主持人：王海龍 視頻制作：焦亞麗
采訪嘉賓：CDA持證人 周婧博
編輯：Mika
采訪老師：
大家好，今天我們邀請到了在世界四大會計師事務所之一工作的周婧博來參加我們的CDA持證人專訪。
作為一名數據分析師，您能給大家介紹一下您的工作內容嗎？
嘉賓：
我叫周婧博，圣彼得堡國立大學畢業，目前就職于德勤中國，任數據分析師。我的工作主要是研究公司的時間段經營發展趨勢和異常情況，并提出建議。
點擊下方視頻，先睹為快：
??????
問題 1：
做公司數據分析時，您一般會從哪些方面入手？
//
嘉賓：
我通常會從宏觀思維分類的角度出發。
例如，對于一家公司的經營現狀，我會從財務、銷售、運營、人力資源、產品等方面進行調研，以便更好地了解公司的整體情況。
問題 2：
對公司經營現狀做調研，一般從哪幾個方面入手呢？
//
嘉賓：
在做公司經營現狀調研時，我們一般會從以下幾個方面入手：
財務指標：我們會收集公司的財務數據，包括營業收入、利潤、現金流等，并對這些指標進行分析，了解公司的財務狀況。
市場指標：我們會收集公司的市場數據，包括市場份額、客戶結構、競爭對手等，并對這些指標進行分析，了解公司的市場地位。
產品指標：我們會收集公司的產品數據，包括產品銷售額、質量問題、客戶滿意度等，并對這些指標進行分析，了解公司的產品狀況。
通過以上方面的分析，我們可以全面了解公司的經營現狀，并制定合理的改進建議。
問題 3：
不同行業的調研方法是相同的嗎？會計行業有沒有額外的研究方向？
//
嘉賓：
不同行業的調研方法并不完全相同，但基本的分析流程是相似的。例如，我們都要收集和整理數據，進行分析和模型建立，并最終得出結論。
對于會計行業來說，我們需要特別關注會計核算和財務報表分析等方面的研究。我們要結合會計準則和公司實際情況，對財務數據進行深入的分析，以便為公司的決策提供可靠的信息和建議。我們也會關注會計行業的新興研究領域，例如人工智能在會計領域的應用、財務報表大數據分析等。通過探索這些領域，我們可以為公司提供更為先進和高效的財務分析方法。
在我們的研究工作中，我們會使用各種工具和方法，例如統計學分析、機器學習模型建立等。通過這些工具和方法，我們可以對數據進行更為精細的分析，從而為公司的決策提供更有價值的信息和建議。我們也會通過與業界同行的交流，不斷提升自己的技能和經驗，為公司的發展做出更大的貢獻。
問題 4：
假如本月成交額總體下降，數據異常歸因，該如何分析呢？
//
嘉賓：
首先，我們要從宏觀和微觀兩個層面來考慮這個問題。
宏觀層面，我們要考慮市場因素、政策因素、不可抗力因素等宏觀因素對公司成交額的影響。
微觀層面，我們要考慮公司內部因素，可以將成交額拆開看，例如成交額=客單價*產品數，然后分成兩部分進行深入分析，可以從銷售團隊的績效、產品分層結構、客戶滿意度等角度分析。
問題 5：
為公司做建議時，您會參考哪些指標？
//
嘉賓：
在提出建議時，我會結合公司所在行業找到北極星指標，然后再參考人、貨、場等其他多維度的指標。
例如，如果是SaaS行業，我會考慮公司的整體經營狀況，先看每年的重要經營指標，比如：銷售額、訂單量、續費率等，找到下降異常的部分進行深入分析，具體是公司的哪一類產品銷售額下降或異常，是否與當年的市場行情、客戶需求等客觀因素有關，是否存在周期性，也可以研究下競爭對手等。
我會對這些指標進行詳細分析，并基于分析結果提出建議。
問題 6：
您在工作中常常遇到什么難點？又是怎樣去克服的呢？
//
嘉賓：
在工作中，我常常會遇到數據量龐大、數據不規整、信息雜亂、模型復雜等問題。為了克服這些難點，我會使用工具，例如Python、SQL、SPSS、R等，更好地處理數據。
我也會加強自己的思維能力，通過不斷學習、思考和實踐，提高自己的分析能力。
同時，我也會借鑒經驗，從前人的經驗中吸取教訓，避免重復錯誤。初次接觸分析的小伙伴們可以去讀一讀《金字塔原理》，結構化看待和拆解問題是數據經營分析的關鍵。
問題 7：
面對甲方，工作中您會遇到哪些困難和挑戰？您是如何克服這些困難的？
//
嘉賓：
我們作為乙方，比較難的是理解客戶公司的數據是如何產生和加工的，因此前期需要大量的時間針對數據問題與客戶進行溝通訪談，我們需要盡可能的理解數據字段含義、表與表之間的勾稽關系等。
客戶的數據龐大而雜，需要通過大量的數據清洗才能得到我們想要的分析數據。
小TIPS，在做分析之前，一定一定要搞清楚公司數據邏輯、字段含義、經營模式、作業方式。
問題 8：
您認為會計行業的研究方向有哪些發展趨勢？您認為未來會計行業的研究將會發生哪些變化？
//
嘉賓：
隨著信息化程度的提升，作為乙方能為甲方公司做的工作也逐漸增多，比如數據分析、數據質量檢查、IT審計等圍繞信息系統展開工作。
未來可能會出現自主數據處理平臺，就是把數據導進去我們直接選擇如何處理數據，并對數據進行模塊組合型分析并呈現可視化圖表，我們會減少數據處理的時間，爭取把更多的時間放在分析上。
