大数据技术在财务中的应用(Python)

郭兆 陈婕(新道科技股份有限公司)

目录

  • 1 知己知彼,百战不殆——课程导学
    • 1.1 ★★★课程概述★★★
    • 1.2 课程标准
    • 1.3 学习指南
    • 1.4 “岗课赛证”融通
  • 2 与时俱进,守正创新——走进大数据技术
    • 2.1 导学灯
    • 2.2 价值引领:华为以行践言引领自主创新
    • 2.3 大数据知多少?
    • 2.4 大数据为什么选择Python?
    • 2.5 Python与财务的不解之缘
    • 2.6 你了解Python吗?
      • 2.6.1 漫谈Python
      • 2.6.2 Python之父
    • 2.7 企业导师之财务案例实操
    • 2.8 知识大闯关
    • 2.9 代码互动区
  • 3 循序渐进,脚踏实地——Python语法基础
    • 3.1 导学灯
    • 3.2 价值引领:以史为鉴,榜样的力量
    • 3.3 财经大数据分析环境准备
    • 3.4 第一个Python程序
    • 3.5 数据类型——数值
      • 3.5.1 算术运算符
      • 3.5.2 赋值运算符
      • 3.5.3 比较运算符
      • 3.5.4 逻辑运算符
    • 3.6 数据类型——字符串
      • 3.6.1 转义字符
      • 3.6.2 字符串格式化
    • 3.7 其他高级数据类型
      • 3.7.1 列表
      • 3.7.2 元组
      • 3.7.3 字典
    • 3.8 企业导师之财务案例实操
    • 3.9 知识大闯关
    • 3.10 代码互动区
  • 4 夯实基础,厚积薄发——Python语法进阶
    • 4.1 导学灯
    • 4.2 价值引领:从新能源汽车看高质量发展
    • 4.3 流程控制—条件语句
      • 4.3.1 if-else条件语句
      • 4.3.2 if-elif-else条件语句
      • 4.3.3 if嵌套语句
    • 4.4 流程控制——循环语句
      • 4.4.1 while循环语句
      • 4.4.2 for循环语句
      • 4.4.3 嵌套循环
      • 4.4.4 跳转语句
    • 4.5 功能不够用,函数来帮助
      • 4.5.1 内置函数
      • 4.5.2 自定义函数
      • 4.5.3 匿名函数
    • 4.6 函数的参数和变量作用域
      • 4.6.1 函数参数
      • 4.6.2 变量作用域
    • 4.7 了解高级函数
      • 4.7.1 filter函数
      • 4.7.2 map函数
      • 4.7.3 reduce函数
    • 4.8 企业导师之财务案例实操
    • 4.9 知识大闯关
    • 4.10 代码互动区
  • 5 去伪存真,精益求精——Pandas数据处理
    • 5.1 导学灯
    • 5.2 价值引领:“第三方测评”去伪存真之路任重道远
    • 5.3 Pandas基础
      • 5.3.1 数据结构
      • 5.3.2 数据读取
    • 5.4 Pandas数据筛选查询
    • 5.5 Pandas数据清洗
      • 5.5.1 重复值处理
      • 5.5.2 缺失值处理
      • 5.5.3 其他异常处理
      • 5.5.4 索引设置
    • 5.6 Pandas数据特征分析
    • 5.7 Pandas数据组合
    • 5.8 Pandas数据分组聚合
    • 5.9 企业导师之财务案例实操
    • 5.10 知识大闯关
    • 5.11 代码互动区
  • 6 精耕细作,提质增效——财务数据可视化
    • 6.1 导学灯
    • 6.2 价值引领:安踏坚持深耕主业,创新铸就品牌
    • 6.3 Matplotlib-财经数据可视化
      • 6.3.1 Matplotlib简介
      • 6.3.2 Matplotlib创建画布与子图
      • 6.3.3 Matplotlib初级应用
        • 6.3.3.1 初级应用1
        • 6.3.3.2 初级应用2
        • 6.3.3.3 初级应用3
      • 6.3.4 作图函数—plot
    • 6.4 Pyecharts-财经数据可视化
      • 6.4.1 Pyecharts简介
      • 6.4.2 Pyecharts初级应用
    • 6.5 企业导师之财务案例实操
    • 6.6 知识大闯关
    • 6.7 代码互动区
  • 7 善思融通,居安思危——财务大数据分析
    • 7.1 导学灯
    • 7.2 价值引领:数据资产入表,潜在市场规模超60万亿元
    • 7.3 财务指标分析
    • 7.4 资产负债表分析
    • 7.5 利润表分析
    • 7.6 行业指标分析
    • 7.7 企业导师之财务案例实操
    • 7.8 知识大闯关
    • 7.9 代码互动区
  • 8 技能大赛资源(拓展)
    • 8.1 会计实务赛项
    • 8.2 业财税融合大数据应用赛项
    • 8.3 “新道杯”数智财经赛项
    • 8.4 “网中网杯”大数据财务管理技能赛项
    • 8.5 “一带一路”暨金砖大赛之会计实务技能赛项
    • 8.6 “科云杯”全国大学生财会职业能力赛项
    • 8.7 全国大学生数智化业财融合赛项
  • 9 职业资格资源(拓展)
    • 9.1 初级会计师
    • 9.2 1+X证书
价值引领:数据资产入表,潜在市场规模超60万亿元
  • 1 潜在市场规模超60...
  • 2 思行践悟
  • 3 文本资料


潜在市场规模超60万亿元!A股23家公司披露数字资产

                          2024-05-11 19:56 来源:华夏时报

2024年1月1日,财政部印发的《企业数据资源相关会计处理暂行规定》正式施行。A股上市公司2024年一季报显示,首批数据资产入表上市公司有23家,涉及总金额14.77亿元,分别计入了存货、无形资产和研发支出科目。

其中,中信重工以7.16亿元的位列第一,不过这只是一个乌龙。中信重工工作人员对《华夏时报》记者表示,公司存货项下7.16亿的数据资源是记错了,这7.16亿元的性质应该是合同资产。

数据资产入表

    《华夏时报》记者统计发现,A股2024年一季报中,共有23家上市公司披露了“数据资源”的数据,涉及总金额14.77亿元。

从首批入表公司来看,有13家上市公司将数据资源计入无形资产,有6家计入存货,有6家计入开发支出。

23家公司主营并非都是信息技术,也包括钢铁、汽车、港口、电力、塑料等众多传统领域;从地域分布来看,北京、山东和浙江数量列前三。23家上市公司缺少巨无霸企业,总市值均在500亿元以内,并有14家市值不足100亿元。

从披露的具体会计科目来看,开普云、南钢股份将数据资源计入“无形资产”和“开发支出”两个项目下,恒信东方、航天宏图、每日互动、卓创资讯、中远海科等11家仅计入“无形资产”项目下。

中信重工、金龙汽车、中闽能源等6家仅计入“存货”项目下;拓尔思、美年健康等4家仅计入“开发支出”项目下。从披露金额来看,仅有两家过亿,其他均低于5000万元,15家低于1000万元。

……

相关研究显示,数据资产相关市场潜在规模将在60万亿元以上。

资料显示,2021年全年,我国数据产量达到6.6ZB同比增加29.4%,占全球数据总产量(67ZB)的9.9%,位列全球第二,仅次于美国(16ZB)。近三年来,我国数据产量每年保持30%左右的增速。

据IDC测算,到2025年,中国拥有的数据量将占全球27.8%,远高于美国的17.5%。同时,全国一体化数据要素市场体系逐步成型。

据不完全统计,全国新建各类数据交易机构80多家,全国副省级以上政府提出推进建设数据交易中心(所)30余家。

短期看,数据基础制度将催生3000至5000亿元规模的数据交易市场;中长期看,数据资产相关市场潜在规模将在60万亿元以上。数据要素定价是开启新的十万亿级市场的“金钥匙”。

据初步测算,当前数据零级市场中的数据资产及其评估、质押、融资等衍生市场的潜在规模将超过30万亿元,是一、二级市场的30至60倍。

一位华东地区券商分析师对《华夏时报》记者表示:“未来,随着数据资产入表等实践的推进,对零级市场中的企业数据资产进行评估定价并确认为资产,能够极大改善资产负债水平,为企业抵押贷款、融资租赁等提供有效支撑。”

全联并购公会信用管理委员会专家安光勇对本报记者表示:“数字资产板块有可能成为新的经济增长风口。数字经济正迅速崛起,数据作为重要的生产要素和创新驱动力,有望引领新一轮的经济增长。支持数字资产板块的设立,可以吸引投资、创造就业机会,并推动数字经济的蓬勃发展。”


注:本课程引用视频、文档素材均来源于网络,仅供教学使用,不做任何商业用途