由于工作的原因，我時(shí)常需要跟公司的財(cái)務(wù)人員打交道，在聊天中我發(fā)現(xiàn)財(cái)務(wù)人員常常會(huì)有以下這些職場煩惱：

一直在做報(bào)表，財(cái)務(wù)技能沒有提升

工作量大，重復(fù)工作多，沒有時(shí)間做深入分析

財(cái)會(huì)晉升通道窄，工資老是上不去

…

前段時(shí)間我在校友會(huì)上，遇到了財(cái)務(wù)專業(yè)出身的校友小張。不同于剛畢業(yè)時(shí)總是靦腆害羞的她，現(xiàn)在小張開朗外向了不少，舉手投足中都帶著成熟和自信。聊天我中得知，如今她工作已經(jīng)快3年了，已經(jīng)晉升到了某電商企業(yè)的中層，薪水也翻了3倍。我不禁感到好奇，借機(jī)問問她升職加薪的秘訣。

其實(shí)在剛工作那會(huì)兒，小張也遇到了財(cái)務(wù)工作上的困境，

感覺一直在不停地做報(bào)表，每天疲于應(yīng)對大量的重復(fù)性工作，財(cái)務(wù)技能卻沒有提升，一度陷入迷茫和恐思。

一開始，不滿足于現(xiàn)狀的小張?jiān)诰W(wǎng)上跟風(fēng)報(bào)了很多職場技能培訓(xùn)班，一通學(xué)習(xí)下來發(fā)現(xiàn)并沒有用武之地，作用都不大。然而一次偶然的機(jī)會(huì)，她需要用到數(shù)據(jù)分析的技能，于是到網(wǎng)上找了數(shù)據(jù)分析的工具和教程，邊學(xué)邊用，結(jié)果那次項(xiàng)目得到了領(lǐng)導(dǎo)的肯定。

小張自此嘗到了甜頭，于是下定決心學(xué)好數(shù)據(jù)分析，用數(shù)據(jù)思維結(jié)合財(cái)務(wù)領(lǐng)域知識(shí)，不斷精進(jìn)自己的技能。就這樣，小張一步步在很多項(xiàng)目上都發(fā)揮了很大作用，得到了重用。

她跟我說，真慶幸自己當(dāng)初接觸到了數(shù)據(jù)分析，現(xiàn)在給自己定了個(gè)小目標(biāo)，就是要做財(cái)務(wù)人員里最會(huì)做數(shù)據(jù)分析的那個(gè)。

的確，從小張的職場晉升經(jīng)歷我們不難看出，各行各業(yè)是越來越離不開數(shù)據(jù)分析技能了。

隨著數(shù)字化經(jīng)濟(jì)在國內(nèi)不斷深化，互聯(lián)網(wǎng)、金融、零售、醫(yī)療、旅游等行業(yè)，都迫切需要專門從事數(shù)據(jù)采集、清洗、處理、分析并能制作業(yè)務(wù)報(bào)告、提供決策的復(fù)合型數(shù)據(jù)分析人才，數(shù)據(jù)分析已成職場標(biāo)配技能。

如今我們每天都要產(chǎn)生大量的數(shù)據(jù)，數(shù)據(jù)就在我們身邊，與此同時(shí)財(cái)務(wù)也進(jìn)入大數(shù)據(jù)時(shí)代，作為財(cái)務(wù)人員，要有敏銳的感官，發(fā)現(xiàn)時(shí)代的機(jī)遇與挑戰(zhàn)，才能最大程度發(fā)揮出財(cái)務(wù)管理在企業(yè)管理中的重要作用。

01、數(shù)字經(jīng)濟(jì)時(shí)代下，財(cái)務(wù)管理面對的問題

財(cái)務(wù)工作是當(dāng)今較為重要的工作，各行各業(yè)都離不開財(cái)務(wù)的相關(guān)處理，分析和結(jié)算。傳統(tǒng)的財(cái)務(wù)模式依靠財(cái)務(wù)人員的對賬、統(tǒng)計(jì)、結(jié)算等完成財(cái)務(wù)報(bào)表等，對于少量的財(cái)務(wù)數(shù)據(jù)可以采用這種模式，但是這種模式的弊端是效率低且容易出錯(cuò)，不能有效的反映出數(shù)字背后的關(guān)聯(lián)信息，進(jìn)而提出有效的財(cái)務(wù)決策和企業(yè)管理計(jì)劃。

如今，財(cái)務(wù)人員在工作中難免會(huì)遇到以下這些困境：

1、低效率

大量的財(cái)務(wù)數(shù)據(jù)導(dǎo)致了工作量的指數(shù)增加，財(cái)務(wù)人員面對面對大量手動(dòng)數(shù)據(jù)時(shí)，信息的核對和信息的錄入等環(huán)節(jié)需花費(fèi)較多的時(shí)間。而隨著數(shù)據(jù)量的進(jìn)一步增加和人員工資量的增加，這也要求財(cái)務(wù)人員必須尋找有效的方式減少整體的工作量。

從記賬到報(bào)銷的整個(gè)過程有多個(gè)環(huán)節(jié)，而手工輸入數(shù)據(jù)使對帳的標(biāo)準(zhǔn)化程度較低，并且缺乏準(zhǔn)確性的保證，從而容易導(dǎo)致錯(cuò)誤率高的問題。

2、碎片化

由于財(cái)務(wù)制單人員和遞交人員的時(shí)間沖突，導(dǎo)致財(cái)務(wù)的信息在一段時(shí)間內(nèi)呈現(xiàn)碎片化，而大量的財(cái)務(wù)數(shù)據(jù)也是以碎片化的存在，造成工作人員對于信息中所蘊(yùn)含的內(nèi)容不甚了解，無整體化概念。系統(tǒng)之間的信息交換困難,當(dāng)財(cái)務(wù)統(tǒng)計(jì)工作需要面對多個(gè)部門時(shí)，不同部門的數(shù)據(jù)標(biāo)準(zhǔn)或系統(tǒng)接口通常不一致，并且跨系統(tǒng)數(shù)據(jù)的積累和使用很難兼容。

3、關(guān)聯(lián)性差

由于信息的碎片化，導(dǎo)致數(shù)據(jù)之間的聯(lián)系減弱，無法從大量的數(shù)據(jù)中尋找到精確的特征信息，也就難以對大量數(shù)據(jù)進(jìn)行深挖和探索，導(dǎo)致更多的時(shí)間花在了數(shù)據(jù)整理和做報(bào)表上，而實(shí)實(shí)在在能做出成績的經(jīng)營分析，花費(fèi)的時(shí)間卻很少。這樣的結(jié)果就是，不能很好地為企業(yè)管理方面提供有力支持和協(xié)助決策的制定。

02、數(shù)據(jù)思維在當(dāng)下財(cái)務(wù)工作中的應(yīng)用

面對以上這些問題，財(cái)務(wù)人員應(yīng)該該如何破局？有效發(fā)揮財(cái)務(wù)數(shù)據(jù)的作用呢？

財(cái)務(wù)數(shù)據(jù)越來越程序海量化和多樣化，如何把重復(fù)性的工作實(shí)現(xiàn)自動(dòng)化才是至關(guān)重要的。而目前面對大量財(cái)務(wù)數(shù)據(jù)，Excel 就變得不再夠用了。下面的場景財(cái)務(wù)人是否有種莫名的熟悉感：

死磕一整天，把所積累的Excel絕招全用上終于搞定了這張“大表套小表、小表還有表外表”的報(bào)表。滿心歡喜的點(diǎn)擊“保存”按鈕。鼠標(biāo)在屏幕上轉(zhuǎn)啊轉(zhuǎn)~

咚……界面彈出一個(gè)提示框“可用資源不足，Excel無法完成此任務(wù)……”

為什么Excel老是出問題？公式一多行數(shù)一多就那么卡？為什么做個(gè)合并都那么麻煩？為什么涉及到海量業(yè)務(wù)數(shù)據(jù)，我用Excel連打開都這么費(fèi)勁？

這說明工作中僅靠Excel已經(jīng)遠(yuǎn)遠(yuǎn)不夠了，財(cái)務(wù)人想知道，如何從海量的數(shù)據(jù)和復(fù)雜的計(jì)算邏輯中解脫出來，是否有更行之有效的解決方案？

這里就需要數(shù)據(jù)思維能力了，讓數(shù)據(jù)賦能實(shí)現(xiàn)自動(dòng)化辦公，幫助讓財(cái)務(wù)人員從重復(fù)繁瑣的工作中解放出來。

03、數(shù)據(jù)賦能實(shí)戰(zhàn)案例：一秒鐘對賬

數(shù)字化技能的核心就是數(shù)據(jù)能力，而且數(shù)據(jù)能力貫穿著公司業(yè)務(wù)全流程的每個(gè)環(huán)節(jié)，這也是為什么人們說，數(shù)字經(jīng)濟(jì)時(shí)代的新生產(chǎn)資料是數(shù)據(jù)！

我們可以看看這張數(shù)據(jù)能力圖，分成四個(gè)層面：需求層、數(shù)據(jù)層、分析層、輸出層。

第一層是需求層，是目標(biāo)確定的過程，對整個(gè)業(yè)務(wù)進(jìn)行拆解，為數(shù)據(jù)工作指明方向；

第二層是數(shù)據(jù)層，包含數(shù)據(jù)獲取、數(shù)據(jù)清洗、數(shù)據(jù)整；

第三層是分析層，包含描述性統(tǒng)計(jì)制圖、業(yè)務(wù)根因分析，這里就涉及到專業(yè)的算法；

第四層是輸出層，面向管理層、決策層、執(zhí)行層，給出不同的數(shù)據(jù)報(bào)告、業(yè)務(wù)儀表盤、落地模型等。

下面我們已財(cái)務(wù)對賬這個(gè)案例場景舉例，看看數(shù)據(jù)分析能力是如何高效解決這個(gè)問題的。

對賬可以說是財(cái)務(wù)最常做的一項(xiàng)工作。就算你們公司的系統(tǒng)已經(jīng)非常完整了，你還是會(huì)遇到兩個(gè)表要核對差異在哪里的情況。你會(huì)怎么做？

當(dāng)數(shù)據(jù)量不大的時(shí)候，我們最簡單的做法就是把兩張表放到一起，一左一右進(jìn)行對比。

但如果數(shù)據(jù)量大了，幾百上千行，甚至幾萬行，這個(gè)方法就不太現(xiàn)實(shí)了。

比如我們現(xiàn)在有的兩張數(shù)據(jù)表，一份公司銀行存款明細(xì)賬和一份銀行流水，我們需要將公司銀行存款明細(xì)中的借方與銀行流水的收款金額進(jìn)行核對。

別說幾百上千行了，光看這個(gè)100多行，看著就覺得累，而且特別容易出錯(cuò)。

解析問題

如果用 Python 來做，效率就會(huì)大大提升。我們先看看Python實(shí)現(xiàn)的邏輯，還是之前的例子：我們要看數(shù)據(jù)有沒有重復(fù)，就是統(tǒng)計(jì)每個(gè)數(shù)據(jù)在兩個(gè)表分別出現(xiàn)的次數(shù)，然后兩個(gè)表中的個(gè)數(shù)相減。

· 268，在兩張表中分別出現(xiàn)了1次，重復(fù)次數(shù)就是0，說明268這個(gè)數(shù)字不重復(fù)；

· 20.1，只在公司銀行存款明細(xì)賬中出現(xiàn)了一次，重復(fù)次數(shù)就是1次，說明20.1在公司賬多記錄了一次，也可能是記錯(cuò)了；

· 100，在公司銀行存款明細(xì)中出現(xiàn)了2次，銀行流水出現(xiàn)了1次，重復(fù)次數(shù)就是1次，說明100在公司賬多記錄了一次，也可能是記錯(cuò)了；

· 21，只在銀行流水出現(xiàn)了1次，重復(fù)次數(shù)就是-1次，說明21在公司賬里面漏記了；

· 8，跟21是一樣的情況，也是在公司賬里面漏記錄了，因?yàn)殂y行流水就是銀行直接導(dǎo)出的，有錢出入才會(huì)有記錄，所以以銀行流水為準(zhǔn)。

知道了邏輯，我們就可以來操作了。先看看效果，30多行代碼即可快速解決。

效果演示

import pandas as pd

# 讀取公司明細(xì)賬df_gs = pd.read_excel('./對賬數(shù)據(jù)/公司銀行存款明細(xì)賬.xlsx',header=1)

# 讀取銀行流水df_yh = pd.read_excel('./對賬數(shù)據(jù)/銀行流水.xlsx',header=1)

df_gs_jie = df_gs[['憑證號(hào)','借方']]df_gs_jie = df_gs_jie.rename(columns={'借方':'金額'})

df_yh_shou = df_yh[['收款金額','對方戶名']]df_yh_shou = df_yh_shou.rename(columns={'收款金額':'金額'})

# 將兩張表的借方-收款拼接mergedStuff_jie_shou= df_gs_jie.append(df_yh_shou)mergedStuff_jie_shou = mergedStuff_jie_shou[mergedStuff_jie_shou['金額'] != 0]

df_count =
mergedStuff_jie_shou.groupby(by='金額').count()

# 判斷金額出現(xiàn)的次數(shù)df_count['重復(fù)次數(shù)'] = df_count['憑證號(hào)'] - df_count['對方戶名']

# 重復(fù)次數(shù)不為0，就是沒有對上df_result = df_count[df_count['重復(fù)次數(shù)'] != 0].copy()

# 判斷錯(cuò)誤問題df_result['錯(cuò)誤原因'] = df_result.apply(lambda x: '漏記' if x['重復(fù)次數(shù)']< 0 else ('重復(fù)記錄/多記' if x['重復(fù)次數(shù)'] > 1 else '多記/錯(cuò)記'), axis=1)print('借方-收款出現(xiàn)的錯(cuò)誤')df_result[['錯(cuò)誤原因']]

# 列出兩張表中具體的行# 公司銀行存款明細(xì)賬中的多記/錯(cuò)記df_gs[df_gs['借方'] == 1.00]

# 銀行流水中的漏記df_yh[(df_yh['收款金額'] == 637146.52) | (df_yh['收款金額'] == 27023289.88) ]

實(shí)操代碼

讀取兩張 Excel 表的數(shù)據(jù)

import pandas as pd

# 讀取公司明細(xì)賬df_gs = pd.read_excel('./對賬數(shù)據(jù)/公司銀行存款明細(xì)賬.xlsx',header=1)df_gs.head()

# 讀取銀行流水df_yh = pd.read_excel('./對賬數(shù)據(jù)/銀行流水.xlsx',header=1)df_yh.head()

數(shù)據(jù)清洗：修改列名

df_gs_jie = df_gs[['憑證號(hào)','借方']]df_gs_jie = df_gs_jie.rename(columns={'借方':'金額'})df_gs_jie.head()

df_yh_shou = df_yh[['收款金額','對方戶名']]df_yh_shou = df_yh_shou.rename(columns={'收款金額':'金額'})df_yh_shou.head()

拼接兩張表

# 將兩張表的借方-收款拼接mergedStuff_jie_shou= df_gs_jie.append(df_yh_shou)mergedStuff_jie_shou = mergedStuff_jie_shou[mergedStuff_jie_shou['金額'] != 0] # 剔除金額為 0 的行mergedStuff_jie_shou

根據(jù)金額進(jìn)行統(tǒng)計(jì)

df_count =
mergedStuff_jie_shou.groupby(by='金額').count()df_count

# 判斷金額出現(xiàn)的次數(shù)df_count['重復(fù)次數(shù)'] = df_count['憑證號(hào)'] - df_count['對方戶名']df_count

# 重復(fù)次數(shù)不為0，就是沒有對上df_result = df_count[df_count['重復(fù)次數(shù)'] != 0].copy()df_result

# 判斷錯(cuò)誤問題df_result['錯(cuò)誤原因'] = df_result.apply(lambda x: '漏記' if x['重復(fù)次數(shù)']< 0 else ('重復(fù)記錄/多記' if x['重復(fù)次數(shù)'] > 1 else '多記/錯(cuò)記'), axis=1)print('借方-收款出現(xiàn)的錯(cuò)誤')df_result[['錯(cuò)誤原因']]

# 多記/錯(cuò)記df_gs[df_gs['借方'] == 1.00]

# 漏記df_yh[(df_yh['收款金額'] == 637146.52) | (df_yh['收款金額'] == 27023289.88) ]

將來你只要修改好需要讀取的表，確定需要比對的列，然后一鍵運(yùn)行，結(jié)果一瞬間就出來了。而且你之后每個(gè)月，每周，甚至每天要比對的時(shí)候，你只需要確定好你要比對的表，比對的數(shù)據(jù)列，就可以快速得到結(jié)果，代碼復(fù)用效率極高。

你還可以進(jìn)一步查看各自表中具體行的數(shù)據(jù)，方便你具體判斷。

結(jié)語

不同的行業(yè)對數(shù)據(jù)分析師的技能和要求都不一樣，但是數(shù)據(jù)分析的思維是可以通過崗位不斷磨練出來的。