導語：會計專業人員需要終其一生地學習，才能滿足不斷變化的市場環境，而數據和分析技能將會是會計從業者走在行業前沿的「殺手鐧」。
會計行業正在經歷前所未有的變革。在不久的將來，手工或重複性工作會被自動化、機器人以及機器學習取代，但是這並不意味著會計行業會演變成夕陽產業，正相反，隨著技術應用的興起，對同時掌握數據技術和會計知識的人才需求會不斷增加。
【圖注】「數據和分析」是所有技術應用的核心。會計從業者必須了解數據，並知曉如何分析。他們需要懂得分辨數據是否有意義，了解選取何種數據，以及怎樣從數據中挖掘更多有效信息。
以史為鏡
會計行業的變革，經歷了不同階段的變化。最早且最著名的會計業技術革命是複式記帳法，複式記帳法是在11世紀早期由中東的猶太人所創，至今已沿用了1000餘年。
第二次會計革命發生在計算機與網際網路飛速發展的時期——在20世紀70年代出現了電子工作表。
第三次會計革命正在發生——人工智慧（AI）、區塊鏈和雲計算等技術的出現正在影響會計核算方法和會計業應用的工具。
自上世紀70， 80年代以來，人們一直使用計算機和電子工作表來處理會計事務。由於計算機的出現，幾十年來複式記帳的工作需求不斷下降，且很可能在不久的將來徹底消失。
伴隨著2019年新時代的到來，大多數機構已經不再要求員工去做複式記帳工作，因為計算機完全可以自動生成會計分錄。在這種情況下，數據處理、管理分析和財務分析領域的會計職能需求變得越來越高。隨著會計工作職能的變化，新生崗位逐漸代替了舊有的崗位，但是從事會計行業的人員卻在不斷增加。
行業重塑
毫無疑問，未來許多重複性工作將被計算機和機器人取代。與此同時，未來的經濟發展也將出現新的前景。2018年，歐洲頒布了關於數據保護的新法規《通用數據保護條例（GDPR）》以應對數據化的今天，但是，GDPR和會計工作之間有著怎樣的聯繫呢？
現代許多工作皆由計算機完成，計算機根據算法來做出判斷或分類。例如，當客戶申請信用卡時，計算機會自動分辨客戶的身份信息，判別是否符合申請資格，這樣的方式便引發了「算法公平性」的問題——系統是否進行了差別對待。
那麼，我們應該如何保證數據處理的公平性？按照GDPR的要求，在使用算法對於人員分類時，相應公司或者機構必須能夠詳細解釋算法的決策方式，這也意味著該公司或者機構需要一個獨立的部門向大眾或者客戶證明使用的算法不會根據種族、年齡或性別進行差別對待。
回顧過往，這類工作是完全不存在的，傳統的審計人員不需要審計算法，也不需要審計算法的公平性。但是現在的從業者需要理解算法並了解相關知識，以確保系統保持公平和穩定。在實際工作中，四大會計師事務所早已開始提供算法保證服務。
根據調查研及行業諮詢發現，同一個公司中，商務部門與技術分析部門通常難以相互溝通，因為他們不了解對方的知識領域。在當下的人員需求中，同時掌握財務會計知識與數據技術系統的人才最受歡迎，他們是商務部門與IT部門進行有效溝通的關鍵，而這些人才正是未來會計行業的巨大需求，從側面也重新塑造了會計在大眾心中的概念。
改變規則
技術革命對金融界帶來的最大影響的可以簡稱為「ABC」——人工智慧Artificial Intelligence、區塊鏈Blockchain和雲計算Cloud Computing，而數據又是推動「ABC」工作的根源。對於大公司而言，他們有大量的數據需要處理，有了「ABC」的保駕護航：人工智慧促進數據收集和分析；區塊鏈確保數據安全；雲計算使數據共享成為可能，工作效率有了大幅度的提升。這也透露了未來的職能重點：會計和金融從業人員需要專注於開發數據技術應用。
會計行業的第三次變革在機器學習（人工智慧中的一部分）被引入會計業後就開始了。機器學習技術可以打開全新的數據集進行分析，能夠從現有數據中發掘出新的有效內容。例如，機器學習使人們更容易分析非結構化數據，像文檔的文本，包括合同、法律文檔、會計文檔、新聞稿、新聞文章、電子郵件等。
雖然過去已經產生了分析這些文檔的方法，但這些方法的穩定性欠佳——如果詞彙或格式發生變化，就需要徹底修改算法。通過機器學習，我們可以生成不易變更所選語言的代碼（如矢量編碼方法），並且能夠自動對算法進行再培訓，以適應數據更新產生的變化。因此，我們可以投入更少的時間完成更高效的工作流程，達成更好的結果。
企業生產的龐大數據量是當代會計師所面臨的巨大挑戰，對於審計從業者而言，獲取相關客戶的更多詳細信息也是他們面臨的最突出的問題，這些信息可以幫助他們更好地執行審計工作，更快的解決可能存在的問題。通過使用機器學習則有效的解決了這個問題，可以讓他們更便捷的了解大概內容，更輕鬆的尋找細微異常。
需求升級
如果遇到問題可以通過機器學習解決，那麼幾乎可以肯定的是使用機器學習後效率必然提升。如果系統能在95%的時間內正確地執行工作，那麼它可能會超越員工的工作效果。
機器學習的出現增加了工作崗位的需求，因為機器並不會完成所有工作，而是與人類共同合作，員工進行監督操作從而獲得更高的效率。有些時候，機器學習能夠有效的發現一些被人類忽略的普遍現象，通過與人類的協作，達到了事半功倍的高效。
科技的進步並不會取代所有的工作崗位。科技會完成手寫、重複流程和乏味的內容，這樣會計師們則可以集中精力於需要判斷和決策的工作內容方面，這些內容遠遠超過了科技觸及的功能。換言之，人工智慧技術所「遺留」的工作恰恰是更有趣的工作。
與時俱進
創新與學習是交織在一起的。技術的發展並不意味著工作內容越來越困難，而是我們所需要學習的部分發生了改變。對於想要走在在行業最前沿的人來說，必然要學習用於統計分析的程式語言，例如R或Python語言、用於數據查詢的SQL和用於大數據分析的Spark和Hadoop。
Python是一種很好的通用型語言工具，R則偏向於分析方向。一旦你了解了程式語言，就可以開始發掘更多隱藏在數據中的價值，使工作流程自動化從而提升效率。舉個例子，你在準備每周報告的時候，發現收集數據的源頭相同，結合數據的方式相同，這時便可以使用Python或R實現自動化，只需運行一個命令，所有的數據工作就會自動完成。這些工具還提供了比傳統業務軟體（如Excel）使數據更具象化，更可視化，幫助你更好地理解數據信息。
「數據和分析」是所有技術應用的核心。會計業人士必須了解數據，並知曉如何去分析。他們需要懂得分辨數據是否有意義，了解選取何種數據，以及怎樣從數據中挖掘更多有效信息。因此，會計業人士需要不斷學習，與時俱進，掌握描述性分析、預測分析和決策優化分析這些關鍵技能。
把握機遇
會計業正處於技術革命的潮頭，會計業人士需要緊隨不斷變化的市場環境，以滿足業務需求。一方面，擁有數據和分析技能的人才能更好地掌握業務並為公司及行業的發展做出貢獻。另一方面，通過招聘和投資合適的人才，公司也將獲益於他們的專業知識。
數據和分析將是會計業從業者走在行業前沿的關鍵技能。抓住它，就是抓住了未來。
、
關於 MPA 專業會計碩士
該課程幫助學生在會計領域開闢了一條令人振奮的職業新道路——不管是就職於專業服務領域還是各個行業的公司會計，專業會計課程都是獲得CPA（註冊會計師）或CA（特許執業會計師）的快捷通道。對於那些需要掌握會計知識的非專業人士來說，也是一個理想的選擇。用專業會計的技能來解鎖不斷發展的商界機遇吧！
MPA 專業會計碩士課程設置
全日制課程為期12-14個月（每年5月或8月開課）
非全日制課程為期24個月（5月開課）
更多詳情，可掃描下方二維碼查閱：
識別上方二維碼，了解更多 MPA 課程詳情
關於 MSA 財務大數據分析碩士
會計和金融領域的技術顛覆已經創造了大量的大數據，這些數據迫切需要具備批判性思維技能和分析能力的專才來處理。 通過這個亞洲獨一無二的大數據分析方向會計碩士課程，學習專業技能和洞察力，以獲得寶貴的競爭優勢， 為未來做好準備。
MSA 財務大數據分析碩士課程設置
全日制課程為期1年（每年8月開學）
非全日制課程為期2年（每年8月開學）
更多詳情，可掃描下方二維碼查閱：
識別上方二維碼，了解更多 MSA 課程詳情
註：本文作者為新加坡管理大學Richard Crowley教授，專業會計碩士及財務大數據碩士項目主任王紀偉副教授。源自SMU會計學院官網，由平台編輯翻譯。查看英文原文請點擊【閱讀原文】。
- END -
