- Jupyter notebook使用手册（可视化编程）
- 在财码的系列课程中，一直都是使用JupyterNotebook作为Python的开发环境。在其他渠道接触过Python的可能知道另一款软件PyCharm。那么JupyterNotebook和PyCharm有什么区别呢？财码课程中为什么一直推荐前者进行教学演示呢？JupyterNotebook还有哪些使用窍门？在本篇文章中，将为您解答。为什么推荐JupyterNotebook？首先，PyCharm也是一款非常实用的IDE，在调试、项目管理、智能提示、自动完成、单元测试、版本控制等方面非常友好，但是依然有些不足之处：脚本文件必须一次性全部运行的。虽然可以使用debug功能打断点，但是如果发现一小部分出错还是需要重新全部运行。对于初学者来说略显繁琐（比如代码中间的某一句需要反复尝试不同的写法的效果，如果每次尝试都要从头到尾全部运行，效率太低了）。Pandas表格等以纯数字显示，调试中间很容易看错行。Matplotlib、Pyecharts等可视化库绘制的图片无法直接显示。没有富文本编辑，没有标题和代码介绍，只能通过注释的写说明，降低了代码的可理解性和阅读性。而JupyterNotebook能够完美解决上述问题，因此非常适合初学者使用。JupyterNotebook基本介绍JupyterNotebook通过浏览器来使用，创建的文件后缀名为.ipynb。在浏览器中打开JupyterNotebook后，URL类似于https://localhost:8888/tree。注意Localhost不是某个网站，而是表示您的“本地计算机”。（虽然JupyterNotebooks在浏览器中打开，但它被托管并在你的本地计算机上运行，因此放心你的文件并不会暴露在网络上）ipynb文件的编辑界面如下：可以看到，ipynb文件是由块（cell）组成的，每个cell可以单独编辑代码并运行。cell由四种类型：代码（code）、文档（markdown）、纯文本（RawNBConvert）、标题（也是markdown格式）。代码（code）代码块支持高亮、缩进、Tab补全等基础功能。输出部分，可以渲染出DataFrame表格、可交互的PyeCharts图形、Matplotlib图片等。文档（markdown）文档块支持Markdown语法，可以进行简单的富文本编辑和多媒体插入，同时也可以输入数学公式上述富文本运行之后的效果你可以自由插入代码块和文档块，形成交错易于解释说明，同时也可自由控制代码运行顺序，环境启动后运行的代码块中保留的变量不会被删除，可以跨代码块在其他块中使用。（因为变量是跨代码块使用的，因此，如果两个代码块对同一个变量名进行赋值，那么后运行的代码块中的变量值将会保留，而不取决于代码块本身在JupyterNotebook文件中的位置，关键是运行代码块的顺序）JupyterNotebook基础操作文件列表页面编辑页面可以点击文件名进行文件的重命名，可以通过菜单栏和功能区进行一些操作。就基础操作而言，用户可以使用功能区的+按钮添加单元格，使用运行按钮执行代码块，使用下拉栏调整代码块的类型。常用快捷键Shift+Enter：运行本单元格并选中下个单元格Ctrl+Enter：运行本单元格Alt+Enter：运行本单元格并在下方插入新单元格Tab：缩进/代码补全Shift+Tab：查看工具提示/取消缩进Ctrl+]：缩进Ctrl+[：取消缩进Ctrl+/：注释当前行/选中内容Ctrl+Z：撤销Ctrl+Y：重做Ctrl+A：全选Ctrl+S：保存更换主题JupyterNotebook默认主题为浅色主题，虽然文字显示清晰，但长时间使用可能对眼睛刺激较大。我们可以借用Jupyterthemes插件来为Notebook更换合适的主题。首先在CMD输入pipinstalljupyterthemes安装Jupyterthemes：安装好后，在CMD输入jt-l（注意是字母l）可以查询到所有可用的主题列表选择你想要的进行安装即可，比如jt-tchesterish
- 2021-10-09
- 多维度分析「固定资产投资预算」的动态变化
- 前不久，小秘书的邮箱收到了一封来自学员“helpme”的邮件，他需要编制未来十年公司的固定资产预算，关键预测节点是新增固定资产的增量和现存固定的折旧，并且需要从不同的角度分析费用数据。小秘书看完之后心里在想，固定资产预算逻辑简单清晰，而且一般公司对固定资产都采用直线法折旧，怎么学员用最简单的Excel做也遇到困难了呢？后来跟学员详细聊了一下，发现即使是逻辑简单的场景，当遇到数据量大的情况时，Excel很难去进行运算了，可能刚打开就出现notresponding的弹窗。根据学员反馈的信息，我们联合老师梳理出他的痛点，主要体现在：数据量大。该公司的固定资产有1400多项（还不包括预算增加的固定资产），如果出具未来10年逐月的预算，那么数据矩阵就是1400（项）*10（年）*12（月）=16.8万的数据量。如果再区分折旧费用、累计折旧和固定资产净值等报表项目，数据量就再乘3倍=50.4万。在这个量级的数据下，要改一个小公式就要缓存很久了，慢和卡是必然的。计算公式复杂。由于固定资产都是在不同的时间采购进来的，特别是预算新增的固定资产，需要从购进次月开始折旧。折旧参数（折旧年限、残值率、折旧方法）和折旧进度等不同，导致固定资产折旧的公式略复杂。对于Excel来说，又增加了性能压力。统计分析视角多。对于上述数据的分析视角，可能存在的有按年、按月、按固定资产类别、按成本中心、按费用归属（主营成本、销售费用、管理费用）等。每个视角都要通过数据透视表或者vlookup等公式拉出来，数据源一变，这些公式就要重新检查，非常耗时间。数据追溯难。所谓数据反查，其实也是分析的问题，只不过一个是从明细数据汇总到统计视角，一个是从统计视角追溯到明细数据。在Excel来说，不存在逆向的追溯，只能靠肉眼查看每一个数据背后的公式来分析。针对上述学员出现的问题，老师给出了详细的解答，认为最快的方法就是通过技术工具去处理海量的业务数据。那要怎样做呢？我们一起来看财务数据分析常用的五步法！Step1理解需求分析数据源，梳理核心逻辑在做分析前，我们必须采集到财务分析源头数据，它可能是一些业务数据（比如销售明细）或财务数据（比如总账凭证），这里，我们将固定资产卡片作为源头。每一项固定资产卡片的数据包括编号、购置日期、购置金额、类别、所属成本中心、使用年限、残值率等。对于每一项固定资产，我们需要计算他在未来10年每个月的折旧金额、累计折旧金额、固定资产原值金额。可使用如下逻辑：每月折旧=购置金额/使用期限/12（限制条件：新增固定资产次月折旧；已提足折旧的不再折旧）累计折旧=期初累计折旧+本月折旧固定资产原值=购置金额（限制条件：新增固定资产在购置当月开始计量）Step2建立模型配置表单固定资产卡片与固定资产预算数据之间是一对多的关系：一项固定资产对应10年的折旧、累计折旧、资产原值数据，因此，我们建立模型如下：在模型中，我们定义了数据如何在数据库存储，表与表之间的联系是什么：第一张表用于存放固定资产卡片中的数据第二张表用于存放计算后的预算数据Step3建立算法算法这步，我们使用Python中的Pandas模块，按照第一步梳理的逻辑，根据固定资产卡片数据计算未来10年的预算数据，实现代码如下：Step4上传数据验证计算结果通过Excel上传存量固定资产数据（实务中，我们也可以通过数据接口工具等将数据直接注入数据表）全部的数据录入完成后，我们执行Python计算脚本，查看计算结果：点开某一项，查看折旧数据：Step5制作分析报表分析报表的视角完全可以由我们自己决定，比如（1）按期间：（2）按资产类别：（3）按成本中心：（4）也可以制作可视化图表：上述五步法对财务人来说真的太实用了，可以从多个维度看出固定资产折旧预算的动态变化。从使用者的视角上看整个操作流程：（1）系统通过接口实时更新存量固定资产数据（2）新建固定资产卡片，维护预计新增的固定资产信息（3）执行计算后查看报表，进入数据源做探索分析在财务数字化转型的背景下，财务有技术的加持即使面对几十万级的数据量也不用再担心了，数据运算的过程完全可以交由机器去解决。在面对复杂的投资预算模型时，可以依靠系统逐层搭建、逐步拆解。在财务工作中掌握算法技术，可以做到事半功倍！
- 2021-09-02
- 市场营销活动的数字化全生命周期管理
- 国庆小长假即将来临，企业的市场活动逐渐增加。昨天有学员（某公司财务部）找小秘书探讨了一下关于市场活动费用管理的问题。在整个管理的过程中发现财务人员和市场部的同事总是冲突不断，那么问题出在哪里呢？经过深入的交流，小秘书了解到了学员所处公司的如下背景：学员所在的公司是食品饮料零售行业，开展市场活动非常频繁，旗下门店已覆盖全国各个区域，每次开展活动前都需要进行区域市场总监和总部财务处的审批。该公司的市场活动费用管理过程如下：区域市场助理按活动编写申请单并填写费用项目，申请唯一的活动编号；区域市场总监对市场活动内容进行审批；总部财务处对市场活动费用进行审批，使之在公司整体预算范围内；区域市场专员负责活动的执行，在活动过程中签订的合同和发生的费用都要归集到指定的活动编号；最后财务部对活动的计划支出和实际支出进行分析对比。（市场活动申请样表）在这个过程中，有以下几点是导致财务和市场冲突的主要原因：如果面临预算吃紧的情况，财务人员会基于预算控制削减市场活动费用，而市场部则认为活动非常重要，能带来收益，财务人员应该保持一定的频率告知他们预算执行的状况，而不能突然砍掉一场非常有价值的活动。财务人员指出市场部编制的活动费用实际支出总是与计划支出不符，但是因为缺乏有效的数据支撑，无法分析差异的原因，最后也就不了了之，无法达到预算和控制的有效循环。在活动结束后，没有合理的指标去考核评价市场活动的整体表现，对活动效果缺乏分析。在活动申请、实际数据归集、效果评价中，财务人员全部依赖Excel收集和整理数据，时效性和准确性都很差。小秘书跟学员聊完之后马上联系老师，给学员提供了一套清晰的营销费用数字化管理思路：01数字化系统设计首先，我们需要建立数字化思维，将市场活动管理的过程都上升到数字化层面。从活动计划、实际费用统计到活动效果评价，实现全流程数字化管理，才能达到真正的数据治理、数据动能的效果。数字化系统搭建包括以下几个关键的模块：市场活动计划申报及审批流：对费用项及驱动因素进行区分，比如物料的驱动因素是市场价格和数量；人工成本的驱动因素是人员数量和单位小时工资。市场活动费用实际发生额统一归集：因为活动费用的实际发生额可能分散在各核算系统、人力资源管理系统、采购系统、费用报销系统等，这个环节主要梳理外围数据来源及数据同步的时效性等问题。市场活动费用分析：根据计划数据和实际数据，对活动进行多维度的分析，比如按区域、按活动类型、按期间等。市场活动效果分析：对接销售数据，对一定期间内的收入和活动数据进行建模分析（可使用的方法：相关性分析、因素分析、场景模拟等）。（市场活动管理数字化系统模块）02数字化系统建设：业务模型为了搭建设计环节的四个主要模块，我们设计了如下3层结构的数据模型：其中，顶层是活动主数据，对活动的唯一编码（ID）、活动目的、活动描述等进行维护，顶层之下分为计划数据模型和实际数据模型，分别用于存储计划阶段和实际执行阶段的关键指标。在计划模型中，又拆分为各费用项：采购物料、人工费用、广告费用、差旅报表、其他费用，每个费用项下根据不同的驱动因素来维护不同的指标，比如采购是单价和数量、差旅是出发地和目的地。这些费用项，可以根据不同的公司去定义类别，主要依赖于过往经验的分析。对于实际模型也同样维护这六种费用项，区别是实际数据会更加精确和明细。比如采购物料就有了供应商，广告费用就有了广告合同编号。上述所有数据模型完成建立后，我们还需要配置一个审批流，定义不同的岗位在审批环节中的位置。根据数据模型和审批流，我们编制计划填报表单和实际数据展现表单：计划填报表单：主要用于市场助理填写活动计划相关数据，并提交审批流；实际数据展现表单：主要用于展示通过各种外围系统（核算系统、人力资源管理系统、采购系统、费用报销系统等）收集的与活动相关的实际数据。数据收集过程一般都通过接口过程实现（其实就是对外围系统数据库中的数据进行采集、清洗、筛选、加工的过程）。（计划填报表单示例）03数字化系统建设：财务分析模型有了业务数据之后，我们还需要搭建一个财务分析模型，将业务数据转化为财务人熟悉的数据结构，比如会计分期、费用项对应到财务科目/报表项目等。我们通过Python实现业务模型与财务模型之间的数据转换。当然，在第二步的业务表单中，有些灰色的计算项，我们也是通过Python脚本实现的：基于财务分析模型，我们可以搭建多维度分析报表：04数字化系统使用流程a、市场活动计划：查看历史市场活动计划或新建计划b、市场活动执行，从外围系统集成活动相关数据：合同数据：人员报销数据：市场活动执行阶段查看整体数据：c、市场活动费用分析：实时查看计划费用总额，预算占用情况，实际数据与计划数据的对比情况。看完整个数字化建设的过程，相信财务朋友们对怎么管理市场活动，怎么实现财务数字化转型有大致的了解了吧~如果想要实现财务分析做的好，那么很多时候都依赖于业务端数据的完整性和精确性。在上述案例中通过对市场活动费用的全生命周期管理，可以在系统中找出活动费用实际支出和计划支出的差异，在活动结束后可以从转化效果去评价市场活动的整体表现。这样当财务人员参与到数字化的建设过程中，才能做到真正的业财融合！
- 2021-09-27
- 项目收款管理，构建系统思维化解业财融合难题！
- 最近小秘书收到了来自财码学员的后台留言：小秘书发现该学员在做项目收款管理的时候出现了很多财务朋友们都会遇到的问题：数据收集工作量大。在收款管理中需要找到签订合同的销售人员，要求其填列固定格式的电子表格。在数据收集的过程中无法实现动态的管理，可能会出现延迟、遗漏、错误、丢失的情况。数据表格整理工作量大。项目合同在签订的早期、洽谈和最终成稿的过程中，会存在多个版本的数据。如果财务人员没有及时跟进合同进度，极易出现信息不对称的情况。分析和统计性能差。在Excel中无法通过函数公式和数据透视表等手段对项目收款进行多维分析。那么我们该如何去解决这类难题呢？不用担心，小秘书特邀财码老师给出了财码数字化五部曲的解决方案！Step1理解需求分析数据源，梳理核心逻辑首先，我们假设项目信息由销售人员维护，这个项目从接触用户的时候，就要开始记录，因此，对于项目明细表，应当包含如下几个板块的数据：项目相关基础信息：包括项目描述、编码、客户名称、执行人、阶段等；项目收款信息：这是财务朋友们最关心的，我们需要明确每笔收款的计划、收款日期和金额；项目审批记录：这是为了保证数据质量而增加的板块，我们可以假设销售填报板块1和板块2的数据，由财务或上级主管来审批他们的填报质量。Step2建立模型，配置表单一个项目存在多个版本，每个版本又存在多条收款计划，因此对于项目主体信息和版本信息之间的关系就是一对多，版本信息和项目收款计划之间的关系也是一对多。那么我们将该模型用图形化表示如下：对于审批流的状态，我们也可以自行定义：通过上述模型，我们就可以配置如步骤一中显示的报表了。Step3建立算法项目合同在签订的早期、洽谈和最终成稿的过程中，会存在多个版本的数据，如果全部要重新敲一遍数字，这真的太不智能了，可以通过Python工具去解决这部分的问题。当我们在做下一个版本的数据修改时，可以将数据复制到当前新建的版本，然后在此基础上进行修改录入。其中Python的核心算法如下：Step4上传数据，验证计算结果Step5制作分析报表我们可以根据项目的基本信息，对项目收款，进行不同角度的分析统计，比如按客户、按事业部、按收款时间、按项目类别等。以上就是项目收款管理应用上的数字化五部曲，小伙伴们get到了吗？在财务数字化的进程中，财务人除了需要具备专业的财务知识外，还需掌握海量数据管理和数据分析运算的能力，同时要提升自身对业务数据的掌控力。通过对业务数据的分析找到项目收款管理的最佳方式。
- 2021-09-08
- 财务数据分析进阶之路
- 从一个人生故事说起刚从学校毕业的年轻人，选定一个方向，开始探索。几年以后，探索到了边界，用力推开一扇门，勇敢的跨进去，点亮了更大的世界。又过了许久，再次来到世界尽头，再次努力突破天花板，又见到了璀璨星海。不断重复着破圈的过程，待有朝一日回头一看，以前的认知不过是沧海一粟，曾经的自己是在管中窥豹而已。人类的认知一直如此，从点-线-面-体，到多维的广阔空间、璀璨星海，靠的是不断打开天花板的限制，见到更大的世界。回到我们今天的话题——财务数据分析，小编以朴素而有限的视野，目前看见了四个阶段：分析入门->可视化展现->业财综合->决策优化。那几扇要跨越的门便是：数据表操作、图表制作、数据库使用、多维建模。财务数据分析的四个阶段第一重境界：财务分析入门在入门阶段，财务分析范围主要是数据表，包含财务报表、余额表、总账、明细账、序时账等等，而使用的工具一般为Excel。Excel是财务职业生涯中最频繁使用的软件，总是让人又爱又恨。财务分析人在这个阶段要解决的问题是：Excel技巧。比如Vlookup/数据透视表/筛选重复值/追踪引用单元格/高级筛选/定位填充空格......由于Excel已经是非常成熟的软件，几乎所有使用技巧你都可以在相关的论坛里找到并操练起来。如果数据量不大，且数据以数值为主，处理简单的计算辑逻辑，Excel基本就够用了。而当你需要更强大的一些功能，就有可能被"notresponding"折磨得欲仙欲死，浪费大量时间与精力。比如对多张数据表灵活切换、分组、聚合、索引、排序，并且结合各种函数的使用，或采用到复杂些的财务模型、统计方法，则可学习Python的Pandas库进行更高阶的表格处理。第二种境界：可视化展现经历了表兄表妹阶段，接下来要进阶到可视化技能，数据可视化是发现数据和展示结果的重要一环。试想仅将财务分析结果以数字报告或数字表格的方式呈现在老板的办公桌上，十年如一日，老板会有啥感想？具备图表可视化能力，更加直观地展现分析结果，帮助管理层抓住数据本质，是这个阶段的财务分析人必不可少的技能。可视化展现的部分，可以使用powerBI或Tableau等现成的商业智能分析软件。BI软件由于有着图形化的操作界面，体验对于刚刚上手做图表的新手是非常友好的。这个阶段的财务分析人，BI商业软件可以满足你大部分的可视化需求，不过功能也会存在一些受限的场景。Python语言在数据可视化方面也有很多功能强大的库，比如Matplotlib，Pyecharts等。使用编程语言的好处是更灵活、可以更好地适应特殊的需求。图表来源：skyose.com第三重境界：业财综合从交易级别的大量而实时的业务数据，到按月汇总的财务账簿，各种非财务信息、驱动因素、环境变量、变化路径，经过层层的汇总筛选处理，已经遗失了大量信息，导致仅停留在财务领域的数据分析如雾里看花，很难对业务决策起到支持作用。而要将财务数据与业务数据结合分析，通过对业务数据的分析找到财务指标变动原因，通过财务数据发现业务薄弱点，你将面临的数据量会大大增加，简单的Excel已经无法满足需求。这个阶段的财务人，你会发现需要使用数据库了。不同的数据库，TB乃至PB层级的数据也不在话下。财务人拿着数据库里的数据放在Excel里做分析，那能不卡吗？理解数据库和数据存储结构，会一点增删改查的数据库操作，或通过Python读取数据库的庞大数据，进行高阶的数据处理、加工和分析，是这个阶段财务分析人的必经之路。这对财务人来说，就像打开了一扇门，见到了数据的海洋。也是在这个阶段，你会真正从数据的角度开始理解，财务核算和报告是怎么一回事。第四重境界：决策优化在数据海洋里徜徉，见到了无数的数据表，最后财务分析人会来到这个阶段：如何更有效的设计一种数据结构，让数据表之间的排列井然有序，让财务数据分析更简单和灵活，让决策迅速而优化？支持及优化业务决策，是不是听起来很兴奋？这不就是数据的分析的意义所在？在这个阶段，财务分析人需要跨越的那扇门叫做多维建模。什么是多维？有点像科幻片？其实多维在数据分析领域早已不是新鲜事了。在这个阶段，你将从二维的平面数据表，迈入到一个个立方体的多维宇宙。你可以用这些立方体，建立复杂的决策模型，从而更有体系的搞定财务工作中遇到的大部分复杂工作。比如从业务计划到财务预算、比如上千家公司的财务报表合并。Python与财务数据分析在这条财务数据分析进阶之路上，我推荐学Python，为什么？总有一些局部的对比，说不太复杂的计算你用Excel就行了，或者简单的逻辑你可以从VBA开始，或者可视化展现用BI工具就非常好，入手也容易，你用不着学Python。既然学了眼前也不一定有什么特别显著的效果，所以可能岁月蹉跎，一直没有开始过。想要行万里路，我坚持以为，是需要下一些基本功的。大多数财务人是从0开始，从未接触过编程，因而入门确实是有一定难度的。选择更难的那条路，不断去超越不适感，打开天花板，去见到更大的世界，是一种选择。无数的选择，就是人生。有硬核的选择，就有硬核的人生。而更为关键的原因是，从四个阶段的分析技能来看，Python在财务数据各分析个阶段使用场景丰富，助益颇多，又语言简洁，适合新手学习。对于真想从事财务数据分析领域的小伙伴，算的上是种非常长情的陪伴。来看看Python能帮财务分析人做到哪些：掌握Python语法，你可能还无法随意的完成一个综合性案例，但已经可以设计一些算法，解决财务分析模型中的一些复杂计算；掌握Pandas库，你就可以用Python操作Excel表格了，Pandas+Excel已经可以覆盖大部分财务分析日常工作中遇到的问题；熟悉Python可视化，你就可将处理后的财务数据用更多炫酷图表的方式展示，用数据讲故事，视觉上更美观，又直击重点；Python连接数据库操作，可以带你进入业务-财务综合数据分析的另一片天地，从零散的数据，到有一定数据规范和模型的数据海洋；Python连接多维模型，你会仿佛进入了无边宇宙，在这里你开始优化数据结构，灵活的模拟业务决策，搞定财务数据分析中遇到的大部分复杂工作。关于财码Python课程设计目前市面上，绝大多数财务分析课都还停留在excel处理数据的层面，其实财务分析实际需要早已远远不仅于此。而绝大多数Python课和数据库课程一般都是面向技术人员的，对财务人来说不仅难以理解，更是不知道学习了对自己的工作和职业生涯有什么帮助。财码Python课程，陪伴你一起对财务数据分析的认识不断进阶。结合财务真实场景，手把手教你Python和数据库。遵循财务数据分析的4个阶段，我们的课程体系设计如下：入场姿势：课程《Python基础》第一阶段：财务分析入门课程《财务分析神器-pandas》第二阶段：可视化展现课程《Python案例课-财务分析与可视化》第三阶段：业财综合课程《Python综合课-财务核算与报告》、《Python综合课-新租赁准则》等第四阶段：优化决策。课程《Python综合课-财务报表合并》、《Python综合课-从业务计划到财务预算》等财码Python课程面目前向财务人限时免费开放，邀请大家一起学习，一起进步。欢迎来www.fincode.com.cn学Python~
- 2020-03-10
- 我是如何从0开始学Python的
- 本文原稿来自在财码社区学Python的一位财务人，小秘书将采访手记整理成文，分享给同样想要从0开始学Python的小伙伴，希望本文对您的学习之旅有所启发。因今天的学习心得分享，小秘书想起听过这么一段话，希望送给一样想要开始学编程的你：75岁种橙子，是一件靠谱的事。30岁开始学习编程，也是一件靠谱的事情。其实，不仅仅是学习编程这件事情，学习任何一门技能都是一样。不管多少岁，不管在什么年纪，我们都应该努力。我们30岁努力了，等到我们40岁的时候，我们会感谢那个在30岁努力的自己。财务人，欢迎一起来www.fincode.com.cn学Python。
- 2020-03-17
