固定资产报表分析是会计师还是经济师 固定资产报表怎么分析



文章插图
固定资产报表分析是会计师还是经济师 固定资产报表怎么分析

文章插图

前不久 , 小秘书的邮箱收到了一封来自学员“help me”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not responding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!
1
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)
2
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
3
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:
4
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:
5
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 。
而且还能从使用者的视角上看:
系统通过接口实时更新存量固定资产数据
新建固定资产卡片 , 维护预计新增的固定资产信息
执行计算后查看报表 , 进入数据源做探索分析
【固定资产报表分析是会计师还是经济师 固定资产报表怎么分析】学员看完解答后认为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!