Python在财务领域应用的道与术之理论

文/李成智

近两年，各行各业似乎都充斥着一种Python焦虑，“Python杀死了Excel！”“数据分析还在用Excel?学会Python效率高10倍!”各种类似口号铺天盖地，大家很容易被这种焦虑裹挟，不是正在学Python，就是在准备学Python的路上。尤其是在财务领域，在企业数字化转型的大趋势下，从ERP、财务共享中心、财务中台再到财务RPA，更让许多财务人陷入被信息技术取代的恐慌之中。

本文试图从一个相对客观的视角，结合具体财务应用场景，将Python与其他工具如Excel、RPA等进行优劣势对比，以帮助大家判断在当前的财务工作背景下，是否值得投入精力学习Python。

Python作为一门编程语言，应用范围极广，在财务领域应用最多的是数据分析、网络爬虫和人工智能，本文实战篇将介绍相关案例。

孙子兵法有云：“不尽知用兵之害者，则不能尽知用兵之利”。不同的数据分析工具以及编程语言各有优劣，不同应用场景下都有自己的傍身之技。难免有人会想，我在日常工作中做数据分析处理时Excel已经能满足大多数的要求，VBA编程以及RPA(机器人流程自动化)也能够将我从一些重复劳动中解放出来，就算Python再好，我在工作中真的有应用的必要性么？下表简单介绍常用数据分析工具的优劣，给大家一个直观的体会。

比较起来，Excel就像是小工坊，对于一些“小而美”的工作要求，实现起来最为便捷高效。财务报表一般格式比较“花哨”，具有较多的Excel专属属性，少量数据用excel处理非常方便。Python是一门编程语言，可以通过代码开发具有更大的灵活性，特别是对于大数据量的处理，例如从wind中导出财务或交易数据，再用Python进行分析，会事半功倍。相比之下，RPA和VBA就像是流水线作业，所以在“标准化生产”中更具优势。此外Python在编程语言中比较容易入门，更加适合财务人员学习应用。

Python更像是一条柔性生产线，其兼具了灵活与效率，但建造这条生产线的固定成本很高，建成后的边际成本极小，一旦形成规模效应，效率是Excel无法相比的。除了可以实现数据分析及可视化功能外，在文本分析以及通过机器学习替代人为决策等其他功能上更是具有其他几种工具无可替代的优势，此外Python以其极强的柔性，还可以配合其他工具例如Python+RPA、Python+Excel达到”1+12”的效果，在实战篇中，大家将会对这些内容有更加直观和深刻的理解。

要将Python应用于具体财务场景，最重要的是培养业务问题与编程思维相融合的意识与能力，而不是被看似艰难的编程技术所劝退。在编程思维和编程能力的关系中，前者是“道”，后者是“术”。

君子不器，即是讲君子不应拘泥于手段而不思考其背后的目的。既然我们在财务领域使用Python的最终目的是为了更智能地优化公司的财务流程，那我们的出发点也理应是先考虑该业务痛点是否适合用编程思维来解决，而不是一上来就盲目地投身语法的钻研、纠结分类器到底是选用逻辑回归还是决策树等技术细节问题。随着管理层级的逐渐攀升，理解Python应用之“道”的重要性也会逐渐超过掌握具体编程之“术”。正如乔布斯所说：“我当时学习编程并没有明确的目的，只是作为思考的镜子，学习如何思考”。

所以说，编程思维提供了解决管理问题的方法论，编程能力只是实现管理方案的工具。只要掌握了解决问题的方法论，不论编程能力高低或编程语言如何变迁，将编程思维应用于业务场景的“道”是不会改变的。

编程技术的提升，是一个日积月累、水滴石穿的过程。Python提供了对编程小白都十分友好的基础语法以及大量应用程序接口(API)和包(Package)，编程语法相对容易掌握。相信任何计算机科班出身的人都无法忘记初学C++时被指针支配的恐惧和令人头秃的各种数据类型之间的复杂转换，而Python简单优雅的语句可以极大程度减轻这些痛苦，就算是初学者想要搭建机器学习模型，在掌握了基础数据结构知识之后，直接调用Sklearn等机器学习库中的算法，即可以比较简便地搭建起一些在外行看起来非常高大上的模型，这极利于初学阶段信心的建立和培养进一步钻研兴趣的培养。

可现实情况往往是，就算各种轮子配件都有人帮你造好了，也并不是谁都能造出汽车的，这其中起最关键作用的就是编程思维。基于Python语句的易上手性，一个更贴合实际的学习逻辑是：初学阶段只需大概了解基本语句的用途，在今后碰到具体财务场景的痛点之后，缕清业务逻辑，抽象出编程逻辑，再去有侧重地掌握相关语法和包的使用，以期最大化投入产出比。

“有道无术，术尚可求也，有术无道，止于术”，道是术的根，这也是为什么我们先要用“理论篇”论述Python应用之“道”。但只做到知“道”仍不是终点，重道轻术，容易误入眼高手低、好高骛远的歧途，因此了解在具体业务场景中如何应用编程之“道”同样关键，这一点我们会在接下来的“实战篇”中展开介绍，敬请期待！