SMU 课程丨破天荒：数学家和会计师再次对话

2019年03月25日 • 1万次阅读

本文作者为新加坡管理大学财务大数据分析硕士(MSA with Data and Analytics)学生简均安，于2018年8月入学。

稍微有点财会基础的同学一定知道复式借贷记账法，这是现代会计信息系统的根本。而第一次将复式记账法系统归纳总结付梓的是一位意大利的数学家卢卡·帕乔利。在之后的六七百年间，会计作为一种职业，似乎和数学家并没有很大的关系。然而最近我们学校组织了一场数学博士，计算机博士和会计师的对话，让我真正认识到大数据和人工智能（AI）将如何重塑会计行业，同时也明白了审计人员应该怎么应对行业变化。

讲座由新加坡政府投资公司（GIC）内部审计部门的数据科学家Liu Cheng博士和Ved Prakash博士主持。他们一个是数学博士，一个是计算机博士，但是他们供职于非常传统的内部审计部分，我还是第一次听说。通过这次讲座，我更加明确了自己的发展目标，我将通过提高数据与分析方面的能力来提升个人与专业能力。

接下来，我将与大家分享两位演讲者的内容

数据分析是内部控制的有力武器

随着业务风险的不断增加，同时数据的可用性和复杂性也在不断上升，GIC于2016年在内部审计部门设立了数据分析团队。当传统的内控方式失败时，数据分析团队是运营和合规控制的最后防线。此外，数据团队还致力于数据探索和可视化，这有助于员工更好地理解工作流程。数据分析的实施提高了审计工作的效率和有效性。

Python/R和Tableau是数据分析的主要工具

在当前的工作环境中，Python或者R是用于数据分析的主要程式语言，Tableau等商业智能软件是数据可视化的主要工具。数据分析团队需要对数学，统计和机器学习技术有深入的了解，以便在数据建模和选择过程中应用监督或无监督的机器学习。

弥合财会专家和数据专家之间的鸿沟

从数据抓取、数据处理、模型构建到实现预期结果以解决商业问题，两位数据专家提到了项目成员面临的一个共同问题——缺乏对彼此知识领域的认知。例如，数据所有者（比如财务部门）缺乏数据模型构建方面的知识，并且不了解哪些数据可能对数据分析团队有用时；或者，当数据工程师缺乏会计领域的知识，不完全理解控制过程时，这些都会产生效率低的后果。因此，商业领域专家和数据专家之间有效的沟通在日常工作中至关重要。

我在GIC对话会上的收获

正如LiuCheng博士所分享的，“我们无法预见变化，因此我们应该去适应它。”数字颠覆时代的到来确实带来了挑战，但它也为传统会计功能带来数据分析应用的机会。Ved博士演示的采购工作周期“procurementcycle”中异常值检测模型让人印象非常深刻，团队将结构化和非结构化数据整合在一起，利用机器学习来检测异常值。从模型中检索到的结果是如此富有洞察力，以至我无法想像如果仍然手工进行审计工作会怎样。

然而，如果没有人类解释机器学习结果，模型是无法解释自身的。它让我们回到了之前的问题：审计人员应如何跟上这些变化？我的答案是——类似于我们这样的会计和金融专业人士应该接受大数据、拥抱数据科技。我们应该开始学习程式语言并了解机器学习技术，有了这些技能以及我们在会计领域的知识，我们就可以成为企业技术和业务职能之间的桥梁，这也正是新机会出现的地方——对员工和企业亦是如此。

通过数据与分析实现我未来的目标

我非常幸运地在2018年8月开始了财务大数据分析硕士MSA课程。这个项目使我具备利用数据进行决策的基本技能。我们学习使用R、Python、Tableau和SQL等工具进行数据分析、数据可视化和数据管理。更重要的是，我可以学习机器学习算法，并了解如何将它们应用于会计和财务工作中，以解释数据和构建预测模型。

我在MSA项目中学到的知识将拓宽我未来的职业道路。我渴望在财务和会计职能中应用数据分析。现在我能凭借在课堂上学到的技能，通过利用数据和分析做出更好的业务决策，我还可以进行分析以确定趋势，预测收入和业务增长并探索市场机会。数据与分析绝对是我未来所需要的基本技能。