图2 完善后大数据分析流程

从操作实践来看，数据源经过数据汇集变形成中间数据放在数据湖中。而数据加工的数据来自于数据湖，其处理结果也放置于数据湖。而分析挖掘的流程也是如此，而数据可视化的数据也来自于数据湖，数据处理结果以图表显示，所以也较符合修改后的流程图。

4.2 课程教学的目标定位合理，但有待于细化

本课程的教学定位比较明确，而且还依据长期的企业财务大数据咨询服务经验，雇主在面试和评价一个员工数据能力时，一般会包括沟通能力、领域知识、财务知识、IT通识、大数据工具（技术）和大数据思维（科学）等共 6方面的知识和能力。所以学生需要培养的能力较多，只靠一门课程难以完成，应该建立由多门课程组成的课程体系来培养学生的相关能力。

5.基于DEEP平台的大数据财务分析课程教学总结

对于大数据财务分析职业技能的大数据教学，重点在于数据思维的培养和训练，让学生通过一系列大数据及大数据财务融合课程的学习，掌握大数据在财务业务领域的应用场景、掌握基本的数据工作流设计和开发技术，同时熟悉一两种的大数据工具，让学生在未来的工作岗位上可以胜任基于数据来驱动和提高财务绩效的工作。

课程最大亮点在于其大数据财务分析核心课程的设计。根据数据人才分级体系、能力维度模型，大数据财务分析职业技能和大数据进行融合教学，需要开设三大类数据课程：大数据工具课程、数据思维课程和大数据财务融合课程。

引入大数据思维课也是该实践教学平台的另一大亮点，因为财会类学生中文科学生较多，学习计算机知识较为困难，而学习大数据财务分析的知识更为困难，其根本原因就是缺乏这方面的思维训练。数据思维课是在学生修完大数据通识课的基础上，对大数据思维和能力方面进一步学习，覆盖大数据全方位的知识结构和技术体系，包括大数据全链路的各个环节：数据源、数据汇集、数据湖、数据加工、分析挖掘、可视化。对于有条件的院校，建议把数据思维课作为大数据财务分析职业技能的必修课。