《财务数据价值链：数据、算法、分析、可视化》提出财务数据价值链的概念，系统且详细地介绍了数据价值链中的业务需求分析、数据采集、数据清洗、数据探索、数据算法、数据可视化六大步骤中各步骤的内涵、应用场景、实现工具等，阐述了整个数据价值链对财务工作带来的影响。同时，书中还提出由数据价值链、数据治理、决策场景共同构成数据价值体系，认为财务需要依靠持续的数据治理保障数据质量，通过数据价值链提炼数据价值，为各类决策场景提供支撑，赋能数字化转型。
《财务数据价值链：数据、算法、分析、可视化》使用了财务专业人士能够理解的技术语盲，并辅以场景化案例、知识延伸阅读等形式加深读者理解。
《财务数据价值链：数据、算法、分析、可视化》适合所有追求思想变革和认知更新的财务专业人士以及任何对财务数字化转型感兴趣的读者阅读。
管理会计能力提升与企业高质量发展系列
十数位高校导师，一线前沿企业财务专业人士倾情力作
助力管理会计能力提升、思维模式突破、自我价值实现
国际管理会计师组织 IMA管理会计师协会荣誉出品
您是否曾有这些困扰？
☆财务如何建立有效的管理机制以充分挖掘数据价值，满足业务需求、支持经营管理？
☆财务数字化转型的核心内容是什么？
☆数据质量不好，数据分析效果受限，财务如何从源头保障数据质量，最大限度发挥数据价值？
☆将原始数据转化为有价值的信息需要经历哪些步骤？采用哪些方法？
☆如何开展一个数据分析与可视化项目？
☆数字化时代，财务人员需要构建怎样的知识结构？掌握哪些工具、算法？
《财务数据价值链：数据、算法、分析、可视化》回答并解决这些问题
阅读本书的理由
☆知识系统性强：创新提出数据价值体系及数据价值链，系统介绍数据价值链各步骤的内涵、应用场景、实现工具等内容，为您构建完整的知识架构；
☆实践指导性强：兼顾知识理论与实务操作，清晰展现实践步骤的目标与具体方法，为您描绘明确的实践路线；
☆应用案例丰富：以场景化的案例、知识延伸阅读等形式帮助您加深理解，涵盖1个完整数据分析与可视化项目案例，从项目背景到项目交付，步骤清晰，手把手教你实现财务数据可视化；
☆内容可读性强：使用财务等非专业数据分析人员也能理解的语言，内容通俗易懂，不再惧怕技术与算法；
这套书能帮财务工作者看到并做到的，远多于你所预想！
陈虎 中兴新云总裁
清华大学经济管理学院博士后，中国注册会计师、特许公认会计师（ACCA）、财政部会计信息化委员会咨询专家、财政部管理会计咨询专家、中国成本研究会理事、中国会计学会会计信息化专业委员会委员、ACCA中国专家智库成员、南京大学产业教授。拥有超过二十年的高科技行业财务管理经验，先后于核心期刊发表了几十篇学术论文，著有十二本专著，主持并指导几十家大型企业集团的财务变革、财务共享服务、财务信息化、财务数字化项目。
孙彦丛 中兴新云高级副总裁
中国注册会计师、财政部内部控制标准委员会咨询专家、上海国家会计学院智能财务研究院研究室（中心）联席主任、南京大学智能财务研究院主任、西安交通大学校外指导教师。拥有近二十年高科技行业财务管理及财务信息化经验，在核心期刊发表论文数篇，著有十二本专著。曾主持多个大型企业集团的财务共享服务、财务信息化、财务数字化、财务管理转型项目。
郭奕 中兴新云高级副总裁
上海国家会计学院智能财务研究院研究室（中心）联席主任、中国医药会计学会高级研究员、西安交通大学校外指导教师。在财务信息化与数字化、财务共享服务、全球财经管理模式、政府政务行业会计改革、医药行业业财融合等领域拥有丰富经验，在核心期刊发表论文数篇，著有专著九本。曾主持和参与了多个大型集团企业财务共享服务、财务信息化、财务数字化、财务管理转型项目。
赵旖旎 中兴新云副总裁兼知识总监
上海国家会计学院智能财务研究院学术委员会成员、南京大学智能财务研究院执行主任、西安交通大学校外指导教师。拥有超过十年的高科技跨国企业集团财务云运营管理工作经验，先后于核心期刊发表论文数十篇，拥有专著六本。作为中兴新云知识总监，主导完成了中兴新云系列研究成果，包括财务云丛书、行业研究分析、系列创新报告等。
第一章
DT 时代的变革
步入DT 时代·002
从IT 到DT 的变迁·002
DT 时代，数据为王·003
企业对于数据的渴望·008
数据驱动管理·010
直面挑战·011
DT 时代的财务变革·015
财务在企业管理中的定位·015
DT 时代财务的变与新·018
第二章
数据价值体系
理解数据·027
数据与数字化·027
数据的核心价值 ·028
数据价值体系·030
数据治理体系：数据发挥价值的基础·031
数据价值链：数据发挥价值的途径·045
决策场景：数据发挥价值的场景·050
数据价值体系的保障和基础·056
建设数据文化·056
组建数据组织·057
培养数据人才·060
掌握数据技术·068
第三章
数据价值链
点菜：业务需求分析·073
理解业务需求·073
业务需求分析的具体步骤·074
买菜：数据采集·079
理解数据采集·079
数据采集常用的方法与技术·084
洗菜：数据清洗·087
理解数据清洗·087
数据清洗的具体步骤·090
切菜：数据探索·092
理解数据探索·092
数据探索的具体步骤·093
炒菜：数据算法·097
理解数据算法·097
数据算法应用的具体步骤·098
上菜：数据可视化·103
理解数据可视化·103
数据可视化的具体步骤·105
第四章
数据采集
数据源的分类·110
以分布范围分类的数据源·110
以采集路径分类的数据源·112
财务数据源的再定义与扩展·115
不同情境下的数据采集·118
情境一：感知设备数据采集·118
情境二：系统中结构化数据采集·120
情境三：日志文件数据采集·121
情境四：非结构化数据采集·122
情境五：其他外部数据采集·125
DT 时代下的数据采集特点·127
第五章
数据清洗
数据质量问题与清洗方法·135
缺失数据清洗·136
格式问题数据清洗·138
逻辑问题数据清洗·139
异常数据清洗·140
不一致数据清洗·142
冗余数据清洗·143
数据清洗的主要工具·147
电子表格·147
专门的ETL 工具·148
编程实现·148
专业的数据清洗软件·149
BI 数据准备工具·150
第六章
数据探索与数据算法
描述数据特征·155
集中趋势指标·158
离散趋势指标·160
分布形态指标·162
理解统计基础·165
统计学原理·165
推断统计·167
相关性分析·171
认识数据算法·173
回归算法·173
分类算法·175
聚类算法·182
关联规则算法·184
时间序列算法·186
数据算法在财务领域的应用·190
了解常用工具·199
Excel·199
SQL·202
SPSS·203
SAS·204
Python·205
R·206
算子平台·206
第七章
数据可视化
数据可视化的基本图表·213
柱形图（Column Chart）·214
条形图（Bar Chart）·214
折线图（Line Chart）·215
面积图（Area Chart）·217
饼图（Pie Chart）·217
散点图（Scatter Plot）·218
气泡图（Bubble Chart）·220
漏斗图（Funnel Plot）·221
仪表盘（Dashboard）·223
雷达图（Radar Map）·223
词云图（Word Cloud Map）·226
热力图（Heat Map）·226
数据可视化的展现逻辑·228
时间逻辑·228
空间逻辑·230
用户角色逻辑·231
业务分析流程逻辑·232
用户自定义逻辑·233
数据可视化的实现工具·236
Excel·237
Tableau·239
Power BI·241
FineBI·245
R·246
Python·249
财经云图·251
第八章
哈斯汽车：如何开展数据分析与可视化项目
案例背景·254
项目沟通·256
前期内部沟通·256
客户需求沟通·261
项目实施·263
需求分析·263
采集数据·264
清洗数据·265
数据分析与可视化·268
沟通结果·280
结语重塑DT 时代的财务价值
书单推荐
