在全球數(shù)字經濟浪潮下，財務智能化時代已經到來，加速數(shù)字化轉型已成為企業(yè)關注和發(fā)展的重點。大多財務人員目前從事的財務工作還是財務核算、報表審計等基礎性內容，對大數(shù)據(jù)、信息系統(tǒng)等新興科技并不了解，更不用談數(shù)據(jù)的管控與分析。因此在數(shù)字化轉型的時代變革下，很多公司開始重新思考經營管理模式的轉變，運用數(shù)字技術革新傳統(tǒng)財務流程，以推動業(yè)務創(chuàng)新發(fā)展，實現(xiàn)利潤增長。IMA美國管理會計師協(xié)會率先在CMA（國際注冊管理會計師）認證考試中加入“科技與分析”模塊，助力更多財務人員數(shù)字化轉型發(fā)展。今天主要給大家介紹CMA考試認證中的科技與分析模塊中的“大數(shù)據(jù)”。

1.“大數(shù)據(jù)”定義

“大數(shù)據(jù)”就是數(shù)量龐大的數(shù)據(jù)集合。它的定義是隨著時代的變化而變化的。在大家的傳統(tǒng)認知中大數(shù)據(jù)就是大量的數(shù)字，但其實數(shù)據(jù)的形式是多樣化的。舉個簡單的例子：每天大家不知道吃什么的時候就會打開大眾點評，查看自己感興趣的店鋪下面的評論，從而決定要去哪家店用餐。大眾點評的評論信息給我們提供了決策指導，這些評論信息也屬于“大數(shù)據(jù)”中的文本相關的數(shù)據(jù)，而這種數(shù)據(jù)的形式也就是近20年左右才開始興起，因為技術手段的進步，我們能處理的數(shù)據(jù)類型越來越多，幾百年前圖像與音頻肯定不能算是數(shù)據(jù)，但是現(xiàn)在他們都屬于大數(shù)據(jù)的范疇。目前在學術領域并沒有一個對大數(shù)據(jù)的學術定義， 但IBM定義的大數(shù)據(jù)的五個“V”很好地概括了大數(shù)據(jù)的特征。

基于數(shù)據(jù)結構大數(shù)據(jù)目前可以主要分類為結構化數(shù)據(jù)、半結構化數(shù)據(jù)、非結構化數(shù)據(jù)。

我們office辦公軟件中的 excel里面的電子表格、關系數(shù)據(jù)庫等都體現(xiàn)為結構化數(shù)據(jù)。非結構化數(shù)據(jù)主要呈現(xiàn)為社交媒體、電子郵件、視頻、圖像、音頻、文本，90%以上的大數(shù)據(jù)都是非結構化數(shù)據(jù)，并且每年成指數(shù)型增長。如何應用好這些非結構化數(shù)據(jù)，來給企業(yè)和我們的生活創(chuàng)造價值，給大家舉幾個視頻、圖像、文本在大數(shù)據(jù)領域中的應用。

2.“大數(shù)據(jù)”在刑偵領域的應用

大家在這一生中最多可能記住幾百張臉，但機器它能夠記住的臉至少有成千上萬張，甚至數(shù)量多的超乎我們的想象，應用這項技術，警察抓捕罪犯的效率就很高了，比如說著名的吳謝宇弒母案。

吳謝宇是北京大學的高材生，是一個智商很高的罪犯，他的反偵察能力也很強，警方三年人肉追捕都失敗了，最后機場的監(jiān)控視頻應用了人臉識別技術，吳謝宇被監(jiān)控設備4次抓拍，每次相似度比對都大于98%，警方鎖定了罪犯，實行了抓捕。這就是視頻圖像數(shù)據(jù)在人工智能上的應用。

3.大數(shù)據(jù)”在醫(yī)學的應用

放射科醫(yī)生通過放射影像圖片識別腫瘤，人工智能在識別腫瘤這方面的技術上在未來還會有一個突破，通過機器人工智能的精確度會遠遠高于醫(yī)生看片的精確度。癌癥腫瘤識別和人臉識別是類似的問題，只要有足夠多的訓練數(shù)據(jù)，那么腫瘤識別技術就會大大節(jié)省很多醫(yī)生看片的時間，從而提高醫(yī)生的效率。

4.大數(shù)據(jù)”在生活中的應用

假設現(xiàn)在大家想自己開一家餐飲店，但是預算和技術有限，我們肯定會探究哪些因素對好評率的影響最大。我們可以利用大眾點評上的評價來探索比如說口味、環(huán)境、服務、有無提供停車信息、團購、特色等對好評率影響。用文本挖掘技術進行建模分析，哪個因素對好評率的影響最大，從而做出合理的戰(zhàn)略規(guī)劃。

5.DIKW模型

從大數(shù)據(jù)中發(fā)現(xiàn)價值就如同煉金術一樣，是一個除去雜質并且層層提純的過程。這兩年企業(yè)的數(shù)字化轉型很熱門，零售業(yè)領域出了“新零售”，生活領域也出現(xiàn)了各種智能家居數(shù)字化場景的應用。企業(yè)的數(shù)字化轉型可以通過 DIKW模型闡釋：

金字塔的最底端——數(shù)據(jù)（Data），是一種原始的記錄，數(shù)據(jù)之間是分散和孤立的，沒有建立相互的聯(lián)系。通過加工和處理數(shù)據(jù)，變成了有邏輯的數(shù)據(jù)，數(shù)據(jù)就有了意義，這就是信息（Information），信息往往能回答時間、地點、人物、發(fā)生了什么。從信息再到知識（Knowledge）就是對信息加以應用，通過數(shù)據(jù)分析，建立模型，我們分析數(shù)據(jù)背后隱藏的模式，進而回答如何做。通過知識，指導我們的決策。從知識到智慧，我們需要思考為什么數(shù)據(jù)會有這樣的模式，從而進行預測和應用。智慧是金字塔的最頂端，從金字塔的底端到頂端是越來越不可編程的，就像智慧是人類區(qū)別于其他生物和人工智能的重要特征。

企業(yè)想要實現(xiàn)數(shù)字化轉型，做出有效的決策，必須構建起自己的DIKW體系，將這套體系實施落地，創(chuàng)建自己的算法和模型，從而更好地預測來面對市場的需求。

本文由海大瑞財CMA教育中心陳老師提供