基于Power BI的某行業(yè)上市公司財(cái)務(wù)報(bào)表可視化分析

張學(xué)東 劉春英

摘 要：上市公司財(cái)務(wù)報(bào)表分析應(yīng)用廣泛，傳統(tǒng)的上市公司財(cái)務(wù)報(bào)表分析會(huì)存在數(shù)據(jù)獲取效率低、同行業(yè)公司數(shù)據(jù)不足，選取的標(biāo)桿公司不合適，導(dǎo)致代表性、可比性不足等問題。本文探索應(yīng)用Power BI進(jìn)行中藥生產(chǎn)行業(yè)上市公司財(cái)務(wù)報(bào)表可視化分析。方法如下：（1）利用財(cái)經(jīng)網(wǎng)站獲取某行業(yè)所有上市公司的財(cái)務(wù)報(bào)表數(shù)據(jù)。（2）利用中商產(chǎn)業(yè)研究院的上市公司分類標(biāo)準(zhǔn)進(jìn)行細(xì)分，減少某細(xì)分行業(yè)內(nèi)的上市公司數(shù)量，再結(jié)合各公司的銷售規(guī)模，精準(zhǔn)找到標(biāo)桿公司。（3）利用DAX語言編寫度量值，獲取同行業(yè)指標(biāo)進(jìn)行對(duì)比，方便進(jìn)行決策分析。

關(guān)鍵詞：財(cái)務(wù)報(bào)表;可視化分析;Power BI;商業(yè)智能;中藥行業(yè)

本文索引：張學(xué)東，劉春英.基于Power BI的某行業(yè)上市公司財(cái)務(wù)報(bào)表可視化分析[J].中國商論，2021（24）：-153.

中圖分類號(hào)：F275 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2021）12（b）--04

關(guān)于財(cái)務(wù)報(bào)表分析的畢業(yè)論文選題很多，最常見的是對(duì)某一家上市公司的財(cái)務(wù)報(bào)表分析，并在行業(yè)內(nèi)選擇3～4家上市公司的報(bào)表數(shù)據(jù)進(jìn)行對(duì)比。學(xué)生在選擇財(cái)務(wù)報(bào)表分析的研究對(duì)象時(shí)，存在很多困難，比如因?yàn)閷?duì)行業(yè)和公司現(xiàn)狀缺乏了解，面對(duì)海量的上市公司無從下手，不知道該選哪一家，包括對(duì)比較企業(yè)的選擇，盲目選擇過多的指標(biāo)進(jìn)行計(jì)算，不了解指標(biāo)數(shù)值本身對(duì)于公司的意義，從而造成在數(shù)據(jù)獲取、指標(biāo)計(jì)算、對(duì)比分析等環(huán)節(jié)效率比較低、重復(fù)勞動(dòng)多，嚴(yán)重影響論文的進(jìn)度。對(duì)于不同行業(yè)的公司來說，每個(gè)指標(biāo)的標(biāo)準(zhǔn)都有一定程度的差異，因此不能盲目選擇任一標(biāo)準(zhǔn)。隨著大數(shù)據(jù)、商業(yè)智能（BI）等新技術(shù)在財(cái)務(wù)領(lǐng)域的應(yīng)用，借助新技術(shù)可以提高財(cái)務(wù)報(bào)表分析的效率及正確性和可用性。本文探索應(yīng)用Power BI搭建醫(yī)藥制造行業(yè)上市公司財(cái)務(wù)報(bào)表可視化的分析系統(tǒng)。

1 傳統(tǒng)財(cái)務(wù)報(bào)表分析存在的問題

1.1 缺乏對(duì)行業(yè)的整體認(rèn)知，選擇標(biāo)桿企業(yè)較困難

一般進(jìn)行財(cái)務(wù)報(bào)表分析時(shí)，會(huì)在同一公司內(nèi)部進(jìn)行縱向比較，也會(huì)選擇同行業(yè)標(biāo)桿企業(yè)進(jìn)行橫向?qū)Ρ?。?biāo)桿企業(yè)通常是該行業(yè)收入最高或者市值最高的企業(yè)，但該標(biāo)桿企業(yè)可能與待分析企業(yè)處于供應(yīng)鏈的不同位置。比如，分別處于供應(yīng)鏈的上游和下游，又或者因?yàn)閼?zhàn)略不同，導(dǎo)致兩者的盈利模式有很大差異，因此，標(biāo)桿企業(yè)成功模式的可借鑒性值得思考。

另外，行業(yè)龍頭企業(yè)的規(guī)?？赡芘c待分析企業(yè)差異巨大，可比性也值得思考。比如在中藥生產(chǎn)行業(yè)，白云山2020年?duì)I收達(dá)到616億元，但行業(yè)內(nèi)年?duì)I收能夠達(dá)到100億元以上規(guī)模的企業(yè)僅有7家，還有21家企業(yè)年?duì)I收在10億元以下。不同量級(jí)的企業(yè)，財(cái)報(bào)結(jié)構(gòu)是有差異的。

1.2 缺乏行業(yè)平均水平，代表性不足

對(duì)于不少財(cái)務(wù)報(bào)表分析，大多會(huì)采用對(duì)比論證法，選取某1家公司或者2～3家公司的財(cái)務(wù)報(bào)表數(shù)據(jù)來比較指標(biāo)水平的優(yōu)劣，從而判斷案例公司的經(jīng)營水平，但是這一方法缺乏行業(yè)平均水平性，選取的對(duì)比公司數(shù)量不夠則會(huì)導(dǎo)致數(shù)據(jù)不具有代表性。也許有人會(huì)通過購買的金融數(shù)據(jù)庫來獲取行業(yè)平均水平數(shù)據(jù)，很多中小企業(yè)并不會(huì)為此買單，導(dǎo)致平均水平無法獲得。

1.3 數(shù)據(jù)獲取和分析效率比較低

數(shù)據(jù)獲取可能是在財(cái)經(jīng)網(wǎng)站上下載多個(gè)單一公司的報(bào)表，獲取的效率比較低，可能會(huì)存在由于操作行為不當(dāng)導(dǎo)致部分?jǐn)?shù)據(jù)錯(cuò)誤或缺失，再利用Excel進(jìn)行分析，根據(jù)設(shè)置好的數(shù)據(jù)源定義公式或利用數(shù)據(jù)透視表來分析，因?yàn)镋xcel是基于單元格定義公式，如果數(shù)據(jù)源有新增或者單元格位置發(fā)生了變化，可能需要重新修改同一公式，重復(fù)勞動(dòng)多，效率比較低。當(dāng)需要增加或修改某一部分?jǐn)?shù)據(jù)的時(shí)候，需要在相應(yīng)的網(wǎng)站上查找數(shù)據(jù)并在數(shù)據(jù)源中做出相應(yīng)的調(diào)整，過程較繁瑣。

2 Power BI大數(shù)據(jù)分析軟件簡介

簡單來說，數(shù)據(jù)可視化就是通過可視化工具中的簡易圖形將晦澀難懂的數(shù)據(jù)展示出來，將隱藏的數(shù)據(jù)信息通過畫面的形式展示在瀏覽者面前，更加直觀易懂。

一方面，隨著大數(shù)據(jù)時(shí)代的到來，企業(yè)的財(cái)務(wù)報(bào)表分析所需要的數(shù)據(jù)往往是海量的，數(shù)據(jù)報(bào)告使用者對(duì)數(shù)據(jù)的可讀性變差并且難以抓住核心關(guān)鍵指標(biāo)為決策者提供可靠的數(shù)據(jù)支撐。數(shù)據(jù)可視化可以借助一定的工具，將多項(xiàng)指標(biāo)數(shù)據(jù)以最直觀的方式展示出來。另一方面，用最原始的方法處理數(shù)據(jù)，會(huì)浪費(fèi)大量的人力、物力和財(cái)力，隨著信息化技術(shù)的普及，企業(yè)對(duì)于數(shù)據(jù)的處理方式必然會(huì)從傳統(tǒng)的人工流水方式轉(zhuǎn)向大數(shù)據(jù)可視化管理。

目前，市場上有很多款可視化的工具，能夠比較方便地進(jìn)行數(shù)據(jù)的整理、可視化等工作，每一款工具都各有特點(diǎn)，例如，Power BI就起到了很好的數(shù)據(jù)交互作用。

Power BI是微軟于2016年推出的自助式商業(yè)智能分析軟件，Power BI可以連接上百個(gè)數(shù)據(jù)源、簡化數(shù)據(jù)并提供即時(shí)分析。即時(shí)分析指用戶可以根據(jù)需要改變的條件，系統(tǒng)自動(dòng)生成美觀的統(tǒng)計(jì)報(bào)表并發(fā)布。組織內(nèi)成員可以在Web和移動(dòng)設(shè)備上查看報(bào)表。用戶還可以根據(jù)不同情景需求，創(chuàng)建個(gè)性化的儀表板，全方位展示業(yè)務(wù)數(shù)據(jù)。

Power BI整合了Excel中的Power query、Power pivot、Power view、Power map一系列組件，Power query可以理解為超級(jí)查詢，主要進(jìn)行數(shù)據(jù)連接、清理（可以理解為一種ETL服務(wù)，Extract，Transform，Load，指數(shù)據(jù)的抽取、清洗轉(zhuǎn)換、裝載），圍繞將以往數(shù)據(jù)查詢時(shí)需要寫代碼的工作，轉(zhuǎn)變?yōu)樵趫D形化界面中，通過鼠標(biāo)點(diǎn)擊的方式完成，大大降低了非IT人員自主獲取數(shù)據(jù)的難度，可以從網(wǎng)站獲取數(shù)據(jù)。Power pivot主要進(jìn)行數(shù)據(jù)建模，建立表與表之間的聯(lián)系，可以理解為超級(jí)透視，比Excel里大家熟悉的數(shù)據(jù)透視表的功能要強(qiáng)大得多。Power view主要用來做數(shù)據(jù)可視化，Power map主要用來做數(shù)據(jù)地圖。微軟將上述四個(gè)組件集成之后單列了一個(gè)新產(chǎn)品就是Power BI，可以滿足快速增長的自助式商務(wù)智能分析的需求。

3 借助BI技術(shù)搭建財(cái)務(wù)報(bào)表分析系統(tǒng)的思路

結(jié)合以上問題，本文以Power BI為例，說明借助BI技術(shù)進(jìn)行財(cái)務(wù)報(bào)表分析的思路。

3.1 數(shù)據(jù)獲取

利用Power BI中的Power Query可以快速獲取整個(gè)醫(yī)藥行業(yè)上市公司的財(cái)務(wù)報(bào)表數(shù)據(jù)?？梢愿鶕?jù)證監(jiān)會(huì)發(fā)布的行業(yè)分類標(biāo)準(zhǔn)，獲取醫(yī)藥行業(yè)上市公司股票代碼和名稱，再通過網(wǎng)易財(cái)經(jīng)網(wǎng)站獲取具體的財(cái)報(bào)數(shù)據(jù)，包括近10年的資產(chǎn)負(fù)債表、利潤表、現(xiàn)金流量表的年報(bào)數(shù)據(jù)。目前，滬深兩市約有260多家醫(yī)藥行業(yè)上市公司，共獲取利潤表數(shù)據(jù)157770行，資產(chǎn)負(fù)債表數(shù)據(jù)378540行，現(xiàn)金流量表數(shù)據(jù)312034行。

3.2 數(shù)據(jù)整理

在Power Query編輯器頁面，對(duì)所有的數(shù)據(jù)進(jìn)行預(yù)處理，統(tǒng)一格式，避免后續(xù)數(shù)據(jù)分析環(huán)節(jié)出現(xiàn)錯(cuò)誤。根據(jù)現(xiàn)有的表格提取有效的信息，建立相關(guān)的維度表，例如日期表，有利于后續(xù)數(shù)據(jù)的分析工作。

借助中商產(chǎn)業(yè)研究院上市公司的分類信息，按照醫(yī)藥行業(yè)上市公司在供應(yīng)鏈中的不同位置進(jìn)行細(xì)分，如表1所示。中國證監(jiān)交易委員會(huì)提供的行業(yè)分類比較粗略，每個(gè)行業(yè)內(nèi)都有眾多公司，不易進(jìn)行分類比較。借助分類信息，將醫(yī)藥制造行業(yè)領(lǐng)域分成動(dòng)物用藥、化學(xué)原料用藥、生物醫(yī)藥、醫(yī)療服務(wù)、中藥生產(chǎn)等領(lǐng)域，作用相當(dāng)于聚類分析，按照公司主營業(yè)務(wù)收入占比，主業(yè)在供應(yīng)鏈中的位置進(jìn)行聚類，在醫(yī)藥行業(yè)再進(jìn)行細(xì)分行業(yè)這一操作，在一定程度上對(duì)數(shù)據(jù)分析起到了層層遞進(jìn)的作用，在BI中可實(shí)現(xiàn)“鉆取”功能。另外，按照公司在2020年度的營收規(guī)模進(jìn)行細(xì)分，在進(jìn)行不同公司的財(cái)務(wù)報(bào)表分析工作時(shí)，在尋找對(duì)比企業(yè)時(shí)，可以根據(jù)營收規(guī)模參考在供應(yīng)鏈中的位置，在規(guī)模相近的企業(yè)之間尋找標(biāo)桿企業(yè)，可以提高可比性。另外，不僅可以根據(jù)營收規(guī)模進(jìn)行進(jìn)一步的細(xì)分，還可以根據(jù)報(bào)告使用者的需求，對(duì)凈利潤或者毛利進(jìn)行進(jìn)一步劃分。

3.3 數(shù)據(jù)建模

數(shù)據(jù)建模包括兩部分，即建立表之間的聯(lián)系和編寫度量值。先建立表之間的聯(lián)系，表可以分為事實(shí)表和維度表，其中三張財(cái)務(wù)報(bào)表是事實(shí)表，除此之外引入的表，包括醫(yī)藥細(xì)分表、行業(yè)分類表、日期表、三大財(cái)務(wù)報(bào)表的輔助表等都是維度表，其中財(cái)務(wù)報(bào)表的輔助表是對(duì)財(cái)務(wù)報(bào)表的項(xiàng)目根據(jù)分析要求進(jìn)行的重分類，使之更符合分析需求，與財(cái)務(wù)報(bào)表項(xiàng)目進(jìn)行了匹配，建立了表之間的聯(lián)系，使多張表的數(shù)據(jù)成為一個(gè)整體，可以方便地實(shí)現(xiàn)跨表的數(shù)據(jù)分析。

利用DAX語言編寫度量值。結(jié)合數(shù)據(jù)分析的三要素：指標(biāo)、維度、分析方法。指標(biāo)指收入、毛利潤、凈利潤、凈資產(chǎn)收益率等，維度指分析的角度，如按照行業(yè)、公司名稱、時(shí)間、公司營收規(guī)模等，分析方法常見的有同比、環(huán)比、占比、對(duì)比等。所需要的度量值主要包括資產(chǎn)負(fù)債表、利潤表、現(xiàn)金流量表的基礎(chǔ)度量值，計(jì)算出各報(bào)表項(xiàng)目的值;財(cái)務(wù)分析指標(biāo)，如資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)率、凈資產(chǎn)收益率、行業(yè)平均年收入指標(biāo)、行業(yè)平均凈利潤指標(biāo)、收入增長率等。

3.4 結(jié)合分析指標(biāo)體系，進(jìn)行可視化分析

構(gòu)建分析指標(biāo)體系時(shí)，通過繪制思維導(dǎo)圖，將需要展示的信息進(jìn)行歸類，先總后分進(jìn)行分析。從行業(yè)整體分析整體的盈利能力變動(dòng)情況，再看公司在行業(yè)內(nèi)部的收入、毛利潤、凈利率等排名情況，進(jìn)一步進(jìn)行各項(xiàng)能力分析，最后提供了結(jié)構(gòu)分析和報(bào)表查詢功能，方便使用者及時(shí)閱讀某一家公司詳細(xì)的財(cái)報(bào)信息，如圖1所示。

同時(shí)，也可以借助杜邦分析法，其中凈資產(chǎn)收益率（權(quán)益凈利率）是整個(gè)分析體系的核心指標(biāo)，在這個(gè)體系中某一項(xiàng)指標(biāo)都可以逐級(jí)分解為多項(xiàng)財(cái)務(wù)比率的乘積，那么當(dāng)某一項(xiàng)指標(biāo)的數(shù)據(jù)偏離正常值時(shí)，都可以通過杜邦圖層層剝繭，找出癥結(jié)所在。同時(shí)，利用Power BI中的參數(shù)設(shè)置，可以實(shí)現(xiàn)基于杜邦分析體系的預(yù)測分析，比如收入每增長5%，成本同步變動(dòng)的比例是多少，最終對(duì)凈資產(chǎn)收益率的影響等。

可視化分析，利用Power BI良好的交互性能和強(qiáng)大的計(jì)算能力，根據(jù)不同主題制作可視化分析報(bào)告。將行業(yè)分類、年份、營收規(guī)模劃分、公司名稱、前N名作為切片器，將不同分析主題導(dǎo)航按鈕有規(guī)則地排列在儀表板的左側(cè)，在儀表板的中間區(qū)域通過多種可視化圖形更加直觀且明白地展示各個(gè)指標(biāo)體系下具體指標(biāo)的數(shù)值，遇到需要增加案例公司的情況，只需要重復(fù)數(shù)據(jù)獲取工作這一步驟，后面的過程就可以通過一鍵刷新功能實(shí)現(xiàn)。如果儀表板上的數(shù)據(jù)部分需要修改，只要在數(shù)據(jù)源區(qū)域做出相應(yīng)的調(diào)整，就可解決，一般來說數(shù)據(jù)都是從正規(guī)網(wǎng)站直接獲取的，只要數(shù)據(jù)建模部分不出錯(cuò)，就不會(huì)出現(xiàn)指標(biāo)計(jì)算錯(cuò)誤的情況。

在行業(yè)分析中，從行業(yè)凈利率趨勢、行業(yè)地位（營收）、市場份額、凈資產(chǎn)收益率、營收規(guī)模分布企業(yè)數(shù)量等維度進(jìn)行分析。如圖2所示，在行業(yè)地位（營收）圖中，通過調(diào)節(jié)時(shí)間滾動(dòng)軸，可以較為直觀地看到各個(gè)行業(yè)在近十年內(nèi)營業(yè)收入的增幅，其中生物醫(yī)藥行業(yè)的最近一年?duì)I收在10～50億元級(jí)別的上市公司近五年的行業(yè)凈利率一直維持在行業(yè)最高水平，平均凈利率均高于15%以上。醫(yī)藥各細(xì)分行業(yè)整體的行業(yè)凈利率呈現(xiàn)較穩(wěn)定的狀態(tài)，整體盈利能力較強(qiáng)，2020年度僅醫(yī)藥商業(yè)細(xì)分行業(yè)凈利率為-2.99%，其他行業(yè)凈利率均為正數(shù)，生物醫(yī)藥的行業(yè)凈利率最高，達(dá)到24.10%。

利用整個(gè)行業(yè)上市公司財(cái)務(wù)報(bào)表做數(shù)據(jù)可視化分析，可以快速得到行業(yè)平均指標(biāo)，從而在整個(gè)行業(yè)的背景下，進(jìn)行財(cái)務(wù)分析，有助于得到正確的分析結(jié)論。

在利用整個(gè)行業(yè)上市公司財(cái)務(wù)報(bào)表做數(shù)據(jù)可視化時(shí)，會(huì)存在的一個(gè)問題是一張圖中可能包含了很多不同公司的信息，比如，將中藥生產(chǎn)行業(yè)67個(gè)公司的某個(gè)指標(biāo)放在一張圖中，圖表顯得混亂無法讀取有效信息。本文的建議是，將待分析公司相關(guān)數(shù)據(jù)與計(jì)算得到的行業(yè)平均水平進(jìn)行對(duì)比，或者與行業(yè)前N名公司進(jìn)行比較。

4 結(jié)語

利用BI技術(shù)對(duì)財(cái)務(wù)報(bào)表進(jìn)行分析，可以大大提高分析效率，在形成財(cái)務(wù)報(bào)表分析體系之后，通過Power BI實(shí)時(shí)更新數(shù)據(jù)，可以避免重復(fù)勞動(dòng)，通過切片器、篩選器的使用，可以快速獲得所需要的信息，有效提高報(bào)表分析的效率，通過編寫度量值，使用者可以快速獲取個(gè)性化的指標(biāo)信息，方便報(bào)表使用者的自主探索。

針對(duì)行業(yè)上市公司較多，選擇同行業(yè)標(biāo)桿比較困難的問題，可以依靠第三方研究公司的分類標(biāo)準(zhǔn)，對(duì)行業(yè)進(jìn)一步細(xì)分，減少細(xì)分行業(yè)內(nèi)的企業(yè)數(shù)量，細(xì)分的標(biāo)準(zhǔn)可以按照主營業(yè)務(wù)收入的占比。另外，還可以按照企業(yè)年?duì)I收的規(guī)模對(duì)企業(yè)進(jìn)行細(xì)分，所選的對(duì)標(biāo)企業(yè)與待分析企業(yè)的規(guī)模相當(dāng)，行業(yè)主營業(yè)務(wù)涵蓋范圍也接近，便于企業(yè)進(jìn)行更有針對(duì)性的對(duì)比，通過與競爭對(duì)手的對(duì)比，確定企業(yè)業(yè)績變動(dòng)是受自身業(yè)務(wù)的影響，還是受行業(yè)外部變動(dòng)的影響。

利用網(wǎng)上公開的財(cái)經(jīng)網(wǎng)站數(shù)據(jù)時(shí)也會(huì)存在不足，比如數(shù)據(jù)可能有缺項(xiàng)，導(dǎo)致少部分企業(yè)的數(shù)據(jù)不夠完整和準(zhǔn)確。另外，本應(yīng)用僅以公開的財(cái)務(wù)數(shù)據(jù)為研究對(duì)象，因?yàn)楣_的、易獲取的數(shù)據(jù)多為財(cái)務(wù)數(shù)據(jù)，缺乏業(yè)務(wù)數(shù)據(jù)，無法通過財(cái)務(wù)數(shù)據(jù)分析的結(jié)果給出針對(duì)性的、有價(jià)值的建議，導(dǎo)致即使擁有了大量數(shù)據(jù)，也可能存在分析浮于表面的情況。業(yè)務(wù)數(shù)據(jù)可能在年度報(bào)告中以文本形式存在，這種非結(jié)構(gòu)化數(shù)據(jù)在獲取時(shí)難度較大，無法進(jìn)行批量化、標(biāo)準(zhǔn)化地處理，依靠公開數(shù)據(jù)很難實(shí)現(xiàn)業(yè)務(wù)和財(cái)務(wù)的一體化分析。后續(xù)還可以繼續(xù)探索基于XBRL和文本挖掘等計(jì)算，進(jìn)一步豐富基于行業(yè)所有上市公司財(cái)務(wù)報(bào)表分析的深度和廣度。

參考文獻(xiàn)

[1]李祥鵬，秦賢，梁瑜，等.基于Microsoft POWERBI的藥學(xué)數(shù)據(jù)自動(dòng)分析工具的應(yīng)用[J].海峽藥學(xué)，2020，32（8）：229-233.

[2]于洋，房坤，劉丹，等.基于PowerBI的大數(shù)據(jù)分析在醫(yī)用耗材管理中的實(shí)踐[J].中國醫(yī)學(xué)裝備，2020，17（7）：145-149.

[3]李雪，王梓，陳翰林.大數(shù)據(jù)下企業(yè)財(cái)務(wù)分析淺析[J].財(cái)務(wù)與會(huì)計(jì)，2018（21）：50.

[4]劉寶太.關(guān)于財(cái)務(wù)報(bào)表可視化分析應(yīng)用的探討[J].財(cái)會(huì)學(xué)習(xí)，2019（35）：28-29.

[5]孫一星.基于POWERBI的企業(yè)交互式可視化業(yè)務(wù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)：以T公司為例[J].中國港口，2019（2）：56-61.

[6]厲雨，邵天龍，王浩.可視化分析在電力營銷審計(jì)中的應(yīng)用[J].中國內(nèi)部審計(jì)，2020（1）：55-58.

[7]陳俊麗.基于云計(jì)算的會(huì)計(jì)大數(shù)據(jù)分析平臺(tái)構(gòu)建[J].財(cái)會(huì)通訊，2017（16）：103-107.

[8]張超，肖聰，朱衛(wèi)東，等.財(cái)務(wù)智能可視化分析與文獻(xiàn)綜述[J].財(cái)會(huì)月刊，2019（3）：24-32.

基金項(xiàng)目：2019年度江蘇省高職院校教師專業(yè)帶頭人高端研修項(xiàng)目“企業(yè)經(jīng)營數(shù)據(jù)分析”（2019TDFX001）的階段性研究成果;2020江蘇省大學(xué)生創(chuàng)新訓(xùn)練項(xiàng)目（202012317027Y）。

作者簡介：張學(xué)東（1979-），男，漢族，江蘇南通人，碩士，講師，研究方向：企業(yè)經(jīng)營數(shù)據(jù)分析。

Visual Analysis of Financial Statements of Listed Companies in an Industry

Based on Power BI

Changzhou College of Information Technology

ZHANG Xuedong? LIU Chunying

Abstract： Financial statement analysis of listed companies is widely used. Traditional financial statement analysis of listed companies has problems such as low data acquisition efficiency， insufficient data from companies in the same industry， inappropriate selection of benchmark companies， and insufficient representativeness and comparability. This article explores the application of Power BI to visualize the financial statements of listed companies in the traditional Chinese medicine production industry. The method is as follows： i. Use the financial website to obtain the financial statement data of all listed companies in a certain industry; ii. Use the listed company classification standards of the China Business Industry Research Institute to subdivide， reduce the number of listed companies in a subdivided industry， and combine the sales scale of each company to accurately find benchmark companies; iii. Use DAX language to compile measurement values， obtain indicators in the same industry for comparison， and facilitate decision-making analysis.

Keywords： financial statement; visual analysis; Power BI; business intelligence; traditional Chinese medicine industry