前不久，小秘书的邮箱收到了一封来自学员“help me”的邮件，他需要编制未来十年公司的固定资产预算，关键预测节点是新增固定资产的增量和现存固定的折旧，并且需要从不同的角度分析费用数据。

小秘书看完之后心里在想，固定资产预算逻辑简单清晰，而且一般公司对固定资产都采用直线法折旧，怎么学员用最简单的Excel做也遇到困难了呢？

后来跟学员详细聊了一下，发现即使是逻辑简单的场景，当遇到数据量大的情况时，Excel很难去进行运算了，可能刚打开就出现not responding的弹窗。

根据学员反馈的信息，我们联合老师梳理出他的痛点，主要体现在：

数据量大。该公司的固定资产有1400多项（还不包括预算增加的固定资产），如果出具未来10年逐月的预算，那么数据矩阵就是1400（项）*10（年）*12（月）=16.8万的数据量。如果再区分折旧费用、累计折旧和固定资产净值等报表项目，数据量就再乘3倍=50.4万。在这个量级的数据下，要改一个小公式就要缓存很久了，慢和卡是必然的。 计算公式复杂。由于固定资产都是在不同的时间采购进来的，特别是预算新增的固定资产，需要从购进次月开始折旧。折旧参数（折旧年限、残值率、折旧方法）和折旧进度等不同，导致固定资产折旧的公式略复杂。对于Excel来说，又增加了性能压力。 统计分析视角多。对于上述数据的分析视角，可能存在的有按年、按月、按固定资产类别、按成本中心、按费用归属（主营成本、销售费用、管理费用）等。每个视角都要通过数据透视表或者vlookup等公式拉出来，数据源一变，这些公式就要重新检查，非常耗时间。 数据追溯难。所谓数据反查，其实也是分析的问题，只不过一个是从明细数据汇总到统计视角，一个是从统计视角追溯到明细数据。在Excel来说，不存在逆向的追溯，只能靠肉眼查看每一个数据背后的公式来分析。

针对上述学员出现的问题，老师给出了详细的解答，认为最快的方法就是通过技术工具去处理海量的业务数据。

那要怎样做呢？我们一起来看财务数据分析常用的五步法！

1

理解需求

分析数据源，梳理核心逻辑

在做分析前，我们必须采集到财务分析源头数据，它可能是一些业务数据（比如销售明细）或财务数据（比如总账凭证），这里，我们将固定资产卡片作为源头。

每一项固定资产卡片的数据包括编号、购置日期、购置金额、类别、所属成本中心、使用年限、残值率等。

对于每一项固定资产，我们需要计算他在未来10年每个月的折旧金额、累计折旧金额、固定资产原值金额。可使用如下逻辑：

每月折旧=购置金额/使用期限/12（限制条件：新增固定资产次月折旧；已提足折旧的不再折旧） 累计折旧=期初累计折旧+本月折旧 固定资产原值=购置金额（限制条件：新增固定资产在购置当月开始计量）

2

建立模型

配置表单

固定资产卡片与固定资产预算数据之间是一对多的关系：一项固定资产对应10年的折旧、累计折旧、资产原值数据，因此，我们建立模型如下：

在模型中，我们定义了数据如何在数据库存储，表与表之间的联系是什么：

第一张表用于存放固定资产卡片中的数据 第二张表用于存放计算后的预算数据

3

建立算法

算法这步，我们使用Python中的Pandas模块，按照第一步梳理的逻辑，根据固定资产卡片数据计算未来10年的预算数据，实现代码如下：

4

上传数据

验证计算结果

通过Excel上传存量固定资产数据（实务中，我们也可以通过数据接口工具等将数据直接注入数据表）

全部的数据录入完成后，我们执行Python计算脚本，查看计算结果：

点开某一项，查看折旧数据：

5

制作分析报表

分析报表的视角完全可以由我们自己决定，比如

（1）按期间：

（2）按资产类别：

（3）按成本中心：

（4）也可以制作可视化图表：

上述五步法对财务人来说真的太实用了，可以从多个维度看出固定资产折旧预算的动态变化。

而且还能从使用者的视角上看：

系统通过接口实时更新存量固定资产数据

新建固定资产卡片，维护预计新增的固定资产信息

执行计算后查看报表，进入数据源做探索分析

学员看完解答后认为在财务数字化转型的背景下，财务有技术的加持即使面对几十万级的数据量也不用再担心了，数据运算的过程完全可以交由机器去解决。在面对复杂的投资预算模型时，可以依靠系统逐层搭建、逐步拆解。在财务工作中掌握算法技术，可以做到事半功倍！