数智化驱动下的会计课程改革和人才培养研究

姜晓文 王雪涛

摘要：“互联网+”国家发展战略的实施，为会计行业带来了新的机遇与挑战，也引起了会计专业人才培养模式的变革与更新。大数据的发展催化专业教育改革，提升学生的数字化技能成为高校会计类专业人才培养的必然选择，本文探索数智化驱动下的会计专业课程改革与人才培养，剖析传统教育教学与人才培养存在问题，尝试探讨“业财融合”背景下数智化与专业化相融合的新路径，旨在为会计专业建设与发展提供有益参考。

关键词：大数据；Python；数字化；课程改革

中图分类号：F23文献标识码：Adoi：10.19311/j.cnki.16723198.2024.11.052

0引言

财政部会计司于2023年8月1日出台《企业数据资源会计处理暂行规定》，强调规范企业数据资源相关会计处理和强化相关会计信息披露的重要性。推动会计工作数字化转型能够改善企业会计信息系统建设，是提升财务工作质量和效率的重要举措，也是向智能会计过渡的必要阶段，由此为会计从业者提供更广阔的发展机遇。现如今，会计职业需求从简单的记账转变为服务财务与战略决策，要求会计人员不仅能够为企业提供全面、准确的财务分析，而且能够通过财务预测应对外部环境的复杂变化，要求会计从业者更深入地参与企业决策过程。因此倒逼高校人才培养和课程设置向数字化方向发展。

目前，高校财务分析课程受到内容与形式的双重限制。内容方面，主要涵盖财务分析概论、财务报告分析、财务效率分析和财务综合分析与评价。具体而言，财务分析概论涵盖了财务分析的理论概念、财务分析的信息基础以及财务分析的程序和方法。财务报告分析主体包括资产负债表、利润表、所有者权益变动表和现金流量表。财务效率分析则涵盖了盈利能力、偿债能力、营运能力和发展能力的分析。最后，财务综合分析与评价包括综合分析、业绩评价、趋势与预测分析以及价值评估。也有框架包含财务报表分析概论、分析基础、项目质量分析、合并报表分析以及综合分析方法。内容体系虽各有特点，但均存在偏重理论，淡化实际；侧重财务信息，忽视非财务信息；以课堂教授形式为主，缺少实战演练的局限性。

会计与大数据的结合，顺应了财务智能化发展方向，也满足了新时代企业财会岗位用人需求。Python在爬虫、文本处理、数据可视化、分析数据及图像处理等方面具有优势，能有效运用于固定资产计提折旧、预算管理、证券投资组合的回报率等。基于Python丰富的数据分析和处理库，企业财务人员可以进行各种模型分析和预测，读取和处理各种财务数据与非财务数据，帮助企业优化财务决策。2021年“十四五”发展规划中强调完善大数据标准体系建设，本文结合政策导向和现实需求，以“Python财务大数据分析”课程为例，旨在为增强Python在财务分析领域应用与融合设计提供有益思路。

1传统财务分析教学与人才培养存在问题

内容上，教材更新修订速度无法满足现实教学需求，案例多以传统制造业为主，对新兴业态的关注度不足、与市场环境的脱节，均导致学生对课堂内容的兴趣度不高。其次，教学案例时效性不高，不少案例基于过去热点财务事件，虽然具有代表性，但随着政策更新迭代，对现实企业案例指导意义有限。

形式上，目前的教学方法以理论分析为主、案例分析为辅。教师根据教材案例提供的数据来进行计算和分析，以帮助学生掌握财务指标分析的基本原理和方法。但碍于书面呈现的形式单一、篇幅有限，案例设置简单且主要为相关计算服务，与企业现实情况相距甚远。由于教学手段较为单一，案例多基于财务信息，缺少对非财务信息的重视，导致学生专注计算，忽视其背后的分析逻辑，缺乏财会专业应具备的数据敏锐性，无法满足企业对于高素质人才的需求。

2数字化驱动下教学与人才培养创新探索

2.1Python财务大数据分析课程开设背景

随着信息技术的快速发展和应用，数字化已经成为各行各业的主要趋势。“十四五”期间国家大力推动会计数字化发展，建立完善的会计数字化制度并推动其有效实施，并已初见效果。根据相关统计数据显示，截至2022年，我国财务软件市场规模已超200亿元，基本实现全国范围内的普及。然而相比财务软件的普及率，财务大数据分析及其相关系统产品的应用普及率还有待进一步提高。因此将大数据技术应用到教学领域，是有效解决教学方法单一化、理论知识与实践应用的脱节、教学与实际操作差距大的有效方法。Python会计课程建设顺应行业发展趋势，利用Python进行数据分析为会计人员财务预测提供了数据支撑。为满足企业需要，高校需要开设Python课程，为企业输送大数据财务人才，因此基于Python语言的财务分析教学设计成为业财融合背景下财务人才培养的新突破口。

2.2Python财务大数据分析课程创新设计

Python在会计教学中大致可以分为四个部分：Python基础教学、数据爬虫、数据挖掘、数据分析和决策。Python的一个主要优势是能够快速收集零散的数据，然后使用Python语言对数据进行分析，以获得我们需要的财务信息和非财务信息，通过建模对获取数据进行分析与可视化呈现，从而指导现实决策。课程设计初衷在于，通过培养会计人员在数据收集、数据清理、数据挖掘和数据可视化、预测建模等方面的技能，促进传统财务人员向大数据财务人才过渡，帮助学生更好适应未来企业数字环境。在Python财务大数据分析教学中，学生需要在前半学期完成对财务管理和Python基础等相关知识的学习，而后半学期进行实训课程学习，通过学生实训操作辅助对基础知识的理解和掌握，边用边学。通过财务大数据教学过程中引入Python语句，引导学生活学活用，构筑财务分析的数据思维，随后通过模块化训练，可以加深学生对Python语言和财务大数据分析预警之间关系的理解，提高他们的学习兴趣和效率。

“Python财务大数据分析”课程教学内容以案例实践教学为主，理论讲授为辅。理论部分将本节课程涉及知识点串联成面，帮助学生理解实践背后的逻辑，同时增加随堂测验与交流分享环节，巩固并加深印象。实践部分以沪深A股上市公司真实案例为基础，基于传统财务分析逻辑，逐步还原公司财务分析全过程，介绍必要的Python输入与输出规则，助力学生体验财务大数据分析过程。具体可以将Python财务大数据分析课程分为三个阶段：大数据认知、数据处理全流程和大数据的财务应用；课堂教学主要采用知识点讲授、代码实操和综合练习的方式。教师重点讲解常见的语法错误，并通过任务式的代码编译练习来帮助学生更好地理解数据处理和分析的核心内容。

第一阶段——大数据认知。帮助学生建立全面认识大数据的发展与应用的思维框架，拉近大数据与会计专业的距离，引导学生学习大数据相关基础概念及应用场景，为后面模块做好过渡。本阶段需要2～4课时进行授课。

第二阶段——数据处理全流程。包括数据采集、数据清洗、数据集成和数据可视化四部分。通过拆解数据分析全流程，还原数据来源获取、清洗加工、集成处理、分析挖掘和效果呈现的全过程，通过独立模块设计提炼核心步骤，强化学生财务分析中的数据思维，引导学生将财务知识与数据思维相链接，从而提高学生的学习效率和兴趣。本阶段需要10～14课时进行授课。

第三阶段——大数据的财务应用。该阶段旨在锻炼学生处理和解决财务问题的能力。具体设计包括财务分析视角转变、企业财务困境预测等。教师在本阶段的主要目标是引导学生基于财务分析理论和数据应用逻辑，明确分析意图，通过团队组合挖掘问题背后的原因以及解决问题的方法。从而将财务知识与数据思维有效运用于解决财务问题、预测财务状况和优化财务建议方面，实现大数据的财务应用。本阶段需要12-16课时进行授课。

2.3Python财务大数据分析课程资源准备

充足的资源准备是达到教学效果的重要保证。Python财务大数据分析课程资源准备主要包括：

（1）全面课程设置。

可以通过两种途径来实现数智技术与专业的融合。首先是重构前置课程，设置大数据相关的通识课程，如大数据通识、RPA流程自动化、Python入门基础等。其次是将大数据技术与财务管理专业课程充分融合，例如将数据分析、数据挖掘和信息系统操作融入专业知识的学习中，课程设计要本着从简单到复杂、从部分到整体逐步发展，有效实现大数据技术与专业知识的有机结合。

（2）教学资源齐备。

为满足Python财务大数据分析课程开设的需求，高校应全面建设实验室环境、物联网智能设备、底层管理技术、硬件设备和服务器支撑等六个方面，以实现智能会计、财务共享和大数据审计等实验平台的功能。通过实现教学终端的智能化、教学软件的云端化、教学资源的云在线化以及教学互动的开放化，推动智能时代会计人才培养的创新和实践。除此之外，构建优秀的教学团队是提高教学质量的前提，也是高校专业建设的关键。为了提高教师的教学水平，使教学与市场需求相融合，高校应加大人才引进力度，持续开展教学实践周活动，定期到事务所和企业进行调研。高校还应开设财会大讲堂，邀请国内外著名专家学者进行专题学术报告。高校应充分发挥校外资源优势，引入校外导师，与企事业单位合作，建立多层次的导师培养体系，丰富教学形式，提高学生实践能力。

（3）校企联合畅通。

第一，深化校企合作，链接实习与就业。学校可以开展校企联办项目，学校教授知识，企业实际操作，联合培养出理论扎实和操作过硬的高素质人才。支持学生利用假期进入企业实习积累自己的工作经验。第二高校需引入“多师型”教学模式，学校可通过聘请邀请在Python领域杰出的专业人才进行某一细分模块的课程教学，一方面节约了教学成本，另一方面可以更有针对性地对学生实施教学，提升学生的实际操作能力，结合企业岗位和需求来定向培养企业所需人才。第三要克服技术难关，解决软硬件维护问题。教师授课时，需要面临处理复杂的数据集、应用统计和机器学习算法、构建模型需要一些高性能的软件和工具，这些软件的安装、配置和维护需要具备一定的系统管理和软件工程知识，同时硬件的故障修复、性能优化等也可能需要一定的硬件维护技能，受制于自身技术和资源有限，这可能会为高校运营上带来一定的挑战。因此可以考虑加强校企合作，和企业共同攻克技术难题和软硬件维护问题，将师资集中在核心教学工作上。第四需提升高校教师教学水平，Python课程是一门多种学科知识相互交融的课程，这就要求教师必须有过硬的实力。这也就要求学校加强教师培养资金的投入，因此需要任课教师更多地与企业开展进修，研讨交流活动，积极利用寒暑假到企业挂职实践，在学习交流中了解最新最前沿的学科动态。

3结语

在当今迅速发展的信息技术领域，大数据分析已成为财务行业智能化和企业用人需求的重要途径。本文以“Python财务大数据分析”课程为例，探究如何开发与实施创新性课程。借助Python大数据分析强大的工具和方法，帮助学生更好地理解财务数据、识别潜在风险并制定有效的预警策略。随着业财融合的不断深入，高等教育在应用方面的短板也应随着课程改革和人才培养模式转变而逐渐补齐。通过创新课程设计，使得人才培养方案与企业用工需求更加适配，这是提高学生职场竞争力的关键，也是促就业、稳就业的核心。

参考文献

［1］财政部.关于印发《企业数据资源相关会计处理暂行规定》的通知[A].财会〔2023〕11号，20230801.

[2]张先治，陈友邦.财务分析[M].大连：东北财经大学出版社，2014.

[3]张新民，钱爱民.财务报表分析[M].北京：中国人民大学出版社，2013.

[4]李蕊君.大数据时代高校会计专业教学研究[J].中国管理信息化.2022，25（12），100102.

[5]国务院.国务院关于印发《“十四五”数字经济发展规划》的通知[A].财会〔2021〕29号，20211212.

[6]胡曲应.“互联网+”会计教育改革刍议[J].科技创业月刊.2021，34（06）.

[7]中国财务软件市场现状深度研究与未来前景分析报告（2022-2029年）[J].20230502.

[8]张虹.大数据时代基于云计算的高校会计教育改革探究[J].佳木斯职业学院学报2017，（03），56.

[9]王楠，吕晶晶.应用型本科财务管理实践教学改革探索[J].数据，2022，（07）：150152.

[10]王茵.财务大数据在企业经营管理中的分析与应用[J].质量与市场，2023，（17）：1618.

[11]陈文祥，程晓莉.基于Python语言的财务分析与决策教学模式研究[J].现代教育技术，2016，（26）：137142.

[12]张捷.数字化经济背景下高职院校大数据与会计专业发展探究[J].中国乡镇企业会计，2023，（09）：187189.

[13]胡玉萍.财务共享模式下会计专业的教学改革探讨[J].财税研究，2023，（18）：165167.

[14]曹耀云.数字化时代高校“H”型会计人才培养路径研究[J].财会学习，2023，（26）：157160.