导语：会计专业人员需要终其一生地学习，才能满足不断变化的市场环境，而数据和分析技能将会是会计从业者走在行业前沿的“杀手锏”。

会计行业正在经历前所未有的变革。在不久的将来，手工或重复性工作会被自动化、机器人以及机器学习取代，但是这并不意味着会计行业会演变成夕阳产业，正相反，随着技术应用的兴起，对同时掌握数据技术和会计知识的人才需求会不断增加。

【图注】“数据和分析”是所有技术应用的核心。会计从业者必须了解数据，并知晓如何分析。他们需要懂得分辨数据是否有意义，了解选取何种数据，以及怎样从数据中挖掘更多有效信息。

以史为镜

会计行业的变革，经历了不同阶段的变化。最早且最著名的会计业技术革命是复式记账法，复式记账法是在11世纪早期由中东的犹太人所创，至今已沿用了1000余年。

第二次会计革命发生在计算机与互联网飞速发展的时期——在20世纪70年代出现了电子工作表。

第三次会计革命正在发生——人工智能（AI）、区块链和云计算等技术的出现正在影响会计核算方法和会计业应用的工具。

自上世纪70， 80年代以来，人们一直使用计算机和电子工作表来处理会计事务。由于计算机的出现，几十年来复式记账的工作需求不断下降，且很可能在不久的将来彻底消失。

伴随着2019年新时代的到来，大多数机构已经不再要求员工去做复式记账工作，因为计算机完全可以自动生成会计分录。在这种情况下，数据处理、管理分析和财务分析领域的会计职能需求变得越来越高。随着会计工作职能的变化，新生岗位逐渐代替了旧有的岗位，但是从事会计行业的人员却在不断增加。

行业重塑

毫无疑问，未来许多重复性工作将被计算机和机器人取代。与此同时，未来的经济发展也将出现新的前景。2018年，欧洲颁布了关于数据保护的新法规《通用数据保护条例（GDPR）》以应对数据化的今天，但是，GDPR和会计工作之间有着怎样的联系呢？

现代许多工作皆由计算机完成，计算机根据算法来做出判断或分类。例如，当客户申请信用卡时，计算机会自动分辨客户的身份信息，判别是否符合申请资格，这样的方式便引发了“算法公平性”的问题——系统是否进行了差别对待。

那么，我们应该如何保证数据处理的公平性？按照GDPR的要求，在使用算法对于人员分类时，相应公司或者机构必须能够详细解释算法的决策方式，这也意味着该公司或者机构需要一个独立的部门向大众或者客户证明使用的算法不会根据种族、年龄或性别进行差别对待。

回顾过往，这类工作是完全不存在的，传统的审计人员不需要审计算法，也不需要审计算法的公平性。但是现在的从业者需要理解算法并了解相关知识，以确保系统保持公平和稳定。在实际工作中，四大会计师事务所早已开始提供算法保证服务。

根据调查研及行业咨询发现，同一个公司中，商务部门与技术分析部门通常难以相互沟通，因为他们不了解对方的知识领域。在当下的人员需求中，同时掌握财务会计知识与数据技术系统的人才最受欢迎，他们是商务部门与IT部门进行有效沟通的关键，而这些人才正是未来会计行业的巨大需求，从侧面也重新塑造了会计在大众心中的概念。

改变规则

技术革命对金融界带来的最大影响的可以简称为“ABC”——人工智能Artificial Intelligence、区块链Blockchain和云计算Cloud Computing，而数据又是推动“ABC”工作的根源。对于大公司而言，他们有大量的数据需要处理，有了“ABC”的保驾护航：人工智能促进数据收集和分析；区块链确保数据安全；云计算使数据共享成为可能，工作效率有了大幅度的提升。这也透露了未来的职能重点：会计和金融从业人员需要专注于开发数据技术应用。

会计行业的第三次变革在机器学习（人工智能中的一部分）被引入会计业后就开始了。机器学习技术可以打开全新的数据集进行分析，能够从现有数据中发掘出新的有效内容。例如，机器学习使人们更容易分析非结构化数据，像文档的文本，包括合同、法律文档、会计文档、新闻稿、新闻文章、电子邮件等。

虽然过去已经产生了分析这些文档的方法，但这些方法的稳定性欠佳——如果词汇或格式发生变化，就需要彻底修改算法。通过机器学习，我们可以生成不易变更所选语言的代码（如矢量编码方法），并且能够自动对算法进行再培训，以适应数据更新产生的变化。因此，我们可以投入更少的时间完成更高效的工作流程，达成更好的结果。

企业生产的庞大数据量是当代会计师所面临的巨大挑战，对于审计从业者而言，获取相关客户的更多详细信息也是他们面临的最突出的问题，这些信息可以帮助他们更好地执行审计工作，更快的解决可能存在的问题。通过使用机器学习则有效的解决了这个问题，可以让他们更便捷的了解大概内容，更轻松的寻找细微异常。

需求升级

如果遇到问题可以通过机器学习解决，那么几乎可以肯定的是使用机器学习后效率必然提升。如果系统能在95%的时间内正确地执行工作，那么它可能会超越员工的工作效果。

机器学习的出现增加了工作岗位的需求，因为机器并不会完成所有工作，而是与人类共同合作，员工进行监督操作从而获得更高的效率。有些时候，机器学习能够有效的发现一些被人类忽略的普遍现象，通过与人类的协作，达到了事半功倍的高效。

科技的进步并不会取代所有的工作岗位。科技会完成手写、重复流程和乏味的内容，这样会计师们则可以集中精力于需要判断和决策的工作内容方面，这些内容远远超过了科技触及的功能。换言之，人工智能技术所“遗留”的工作恰恰是更有趣的工作。

与时俱进

创新与学习是交织在一起的。技术的发展并不意味着工作内容越来越困难，而是我们所需要学习的部分发生了改变。对于想要走在在行业最前沿的人来说，必然要学习用于统计分析的程式语言，例如R或Python语言、用于数据查询的SQL和用于大数据分析的Spark和Hadoop。

Python是一种很好的通用型语言工具，R则偏向于分析方向。一旦你了解了程式语言，就可以开始发掘更多隐藏在数据中的价值，使工作流程自动化从而提升效率。举个例子，你在准备每周报告的时候，发现收集数据的源头相同，结合数据的方式相同，这时便可以使用Python或R实现自动化，只需运行一个命令，所有的数据工作就会自动完成。这些工具还提供了比传统业务软件（如Excel）使数据更具象化，更可视化，帮助你更好地理解数据信息。

“数据和分析”是所有技术应用的核心。会计业人士必须了解数据，并知晓如何去分析。他们需要懂得分辨数据是否有意义，了解选取何种数据，以及怎样从数据中挖掘更多有效信息。因此，会计业人士需要不断学习，与时俱进，掌握描述性分析、预测分析和决策优化分析这些关键技能。

把握机遇

会计业正处于技术革命的潮头，会计业人士需要紧随不断变化的市场环境，以满足业务需求。一方面，拥有数据和分析技能的人才能更好地掌握业务并为公司及行业的发展做出贡献。另一方面，通过招聘和投资合适的人才，公司也将获益于他们的专业知识。

数据和分析将是会计业从业者走在行业前沿的关键技能。抓住它，就是抓住了未来。

、

关于 MPA 专业会计硕士

该课程帮助学生在会计领域开辟了一条令人振奋的职业新道路——不管是就职于专业服务领域还是各个行业的公司会计，专业会计课程都是获得CPA（注册会计师）或CA（特许执业会计师）的快捷通道。对于那些需要掌握会计知识的非专业人士来说，也是一个理想的选择。用专业会计的技能来解锁不断发展的商界机遇吧！

MPA 专业会计硕士课程设置

全日制课程为期12-14个月（每年5月或8月开课）

非全日制课程为期24个月（5月开课）

更多详情，可扫描下方二维码查阅：

识别上方二维码，了解更多 MPA 课程详情

关于 MSA 财务大数据分析硕士

会计和金融领域的技术颠覆已经创造了大量的大数据，这些数据迫切需要具备批判性思维技能和分析能力的专才来处理。 通过这个亚洲独一无二的大数据分析方向会计硕士课程，学习专业技能和洞察力，以获得宝贵的竞争优势， 为未来做好准备。

MSA 财务大数据分析硕士课程设置

全日制课程为期1年（每年8月开学）

非全日制课程为期2年（每年8月开学）

更多详情，可扫描下方二维码查阅：

识别上方二维码，了解更多 MSA 课程详情

注：本文作者为新加坡管理大学Richard Crowley教授，专业会计硕士及财务大数据硕士项目主任王纪伟副教授。源自SMU会计学院官网，由平台编辑翻译。查看英文原文请点击【阅读原文】。

- END -