财务数据价值链：数据、算法、分析、可视化

定　价：¥108.00

作　者：	陈虎，孙彦丛，郭奕，赵旖旎著
出版社：	人民邮电出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787115590084	出版时间：	2022-06-01	包装：	平装
开本：	16开	页数：	285	字数：

内容简介

　　《财务数据价值链：数据、算法、分析、可视化》提出“财务数据价值链”的概念，系统且详细地介绍了数据价值链中的业务需求分析、数据采集、数据清洗、数据探索、数据算法、数据可视化“六大步骤”中各步骤的内涵、应用场景、实现工具等，阐述了整个数据价值链对财务工作带来的影响。同时，书中还提出由数据价值链、数据治理、决策场景共同构成数据价值体系，认为财务需要依靠持续的数据治理保障数据质量，通过数据价值链提炼数据价值，为各类决策场景提供支撑，赋能数字化转型。《财务数据价值链：数据、算法、分析、可视化》使用了财务专业人士能够理解的技术语盲，并辅以场景化案例、知识延伸阅读等形式加深读者理解。《财务数据价值链：数据、算法、分析、可视化》适合所有追求思想变革和认知更新的财务专业人士以及任何对财务数字化转型感兴趣的读者阅读。

作者简介

　　陈虎中兴新云总裁清华大学经济管理学院博士后，中国注册会计师、特许公认会计师（ACCA）、财政部会计信息化委员会咨询专家、财政部管理会计咨询专家、中国成本研究会理事、中国会计学会会计信息化专业委员会委员、ACCA中国专家智库成员、南京大学产业教授。拥有超过二十年的高科技行业财务管理经验，先后于核心期刊发表了几十篇学术论文，著有十二本专著，主持并指导几十家大型企业集团的财务变革、财务共享服务、财务信息化、财务数字化项目。孙彦丛中兴新云高级副总裁中国注册会计师、财政部内部控制标准委员会咨询专家、上海国家会计学院智能财务研究院研究室（中心）联席主任、南京大学智能财务研究院主任、西安交通大学校外指导教师。拥有近二十年高科技行业财务管理及财务信息化经验，在核心期刊发表论文数篇，著有十二本专著。曾主持多个大型企业集团的财务共享服务、财务信息化、财务数字化、财务管理转型项目。郭奕中兴新云高级副总裁上海国家会计学院智能财务研究院研究室（中心）联席主任、中国医药会计学会高级研究员、西安交通大学校外指导教师。在财务信息化与数字化、财务共享服务、全球财经管理模式、政府政务行业会计改革、医药行业业财融合等领域拥有丰富经验，在核心期刊发表论文数篇，著有专著九本。曾主持和参与了多个大型集团企业财务共享服务、财务信息化、财务数字化、财务管理转型项目。赵旖旎中兴新云副总裁兼知识总监上海国家会计学院智能财务研究院学术委员会成员、南京大学智能财务研究院执行主任、西安交通大学校外指导教师。拥有超过十年的高科技跨国企业集团财务云运营管理工作经验，先后于核心期刊发表论文数十篇，拥有专著六本。作为中兴新云知识总监，主导完成了“中兴新云系列”研究成果，包括“财务云”丛书、行业研究分析、系列创新报告等。

图书目录

第一章

DT　时代的变革

步入DT　时代·002

从IT　到DT 的变迁·002

DT　时代，数据为王·003

企业对于数据的渴望·008

数据驱动管理·010

直面挑战·011

DT　时代的财务变革·015

财务在企业管理中的定位·015

DT　时代财务的“变”与“新”·018

第二章

数据价值体系

理解数据·027

数据与数字化·027

数据的核心价值　·028

数据价值体系·030

数据治理体系：数据发挥价值的基础·031

数据价值链：数据发挥价值的途径·045

决策场景：数据发挥价值的场景·050

数据价值体系的保障和基础·056

建设数据文化·056

组建数据组织·057

培养数据人才·060

掌握数据技术·068

第三章

数据价值链

点菜：业务需求分析·073

理解业务需求·073

业务需求分析的具体步骤·074

买菜：数据采集·079

理解数据采集·079

数据采集常用的方法与技术·084

洗菜：数据清洗·087

理解数据清洗·087

数据清洗的具体步骤·090

切菜：数据探索·092

理解数据探索·092

数据探索的具体步骤·093

炒菜：数据算法·097

理解数据算法·097

数据算法应用的具体步骤·098

上菜：数据可视化·103

理解数据可视化·103

数据可视化的具体步骤·105

第四章

数据采集

数据源的分类·110

以分布范围分类的数据源·110

以采集路径分类的数据源·112

财务数据源的再定义与扩展·115

不同情境下的数据采集·118

情境一：感知设备数据采集·118

情境二：系统中结构化数据采集·120

情境三：日志文件数据采集·121

情境四：非结构化数据采集·122

情境五：其他外部数据采集·125

DT　时代下的数据采集特点·127

第五章

数据清洗

数据质量问题与清洗方法·135

缺失数据清洗·136

格式问题数据清洗·138

逻辑问题数据清洗·139

异常数据清洗·140

不一致数据清洗·142

冗余数据清洗·143

数据清洗的主要工具·147

电子表格·147

专门的ETL　工具·148

编程实现·148

专业的数据清洗软件·149

BI　数据准备工具·150

第六章

数据探索与数据算法

描述数据特征·155

集中趋势指标·158

离散趋势指标·160

分布形态指标·162

理解统计基础·165

统计学原理·165

推断统计·167

相关性分析·171

认识数据算法·173

回归算法·173

分类算法·175

聚类算法·182

关联规则算法·184

时间序列算法·186

数据算法在财务领域的应用·190

了解常用工具·199

Excel·199

SQL·202

SPSS·203

SAS·204

Python·205

R·206

算子平台·206

第七章

数据可视化

数据可视化的基本图表·213

柱形图（Column　Chart）·214

条形图（Bar　Chart）·214

折线图（Line　Chart）·215

面积图（Area　Chart）·217

饼图（Pie　Chart）·217

散点图（Scatter　Plot）·218

气泡图（Bubble　Chart）·220

漏斗图（Funnel　Plot）·221

仪表盘（Dashboard）·223

雷达图（Radar　Map）·223

词云图（Word　Cloud Map）·226

热力图（Heat　Map）·226

数据可视化的展现逻辑·228

时间逻辑·228

空间逻辑·230

用户角色逻辑·231

业务分析流程逻辑·232

用户自定义逻辑·233

数据可视化的实现工具·236

Excel·237

Tableau·239

Power　BI·241

FineBI·245

R·246

Python·249

财经云图·251

第八章

哈斯汽车：如何开展数据分析与可视化项目

案例背景·254

项目沟通·256

前期内部沟通·256

客户需求沟通·261

项目实施·263

需求分析·263

采集数据·264

清洗数据·265

数据分析与可视化·268

沟通结果·280

结语重塑DT　时代的财务价值