管理會計師和其他專業人士正在運用數據分析技術有效應對新冠疫情，并尋找新的客戶與發展機遇。

隨著商業環境變得越來越復雜且變化速度加快，領先企業也在不斷推進其數字化進程，以期為數據分析奠定基礎。多年來，企業競相采用數據分析技術，但不斷增強的數字化顛覆因素（如技術進步和數據可訪問性的改善），加之今年新冠疫情的影響，在短短數月內，就將這個日益由數據驅動的世界朝著數據依賴與數據優化的方向往前推進了數年。

新冠疫情嚴重影響了社會的方方面面，無疑也會影響我們今后數十年生活、交流和經營的方式。而在這個敏捷性和韌性成為必要發展條件的時代，那些已經采用數據分析的企業，發現自己在運用數據應對疫情及其影響方面更具優勢。

企業運用數據分析技術的需求比以往任何時候都更加緊迫。通過數據分析獲取洞見的能力要超越，或者在某些情況下至少與競爭對手水平相當。利用數據分析應對疫情的企業，已通過建立數據生態系統——驅動商業智能、形成洞見并為戰略決策提供信息所需的基礎架構、應用程序和分析方法——在數字化道路上取得了進展。借助數據治理，這些企業能夠從多平臺數據整合中受益，并實施包括數據湖、云計算、物聯網（IoT）、大數據和自然語言處理等在內的數字化戰略。

數據分析能夠不間斷地處理大型數據集、提供*的感染率和免疫率、預估理想的疾病檢測點、預測消費者的消費模式并評估關乎整個產品和服務線的決策，因此已成為疫情期間企業發展的關鍵驅動力之一，而這也凸顯了數據分析可發揮的廣泛作用及其對企業的重要性（不論是否處于危機時期）。

數據分析與疫情

新冠疫情嚴重沖擊了人們的生計，沉重打擊了商業活動，截至8月中旬，全球近2,100萬人確診，預期744,000人死于新冠肺炎相關疾病，日新增感染人數超過275,000人。很多家族企業和跨國企業都遭受到巨大的破壞，紛紛裁員、申請破產或*歇業，而另一些企業則遇到了難以想象的需求激增、庫存耗盡和重重供應鏈問題，根據*樂觀的估計，也需要數月時間來解決。

慶幸的是，新冠疫情暴發時，許多企業已相當了解數據分析的強大作用。社區、政府和醫護人員牽頭分析工作，以跟蹤病毒、幫助受影響的家庭并試圖阻止疾病的傳播。在制定和實施員工保護與客戶支持計劃時，企業運用數據分析來評估因居家令、恐懼與不確定性所導致的財務困難程度。我們將探討各個行業的案例，以此展示數據分析的四種類型——描述性分析、診斷性分析、預測性分析和規范性分析（見“數據分析的四種類型”），是如何用于應對新冠疫情及相關問題的。

醫療行業

數據分析以其強大的預測能力和解決問題的能力，已成為對抗疫情及其影響的重要工具。相較其他行業，醫療行業對此體會更深。世界各地的研究人員和醫護人員攜手合作，共同提高數據的透明度和可訪問性，從而在多各方面助力產生*具洞察力的見解。

其中*引人矚目的當屬世界衛生組織（WHO），其利用數據按地理位置報告確診病例、死亡和康復情況（見圖1）。世衛組織*廣為人知的描述性分析可能就是數據可視化地圖，該地圖展示了各個地區確診感染情況的相對強度［見名為“WHO Coronavirus Disease（COVID-19）”的儀表盤］。除診斷性分析外，WHO還利用其他分析模型來預測新冠肺炎的感染率、康復率和死亡率。這些信息已與政府和其他相關機構共享，以提高人們對該疾病嚴重性的認識，并告知醫療機構和其他組織為接收及救助患者而需做的準備工作。

約翰霍普金斯大學的研究人員在世衛組織分析方法基礎上又前進一步，有效地運用模型模擬了新冠肺炎在美國縣級層面的傳播情況（見圖2）。實踐證明，這一模型對于公共衛生官員和政策制定者采取適當的遏制和援助行動至關重要。根據未來感染情況的預測數據而采取的全球性應對措施包括：居家令、保持社交距離指南、小型企業救助、債務免除和刺激方案等。圖3展示了數據分析在醫療行業抗擊疫情過程中所發揮作用的突出案例，包括：

醫學成像。疫情暴發早期，由于病毒進化速度快，中國短期內使用CT影像確診患者時面臨較大困難，原因之一是一線影像科醫生缺乏。在華為云、藍網科技和華中科技大學的合作下，運用基于計算機視覺的AI技術，可以在數秒內*、重復生成CT量化結果。這一進展大大提高了診斷效率。（融躍CMA）

新藥研發。研究人員利用機器學習模型來確定一種藥物是否能有效對抗病毒。輸入機器學習模型的數據包括新冠肺炎的歷史數據、反映藥物對抗其他疾病有效性的數據等。

打擊誤導性信息。Twitter等社交媒體公司使用深度學習算法，將可靠、*的信息來源與不可靠的信息來源區分開來，減少新冠肺炎及其傳染方式方面錯誤信息的傳播。

模擬感染嚴重程度。由于沒有足夠的資源供所有人定期進行新冠病毒檢測，獲取有關疾病傳播可能后果的更多信息、盡可能恰當地分配醫療資源，就變得*重要。數據分析用于建模，內容包括：個體感染新冠病毒的可能性（感染風險）；如果被感染，患者可能需要住院治療、接受重癥監護或使用唿吸機的幾率（嚴重程度風險）；感染者死于新冠病毒相關并發癥的可能性（結果風險）。

有效的模型可利用諸如年齡、既往健康狀況、社會習慣、衛生、所處位置、氣候等方面的數據來創建脆弱性指數，預測個體感染新冠病毒的風險。有了這些因素以及其與新冠肺炎患者重點人群描述的匹配程度，預測性分析可使聊天機器人和機器學習推動人們對感染風險進行自查，規范性分析則能使醫護專業人員制定個性化的治療方案。這些數據及從中產生的洞見也可告知我們應針對某些特定人群采取更多預防措施，例如限制進入療養院以降低老年人的感染風險，并建議慢性唿吸道疾病患者留在家里，即使其所在地區已經復工。

醫療行業數據分析

財會行業（融躍CMA）

疫情暴發之前，財會行業已經從主要偏重于記賬、控制、鑒證和報告活動轉變為自動化其中眾多工作，以便從業人員將同等或者更多的精力放在分析和戰略決策支持上。這一轉變的關鍵一點，在于不斷提高財會專業人士的技能，使之聚焦于數字技術尤其是數據分析。

疫情期間，世界各地的財務部門在其組織的復工復產過程中發揮了重要作用。財務團隊利用其對財務和非財務數據的獨特訪問權限，通過從數據分析中獲得的洞見來為關鍵經營決策提供信息，使其組織能夠更好地管理現金流、確定*產品、預測需求、評估就業水平以及投融資方案等。

逾期風險。金融服務企業、公用事業公司、制造企業和咨詢公司的財務團隊運用預測性分析來評估應收賬款和客戶賬戶歷史記錄，以識別逾期風險*的客戶。財務專業人士通過計算可反映支付能力和支付傾向的評分，在主動接觸客戶作出支付安排時，運用相關分析結果來為企業提供針對性的溝通方案建議，并在可行情況下提供短期寬限措施。

現金管理。現金管理一般由財會部門負責。在當下不確定性*高、許多企業銷售額大幅下滑的時期，現金和營運資金管理為財務團隊進行敏感性分析提供了一個*機會，以確定在其他所有條件不變的情況下，單個變量的變化會對結果造成怎樣的影響。除了監控應收帳款周轉天數和未來到期的付款清單外，會計師還要審查當前和將來總體的現金流入和流出情況，確定眾多成本和收入動因的影響，如生產需求高于現有產品的新產品、原材料成本增加、削減特定營銷活動、提供免費或折扣力度大的服務。這些分析可讓企業知曉維持有限經營或擴大經營所需的現金量，為獲取額外資金的潛在需求提供指導，并預測拉動其他經營或業務杠桿對現金的影響。

財務業績。資產評估和損益方面的預測對于企業復工復產期間的管理決策很重要。情景分析等財務模型可通過改變內外部變量，生成*有可能發生、*樂觀和*悲觀的情景。變量示例如下：（1）居家令導致銷售收入下降，因為無法向接觸不到的消費者提供服務；（2）對衛生紙和紙巾等產品的需求意外激增。這類分析的結果可為從存貨管理到產品定價及新產品或服務的推出等提供支持。

用工決策。情景分析還可為用工決策提供信息。遺憾的是，疫情期間，許多企業被迫讓少則數十、多則數千名員工強制休假或將其辭退。情景分析結果顯示了被迫歇業或消費者對就餐深感不安的餐廳、應對油氣需求急劇下降的能源企業、大大小小“門庭冷落”的旅游、娛樂及觀光企業所解聘的人數。另一方面，情景分析也為運輸公司和雜貨商需要額外雇傭多少人手來滿足空前激增的需求提供了建議。這些洞見是會計師和財務專業人士在作為業務伙伴與人力資源、運營等部門合作時產生的。

獲得洞見。萬事達卡近期啟動的“Recovery Insights”計劃所產生的財務和運營結果，影響了公共和私營企業。該計劃提供的研究、工具和創新方法，使企業能夠利用萬事達卡的觀察來制定更明智的決策。萬事達卡數據與服務部門總裁Raj Seshadri表示，在“做出更明智決策、實現更好的結果”這一目標的指引下，其觀察結果“正幫助服裝品牌優化庫存以應對電子商務業務的增長，幫助雜貨商調整商店營業時間以使面臨風險的購物者放心，幫助政府指導服務行業以促進當地經濟發展”）。這些分析數據在財會行業應用的一個示例是：紐約市利用地域消費模式的變化（按街區）來預測消費者支出對城市消費稅收入的影響，從而更明智地調整預算。

零售業（融躍CMA）

零售業數十年前就發現了數據分析的強大能力，但現代技術的進步使零售商可處理的數據量及處理速度都成倍增長。有了良好的數據依賴文化，零售商使用結構化數據預測消費者行為，并通過分析非結構化數據來揭示產生這種行為的原因。結合結構化數據（*常在銷售點獲取的數據）與非結構化數據（通過推文、照片、標簽和評論等收集等渠道收集的數據）后，零售領軍企業就可通過消費者偏好、參與度、人口統計信息、興趣、趨勢等信息獲得洞見。疫情期間，這些洞見使企業能夠制定有關產品和服務甚至人員調度的戰略決策（如在繁忙時安排更多工作班次）。

信息不足。零售業雖然已經習慣使用數據分析來制定戰略決策并打造有針對性的客戶體驗，但因為信息（或數據）的不足，被新冠疫情帶入了一片未知領域。收入縮水和利潤率下降的同時，零售商如今還面臨著突然缺乏足夠可用數據帶來的挑戰，這迫使他們去了解當前客戶是誰（新的客戶或疫情暴發之前的客戶）、財務困難下的消費者會做出怎樣的采購決策，以及實體店何時可以恢復“正常運營”。值得慶幸的是，事實證明，數據分析在解決這些挑戰方面也能提供很多幫助。

為減輕相關季節性歷史數據（例如去年同期某月/某季度）缺乏所帶來的影響，零售商寄希望于利用指數平滑模型來編制預測，并在趨勢形成期間進行觀察。簡單的移動平均法預測是將時間序列中的過往觀測值設置同等權重，而指數平滑法則隨著時間推移以指數方式減少權重來平滑時間序列數據，因此，時間段越近，權重越大，這一點在疫情造成消費者行為波動的環境下*為重要。如今，零售商可以利用疫情*近時期的消費模式按日或按周來編制銷售預測，預測短期活動。

零售分析應用程序。一些零售企業明智地認為其在疫情之前使用的模型如今或不久的將來不太可能提供可靠的洞見，這些企業使用有限的新冠疫情數據集進行描述性分析，評估其當前的客戶是誰、哪些產品在這些客戶看來是必不可少的。預測性分析則可讓零售商利用人工智能進行產品變更和提出采購建議。

診斷性分析也可利用以往經濟困難時期的歷史數據來了解消費者行為，而規范性分析則可利用這些數據讓零售商評估臨時或*停產的產品線，權衡供應鏈問題的各種解決方案，并知道如何安全且有盈利地恢復實體店經營（餐廳、酒店等行業曾遇到過同樣問題）。

空間分析。為零售商提供指導時，Angel Evan和Amber Rivera在《哈佛商業評論》中建議將空間分析、地理數據分析模型與本地健康指南及同樣按地理位置呈現的世衛組織確診感染相對強度數據進行配對。這種配對使零售商能夠恰當地排列要重開或關閉的特定區域的門店，評估這些區域內的消費者在多大程度上愿意光顧實體店，即使在諸多限制情況下。

迫切需要數據分析（融躍CMA）

數十年來，數據分析在各行各業中的廣泛應用已廣為人知，而如今，數據分析在為企業提供競爭優勢、有效提升價值交付以及商業人士角色轉型等方面，發揮著無可爭議的關鍵作用。更重要的是，數據分析在危機時期所產生的巨大影響力幾乎是無與倫比的，在對抗新冠疫情中的貢獻便是明證。

數據的強大力量將來自全球各大洲的研究者、素未謀面的小企業主以及中央與地方政府聯系起來，賦能于商業人士（(尤其是財會領域的商業人士），使其組織得以生存甚至某些情況下的繁榮發展。數據分析為不堪重負的企業帶來了希望，讓人們對未來重拾信心，并對疾病的治愈保持樂觀。

尚未采用數據分析的企業將會發現自己落后于同行，從長遠來看，需要更加努力才能生存下去。不愿現在提升自身技能的管理會計師和商務人士會發現自己在相關性競賽中敗下陣來，競爭力可能也遜于行動起來的同行。

商業的未來在于數據，而企業內部職能部門（會計、財務、經濟學、市場營銷等）的未來在于數據分析。企業*要求其團隊靈活、高效地提供基于數據的洞見和建議，因此，支持這些工作的職能團隊必須具備數據分析技能。

當你在疫情期間持續為所在企業提供支持時，要設法找到利用數據提升團隊分析水平的方法。培養并加強你的數據分析技能，這樣你才能提升個人所創造的價值。你一定會發現自己的貢獻遠不止是提高了企業利潤。數據的力量是無限的，數據分析的廣闊舞臺就在未來。

免責聲明

本文來源IMA，轉載目的重在分享，如有侵權請及時聯系刪除