Tableau, SQL, Power BI, Python. Почему в этих словах придется разбираться бухгалтеру. И уже в 2020 году

Если 10 лет назад знания Excel для бухгалтера считались высшим пилотажем, то сейчас, извините, нет.

Бывали на совещаниях, где сидят маркетологи и айтишники? Тоже поражались, откуда они набрались всех этих слов? Никуда не денешься, надо понимать, о каких таких «метриках», на увеличение которых направили бюджет на «охватные кампании в соцсетях», толкуют SMMщик и продакт.

Большинству бухгалтеров и финансистов (если это не финдир Газпрома) названия Tableau, SQL, Power BI, Python кажутся набором букв. Можно подумать, что эти инструменты относятся к компетенции программистов и маркетологов, но никак не бухгалтеров.

Относятся, и еще как.

И мы вместе с Еленой Герасимовой, руководителем факультета «Data Science и аналитика» онлайн-университета «Нетология» рассказываем, почему.

Не хочется, но придется

Раньше никто не жаловался. Все работали в привычном Excel, об инструментах Tableau, SQL, Power BI, Python мало кто знал, но это не отменяло их существование.

Но профессии трансформируются. Рынок труда уходит от мышления профобязанностями к мышлению компетенциями.

«Приходя на курсы, человек обнаруживает, что не соответствует современным определениям профессии из-за незнания новых компетенций», — рассказывает Елена Герасимова.

Кризис дает о себе знать. Компании сокращают штат или отдают работу на аутсорсинг. К оставшимся сотрудникам в штате начинают предъявлять большие требования.

Бухгалтер недоумевает: зачем узнавать новое, если все и так нормально получается в Excel? Да потому что это видимость, что Excel покрывает все потребности финслужбы. А директор, который сходил на модную конференцию про автоматизацию, не преминет об этом сказать.

А когда директор поговорит с молодым специалистом, который не признает привычный Excel, шансов у бухгалтера, работающего по старинке, становится еще меньше. Молодой специалист еще и стоит дешевле...

Вывод один: бухгалтер должен уметь запрашивать (и делать ее понятной руководству) аналитику самостоятельно, не привлекая программистов.

Системы аналитики и визуализации TABLEAU И POWER BI

Визуализация — это самый доступный способ доказать ваше мнение. Ну, все же знаем, что лучше один раз увидеть, чем сто раз прочитать в непонятном управленческом отчете.

И вот как раз Tableau специализируется на анализе данных через визуализацию. В нем легко создавать интерактивные дашборды, которые позволяют изучить динамику, тренды и структуру данных.

Проще говоря — Tableau — отличный инструмент, чтобы показать директору, куда уходят его деньги и как их больше заработать.

Плюсы:

• платформа заточена под новичков-непрофессионалов в области дизайна;
• понятный и современный интерфейс;
• часто используемые операции — за два клика мышкой;
• множество руководств по созданию визуализаций, которые долго, сложно и некрасиво создавать в Excel.

Минусы:

• программа на английском;
• сложность во внедрении мало экспертов со знание администрирования этой платформы.

Tableau больше подойдет человеку, который готов больше развиваться в визуализации, настраивать свое рабочее окружение и нарабатывать себе портфолио (Tableau позволяет делиться своим публичным профилем эксперта).

Бухгалтеры, которые сегодня начнут изучать визуализацию, уже завтра смогут пройти собеседование в крупные зарубежные компании, чьи офисы есть в России. В любой зарубежной компании «говорят» с помощью визуализации, и требуют от сотрудников знаний на три головы выше, чем в российской компании, где бухгалтер — сугубо сервисная роль.

Power BI— это облачная служба бизнес-аналитики от Microsoft, которая позволяет визуализировать и анализировать данные. Быстро, эффективно и с более высоким уровнем доступности.

Интерфейс был создан, чтобы расширить функционал MS Excel и прокачать его до требований времени.

Плюсы:

• интерфейс будет хорошо знаком пользователям Windows (т.е. каждому);
• Power BI тесно связан с MS Excel, Azure Cloud Service и SQL Server;
• быстрая разработка информативных бизнес отчетов;
• прост во внедрении;
• приемлемые цены на лицензии.

В Power BI может разобрать человек с любыми минимальными навыками, особенно тот, кто знает Excel. У систем визуализации есть работающие интеграции с SQL и Python — и не надо ручками ничего выгружать и перекладывать, можно сразу по назначению направлять.

Совет. Если вы работаете на Microsoft, то обучайтесь сразу в Power BI, а не Tableau.

Языки работы с данными SQL И PYTHON

«Эй, „Нетология“, постой, при чем тут программирование? Это же статья для бухгалтеров!», — скажете вы. Погодите, без паники.

Рассказываем, почему самый популярный набор инструментов у аналитиков, это, пожалуй, Python SQL.

SQL— это не язык программирования, хотя и существует такое устоявшееся заблуждение. На самом деле, он больше похож на самую обычную английскую речь и является языком запросов к базам данным — то есть, по сути, таблицам (да, прямо как в Excel — теперь уже не так страшно? :-). Если у вас плохо с английским, не отчаивайтесь.

SQL— мощный инструмент для анализа и преобразования данных, который позволяет обращаться к различным базам данных внутри своей экосистемы. Так вам скажет какой-нибудь айтишник. Но, если честно, все равно ничего не понятно.

Переводим на русский. SQL — это Excel «на стероидах», а обработка таблицы объемов в 100 000 строк для него — обычное дело. Но если еще точнее, то подготовка данных — это к SQL, а дальнейшие преобразования лучше делать в Python.

Например, есть некий набор данных (грубо говоря, табличка Excel). И из этого набора надо выбрать какие-то данные или посчитать итоги по известным критериям. В Excel это делается автофильтрами, автосуммами или можно написать макрос, который сам пролистает строки и нужное посчитает.

Но у Excel возможности ограничены — он плохо подходит для многопользовательской работы и для очень больших объёмов данных.

Здесь можно сделать выборку или базовый подсчёт с помощью SQL-запроса.

Для комфортной работы достаточно выучить около двадцати команд и научиться доставать данные без участия программистов.

И кстати, в SQL есть команды, которые заменяют конструкции из 5-6 сложных функций Excel — например, JOIN, позволяющие одновременно соединять таблицы, делать сводные и отсекать значения по нужным вам критериям (попробуйте сделать то же самое в Excel — намучаетесь с индексами, сложносочиненными ключами и последующей фильтрацией).

Если же нужна глубже зарыться в преобразование данных, можно достать и подготовить все с помощью SQL-запросов, а дальнейшие вычисления предоставить шустрому Python с его готовыми скриптами и библиотеками.

Python— самый популярный язык программирования для обработки данных. Он хорош для всего, что хочется сделать быстро, но чтобы при этом не пришлось придумывать решение с нуля — в этом бонус входа в сообщества поклонников Python, ведь вашу задачу наверняка уже решил кто-то другой.

«Не нужно забивать микроскопом гвозди, Python дает площадку для лучшего применения профессиональных заслуг человека, которые он приобрел в этой области. Для финансистов и бухгалтеров Python способен сделать огромное количество вещей, которые люди делают сейчас руками», — уверяет Елена Герасимова.

Возьмем, к примеру, трейдинг и фондовые рынки. Это золотые кейсы для Python. Совсем недавно этот вид деятельности был по плечу лишь институциональным инвесторам с миллионными бюджетами, однако сегодня при наличии ноутбука и интернета фактически любой может этим заниматься. Во многом благодаря Python трейдинг стал доступным. Торговать в автоматическом режиме можно почти любыми финансовыми инструментами: акциями, валютами, сырьем или кредитными продуктами.

Благодаря Python можно, к примеру:

• рассчитывать риски по акциям;
• делать прогнозы по возврату кредитов;
• автоматизировать анализ кредитной истории;
• смотреть на корреляцию каких-либо факторов для активов в портфеле.

Любой человек, который чувствует, что его работу скоро начнут автоматизировать, может смело выбирать Python. Тогда вы будете на несколько ступеней выше по принципу «не можешь победить — возглавь».

«С помощью Python то, что раньше делали три дня в Excel, можно сделать за 6 секунд и это не преувеличение, а слова наших выпускников», — рассказывает Елена.

Так что в итоге?

Финансист будущего — это специалист на стыке финансов и программирования.

С каждым даже не годом, а месяцем работодатели все больше будут ценить тех, кто умеет обращаться с базами данных, доставать оттуда нужные данные и визуализировать их сами, без разработчиков.

Бухгалтер, который победит Tableau, SQL, Power BI, Python, становится автономной боевой единицей.

А самое главное, что овладев новыми компетенциями, вы всегда будете в выигрыше и не только на своем месте работы. Благодаря аналитике и визуализации развитие финансиста и бухгалтера перестает быть тупиковым. Раньше штатный финансист мог претендовать на финдира, а с новыми ключевыми знаниями в его сфере открывается широкая линейка ролей. Например смело можно идти в сферу аналитики BI.

Не бойтесь учиться. Если не станете программистом, то, как минимум, поймете, что айтишники не небожители и сможете быть более эффективным, говоря с ними на одном языке.