【2020冬季挑战赛】供产销企业的财务数据分析与内部审计

楼主
所谓的彩虹不过就是光
1.选手简介
1.1.选手介绍

帆软社区用户名:帅杰(uid:247481)
职业简介:现就职于内蒙古宇泰房地产有限责任公司
负责财务BP、信息系统内部审计等

1.2.参赛初衷
  • 今年夏天成为帆软论坛讲师,因为要一边工作一上学一边考CPA,所以一直没有出课程希望通过这次比赛跟大家分享FineBI在财务数据分析和审计上的知识!

2.场景介绍
  • 本文介绍的FineBI应用为落地的真实数据(特别隐秘的数据已经擦除),一切秉承实质重于形式原则;
  • 本文不介绍基础FineBI基础知识和财务知识,因篇幅有限,具体可视化制作也不再赘述;
  • 图片只展示了部分图表,每个图表运用了不同的分析方式(求导、求和、求平均、求次数等),数据分析建议大家要大胆亲自动手尝试;
  • 内容和知网文献一样非常干...主要目的是提供管理思维、引导大家动手研究操作,适合有财务管理、CRM管理基础的人;

FineBI在本人的工作中已完全替代了Excel的透视功能。更重要的是在部分报表处理工作中,Excel不如FineBI简洁,从而让FineBI成为一个更好用的“大”数据处理(统计)工具。结合Python在财务成本管理方面可以实现很多的模型。模型建立完成后可以动态分析各类数据和彼此关系。

在本次案例中,利用FineBI环节不仅仅是在最后展示用(目前BI产品本质),更重要的是在第二步——数据统计分析并导出结果,应用在会计准则、财务模型上!因此完成工作需要部分CPA《财务成本管理》知识。

  • CRM系统的充值数据模型(真实数据,公式很少,FineBI自带的分析功能足以满足);
  • CRM系统的消费数据模型(真实数据,公式很少,FineBI自带的分析功能足以满足);
  • 采购统计分析模型(真实数据,有公式,目的是估算成本);
  • 商品财务成本管理(非真实数据,复杂公式,涉及财管的分配率计算,涉及agg各类和total混合运用);

*由于真实成本卡过于复杂,简单的表格却需要相关部门非常多前期铺垫工作,包括生产部门直接估算成本或本人根据销售数据和采购量进行回归分析估算成本。因此涉及到其他部门的工作成果,这里全部用字符替代,但是财管的成本核算是一门艺术!这里还涉及了公司战略管理中的一些知识(波士顿矩阵);

2.1.业务背景介绍&数据来源

  • 业务背景:地产集团旗下投资的一个餐饮管理公司项目;
  • 本人年底负责核算集团投资的餐饮管理公司为期一年的运营工作;
  • 旗下所有门店(10多家)每月的经营分析(现金收入、会员卡收入、标准成本核算、采购及供应商、编制管理用现金流量表、反内部舞弊等)
  • 数据来源:CRM系统、收银系统、入库单、财务明细账、财务报表;
  • 使用企业数据:CRM的个人信息;

*Q:为什么选择制造业;



*A:在企业中涉及到数据最多的部门不是计算机,而是“财务部”,最缺乏数据分析的部门偏偏也是“财务部”。制造业一般具有“完整的产业链”(采购、生产加工、销售)和“会计核算体系”,也就是为什么CPA针对的是中国上市公司的审计工作,简单来说就是教你如何审计一家“A股上市制造业企业”。数据分析最好落地的地方就是“以货币计量”,以“会计区间”作为咱们的DataTime;

2.2.分析思路
思维导图

  • CRM系统模型(充值、消费):充值及消费统计,通过明细账利用FineBI制作模型,为后续分析工作提供数据支持,同时通过BI可视化功能,初步处理、拆分、展示已有数据信息,并根据业务的实际情况开展收入审计工作(根据CPA审计准则要求,无论收入的内部控制是否有效都应视为存在舞弊、非上市公司主要存在侵占公司资产的舞弊行为:现金套现、骗取提成等);
  • 采购统计分析模型:通过供应链系统的入库单制作模型,通过大量数据可以纠正入库信息的录入错误。通过BI可视化功能,初步处理、拆分、展示已有数据信息。原材料影响变动成本、资本支出(净营运资本的增加+资本支出)影响CFO,编制管理用现金流量表
  • 财务报表:资产负债表、利润表、现金流量表;
  • 管理用财务报表:CPA《财管》专有知识,面向运营分析的一种报表,把业务细分了;

2.3.数据整理
1)CRM系统的充值数据模型:
数据源——充值明细账(脱敏)

  • Index:手机号;Time:交易时间;
  • 数值:奖励金额、充值金额、实收金额;
  • 其他:门店、会员类型、首/续、支付方式;
  • 就是明细账,明细账是非常适合当原始数据存储的;

2)CRM系统的消费数据模型:
数据源——消费明细(同上Python脱敏)

  • Index:手机号;Time:交易时间;
  • 1-8月数据,78600行,计划利用Python打开并合并年底数据(过程略);
  • Excel也能合并数据,FineBI也能合并数据,Python合并是个人喜好;


3)采购统计分析模型:

入库单(Excel导入Python,脱敏)

入库单(Excel导入Python,脱敏)

  • 入库单非常单调,且不标准;
  • CRM单是系统生成的,入库单是人为形成的,其出错的概率远大于系统;
  • 跟数值有关的错误,我们可以通过FIneBI直观的看出来,所以没必要修正原始数据;
  • 跟字符串有关的错误必须要修正,比如供应商名称;
  • 如果错误极多,说明内部控制差,这不是咱们工作涉及的问题了;

2.4.完成分析报告
1)CRM系统的充值数据模型:
数据筛选控制面板(FineBI中及其重要的变量控制)
KPI面板(敏感数据月份剔除)



部分面板展示1  (算法不多但是都不一样,大家可以根据标题去猜)

部分面板展示2(算法不多但是都不一样,大家可以根据标题去猜)

  • 反映充值动态变化情况;
  • 反映会员运营情况;
  • 部分面板没有展示,主要功能为数据加工,利用导出Excel”导出用;
  • “导出Excel”是精髓功能,BI面板不是最终产物!!!我们还要做分析用;





会员细分模块

设置筛选条件(敏感已扣)

  • 充值明细账模型的处理比较简单,没有复杂的公式;
  • 该模型所有数据全部来源于Excel明细账(1-8月);
  • 模型里的模块很多,所有模块都有其意义,篇幅有限且过于基础;
  • 因此基础的制作不赘述,这里展示几个具有审计意义的面板;
  • 通过会员细分可视化,可以直观的筛选出想要寻找的异常充值;
  • 排版和设计方面由于使用MacBooK版制作,携带方便、屏幕有限,因此选择简洁方式凸显数据的干净和精准。由于面向专业用户和财务人员,没有无意义的分析和模块,便于提取数据进行后续分析加工;

*这个模型是“收入”的前置环节,本质上属于负债——预付账款;



2)CRM系统的消费数据模型:

数据筛选控制面板、KPI面板

部分面板展示1(算法不多但是都不一样,大家根据标题去猜)

部分面板展示2 (算法不多但是都不一样,大家根据标题去猜)

正态分布?不是,是因为疫情


  • 反映消费动态变化情况;
  • 反映会员喜好情况;
  • 部分面板没有展示,主要功能为数据加工,利用导出Excel”导出用;
  • “导出Excel”是精髓功能,BI面板不是最终产物!!!我们还要做分析用;
  • 十分建议大家研究一下管理学相关模型(财管、人力、运营、战略),数据分析最终要回归到标准,因此导出Excel”是精髓功能;

周消费情况可视化

月消费情况可视化

  • 因此基础的制作不赘述,这里展示几个具有审计意义的面板(不是很敏感);
  • 通过会员细分可视化,可以直观的筛选出想要寻找的异常消费;
  • 一个月多次消费、周多次消费、日多次消费可能存在收入套现;
  • FineBI非常直观的展示了异常会员,可以直接进行锁定;
  • 如果根据审计进行排查,不光需要用到可视化功能,通过导出Excel”使用vlookup函数进行抽样,让FineBI实现了数据统计功能;

审计抽样设定“重要性”指标

关于CRM系统统计为何使用FineBI:
1、目前CRM信息系统主要实现了记录功能,其统计功能十分薄弱;
2、FineBI建模比Excel更系统,本次使用了2个明细账就实现了如此功能,年底后续补充信息明细即可完成全年工作;
3、数据分析、展示,在本案例中FineBI实现关键指标的分析展示工作,由于CRM数据量巨大,只有通过FineBI才能更好完成运营分析工作;
4、数据统计,通过条件筛选,完成数据分析的前置步骤;例如:公司政策充值办卡给予相关人员提成,其中可能存在舞弊,通过筛选“首/续”选项就可以得到首冲的明细账和可视化分析,导出其数据用来后续的分析程序可以推论出是否存在侵占公司资产的舞弊;
5、通过筛选会员类型,统计10万+数据可以轻松计算出实际的现金流入,为年底编制“管理用现金流量表”提供数据支持;
  

简化的管理用现金流量表(年底用FineBI进行可视化)
(实体现金流量=EBIT*(1-T)+折旧费用-净营运资本的增加-资本支出)


*这个模型是“收入”环节;



3)采购统计分析模型:
数据筛选控制面板、KPI面板

BI作为数据分析工具——实质重于形式,表格排序异常录入错误

  • 通过汇总发现录入错误(异常涨幅极高的,价格、规格录入错误);
  • 如果数据量中等可以通过众数更正;
  • 如果数据量极大可以直接求平均数更正;
  • 本模型里的所有会计估计都按照平均数计算;
  • 采购模型需要可视化的比较少,主要功能是统计、勘误、满足内审;
  • 配色方面就更加简单明了,经常操作筛选不需要眼花缭乱~

从现在开始我们才要写一些公式了~后面会更难的~这个简单


  • 本模型中的公式很多,大概十多个左右,不一一展示;
  • 上图展示了估算的公式;

管理用现金流量表中的经营性现金支出(原材料)和营运资本支出(投资性的现金流出:购置资产)通过本模型统计计算

(实体现金流量=EBIT*(1-T)+折旧费用-净营运资本的增加-资本支出)
*这个模型是“采购”环节;



4)商品财务成本管理
编辑好的成本卡

  • 成本卡的制作是非常难的,以我目前的水平FineBI无法实现从原始数据进行关联;
  • 需要这个特殊的xlsx文件,PythonExcel可以实现,因此工作主要在成本卡设计上;
  • 利用python合并出这张二维表,再利用FineBI分析,所以很多财务公式都集中在这张表上了

部分展示1

部分展示2

边际收益分析

  • 这个表展示了产品的毛利空间,是根据成本卡最终得出来的结果;
  • 该模板可以套用所有生产制造企业,越是标准化规范化,效果越好;
  • 该图的实现难度很低,主要难度在二维表的分配率上,该内容输入财务成本管理内容,不同的分配方式和核算标准计算的分配率是有差异的(分步结转还是综合结转);
  • 注意左下角,公式不多,因为最难的还是二维表上本身的勾稽关系(公式都在表上),不过后面的几个图公式就相对比较难了;

部分展示3

部分展示4

财务成本管理模块


右下角公式比较多且、复杂

  • 类似于波士顿矩阵,分析产品的定位;
  • 纯数据——财务模型——财务分析——战略模型,这一环一环的实现就是公式;
  • X轴是反向的;
  • 左上明星、左下现金牛、右上问题、右下瘦狗
  • 基础公式比较简单,不赘述了~
  • 难点主要是根据业务进行公式嵌套,处处体现管理学的美;


*整套财务成本分析模块围绕着成本卡和销量来分析,最终利用它的结果进行“盈亏平衡分析”。结合“管理用现金流量表”可以得出经营杠杆——固定费用(比如人员工资),通过调节折扣率成本率经营杠杆系数来分析销量合理性。模型比较简单直接,不需要使用FineBI制作,通常以报告形式;


*这个模型是生产、加工、运营环节;
*这块本来很值得展开来讲,不过考虑到篇幅和跨专业的问题就先放一放;


编制分析报告:


1、CRM会员信息分析报告,基于FineBI数据可视化结果的呈现,进一步统计分析和预测



2.5.总结
  • 四位一体的FineBI应用,少了哪一环节都不行(制造业一般具有“完整的产业链”,后续还可以完善,例如财务系统的现金收入核算,这块直接使用财务数据,但是根据科目余额表来看存在分类差错,或不满足于管理用现金流量表需要通过数据加工才能使用;

  • 数据分析不是假大空上层建筑,自此的落地应用在了运营分析、审计反舞弊、成本核算、产品定位诸多方面。在财务报表分析方面由于会计准则较为完善且三表比较标准,诸如杜邦分析可视化,个人感觉意义不大;

  • 个人方面接触FineBI真是机缘,对我本人的工作和学习极大的助力,尤其是系统的学习完CPA的知识后,发现了BI软件的能力不仅限于可视化展示这么简单,至少目前对我个人而言,Excel+FineBI+Pyhton结合全面的财务管理知识后,看待数据分析有不同的见解,看的更深更实用,希望把脑子里的每一个理论通过工具实现落地;

  • 未来我会在论坛分享自己的知识,主要是财务和战略方面的应用(比如投资组合的可视化、回归分析、U8财务系统的结合等);







编辑于 2021-3-16 11:42  
编辑于 2021-6-3 15:46  
分享扩散:
参与人数 +1 贡献 +2000 F币 +2000 理由
兔子酱 + 2000 + 2000 恭喜荣获“最佳业务应用奖”

查看全部评分

沙发
发表于 2020-12-16 10:15:22
请问有可视化页面的全部截图吗?或者PDF文件,想观摩一下整体排版
板凳
发表于 2020-12-24 17:26:55
可以看出你掌握的东西真的不少,工具Excel+FineBI+Pyhton 确实很够耍的,
我原来都是 Excel+SQL+POWER BI +SPSS,  遇到脏数据和格式不够好的东西真的要疯,只能说这些工具不够给力,现在准备入手 FINE REPORT 看看他们的数据处理模块怎么样,不行的话还是的跟你一样得学PYTHON.....

不过你的报表配色好像上个年代的报告,可以用马卡龙一些的颜色哈
地板
发表于 2023-10-13 17:07:41
方便分享这些看板数据吗,可以学习学习,财务小白
5楼
发表于 2023-11-16 15:26:56
方便分享这些看板数据吗,我也是想学习学习
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

7回帖数 8关注人数 28713浏览人数
最后回复于:2023-11-16 15:26

返回顶部 返回列表