• นำ Big Data ขององค์กรมาใช้ประโยชน์ในงานบัญชี เพื่อการวิเคราะห์ข้อมูล
• การใช้งานและขั้นตอนการทำ Data Analytics สำหรับงานบัญชี
• การจัดทำ Data Cleansing เพื่อจัดเตรียมข้อมูลในการวิเคราะห์ข้อมูลบัญชี

บรรยายโดย ผศ.สุรัตน์ ลีรัตนชัย

หัวข้อสัมมนา

วันที่ 1 (บรรยาย) : Data Analytics การบริหารจัดการและวิเคราะห์ข้อมูลองค์กร
เพื่องานบัญชี

1. ความสำคัญของ Data Sciences, Big Data และ Data Analytics ในงานบัญชี

2. การนำ Big Data ขององค์กรและหน่วยงานต่างๆ มาใช้ประโยชน์ในงานบัญชี เพื่อวิเคราะห์ข้อมูลตัวเลขได้อย่างมีประสิทธิภาพ

3. Data Analytics การวิเคราะห์ข้อมูลกับงานบัญชีการเงินในปัจจุบัน พร้อมตัวอย่างการใช้งานจริง
3.1 วางแผนงบการเงิน และวางแผนภาษีได้อย่างเหมาะสม สำหรับงานบัญชีการเงิน
3.2 วิเคราะห์โครงสร้าง และองค์ประกอบของต้นทุนการผลิต สำหรับงานบัญชีต้นทุน
3.3 วางแผน ควบคุม ตัดสินใจ การลงทุนสินทรัพย์ถาวร และพยากรณ์งบการเงิน สำหรับงานบัญชีบริหาร
3.4 ตรวจสอบและป้องกันการทุจริต จากความผิดปกติของข้อมูล สำหรับงานตรวจสอบและควบคุมภายใน
3.5เพิ่มประสิทธิภาพในการตรวจสอบความผิดปกติของรายการได้อย่างแม่นยำและรวดเร็วสำหรับงานสอบบัญชี

4. ประเภทและรูปแบบของ Data Analytics ที่บัญชีต้องทราบ
4.1 การวิเคราะห์ข้อมูลแบบพื้นฐาน (Descriptive Analysis)
4.2 การวิเคราะห์แบบเชิงวินิจฉัย (Diagnostics Analysis)
4.3 การวิเคราะห์เชิงพยากรณ์ (Predictive Analysis)
4.4 การวิเคราะห์แบบให้คำแนะนำ (Prescriptive Analysis)

5. ขั้นตอนการทำ Data Analytics สำหรับงานบัญชี

5.1 การจัดทำ Data Cleansing เพื่อจัดเตรียมข้อมูลในการวิเคราะห์ข้อมูลบัญชีด้วยโปรแกรม Excel, Google Sheet, VBA, SQL ฯลฯ
5.2 การใช้เครื่องมือในการช่วยจัดทำ Data Analytics เช่น โปรแกรม PowerBI, Google Data Studio, Excel
5.3 การวิเคราะห์โครงสร้างของฐานข้อมูลและการสร้างความสัมพันธ์ของข้อมูล (Relational Data Model)
5.4 การเลือกรูปแบบการนำเสนอข้อมูลทางบัญชีที่เหมาะสม เช่น ตารางข้อมูล แผนภูมิ การสร้างสูตรการคำนวณ อัตราส่วน ฯลฯ
5.5 การวิเคราะห์ข้อมูลรูปแบบต่างๆ เพื่อนำไปใช้ประโยชน์ในงานต่างๆ เช่น การวิเคราะห์กลยุทธ์การขายจากยอดขาย ประสิทธิภาพของการวางระบบบัญชี  การพยากรณ์ยอดขาย ฯลฯ

6. ความคุ้มค่าและการลงทุนในการเลือกซื้อ Software สำหรับการทำ Data Analytics ในงานบัญชี

7. กรณีศึกษา Data Analytics for Accounting

8. คุณธรรม จริยธรรม และจรรยาบรรณของผู้ประกอบวิชาชีพบัญชี

วันที่ 2 (Workshop) : ฝึกปฏิบัติ Data Analytics for Accounting
1. การใช้ Excel เป็นเครื่องมือสำหรับ Data analytics ในงานบัญชีการเงิน
2. การใช้เครื่องมือสำหรับ Data analytics ในงานบัญชีการเงิน
3. กรณีศึกษาการจัดทำ Data Cleansing สำหรับงานบัญชีและการเงิน
4. กรณีศึกษาการวิเคราะห์ข้อมูลการขาย ต้นทุนขาย และกำไรขั้นต้น
5. กรณีศึกษาการวิเคราะห์ข้อมูลค่าใช้จ่ายในการขายและบริหาร เพื่อหาความผิดปกติของข้อมูล
6. กรณีศึกษาการวิเคราะห์ข้อมูลต้นทุนการผลิตสินค้า
7. กรณีศึกษาการพยากรณ์ข้อมูลทางการเงินสำหรับปีอนาคต
8. กรณีศึกษาการสร้างรายงานในรูปแบบต่างๆ เช่น ตารางข้อมูล แผนภูมิ
9. การจัดทำข้อเสนอแนะจากผลการวิเคราะห์ข้อมูลที่ได้รับ

• นำ Big Data ขององค์กรมาใช้ประโยชน์ในงานบัญชี เพื่อการวิเคราะห์ข้อมูล
• การใช้งานและขั้นตอนการทำ Data Analytics สำหรับงานบัญชี
• การจัดทำ Data Cleansing เพื่อจัดเตรียมข้อมูลในการวิเคราะห์ข้อมูลบัญชี

บรรยายโดย ผศ.สุรัตน์ ลีรัตนชัย

หัวข้อสัมมนา

วันที่ 1 (บรรยาย) : Data Analytics การบริหารจัดการและวิเคราะห์ข้อมูลองค์กร
เพื่องานบัญชี

1. ความสำคัญของ Data Sciences, Big Data และ Data Analytics ในงานบัญชี

2. การนำ Big Data ขององค์กรและหน่วยงานต่างๆ มาใช้ประโยชน์ในงานบัญชี เพื่อวิเคราะห์ข้อมูลตัวเลขได้อย่างมีประสิทธิภาพ

3. Data Analytics การวิเคราะห์ข้อมูลกับงานบัญชีการเงินในปัจจุบัน พร้อมตัวอย่างการใช้งานจริง
3.1 วางแผนงบการเงิน และวางแผนภาษีได้อย่างเหมาะสม สำหรับงานบัญชีการเงิน
3.2 วิเคราะห์โครงสร้าง และองค์ประกอบของต้นทุนการผลิต สำหรับงานบัญชีต้นทุน
3.3 วางแผน ควบคุม ตัดสินใจ การลงทุนสินทรัพย์ถาวร และพยากรณ์งบการเงิน สำหรับงานบัญชีบริหาร
3.4 ตรวจสอบและป้องกันการทุจริต จากความผิดปกติของข้อมูล สำหรับงานตรวจสอบและควบคุมภายใน
3.5เพิ่มประสิทธิภาพในการตรวจสอบความผิดปกติของรายการได้อย่างแม่นยำและรวดเร็วสำหรับงานสอบบัญชี

4. ประเภทและรูปแบบของ Data Analytics ที่บัญชีต้องทราบ
4.1 การวิเคราะห์ข้อมูลแบบพื้นฐาน (Descriptive Analysis)
4.2 การวิเคราะห์แบบเชิงวินิจฉัย (Diagnostics Analysis)
4.3 การวิเคราะห์เชิงพยากรณ์ (Predictive Analysis)
4.4 การวิเคราะห์แบบให้คำแนะนำ (Prescriptive Analysis)

5. ขั้นตอนการทำ Data Analytics สำหรับงานบัญชี

5.1 การจัดทำ Data Cleansing เพื่อจัดเตรียมข้อมูลในการวิเคราะห์ข้อมูลบัญชีด้วยโปรแกรม Excel, Google Sheet, VBA, SQL ฯลฯ
5.2 การใช้เครื่องมือในการช่วยจัดทำ Data Analytics เช่น โปรแกรม PowerBI, Google Data Studio, Excel
5.3 การวิเคราะห์โครงสร้างของฐานข้อมูลและการสร้างความสัมพันธ์ของข้อมูล (Relational Data Model)
5.4 การเลือกรูปแบบการนำเสนอข้อมูลทางบัญชีที่เหมาะสม เช่น ตารางข้อมูล แผนภูมิ การสร้างสูตรการคำนวณ อัตราส่วน ฯลฯ
5.5 การวิเคราะห์ข้อมูลรูปแบบต่างๆ เพื่อนำไปใช้ประโยชน์ในงานต่างๆ เช่น การวิเคราะห์กลยุทธ์การขายจากยอดขาย ประสิทธิภาพของการวางระบบบัญชี  การพยากรณ์ยอดขาย ฯลฯ

6. ความคุ้มค่าและการลงทุนในการเลือกซื้อ Software สำหรับการทำ Data Analytics ในงานบัญชี

7. กรณีศึกษา Data Analytics for Accounting

8. คุณธรรม จริยธรรม และจรรยาบรรณของผู้ประกอบวิชาชีพบัญชี

วันที่ 2 (Workshop) : ฝึกปฏิบัติ Data Analytics for Accounting
1. การใช้ Excel เป็นเครื่องมือสำหรับ Data analytics ในงานบัญชีการเงิน
2. การใช้เครื่องมือสำหรับ Data analytics ในงานบัญชีการเงิน
3. กรณีศึกษาการจัดทำ Data Cleansing สำหรับงานบัญชีและการเงิน
4. กรณีศึกษาการวิเคราะห์ข้อมูลการขาย ต้นทุนขาย และกำไรขั้นต้น
5. กรณีศึกษาการวิเคราะห์ข้อมูลค่าใช้จ่ายในการขายและบริหาร เพื่อหาความผิดปกติของข้อมูล
6. กรณีศึกษาการวิเคราะห์ข้อมูลต้นทุนการผลิตสินค้า
7. กรณีศึกษาการพยากรณ์ข้อมูลทางการเงินสำหรับปีอนาคต
8. กรณีศึกษาการสร้างรายงานในรูปแบบต่างๆ เช่น ตารางข้อมูล แผนภูมิ
9. การจัดทำข้อเสนอแนะจากผลการวิเคราะห์ข้อมูลที่ได้รับ