數據分析和財務分析之間有哪些可以相互借鑒的地方？

01-02

本題已加入知乎圓桌 ? 學一點財務分析，更多「財務分析」討論歡迎關注。
比如方法或者思維……

先談兩點。

1.數據分析的case，第一個里程碑是成功sell出你的報告、結論和建議，優秀數據分析師的共同特質之一就是能夠熟悉清楚需求部門的KPI，從而迅速的做出切合痛點的分析報告，避免做無用功。

所以財務分析可以借鑒這一點，總結各個部門的財務分析的核心需求。

包括但不限於：業務部門主要看營收增長、運營部門主要看效率人均產值、供應鏈部門主要看整個供應鏈上的綜合成本、市場部門主要看特定客群所蘊含的市場容量等等。

2.財務分析一切結果都是落實到金額上的，BOSS可以清楚直觀的根據金額思考下一步的決策。

所以數據分析可以借鑒的地方在於，在結論的地方儘可能加上一些關於財務的描述。畢竟分析報告首先應該成功sell出去。

包括但不限於：

「模型的區分度從a提升到b，在同等的通過率的情況下，避免XX的壞賬損失/改善XX每月的現金流」；

「轉化率能夠從a提升到b，在同等的投入的情況下，能提升最終的營收XX」；

「如果採用新的策略，能從這個環節節省出XX每月的人工支出，可以用以支持其他的部門/環節的工作。」

謝邀。

財務分析不也是數據分析的一種嗎？

在工業界有時這些東西不一定是完全分割的。不過財務數據分析有長一點的歷史，而數據大多時金額和時間，或相關的量如利率、volatility等。但廣泛的數據分析可能有圖像或文字。

工具上，有些人可能用Excel，但新近的用Python或R，或用各種數據可視化的工具。

不過，還是得說說，在工作上，凡可用來解決問題的，都會用到，學術名稱只是把知識或產品更好推銷出去??

謝邀。蘇煜鋆和NoAppleOnHead 基本總結的差不多了。

首先財務分析是數據分析的範疇。

從理論基礎上，財務分析和數據分析的理論基礎都是統計學，如財務分析中的收益和風險，可以通過描述性統計分析中的平均值和標準差來衡量。從分析對象上，財務數據以結構化數據為主；從分析方法和工具上，財務分析以離線分析和描述性分析為主，常用的工具包括Excel等。

只是不同的人做不同事情，時間長就有了自己三觀，說到底是圈子不同而已。

應該說數據分析藉助了大數據的東風，在技術、方法和工具上上發展的非常快，因而才有了樓主的問題。

如果談到借鑒，那麼在分析對象上，財務數據關注的數據通常維度比較少，如果是公司內部的KPI指標，如負債和損益那麼這是沒有問題的，但如果涉及到風險和收益等不確定的問題，那麼財務人員要除企業外的其他外部數據，也就是要增加數據的維度。

在工具上，目前很多平台提供了自動化和實時分析工具，這些也是財務分析可以引入的。

反過來，數據分析可以借鑒財務分析的就是一點，也就是關注業務需求而不是炫技(演算法、工具)。

財務本身也是一種數據，所以財務分析可以理解為數據在財務領域的應用。數據主要關乎模型和理論，而財務則涉及具體的應用場景，因此還是基本的處理方法（採集、清洗、存儲、分析、建模、可視化）+ 具體的應用需求（財務分析所對應的一系列目標和任務）。

隨便寫寫。數據分析先做數據整理和數據清洗，符合資料庫結構，數據才能應用和分析。同理，財務分析之前，先把帳作對了，數據整理好才能分析。

I dont have pinyin input at my laptop for now.

Luckily I previously did data analyst, now business finance analyst (under finance department). Just some thoughts to share.

Data analysis (DA) and Finance Analysis(FA) are different definitely. It requires different skills, different focus on business and different business acumen.

Skills side: for DA, it requires very strong excel/sql skills, you may graduate from CS, statistics or other related quantitative degree. for FA, you may graduate finance/accounting, you may have CPA/ACCA certs.

Focus side: for DA, it requires you focus on data itself, make sure from ETL, data cleansing, analysis and even reporting go with a logic way. For FA, it always considering cost/revenue, all your work should be considered an analysis for money.

Business Acumen: for DA, super good logic thinking, and field knowledge (sales, marketing...), for FA, planning, reporting and accuracy are super key.

Both are requiring good memory. FA is easier to transform to DA.

大海和小湖

離開經營管理全過程說數據的財務分析不是好的財務分析。

數據分析技術可以幫助更好的解讀財務數據，但財務分析的本質是生產經營管理，分析、預測、決策…

數據只是財務分析的一部分，而已…

說相互借鑒，大概就是數據分析可以增強財務分析的純技術流分析能力，財務分析可以稍稍給數據分析加入點血肉，讓數據分析更立體，不再只是硬邦邦的骨架。

看定語，財務分析，分析是在財務規則上。數據分析，分析是在數據基礎上。

財務分析，淺，只要求財務規則角度。數據分析，沒規則，怎麼看有道理，怎麼分析。

謝邀。

此前，對財務分析不太了解，只能搬運一下百科。比較擅長數據分析，強答一波，望知友們輕拍。

關於數據分析和財務分析之間可以相互借鑒的地方，個人認為可以從以下三個方面回答：1）分析對象；2）工具和方法；3）作用和目標。

什麼是財務分析？財務分析是以會計核算和報表資料及其他相關資料為依據，採用一系列專門的分析技術和方法，對企業等經濟組織過去和現在有關籌資活動、投資活動、經營活動的償債能力、盈利能力和運營能力狀況進行分析與評價，為企業的投資者、債權人、經營者及其他關心企業的組織或個人了解企業過去、評價企業現狀、預測企業未來，做出正確決策提供準確的信息或依據的經濟應用學科。 ---- [摘自IBM百科]
什麼是數據分析？數據分析是對數據進行檢查、清洗、轉換、可視化和建模的過程，目的是發現有用的信息，提出結論和支持決策。數據分析的方法非常多，涵蓋了商業領域、自然科學和社會科學領域的各種不同的技術。

一、分析對象

財務分析的對象是企業財務活動，包括資金的籌集、投放、耗費、回收、分配等。主要依據企業會計報表資料。這些數據資料來自於企業的籌建、生產、運營、銷售等經濟活動。

數據分析的對象是什麼呢？當然是：數據。根據數據自身屬性的特點，可以分為結構化數據、半結構化數據和非結構化數據。依據數據來源的特點，可以分為商業數據、社會科學數據和自然科學數據三類。

運用比較分析法，可以發現：財務分析集中在企業財務。而數據分析... ... 只要能夠數據化或者量化，它都能橫插一杠子。舉一堆栗子，文本挖掘，量化投資，運營分析......

阿里爸爸馬雲滿臉神秘的微笑：「你知道哪個省的女生胸最小嗎？」兄弟們！先別笑，在淘寶買過襪子沒？或者衣服褲子鞋子套子？他大概也知道你的身高體重三圍。哦，三圍這個栗子不恰當，換一個，你家小兄弟的尺寸。嗯，這個也不太恰當，再換一個。算了，不換了，大概就這個意思！任何客觀存在都有可能成為數據分析的對象。

從分析對象這方面看，財務分析可能跟數據分析有一腿。當然，財務分析跟會計和審計這兩位的關係也比較曖昧，在這裡就不多說了。但是，數據分析就是一個觸手怪。額！不能扯遠了，這裡的主角是財務分析和數據分析。

二、工具和方法

對於財務分析來說，分析工具指的是分析指標。分析評價短期償債能力有現金自給率、外部融資比率、現金流量充足率等20個指標；分析評價長期償債能力有資產負載率、債務保障比率、長期負債比率等17個指標；分析評價運營能力有運營資產周轉率、流動資產利潤率、資產周轉率等21個指標；分析評價獲利能力有資產凈利率、資產現金回報率、附加值等44個指標；分析評價發展能力有市場佔有率、資產增長率、利潤增長率等12個指標。那麼，有計算這些指標的軟體嗎？當然也是有的，而且有很多，就不舉栗子了。

對於數據分析而言，分析工具就真的是工具。當然不是鎚子斧子剪刀之類的，而是Excel、SAS、SPSS、R、Python等統計工具，還有資料庫、BOSS系統等等。那麼數據分析有指標嗎？當然也是有的，業內人士稱之為欄位，學院派稱之為變數。

現在要畫重點了！不論是財務分析，還是數據分析，都十分注重對業務的熟練掌握。不熟悉業務，能從一大推報表裡發現什麼？沒有業務支撐，那只是數字而已。財務分析的業務自然是財務，而數據分析的業務就是分析對象所在的行業。

下面必考內容----分析方法。

財務分析的常用方法有：比較分析法、趨勢分析法、財務比率綜合分析法和杜邦分析法等。詳細內容在這裡就不贅述了。數據分析也常用這些方法，方法名稱有可能不一樣，卻不知道到底是誰借鑒誰。

數據分析的常用方法有：K-mean聚類、邏輯斯蒂回歸、決策樹分析法、關聯規則等。順便提一下數據挖掘的兩個標準過程：SEMMA 和 CRISP-ＤＭ。數據挖掘與數據分析等價嗎？答主認為是肯定的，有不同看法的請保留。這可能是數據分析最值得借鑒的地方了，然而，財務分析並不需要。

三、作用和目標

補充一下第一部分的內容。從服務對象看，財務分析不僅對企業內部生產經營管理有著重要的作用，而且對企業外部投資決策、貸款決策、賒銷決策等有著重要作用。

從財務分析的職能作用來看，它對於預測、決策、計劃、控制、考核、評價都有重要作用。概括為：評價過去的經營業績、衡量現在的財務狀況、預測未來的發展趨勢。

至於數據分析的作用和目標，有沒有聽說過「數據變現」這個詞？那麼「大數據變現」呢？這個可是商業數據分析的目標。繼續舉栗子：廣告精準投放、信用評估、客戶價值評估、精準營銷等等。這些基於數據分析的商業模式的目標都是為了實現數據的價值----賺錢。

在科學領域，包括社會和自然兩大類，數據分析的首要目的都是為了發現規律。它的作用當然也包含預測和評價。

猶記得當年在一個諮詢公司實習，每逢月末（季度末），幾位前輩召集所有人一起來預測甲方下個月（季度）運營情況。此處應添加圖片，卜運算元.jpg。

#=============================================================

暫時寫到這，馬上又要出差了。回來再更新！

數據分析和財務分析都有分析兩個字。數據分析可能會讓人往it上想，可能讓人覺得需要寫代碼寫腳本來計算什麼。而財務分析，一戴上財務兩個字，就有一種在Excel上大量看數字的即時感。所以關於分析，那麼就要有一個分析工具。以前攝影師很搶手，因為相機和P圖，但現在每個手機都能照相，都能P圖，所以攝影師和P圖師遍地。我相信當分析工具讓大家所知曉時，那麼人人都會是分析師。

建議學習下相關分析工具，例如Tableau。

瀉藥。因為自己就是基金里做數據分析的，我認為沒啥好相互借鑒的，本質上財務分析就是廣義數據分析的一個類別而已。

論目的導向，數據分析是借鑒現狀展望未來。而財務分析大多為總結這一財年公司的更方面能力，對比過去是否增長。

實際操作上，財務分析和廣義上數據分析的不同處在於，財務有自己固定的一套金融模型和ratio，後者則是倚重統計模型。招聘財務分析師，更在意是否有硬的會計背景。反而數據分析師所擅長的數據清理和機器學習在財務並不適用，excel用的好就足夠了，IT部門的同事會把數據發給你的。

此數據非彼數據，沒人會用假數據去做ML，所以老闆也不會叫你用歷年報表做個預測的。

財務分析可以做為數據分析的一個方向。

可以理解為:數據分析是一個工具，財務分析是一個需求，有需求就要工具去解決。

推薦看《精益數據分析》，上面應該有你要的答案。

數據分析的維度和層面可以是多種多樣的

財務分析么，個人認為和數據分析師交叉關係

財務分析不僅要從數據切入，更要從業務細節著眼，否則，粉飾甚至編造數據基礎上的財務分析毫無意義。。。

同樣，數據分析所依據的各種假設也是要有合理的社會現實背景。。否則就是扯淡

數據分析話長話短說：數據採集，清洗，分析，可視化。

財務分析已經有報表，就省了採集，清洗；擼py的人pandas就可以搞定分析，有一本python金融分析的書可供參考；可視化取決於展示的逼格，可選擇比較多，不一一介紹。

大體如是而已，裝逼結束！