第1章 大數(shù)據(jù)財(cái)務(wù)決策概論 1
1.1 大數(shù)據(jù)財(cái)務(wù)決策涉及的基本概念 1
1.1.1 數(shù)據(jù)、信息和數(shù)據(jù)庫 1
1.1.2 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘 4
1.1.3 大數(shù)據(jù)技術(shù)與商務(wù)智能 5
1.1.4 人工智能 6
1.2 大數(shù)據(jù)財(cái)務(wù)決策的目標(biāo)和過程 7
1.2.1 大數(shù)據(jù)財(cái)務(wù)決策的目標(biāo) 8
1.2.2 大數(shù)據(jù)財(cái)務(wù)決策的過程 8
思考題 18
思政提要 18
第2章 大數(shù)據(jù)財(cái)務(wù)決策的實(shí)現(xiàn)平臺(tái)與工具 19
2.1 數(shù)據(jù)處理工具—Excel 19
2.1.1 采集數(shù)據(jù) 19
2.1.2 函數(shù)的應(yīng)用 24
2.1.3 宏的應(yīng)用 26
2.2 數(shù)據(jù)處理工具—Python 35
2.2.1 Python的安裝與運(yùn)行 35
2.2.2 Python數(shù)據(jù)采集 38
2.2.3 Python數(shù)據(jù)處理 44
2.3 商務(wù)智能工具—Power BI 47
2.3.1 Power BI Desktop界面介紹 48
2.3.2 使用Power BI的關(guān)鍵步驟 48
2.4 其他常用平臺(tái)與工具 58
2.4.1 MATLAB 58
2.4.2 RapidMiner 61
2.4.3 SPSS 63
2.4.4 Smartbi 65
2.4.5 SAS Sentiment Analysis 69
2.4.6 R語言 70
2.5 浪潮大數(shù)據(jù)平臺(tái)—DMP與BA 70
2.5.1 浪潮數(shù)據(jù)管理平臺(tái)—DMP 70
2.5.2 浪潮大數(shù)據(jù)分析平臺(tái)—BA 73
思考題 75
第3章 大數(shù)據(jù)財(cái)務(wù)決策常用方法 77
3.1 聚類分析 77
3.1.1 定義及算法種類 77
3.1.2 主要實(shí)施步驟 78
3.1.3 主要財(cái)務(wù)應(yīng)用領(lǐng)域 79
3.2 分類方法 80
3.2.1 基于決策樹的數(shù)據(jù)分類 81
3.2.2 基于支持向量機(jī)的數(shù)據(jù)分類 82
3.2.3 基于邏輯回歸的分類方法 84
3.2.4 主要財(cái)務(wù)應(yīng)用領(lǐng)域 85
3.3 回歸分析 85
3.3.1 基于大數(shù)據(jù)的回歸分析方法 85
3.3.2 基于大數(shù)據(jù)的回歸分析實(shí)施步驟 86
3.3.3 基于大數(shù)據(jù)的回歸分析的財(cái)務(wù)應(yīng)用領(lǐng)域 88
3.4 關(guān)聯(lián)規(guī)則分析 90
3.4.1 定義及算法 90
3.4.2 主要實(shí)施步驟 91
3.4.3 主要財(cái)務(wù)應(yīng)用領(lǐng)域 92
3.5 離群點(diǎn)分析 94
3.5.1 內(nèi)涵及特征 94
3.5.2 主要方法及實(shí)施步驟 94
3.5.3 主要財(cái)務(wù)應(yīng)用領(lǐng)域 96
思考題 98
第4章 企業(yè)財(cái)務(wù)分析與評(píng)價(jià) 99
4.1 企業(yè)財(cái)務(wù)分析與評(píng)價(jià)的業(yè)務(wù)場(chǎng)景 99
4.1.1 報(bào)表比較分析 100
4.1.2 財(cái)務(wù)指標(biāo)分析 100
4.1.3 財(cái)務(wù)綜合評(píng)價(jià)分析 101
4.1.4 趨勢(shì)分析 101
4.1.5 因素分析 102
4.2 Excel財(cái)務(wù)分析實(shí)現(xiàn) 102
4.2.1 數(shù)據(jù)獲取 102
4.2.2 杜邦分析 108
4.3 Power BI財(cái)務(wù)分析結(jié)果可視化 115
4.3.1 數(shù)據(jù)獲取 115
4.3.2 數(shù)據(jù)建模分析 116
4.3.3 綜合應(yīng)用 129
4.4 浪潮大數(shù)據(jù)財(cái)務(wù)活動(dòng)分析 140
4.4.1 營(yíng)業(yè)收入分析 140
4.4.2 利潤(rùn)總體分析 147
思考題 154
思政提要 154
第5章 企業(yè)投資決策 155
5.1 企業(yè)投資決策的業(yè)務(wù)場(chǎng)景 155
5.1.1 企業(yè)投資決策的業(yè)務(wù)內(nèi)容 155
5.1.2 大數(shù)據(jù)智能化工具在企業(yè)投資決策中的應(yīng)用 156
5.2 投資決策相關(guān)函數(shù) 156
5.2.1 凈現(xiàn)值類函數(shù) 156
5.2.2 內(nèi)含報(bào)酬率類函數(shù) 162
5.2.3 固定資產(chǎn)折舊類函數(shù) 164
5.3 Power BI投資決策的建模與應(yīng)用 173
5.3.1 投資決策方法 173
5.3.2 投資決策類型 175
5.3.3 投資決策建模與應(yīng)用 176
5.3.4 投資風(fēng)險(xiǎn)分析 188
思考題 194
思政提要 194
第6章 企業(yè)籌資決策 195
6.1 企業(yè)籌資決策的業(yè)務(wù)場(chǎng)景 195
6.2 Excel籌資決策的建模與應(yīng)用 196
6.2.1 與籌資決策相關(guān)的函數(shù) 196
6.2.2 籌資成本分析 208
6.2.3 貸款籌資影響因素分析 208
6.2.4 最佳貸款方案決策模型 211
6.3 浪潮大數(shù)據(jù)籌資決策實(shí)現(xiàn) 212
6.3.1 資產(chǎn)結(jié)構(gòu)分析 212
6.3.2 公司資金狀況分析與呈現(xiàn) 217
思考題 223
思政提要 224
第7章 收入預(yù)測(cè)與利潤(rùn)規(guī)劃 225
7.1 收入預(yù)測(cè)與利潤(rùn)規(guī)劃的業(yè)務(wù)場(chǎng)景 225
7.2 用Excel預(yù)測(cè)收入 227
7.2.1 收入預(yù)測(cè)模型 227
7.2.2 預(yù)測(cè)函數(shù) 230
7.3 利于Power BI進(jìn)行收入預(yù)測(cè) 235
7.3.1 案例基本情況 235
7.3.2 基于企業(yè)周期的預(yù)測(cè)方法 237
7.3.3 Power BI的自動(dòng)預(yù)測(cè)功能 241
7.3.4 借助R語言的收入預(yù)測(cè) 245
7.4 Excel利潤(rùn)規(guī)劃 247
7.4.1 分析規(guī)劃求解問題 247
7.4.2 建立規(guī)劃求解模型 248
7.4.3 變更規(guī)劃求解條件 250
7.4.4 輸出規(guī)劃求解報(bào)表 251
7.5 浪潮大數(shù)據(jù)平臺(tái)的量本利分析 253
思考題 258
思政提要 259
第8章 績(jī)效評(píng)價(jià) 260
8.1 企業(yè)績(jī)效評(píng)價(jià)的業(yè)務(wù)場(chǎng)景 260
8.2 Excel績(jī)效評(píng)價(jià)的建模與應(yīng)用 262
8.2.1 員工層面的績(jī)效評(píng)價(jià) 262
8.2.2 部門層面的績(jī)效評(píng)價(jià) 264
8.2.3 企業(yè)層面的績(jī)效評(píng)價(jià) 266
8.2.4 不同層面績(jī)效評(píng)價(jià)結(jié)果的整合 270
8.3 Power BI績(jī)效評(píng)價(jià)結(jié)果可視化 272
8.3.1 使用Power BI進(jìn)行績(jī)效評(píng)價(jià)可視化的步驟 272
8.3.2 員工層面的績(jī)效評(píng)價(jià)結(jié)果可視化 273
8.3.3 部門層面的績(jī)效評(píng)價(jià)結(jié)果可視化 278
8.3.4 企業(yè)層面的績(jī)效評(píng)價(jià)結(jié)果可視化 281
思考題 287
思政提要 287