葛柳燕

引言

什么是“大数据”时代？这个观点最早由全球知名咨询公司麦肯锡提出，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”

“大数据”就是海量数据，如视频网站每天用户上传的视频数量数以万计，这个“万计”是以PB 为单位，即1PB 等于差不多100 万GB。这就是大数据了。这些数据如果不加分析，是没有价值的。比如想知道视频网站上最受欢迎的一款手机，如果能将视频数据转换为一种能比较的单一格式，如EXCEL 表格，找出了最受欢迎的手机，这堆大数据就是有价值的，相反这堆大数据就有用了。所以在大数据时代下，对数据进行分析是非常重要的。

Excel 是目前财务人员普遍使用的数据分析工具。运用Excel 可以完成数据整理，函数计算分析，图表决策分析等工作。如果数据量不大，且数据以数值为主，处理简单的计算逻辑，Excel 基本就够用了。但当你需要对多张数据表灵活切换、分组、聚合、索引、排序，并且结合各种函数的使用，或采用到复杂些的财务模型、统计方法，Excel 就可能满足不了需求，而学习Python 的Pandas库可以帮助你完成更高阶的表格处理。

一、Python 是什么

Python 是一种跨平台的计算机程序设计语言，由于该语言的简单、易懂以及扩展性强，成为数据分析者的首先语言之一。完成同一个任务，Python 可能只要20行，但Java 需要写100 行，C 语言则要写1000 行代码。它拥有丰富的工具包与活跃的开源社区，其超强的可视化功能，能够将非结构化数据以可视化的效果展现出来。另外Python 的学习并不困难，对于零基础的初学者来说也容易接受。

Python 用法举例：

比如说Python 相比较VBA，因为Python 的语法更简单，而且容易理解，之后再去学VBA，就能举一反三。

如用Python**“什么是资产”

如果用VBA**“什么是资产”

从上可知，Python 只需要一行代码就可以了。面对海量的数据时，用EXCEL 处理50000 行*100 列的数据需要15 分钟，用Python 处理10000000 行*50000 列的数据只需要10 秒。

二、大数据下会计课程为什么要开设Python

大数据环境下，会计课程加入Python，旨在引导非计算机专业人员掌握大数据分析工具基本应用，学会收集数据、整理数据、分析数据和利用数据，并将这些有效数据进行整合和资源配置，结合财务专业理论进行实际商业问题的分析，掌握大数据分析来支持企业经营预测和管理决策，提升管理效能，尽快适应财务往分析、管理方向转型。另外利用Python 这一编程语言也能提高审计效率。在审计过程中利用Python 的爬虫技术进行数据采集、经过数据预处理、数据分析，从中发现不为人知、无法通过人的经验或对数据的直观观察得出的规则或结论，从而弥补传统审计的不足，并且利用Python 可以做到数据可视化，在各类报表和说明性文件中，用直观的可视化图标展现数据，显得简洁、可靠、客观、更有说服力。

三、大数据下会计课程与Python 如何融合

（一）基本思路

在大数据趋势下，适当考虑对传统课程的课时压缩。对会计学核心课程群，适当压缩课时占比和开课门数，主要让学生掌握会计及与之相关的基本原理、方法和技能，留出课时学习智能会计类、技术类和会计相融合的课程。可以单独开设一系列Python 课程，替代原先一些课程，基本思路如下：

表1：开设如下Python课程

另外也可以考虑融入到一些专业课程中去，在讲某个内容时融入Python 的知识点。以财务会计为例，用学过的python 基础知识，融合到具体学习内容中去，解决实际问题。具体可以这样融入：

表2：Python内容融入与专业课程

（二）具体改革设想

1.取消“C 语言”，开设一门Python 入门基础课

Python 是一个工具，实际上，掌握这个工具就可以处理很多业务。如果做金融投资，可以用Python 获取股票、债券价格。如果做电商，可以爬公开销售数量、用户评价等信息。如果做互联网公司，可以爬一些统计网站统计的PV、IP 等数据。爬虫是一个工具，可以在各行各业发挥大的作用。大数据会计课程中可以开设一门Python 入门基础课，与“EXCEL 在财务中的应用”并列，可以放在财务基础课程中。

课程目标是：通过本课程的学习，让学生掌握Python 的基本技能，学会抓包分析、爬取数据、数据处理和数据存储。主要学习内容如下表3：

相关的学习资源，可以到中国大学mooc，搜索北京理工大学开发推送的，由嵩天、黄天羽老师讲解的《Python 网络爬虫与信息提取》。该课程内容基本包含了上述内容。另外由嵩天、黄天羽老师讲解的《Python 语言程序设计》也值得学习和参考，该课程内容主要是第一部分：Python 快速入门（围绕2 个具体案例，讲解Python基本语法元素，感性认识；第二部分Python 基础语法，从5 个方面讲解基础语法全体系，提供10 个实例，理性学习。第三部分：Python 编程思维，从方法学角度开阔认识，提升整体编程能力，整个课程24 学时，适合自学，零基础的同学。

表3：Python 入门基础课主要内容

2.开设一门专业选修课《财务大数据分析与Python》

在掌握了Python 的基本原理后，可以往财务数据分析方向进行挖掘，开设一门《财务大数据分析与Python》。

课程目标为：通过本课程的学习，使学生能够掌握财务大数据分析项目的基本流程、可视化工具分析和一般数据挖掘分析建模方法；学会利用数据分析和专业知识解决不同行业、不同经营问题的分析方法；通过对实际案例的演练，增强财务管理的实务化、数字化能力，并为未来从事财务数据分析工作奠定基础。主要内容为：

表4：《财务大数据分析与Python》主要内容

3.开设一门专业选修课《基于Python 技术的大数据审计案例与应用》

“大智移云物”下的审计环境将增加审计风险，提高审计难度，从而对审计人员的业务能力提出更高的要求。目前Python 除了应用在财务分析领域外，还可以在审计领域里广泛应用，可以结合审计开设一门《审计应用与Python》。

在传统审计下，主要的技术方法是分析审计中间表和审计分析模型，针对的是财务、报表、生产经营的核心数据等结构化数据。然而大数据环境下，还需要分析包括一些被审计单位基本情况、历史沿革、经营范围、组织结构、部门职责、生产经营和改革发展状况、内部审计报告、社会审计报告、会议记录、会议决议、审计与鉴证、办公文件等非结构化数据，这时采用Python 的大数据预测技术和可视化技术将有效针对审核中的非结构化数据。

作为大数据的代表技术之一的Python 语言将大大提高审计效率。获取审计单位某一时间段的年度或者半年度报告可以利用Python 的爬虫技术；了解审计组成员进场前需要的审计需求和被审计单位及所在行业发展情况可以借助Python 的标签云分析技术；分析被审计单位的收入分布，发现是否存在虚增收入的情况可以借助Python 的可视化技术分析。利用Python 技术能帮助审计人员将重要信息从海量的混合型数据中抽离出来，发现数据之间的异常值，抓住审计重点，从而提高审计人员的工作质量和工作效率。

课程目标为：通过本课程的学习，能学会使用Python 的爬虫技术：爬取被审计单位的财务报告等结构化数据及会议决议、审计与鉴证、办公文件等非结构化数据；学会Python 的数据清洗和数据分析技术：从而能够准确发现被审计单位所面临的风险并有针对性地对识别出的风险执行相关程序。主要课程内容为下表5：

四、建议和意见

大数据会计课程改革中应考虑加入Python 元素，开设相关Python 课程和内容，主要存在的问题提是师资的培养和软硬件资源建设。

1.复合型师资培养

目前能把计算机语言技术Python 与会计专业相融合的师资不足问题是制约教学进度的重要因素，也是培养智能会计人才面临的瓶颈。对于会计专业的教师，应重视现有教师的培养，可以通过开展各种线上、线下平台的培训、学术论坛、专家讲座等方式引导他们学习数据分析等新技术，同时引进统计学、大数据、信息系统等专业背景的年轻教师，学习财会类专业课程，能迅速培养成既懂得传统会计知识又掌握信息化、智能化技术的复合型教师，以满足大数据背景下对师资的要求。

2.选择合适的平台用于Python 课程的开设

表5：《审计应用与Python》主要内容

目前市面上已经开始推广的用于Python 课程教学平台有很多，有中联教育、用友新道、厦门科云信息科技、财码Python 等平台，选择合适的平台开展课程很重要。在开设课程之前，教师可以先参加各个平台的培训，找出最优平台后设置课程内容、展开教学。

大数据下的会计专业应保留财会类核心课程，如基础会计、财务报表阅读与分析、管理会计等课程，在人才培养中重视专业基础知识的传授，培养学生的会计专业基本技能。其次，增加如Python 人工智能类与大数据会计相关的课程，培养学生基础的计算机技术、数据爬取、数据清洗、数据分析与挖掘能力。再次，将技术类课程与会计专业课程相结合，设立专业与技术整合课，提高学生的综合素质。