然而,大数据的商业潜力有其局限性。大数据是一项资产,但也有一些缺点。原因有很多:
数据会贬值,将来的价值可能不如现在。
挖掘数据的价值可能很困难或很昂贵,具体取决于企业是否拥有现成的技能或技术。根据某项估计,到2018年,美国掌握大数据分析所需技能的人才缺口可能高达19万(麦肯锡全球研究院,2011)。
随着越来越多的企业和行业开始利用大数据,它的竞争优势将减弱。很有可能将展开一场挖掘“暗数据”(已收集但尚未使用的数据)价值的角逐。
对数据收集和使用的审查日益严格,且数据收集和使用必须遵守不同国家和地区的法律法规。
在这一场挖掘更多新价值的激烈竞赛中,人们会更专注于开发能够捕捉那些其他人看不到的信息的复杂分析技术。换句话说,对技能的争夺将进一步加剧,有可能引发商业的“大数据分水岭”。
显然,只有主动管理大数据,才能为企业提供有利可图的解决方案。
大数据与财会行业的未来:机遇与挑战
对于高级分析技能日益增长的需求为会计师和财会专业人士带来了重要机遇。
会计师和财会专业人士接受过财务信息的组织、收集和分析方面的训练之后,就能够将自己的核心技能运用到非财务数据集和其他数据集中,而且至关重要的是,能够让大数据变小,变得更结构化。
因此,他们可能为企业带来巨大的价值增长。在未来5至10年内,财务部门可能出现从服务部门到关键业务服务部门的质变,它将处于战略决策的核心位置。
对会计师和财会专业人士而言,大数据的管理不仅意味着“改变游戏规则”的机遇,也意味着全新的挑战。未来不仅关乎技能的“直接”转移,还关乎新技能的发展。会计师和财会专业人士将需要寻求利用大数据评估企业业绩、企业风险和投资风险的方法。此外,随着大数据对于商业的重要性与日俱增,他们需要寻找方法来评估大数据这一企业资产的内在价值。
领域1:数据资产的估值
作为一项公司资产,大数据的重要性正日益突显,这促进了新的数据资产估值方法的发展。
互联网和移动及智能技术的传播已经从根本上改变了商业数据的面貌和曝光度。
数据被越来越多地用于提升运营效率。其所带来的一些好处在零售行业十分明显,在该行业,实时分析协助公司更好的适应顾客需求和减少物流及分销成本。例如,纽约时尚品牌Elie Tahari目前可以使用销售数据提前四个月预测其每项产品的全球需求(IBM 2012)。这些预测的细致程度令人惊叹:在大数据和其相关工具的帮助下,该公司能够适时获悉到哪些区域的哪些门店中,哪些尺码和颜色搭配最为畅销。
大数据不止是一种用于获得竞争优势的商业工具。对于越来越多的行业中越来越多的公司而言,它还是一种商业计划或商业模式。
目前已经有公司利用大数据来创造收益。谷歌等互联网公司已经率先利用大数据创收,其他行业的其他公司也紧跟其后。
无线技术和“万物互联”(IoE)进一步扩大了数据量和数据种类,将大数据转化为价值的机会也将随之增多–至少在短期内可以这么说。
因此,未来十年内,数据将成为一个重要的财富创造来源,并且将越来越多地被视为一项值得重视的企业资产,企业可能需要为其建立专门的负责部门。
帮助公司为其数据资产估值
关键理念是,那些制定大数据衡量指标的会计师和财会专业人士将突出自己在市场中的差异化优势。
最近的研究发现,20%的大型公司已经将数据作为一项资产编入其资产负债表中,而在那些总员工超过1万人的公司,该数字上升到了30%(Dynamic Markets 2012)。对于未来的会计师而言,提供数据估值服务可能是一个区别于普通会计师,独具差异化优势的巨大的机会。
然而,为数据估值可谓困难重重。在当今的知识经济中,无形资产变得日益重要,但在为工业时代制定的报告和治理体系中,无形资产很容易被忽视。数据即使清晰可见,衡量起来也不容易。其中第一个挑战就是贬值的问题。数据周转速度的提高意味着数据过时的速度也相应加快:随着新数据的出现,旧数据的价值可能很快“消减”。
随之而来的问题是,数据的价值根据其相关性的不同而各不相同,而数据相关性又因数据使用者而异。您如何客观地衡量一个数据集的商业价值呢?对某个人群没有价值的数据,可能对另外一个人群相当有用。
这些问题很可能随着数据集市场的深入开发和流动性的增加,以及专业技术和知识的增长而得到解决,但是围绕大数据仍然存在其他的不确定因素。正如前面部分所述,这些不确定因素包括监管、全球治理和隐私权等问题,这些问题可能对大数据的经济价值以及公司对大数据的投资力度产生实质性的影响。
为了实现为大数据资产估值的目的,会计师和财会专业人士需要确定哪些数据有价值、选择一种容易接受的估值方法并确定关键的假设。
思想聚焦:NINA TAN CPA,ACCA
Trax Technology Solutions首席财务官
数据的价值几何?
Nina Tan 是Trax Technology Solutions的首席财务官,该公司通过图像识别技术来获取零售数据,从而向快速消费品(FMCG)零售商和其销售代表提供实时报告。该公司的解决方案将产品图片转化为数据,用于显示这些产品对照各项关键业绩指标(KPI)的业绩情况。
数据分析咨询请扫描二维码
需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20