联系我们
 课程时长 35 小时

课程大纲

AI基础与财务AI辅助Python

现代财务中的AI、分析与代理AI

  • 生成式AI、机器学习、自动化与代理AI的区别及其在财务中的应用场景。
  • 涵盖会计、FP&A、报告、审计、资金管理及共享服务的财务用例。
  • 识别适合AI辅助或受控自动化的任务。

财务Python - 将AI作为编码伙伴

  • 财务专业人员Python基础:变量、数据类型、条件、函数和笔记本。
  • 利用AI助手生成、解释、调试和完善Python代码,而非独立编码。
  • 生成可靠财务代码的提示技巧。

Python中的财务数据处理

  • 使用Pandas和DataFrame导入Excel和CSV数据。
  • 过滤、分组、聚合并计算财务指标。
  • 利用AI解释错误、优化逻辑并记录分析步骤。

财务编码实战应用

  • 自动化重复计算、差异分析和比率分析。
  • 创建具有AI支持代码审查的可复用Python工作流程。
  • 在用于财务报告前验证输出结果。

动手实践

  • 构建AI辅助Python工作流程以分析示例财务数据集。
  • 审查生成代码,测试假设并通过人工验证优化输出。

AI辅助高级财务数据分析

财务数据准备与质量

  • 清洗、验证和标准化财务数据。
  • 处理缺失值、重复项、不一致分类和日期问题。
  • 整合多个财务来源数据用于分析。

高级财务分析

  • 收入、成本、利润率、盈利能力和营运资本分析。
  • 预算与实际、差异和环比分析。
  • 下钻分析以识别关键财务驱动因素。

AI辅助分析与异常检测

  • 利用AI调查波动、模式和不寻常交易。
  • 从财务数据生成分析问题和假设。
  • 区分有用信号与误导性AI生成解释。

预测与情景分析

  • 预测中的历史趋势、驱动因素和假设。
  • 支持财务决策的What-if和敏感性分析。
  • 利用AI支持情景叙述,同时保持财务控制。

动手实践

  • 对财务数据集进行端到端分析,识别关键差异和异常。
  • 准备由底层数据支持的简洁AI辅助财务洞察摘要。

AI驱动的财务仪表板与管理洞察

财务仪表板设计

  • 选择适合财务、管理和运营报告的有意义KPI。
  • 围绕决策问题而非视觉数量设计仪表板。
  • 构建高管、管理层和分析师视图。

构建交互式财务仪表板

  • 连接并转换财务数据用于仪表板。
  • 创建KPI卡片、趋势、差异可视化、下钻和筛选器。
  • 构建预算与实际、盈利能力、现金流和绩效视图。

AI增强仪表板

  • 使用自然语言查询探索财务数据。
  • 生成AI辅助摘要和KPI波动解释。
  • 利用AI识别需要深入分析的领域。

仪表板控制与可靠性

  • 考虑数据刷新、可追溯性、验证和对账。
  • 管理访问权限、敏感财务信息和受控分发。
  • 避免误导性可视化或AI生成结论。

动手实践

  • 使用结构化数据集构建交互式财务仪表板。
  • 添加与可衡量财务波动挂钩的AI支持管理层评论。

总账与财务管理中的高级AI工具

总账中的AI应用

  • 分析GL账户、交易模式和记账行为。
  • 利用AI支持交易分类和账户级审查。
  • 识别不寻常、高风险或偏离模式的条目。

AI用于对账

  • 匹配记录并在财务数据集中识别异常。
  • 支持银行、公司和资产负债表对账。
  • 优先处理未对账项以供人工调查。

日记账分析

  • 检测重复、不寻常和手动日记账。
  • 期末日记账分析及支持解释生成。
  • 为财务团队提供风险指标和审查检查点。

财务结账与报告中的AI

  • 结账任务优先级排序和基于异常的审查。
  • AI辅助差异解释、评论和审查备注。
  • 最终报告前使用结构化审批和验证。

动手实践

  • 分析示例GL数据集,识别异常和对账例外。
  • 生成受控的AI辅助审查摘要供财务管理层使用。

财务管理与决策支持中的代理AI

理解财务代理AI

  • 代理AI工作流程的特点:目标、规划、工具、记忆、行动和反馈循环。
  • 代理AI支持财务运营的领域及人类审批仍至关重要的场景。
  • 单代理与多步骤或多代理财务工作流程。

设计代理财务工作流程

  • 为数据收集、分析、验证和报告任务创建代理。
  • 将代理连接到结构化财务数据和获批工具。
  • 设计升级规则、检查点和审批边界。

财务中的代理用例

  • 自动化差异调查和管理评论工作流程。
  • GL异常分诊、对账支持和结账状态监控。
  • 预测刷新、情景准备和财务查询助手。

代理AI的治理、风险与控制

  • 人在回路控制、审计追踪、权限和职责分离。
  • 数据机密性、幻觉风险、验证和模型局限性。
  • 生产部署前定义安全操作边界。

最终实践顶石

  • 在一个财务用例中结合Python、AI、高级分析和仪表板输出。
  • 设计分析结果、标记异常并准备管理洞察的代理工作流程。
  • 展示工作流程、控制、输出和建议的后续步骤。

要求

  • 具备基础财务、会计、财务报告或FP&A概念的理解。
  • 熟悉Excel及财务数据集的处理。
  • 无需Python编程经验,但具备基础数据分析知识有益。
  • 了解ChatGPT、Microsoft Copilot或Claude等AI或生成式AI工具并非必需,但有帮助。
  • 能够舒适地处理财务报告、KPI、预算、差异及相关财务数据。
  • 实操环节需提供可访问所需培训工具、数据集及获批AI平台的笔记本电脑。

客户评论 (1)

即将举行的公开课程

课程分类