財

務

第九章大數(shù)據(jù)財務決策管理大數(shù)據(jù)財務決策的相關概念01大數(shù)據(jù)在風險型財務決策中的應用02大數(shù)據(jù)在營業(yè)收入分析決策中的應用03本章講授內容如果虧損產品停產以后，閑置的生產能力可以轉移了解大數(shù)據(jù)的概念和特征，掌握財務決策的概念和特征，了解財務風險在企業(yè)財務決策中地位，掌握財務風險的度量方式，掌握在營業(yè)收入分析決策中的應用過程，掌握數(shù)據(jù)清洗、數(shù)據(jù)可視化等操作的基本語句。學習目標如果虧損產品停產以后，閑置的生產能力可以轉移蘇州美樂食品有限公司創(chuàng)始于2012年08月06日，位于江蘇省蘇州市百家巷131號，是一家批發(fā)銷售軟飲料的公司。公司自成立以來始終奉行一流服務和快速物流的宗旨，樹立讓產品遍銷全國各地的目標。蘇州美樂食品有限公司是一家中小型企業(yè)，其市場占有率相對較小，而批發(fā)銷售軟飲料行業(yè)市場潛力巨大，行業(yè)增速不斷上升，市場競爭異常激烈。對于蘇州美樂食品有限公司來說挑戰(zhàn)與機遇并存，通過不斷擴大市場份額和降低成本費用支出，提高規(guī)模效應和成本領先的優(yōu)勢才能在行業(yè)中占有一席之地。案例導入如果虧損產品停產以后，閑置的生產能力可以轉移大數(shù)據(jù)的分析與挖掘成為未來公司博弈的重要利器之一，利用該工具對企業(yè)當前經(jīng)營數(shù)據(jù)進行深層次的數(shù)據(jù)分析，透析其現(xiàn)狀背后的原因，結合企業(yè)當下與未來的經(jīng)營趨勢，提出前瞻性意見。幫助蘇州美樂食品有限公司提升企業(yè)經(jīng)營決策有用性，幫助企業(yè)戰(zhàn)略管理和經(jīng)營決策做精益管理與價值挖掘。大數(shù)據(jù)的分析與挖掘成為未來公司博弈的重要利器之一。請思考，如果您是蘇州美樂食品有限公司的CFO，您將如何利用該工具對企業(yè)當前經(jīng)營數(shù)據(jù)進行深層次的數(shù)據(jù)分析，進行價值挖掘，透析其現(xiàn)狀背后的原因，結合本企業(yè)當下與未來的經(jīng)營趨勢，給公司CEO提出前瞻性意見，幫助企業(yè)作出改進戰(zhàn)略決策，提升企業(yè)經(jīng)營決策有用性。案例導入1大數(shù)據(jù)財務決策的相關概念PARTONE如果虧損產品停產以后，閑置的生產能力可以轉移大家思考：運用大數(shù)據(jù)技術，為投資者做決策過程中要獲取哪些指標數(shù)據(jù)？數(shù)據(jù)建模過程中需要考慮的財務模型有哪些？數(shù)據(jù)可視化環(huán)節(jié)如何給出決策者關注的重點信息？何為大數(shù)據(jù)財務決策？如果虧損產品停產以后，閑置的生產能力可以轉移大數(shù)據(jù)（bigdata,megadata)，或稱為巨量資料，指的是需要新處理模式才能具有更強的決策力、洞察力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產，是大的數(shù)據(jù)量與現(xiàn)代化信息技術環(huán)境相結合涌現(xiàn)的結果。大數(shù)據(jù)的概念如果虧損產品停產以后，閑置的生產能力可以轉移大數(shù)據(jù)（bigdata,megadata)，以多元形式，從許多來源搜集龐大數(shù)據(jù)組，往往具有實時性。比如，在企業(yè)對企業(yè)銷售的情況下，這些數(shù)據(jù)可能來自社交網(wǎng)絡、電子商務網(wǎng)站、顧客來訪記錄等，還有許多其他來源。大數(shù)據(jù)的概念如果虧損產品停產以后，閑置的生產能力可以轉移麥肯錫全球研究所給出的定義是：一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合。具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉、多樣的數(shù)據(jù)類型和價值密度低四大特征。大數(shù)據(jù)的特征如果虧損產品停產以后，閑置的生產能力可以轉移IBM公司認為大數(shù)據(jù)有“5V”特征Volume，數(shù)據(jù)量大Variety，種類和來源多樣化Value，數(shù)據(jù)價值密度相對較低Velocity,數(shù)據(jù)增長速度快，處理速度也快，時效性要求高Veracity，數(shù)據(jù)的準確性和可信賴度大數(shù)據(jù)的特征如果虧損產品停產以后，閑置的生產能力可以轉移（1）結構化數(shù)據(jù)（2）非結構化數(shù)據(jù)（3）半結構化數(shù)據(jù)大數(shù)據(jù)的結構如果虧損產品停產以后，閑置的生產能力可以轉移結構化數(shù)據(jù)能夠用數(shù)據(jù)或統(tǒng)一－的結構加以表示的信息，稱之為結構化數(shù)據(jù)，如數(shù)字、符號等。傳統(tǒng)的關系數(shù)據(jù)模型，行數(shù)據(jù)，存儲于數(shù)據(jù)庫，可用二維表結構表示。任何可以以固定格式存儲，訪問和處理的數(shù)據(jù)都被稱為“結構化”數(shù)據(jù)。大數(shù)據(jù)的結構如果虧損產品停產以后，閑置的生產能力可以轉移非結構化數(shù)據(jù)是指其字段長度可變，并且每個字段的記錄又可以由可重復或不可重復的子字段構成的數(shù)據(jù)庫，大數(shù)據(jù)技術不僅可以處理結構化數(shù)據(jù)（如數(shù)字、符號等信息）而且更適合處理非結構化數(shù)據(jù)（如全文文本，圖像，聲音，影視，超媒體等信息）。大數(shù)據(jù)的結構如果虧損產品停產以后，閑置的生產能力可以轉移半結構化數(shù)據(jù)是介于完全結構化數(shù)據(jù)（如關系型數(shù)據(jù)庫，面向對象數(shù)據(jù)庫中的數(shù)據(jù)）和完全無結構的數(shù)據(jù)（如聲音、圖像文件等）之間的數(shù)據(jù)，XML、HTML文檔就屬于半結構化數(shù)據(jù)。它一般是自描述的，數(shù)據(jù)的結構和內容混在一起，沒有明顯的區(qū)分。大數(shù)據(jù)的結構如果虧損產品停產以后，閑置的生產能力可以轉移財務決策是對財務方案進行比較選擇，并作出決定。財務決策的目的在于確定合理可行的財務方案。在現(xiàn)實中，財務方案有投資方案、籌資方案，還有包含投資和籌資的綜合方案。財務決策需要有財務決策的基礎與前提，是對財務預測結果的分析與選擇，財務決策是一種多標準的綜合決策和復雜過程，可能既有貨幣化、可計量的經(jīng)濟標準，又有非貨幣化、不可計量的非經(jīng)濟標準，還有各種財務風險的識別方法的運用，因此決策方案往往是多種因素綜合平衡的結果。財務決策的概念如果虧損產品停產以后，閑置的生產能力可以轉移財務決策按照能否程序化，可以分為程序化財務決策和非程序化財務決策。前者指對不斷重復出現(xiàn)的例行財務活動所作的決策，后者指對不重復出現(xiàn)、具有獨特性的非例行財務活動所作的決策。按照決策所涉及的時間長短，可分為長期財務決策和短期財務決策。前者指所涉及時間超過一年的財務決策，后者指所涉及時間不超過一年的財務決策。財務決策的分類如果虧損產品停產以后，閑置的生產能力可以轉移財務決策按照決策所處的條件，分為確定型財務決策、風險型財務決策和非確定型財務決策。確定型財務決策指對未來情況完全掌握、每種方案只有一種結果的事件的決策；風險型財務決策指對未來情況不完全掌握、每種方案會出現(xiàn)幾種結果，但可按概率確定的條件的決策，例如財務風險的預測；非確定型財務決策指對未來情況完全不掌握，每種方案會出現(xiàn)幾種結果，且其結果不能確定的事件的決策。財務決策的分類如果虧損產品停產以后，閑置的生產能力可以轉移按照決策所涉及的內容，財務決策還可以分為投資決策、籌資決策和股利分配決策。前者指資金對外投出和內部配置使用的決策，次者指有關資金籌措的決策，后者指有關利潤分配的決策。財務決策的分類如果虧損產品停產以后，閑置的生產能力可以轉移財務決策還可以分為生產決策、市場營銷決策等。生產決策是指在生產領域中，對生產什么、生產多少以及如何生產等幾個方面的問題做出的決策，具體包括剩余生產能力如何運用、虧損產品如何處理、聯(lián)產品是否進一步加工和生產批量的確定等。市場營銷決策是指產品市場經(jīng)營和銷售活動的目標、方針、策略等重大問題進行選擇和決斷的過程。財務決策的分類2大數(shù)據(jù)在風險型財務決策中的應用PARTTWO如果虧損產品停產以后，閑置的生產能力可以轉移風險型財務決策最核心的問題是風險識別，而現(xiàn)階段財務風險識別最有效的途徑是財務危機預警模型。本節(jié)將以大數(shù)據(jù)在企業(yè)風險型財務決策中的具體運用過程為實例,分別從模型選取、數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)可視化等方面進行梳理和分析。如果虧損產品停產以后，閑置的生產能力可以轉移我們選用了紐約大學斯特恩商學院教授愛德華·阿特曼（EdwardAltman）在1968年提出的Z－score模型為財務危機預警模型。該模型通過大量的實驗，對企業(yè)的運行狀況、破產與否進行分析、判別最終給出具體結論，也是目前應用最廣泛的一種度量方式，且在Choice等數(shù)據(jù)庫中專門披露該指標。模型的選擇如果虧損產品停產以后，閑置的生產能力可以轉移具體如模型所示：該模型適用于上市交易的制造業(yè)公司，計算的Z值為上市交易的制造業(yè)公司的破產指數(shù)，用以判斷企業(yè)陷入財務危機的可能性。模型的選擇如果虧損產品停產以后，閑置的生產能力可以轉移模型的選擇具體的判斷準則為：Z<1.81，破產區(qū)；1.81≤Z<2.67，色區(qū)；2.67<Z，安全區(qū)。如果虧損產品停產以后，閑置的生產能力可以轉移本節(jié)將采用Python爬蟲技術獲取上市公司財務數(shù)據(jù)，結合既有財務危機預警模型，首先判斷選取某一家公司判斷其財務危機指標，然后結合爬取的全部上市公司數(shù)據(jù)，判斷我國上市公司整體的財務危機狀態(tài)及不同行業(yè)的財務危機指數(shù)，據(jù)此為投資者、債權人及各利益相關方作出投資決策提供參考依據(jù)。爬蟲環(huán)境的搭建如果虧損產品停產以后，閑置的生產能力可以轉移我們以科云大數(shù)據(jù)中心網(wǎng)站為數(shù)據(jù)抓取對象，運用Python抓取該平臺的財務數(shù)據(jù)。首先我們輸入如下代碼搭建環(huán)境：爬蟲環(huán)境的搭建如果虧損產品停產以后，閑置的生產能力可以轉移fromkeyun.utilsimport*#科云第三方庫importpandasaspd#pandas數(shù)據(jù)處理庫importnumpyasnp#nympy數(shù)據(jù)處理庫frompyecharts.chartsimport*#pyecharts可視化工具庫frompyechartsimportoptionsasopts#導入配制項frompyecharts.globalsimportThemeType#定義主題模塊frommons.utilsimportJs爬蟲環(huán)境的搭建如果虧損產品停產以后，閑置的生產能力可以轉移環(huán)境搭建好后，我們輸入爬蟲命令如下：spider('/app/bigdata/case/ssgscwdsjfx/chart_config.json','chart_config.json')基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移運行后會提示chart_config.json下載成功。spider('/app/bigdata/2019/block/hy003003.json','003003.json')基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移運行后，會提示003003行業(yè)數(shù)據(jù)已經(jīng)下載成功，進一步我們讀取json文件，輸入如下代碼：data_list=pd.read_json('003003.json')data_list=pd.DataFrame(data_list['list'].to_list())基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移運行后結果如圖所示：基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移將下載的數(shù)據(jù)變換成行業(yè)利潤表數(shù)據(jù)的列表，具體代碼如下：data_list.columns=['公司代碼','公司名稱','報告期','營業(yè)收入（萬元）','營業(yè)成本（萬元）','營業(yè)利潤（萬元）','利潤總額（萬元）','所得稅費用（萬元）','凈利潤（萬元）','公司全稱']data_list.head()基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移運行結果如圖所示：基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移在上述的數(shù)據(jù)爬取過程中，我們并沒有指定目標企業(yè)代碼，接下來我們抓取指定目標企業(yè)的財務數(shù)據(jù)，以貴州茅臺（600519）為例。首先將600519賦值給目標企業(yè)代碼，同時從上述行業(yè)數(shù)據(jù)中挑選股票代碼為600519上市公司的名稱，將其賦值給目標企業(yè)名稱。代碼如下：目標企業(yè)代碼='600519'目標企業(yè)名稱=data_list['公司名稱'][data_list['公司代碼'].to_list().index（目標企業(yè)代碼）]基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移打印后如圖所示：基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移設置好目標公司股票代碼和名稱后，輸入如下代碼即可以抓取貴州茅臺公司的財務數(shù)據(jù)，其中，spiders是爬蟲的命令，括號內逗號前為數(shù)據(jù)儲存的網(wǎng)頁，逗號后面為保存的文件名?；A數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移代碼如下：fromkeyun.utilsimport*spider('/app/bigdata/2019/company/year/zcfzb_'+目標企業(yè)代碼+'.csv','zcfzb_'+目標企業(yè)代碼+'_z.csv')spider('/app/bigdata/2019/company/year/lrb_'+目標企業(yè)代碼+'.csv','lrb_'+目標企業(yè)代碼+'_l.csv')spider('/app/bigdata/2019/company/year/xjllb_'+目標企業(yè)代碼+'.csv','xjllb_'+目標企業(yè)代碼+'_x.csv')。基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移運行后會提示下載成果：文件：zcfzb_600519_z.csv下載成功！文件：lrb_600519_l.csv下載成功！文件：xjllb_600519_x.csv下載成功！基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移我們可以通過pandas讀取下載的數(shù)據(jù)csv數(shù)據(jù)，代碼如下：df_try=pd.read_csv('zcfzb_600519.csv')df_try基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移執(zhí)行后會顯示貴州茅臺的財務數(shù)據(jù)，如圖9-4所示，很顯然，這些數(shù)據(jù)顯示得并不規(guī)則，也不美觀，我們還需要做進一步的數(shù)據(jù)清理工作。基礎數(shù)據(jù)的抓取如果虧損產品停產以后，閑置的生產能力可以轉移首先清洗目標企業(yè)數(shù)據(jù)，具體代碼如下：df_z=pd.read_csv('zcfzb_'+目標企業(yè)代碼+'_z.csv')df_l=pd.read_csv('lrb_'+目標企業(yè)代碼+'_l.csv')df_x=pd.read_csv('xjllb_'+目標企業(yè)代碼+'_x.csv')執(zhí)行后資產負債表的數(shù)據(jù)被導入df_z，利潤表數(shù)據(jù)導入df_l，現(xiàn)金流量表數(shù)據(jù)導入df_x。數(shù)據(jù)清洗如果虧損產品停產以后，閑置的生產能力可以轉移第二步清洗異常列。代碼如下：df_z=df_z.dropna(axis=1)df_l=df_l.dropna(axis=1)df_x=df_x.dropna(axis=1)其中drop表示刪除，na表示缺失值，axis按列刪除，執(zhí)行后，數(shù)據(jù)中心的缺失值均被刪除。數(shù)據(jù)清洗如果虧損產品停產以后，閑置的生產能力可以轉移第三步清洗列索引。導入的數(shù)據(jù)中會出現(xiàn)空格，我們要刪除所有的空格，同時我們將“-12-31”替換成年。代碼如下：f_z.columns=df_z.columns.str.replace("","").str.replace("-12-31","年")df_l.columns=df_l.columns.str.replace("","").str.replace("-12-31","年")df_x.columns=df_x.columns.str.replace("","").str.replace("-12-31","年")以第一行為例，columns代表列查詢，str.replace代表字符替換，括號中逗號前表示查找的內容，逗號后表示替換的內容。數(shù)據(jù)清洗如果虧損產品停產以后，閑置的生產能力可以轉移第四步清洗項目名稱。我們運用map命令和lambda函數(shù)，將項目名稱中包含的單位刪除。執(zhí)行后，每個指標后面的單位被刪除，具體代碼如下：df_z['報告日期']=df_z['報告日期'].maplambdax:x.replace("（萬元）","").replace("（萬元",""))df_l['報告日期']=df_l['報告日期'].maplambdax:x.replace("（萬元）","").replace("（萬元",""))df_x['報告日期']=df_x['報告日期'].maplambdax:x.replace("（萬元）","").replace("（萬元",""))數(shù)據(jù)清洗如果虧損產品停產以后，閑置的生產能力可以轉移第五步清洗數(shù)據(jù)值。對所有的數(shù)據(jù)進行一致化處理。具體代碼如下：df_z=df_z.applymap(dataClean)df_l=df_l.applymap(dataClean)df_x=df_x.applymap(dataClean)數(shù)據(jù)清洗如果虧損產品停產以后，閑置的生產能力可以轉移第六步數(shù)據(jù)儲存。將清洗后的數(shù)據(jù)保存為csv格式，括號中，逗號前為儲存的文件名，逗號后面為表示采用默認值儲存。具體代碼如下：df_z.to_csv('zcfzb_'+目標企業(yè)代碼+'_z.csv',index=None)df_l.to_csv('lrb_'+目標企業(yè)代碼+'_l.csv',index=None)df_x.to_csv('xjllb_'+目標企業(yè)代碼+'_x.csv',index=None)數(shù)據(jù)清洗如果虧損產品停產以后，閑置的生產能力可以轉移整理好的數(shù)據(jù)如圖所示，我們發(fā)現(xiàn)處理后的數(shù)據(jù)更加具有可編輯性和可觀性。數(shù)據(jù)清洗如果虧損產品停產以后，閑置的生產能力可以轉移數(shù)據(jù)清洗完畢后，我們能夠利用財務報表項目進行建模，通過模型計算目標企業(yè)的財務危機指數(shù)。借鑒已有模型，我們首先調用抓取的數(shù)據(jù)，然后選擇我們需要的財務指標，進行建模，然后參考已有模型計算出目標公司的Z分數(shù)。企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移第一步，創(chuàng)建變量表頭。我們通過pandas命令，建立X1-X5和Z值的表頭，為后面變量的儲存做準備，代碼如下。data_header=pd.DataFrame'指標名稱':['X1','X2','X3','X4','X5','Z值'],企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移第二步，設置分析年份。開始年份為2019年，獲取2010至2019年10年的數(shù)據(jù)，計算Z值，代碼如下：starTime=2019howLong=9year=['{｝年'.format(starTime-i)foriinrange(howLong+1)]企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移運行后輸出結果如圖所示企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移第三步，定義除法函數(shù)。為了方便計算，我們提前定義一個除法函數(shù)，用于后續(xù)計算，代碼如下：defdiv(a,b):if(b==0):return0returnfloat(a)/float(b)企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移第四步，選取建模需要的財務指標，并計算X1到X5五個變量。因為我們計算多年的財務危機指標，可以采用循環(huán)的方式進行，具體代碼如下。foriinrange(howLong):df_z=pd.read_csv('zcfzb_'+目標企業(yè)代碼+'_z.csv')df_l=pd.read_csv('lrb_'+目標企業(yè)代碼+'_l.csv')df_x=pd.read_csv('xjllb_'+目標企業(yè)代碼+'_x.csv')a1=df_z[year[i]][24]#流動資產a2=df_z[year[i]][51]#資產總計

企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移

a3=df_z[year[i]][83]#流動負債a4=df_z[year[i]][93]#負債合計a5=df_z[year[i]][98]#盈余公積a6=df_z[year[i]][101]#未分配利潤a7=df_l[year[i]][1]#營業(yè)收入a8=df_l[year[i]][22]#財務費用a9=df_l[year[i]][36]#利潤總額a10=df_x[year[i]][24]#經(jīng)營活動產生的現(xiàn)金流量凈額企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移

X1=div(a1-a3,a2)#X1X2=div(a5+a6,a2)#X2X3=div(abs(a10+a9),a4)#X3X4=div(abs(a11+a2),a3)#X4X5=div(a8,a4)#X5z=0.012*X1+0.014*X2+0.033*X3+0.006*X4+0.999*X5data_qyzb[year[i]]=[X1,X2,X3,X4,X5,z]data_qyzb.企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移

其中，howlong表示選取年份跨度。pd.read_csv表示讀取csv數(shù)據(jù)，括號內為文件名。year[i]表示簽名year列表中的第i列，如：year[1]表示‘2019年’。后面的方括號表示該列下的對應行的數(shù)據(jù)，以此類推。div為調用的第三步除法函數(shù)。企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移

運行代碼后，輸入結果如圖所示企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移

通過上述數(shù)據(jù)分析，我們發(fā)現(xiàn)按照Altman的模型，茅臺公司的財務危機指數(shù)處在灰色地帶，該指標不能反映出茅臺公司存在陷入財務危機的可能性，但是由于該模型要求比較嚴格，投資者在作出投資決策時可以參考該指標，同時也應結合茅臺公司具體表現(xiàn)，綜合評價。企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移前面步驟我們已經(jīng)抓取了一家公司的財務數(shù)據(jù)用于決策，這顯然凸顯不了大數(shù)據(jù)的優(yōu)勢。因為一家公司的數(shù)據(jù)類似于信息孤島，很難讓決策者在全局上把握該企業(yè)真實的運營狀態(tài)，接下來我們將采用循環(huán)的方式，批量處理該行業(yè)的數(shù)據(jù)，計算出行業(yè)所有企業(yè)的Z值，這樣決策者在進行決策時，可以充分考慮全行業(yè)企業(yè)的經(jīng)營狀態(tài)，更加科學合理地做出決策。我們在單個企業(yè)數(shù)據(jù)處理成功的前提下，便可以采用循環(huán)的方式，批量處理全行業(yè)的數(shù)據(jù)。企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移第一步，數(shù)據(jù)清晰。數(shù)據(jù)清洗過程在單個公司中我們已經(jīng)講過，不在此贅述，我們只需要在前加入for循環(huán)語句，同時設定取值長度即可，具體代碼如下：foriinrange(len(data_list)):df_z=pd.read_csv('hyzcfzb_'+data_list['公司代碼'][i]+'.csv')df_l=pd.read_csv('hylrb_'+data_list['公司代碼'][i]+'.csv')df_x=pd.read_csv('hyxjllb_'+data_list['公司代碼'][i]+'.csv')企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移df_z=df_z.dropna(axis=1)df_l=df_l.dropna(axis=1)df_x=df_x.dropna(axis=1)df_z.columns=df_z.columns.str.replace("","").str.replace("-12-31","年")df_l.columns=df_l.columns.str.replace("","").str.replace("-12-31","年")df_x.columns=df_x.columns.str.replace("","").str.replace("-12-31","年")df_z['報告日期']=df_z['報告日期'].maplambdax:x.replace("（萬元）","").replace("（萬元",""))#清洗項目名稱企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移df_l['報告日期']=df_l['報告日期'].maplambdax:x.replace("（萬元）","").replace("（萬元",""))df_x['報告日期']=df_x['報告日期'].maplambdax:x.replace("（萬元）","").replace("（萬元",""))df_z=df_z.applymap(dataClean)#清洗數(shù)據(jù)值df_l=df_l.applymap(dataClean)df_x=df_x.applymap(dataClean)企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移df_z.to_csv('hyzcfzb_'+data_list['公司代碼'][i]+'.csv',index=0)df_l.to_csv('hylrb_'+data_list['公司代碼'][i]+'.csv',index=0)df_x.to_csv('hyxjllb_'+data_list['公司代碼'][i]+'.csv',index=0)企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移第二步，企業(yè)數(shù)據(jù)建模。我們已經(jīng)采用循環(huán)的語句計算了單個公司的Z值，在此我們需要在單個循環(huán)的基礎上進行嵌套循環(huán)?？梢赃x擇先循環(huán)某一家公司，然后調取全部年份的數(shù)據(jù)，采用這種場景時，股票代碼是外循環(huán)，年份是內循環(huán)。同樣，我們也可以先選擇年份，然后再抓取當年這個行業(yè)所有公司的數(shù)據(jù)，這種場景中，年份是外循環(huán)，股票代碼是內循環(huán)。在此，我們采用第二種方式，給大家展示。具體代碼如下：企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移foriinrange(4):#按年循環(huán)公司代碼=[]year_list=[]x1_list=[]x2_list=[]x3_list=[]x4_list=[]x5_list=[]z_list=[]year=['{｝年'.format(starTime-i)foriinrange(howLong+1)]企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移forjinrange(len(data_list)):df_z=pd.read_csv('hyzcfzb_'+data_list['公司代碼'][j]+'.csv')df_l=pd.read_csv('hylrb_'+data_list['公司代碼'][j]+'.csv')df_x=pd.read_csv('hyxjllb_'+data_list['公司代碼'][j]+'.csv')a1=df_z[year[i]][24]#流動資產a2=df_z[year[i]][51]#資產總計a3=df_z[year[i]][83]#流動負債a4=df_z[year[i]][93]#負債合計a5=df_z[year[i]][98]#盈余公積a6=df_z[year[i]][101]#未分配利潤

企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移a7=df_l[year[i]][1]#營業(yè)收入a8=df_l[year[i]][22]#財務費用a9=df_l[year[i]][36]#利潤總額a10=df_x[year[i]][24]#經(jīng)營活動產生的現(xiàn)金流量凈額X1=div(a1-a3,a2)#X1X2=div(a5+a6,a2)#X2X3=div(a9+a8,a2)#X3X4=div(a10+a2,a3)#X4X5=div(a7,a2)#X5z=0.012*X1+0.014*X2+0.033*X3+0.006*X4+0.999*X5企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移公司代碼.append(data_list['公司代碼'][j])x1_list.append(X1)x2_list.append(X2)x3_list.append(X3)x4_list.append(X4)x5_list.append(X5)z_list.append(z)year_list=year[i]b_list=[公司代碼，year,x1_list,x2_list,x3_list,x4_list,x5_list,z_list]企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移運行結果如圖所示，至此我們已經(jīng)獲取了該行業(yè)所有公司2016—2019年的財務危機指數(shù)數(shù)據(jù)。企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移第三步，數(shù)據(jù)可視化。我們已經(jīng)獲取了該行業(yè)全部的財務危機指數(shù)，但是如何更好地給投資者展示上述數(shù)據(jù)，讓投資者做決策時一目了然。數(shù)據(jù)可視化將起到很好的作用。企業(yè)數(shù)據(jù)建模如果虧損產品停產以后，閑置的生產能力可以轉移如圖所示，圖中給出了2011-2019年上市公司Z值平均值與GDP增長率的變動趨勢，我們可以直觀的發(fā)現(xiàn)兩者變動趨勢基本一致，這表明微觀企業(yè)面臨的財務風險與宏觀GDP的走勢趨同。

企業(yè)數(shù)據(jù)建模3大數(shù)據(jù)在營業(yè)收入分析決策中的應用PARTTHREE如果虧損產品停產以后，閑置的生產能力可以轉移假設某有限公司是一家以經(jīng)營特色火鍋為主的大型跨省直營餐飲企業(yè)，截至2020年底，全國連鎖店已達330家。公司2019—2020年經(jīng)營信息存儲于“szyl_1.xlsx”文件，具體信息如下包括2019年營業(yè)收入，2020年營業(yè)收入和名店所示省份。我們要求讀取Excel文件szyl_1.xlsx，分析經(jīng)營數(shù)據(jù)，并對全國區(qū)域銷售情況進行可視化呈現(xiàn)，為管理者做決策提供依據(jù)。如果虧損產品停產以后，閑置的生產能力可以轉移分別讀取szyl_1.xlsx文件中的"2019年營業(yè)收入"、“2020年營業(yè)收入”、"門店所屬省份"三個工作表，并查看讀取數(shù)據(jù)（默認顯示前5行數(shù)據(jù)）。導入pandas、map等數(shù)據(jù)庫具體代碼如下：importpandasaspdfrompyecharts.chartsimportMap,Pie,Timelinefrompyechartsimportoptionsasoptsfrompyecharts.globalsimportThemeTypedf_2019=pd.read_excel('/app/bigdata/basics/szyl_1.xlsx',sheet_name='2019年營業(yè)收入',index_col=[0,1])df_2019.head()數(shù)據(jù)采集如果虧損產品停產以后，閑置的生產能力可以轉移執(zhí)行后結果如圖所示：數(shù)據(jù)采集如果虧損產品停產以后，閑置的生產能力可以轉移同理我們讀取2020年和門店所屬省份的數(shù)據(jù)，代碼如下：df_2020=pd.read_excel('/app/bigdata/basics/szyl_1.xlsx',sheet_name='2020年營業(yè)收入',index_col=[0,1])df_province=pd.read_excel('/app/bigdata/basics/szyl_1.xlsx',sheet_name='門店所屬省份',index_col=0)數(shù)據(jù)采集如果虧損產品停產以后，閑置的生產能力可以轉移我們分別計算2019年、2020年各門店全年營業(yè)收入合計，并根據(jù)省份進行分組，統(tǒng)計各省份門店數(shù)量及營業(yè)收入合計，按營業(yè)收入降序排序，查看分析結果。計算2019年各門店營業(yè)收入，同時按省份進行劃分，并對2019年各省份營業(yè)收入進行排序。代碼如下：數(shù)據(jù)分析如果虧損產品停產以后，閑置的生產能力可以轉移df_2019['2019年營業(yè)收入']=df_2019.loc[:"1月":"12月"].sum(axis=1)df_2019_pro=pd.merge(df_2019,df_province,on='門店')df_2019_pro=df_2019_pro[['2019年營業(yè)收入','省份']]df_2019_pro=df_2019_pro.reset_index().groupby('省份').agg({'門店':'count','2019年營業(yè)收入':'sum'})df_2019_pro=df_2019_pro.sort_values('2019年營業(yè)收入',ascending=False)df_2019_pro.head()數(shù)據(jù)分析如果虧損產品停產以后，閑置的生產能力可以轉移運行結果如圖所示：數(shù)據(jù)分析如果虧損產品停產以后，閑置的生產能力可以轉移同理我們可以計算出2020按地區(qū)營業(yè)收入排名。具體代碼如下：df_2020['2020年營業(yè)收入']=df_2020.loc[:"1月":"12月"].sum(axis=1)df_2020_pro=pd.merge(df_2020,df_province,on='門店')df_2020_pro=df_2020_pro[['2020年營業(yè)收入','省份']]df_2020_pro=df_2020_pro.reset_index().grou