摘要：上市企业财务报表数据分析运用广泛，一般的上市企业财务报表数据分析容易出现数据收集效率低下、同行业企业比较缺失、选择的标准企业不正确、结果代表性、可比性缺失的现象。文章探索应用Power BI构建财务分析可视化平台，实现常州市相关的新能源汽车与行业其他境内外上市公司的财报对比。创新性让使用者通过可视化平台发现问题，找到答案，作出商业决定，形成探索式的分析。

　　关键词：可视化分析；Power BI；新能源汽车

　　引言

　　煤炭、石油、水能、天然气、木材等都属于传统能源，新能源指的是尚未大规模使用，未来极具发展潜力的新型能源。联合国开发计划署把新能源的定义为：“新能源为一种清洁可再生能源。新能源汽车是指依靠新能源和清洁能源运营的汽车，他们使用新能源作为汽车的常规燃料，提供动力和驱动能量。”纵观全球，环境污染和能源短缺仍是困扰人类的一大难题。为此，国家重视新能源研发，减少传统能源使用，新能源汽车凭借耗能低且低碳环保的优势迅猛发展。2021年，常州新能源汽车及核心零部件总产值达1 310亿元，中游企业数量3 440家，居全国前列[1]。常州市已形成“发电、储能、输送、应用”的新能源产业闭环，在新能源整车、动力电池、充电基础设施等领域快速发展，致力于成为“新能源之都”。2022年胡润中国新能源排行榜中，常州综合排名第五，居全省前列。常州新能源汽车产业从武进到金坛，从新北到溧阳，多点开花，链式发展。本文将利用BI软件构建数据可视化平台，从财务分析角度聚焦常州市新能源汽车行业，探索其现阶段发展现状与未来前景。

　　一、传统财务报表分析的问题与BI财务可视化平台的优势

　　（一）传统财务报表分析存在的问题

　　第一，传统分析方法对上市企业情况和业务特点认识不充分，各项数据指标统计多种多样、信息繁杂，从而导致盲目选取过多繁杂的数据指标加以统计，造成在信息收集、报表统计、比较研究等方面存在效率低下、重复劳动高的现象。

　　第二，针对各类指标，不同企业有不同的财务分析要求，使得分析人员无法随心所欲选取任何指标。将大数据分析、商业智能等新兴信息技术运用到财务管理领域，能够提高财务报表数据的精度和信息准确性，提升数据分析的工作效率。

　　第三，研究新能源汽车行业财务报表，发现国内传统的汽车厂商多会选择在国内上市，而新势力的新能源汽车厂商蔚来、理想、小鹏等则选择在海外上市，以往进行汽车厂商的同行业比较时，往往采用A股的数据进行比较，缺少了与具代表性的新势力厂商的比较。

　　（二）BI财务可视化平台的介绍与优势

　　Power BI是微软在2016年向市场推出的自助式商业智能分析软件，它可以连接上百个数据源、简化数据并提供实时分析。这种实时分析可以满足用户对于随时改变条件，然后自动生成并发布清晰美观统计报告的需求。用户可以依据不同的情况，建立具有个人特色的个性化仪表板，可以全面完善地将业务数据展现出来。本文采用理论与实际操作相结合的方式，构建Power BI财务分析可视化平台，并结合常州市相关的新能源汽车与行业其他境内外上市公司的数据进行案例分析[2]。其优势具体表现如下。

　　第一，可视化信息技术通过清晰明了、丰富有趣的图表，将复杂的信息数据直观、高效地展示在研究者面前，使得使用者可以更轻松、更快速地理解分析。企业经济业务涉及的数据不仅数量庞大而且结构复杂，是企业经营管理决策的重点内容之一。

　　第二，利用可视化数据分析方法，构建可视化数据分析平台。传统财务报表分析往往存在分析效率低下的问题，通过构建可视化数据分析平台，可以为财务报表分析提供新的分析思路与方法。

　　第三，通过网络抓取美股与A股财务报表数据进行融合分析。研究不拘泥于国内上市公司的财报数据，通过美国证监会获取美股数据，并通过构建辅助表将美股与A股财报数据融合，可以实现境内外上市公司的财务报表对比分析。

　　二、Power BI财务分析可视化平台的构建模式分析

　　（一）建设目标

　　新能源汽车行业扩展迅速，特别是在常州市，该市已经成为全产业链布局的焦点。然而，行业面临多重挑战，准确的财务分析对未来发展至关重要。本文将探索融合A股和美股财报数据，实现常州市新能源汽车企业与国内外其他上市公司的财务比较。通过建立基于主题的数据集市，最终用户可以轻松设置报表或仪表盘，利用前端系统的互操作性和高级分析能力进行数据过滤、钻取、关联等操作，帮助用户发现问题、得出答案，并支持业务决策和研究分析[3]。

　　（二）数据获取

　　1.获取A股上市公司数据

　　通过Power BI中的Power Query，能够迅速检查新能源行业上市公司的财务报表。还可按照中国证监会颁布的产业划分准则，搜索新能源行业我国上市公司的股票代码和姓名，然后通过网易财经等门户网站可以得到更具体的数据分析。

　　了解Power BI的操作步骤可以帮助高效获取和处理数据。打开Power BI后，可以新建文件，依次选择“主页-获取数据-web”，然后粘贴网址并选择目标表格进行数据转换。Power BI能够自动识别HTML网页中的表格组件，并允许用户勾选需要的数据结果[4]。

　　为了批量获取网页数据，需要在Power Query中修改源地址，设置动态参数并创建函数。这样一来，用户可以通过新建的函数灵活获取不同页码的股票分类信息。

　　本文介绍的方法适用于页码与网址一一对应的情况，如果需要获取动态网页数据（即页码变化但网址不变），则需要使用M语言，理解网页基础知识并能够识别真实网址，了解Power Query中数据的解析过程。

　　2.获取美股上市公司数据

　　目前获取美股上市公司财务报表数据的方式主要有以下几种。

　　（1）从美国证监会网站查询

　　通过网址https://www.sec.gov进入美国证监会官网。进入网页后，可以通过相关公司的名称或代码，查询我们所需要的相应企业的数据。查询网页一般是全英文界面，其中可以看到两类表格：6-K代表季度报告，20-F代表年度报告。

　　（2）到相关公司的官网下载年报

　　上市公司会在官网提供年度财务报告等信息的下载链接，通过此种方式直接获取相应公司的年报。

　　（3）借助爬虫工具获取第三方财经网站的信息

　　国内的财经网站也有提供美股的财报数据，但详略程度有一定的差异性。常见的财经网站有同花顺、东方财富、雪球等。可以通过Python，寻找github上已有的解决方案，快速抓取数据。部分财经网站（如雪球）开放了API接口，可以批量获取数据，但一般这类接口可以免费获取的数量有限，超过部分需要付费。

　　本文是利用Power BI实现美股数据的抓取，通过分析东方财富网站的相关信息，识别真实网址，实现批量获取。以小鹏汽车为例，该公司在纽交所上市，证券代码为XPEV.N，从网址来看，其中可以动态变化的部分有两处，一个是报表类型ZCFZB，一个是证券代码XPEV.N，如果将这两处设置参数，加以修改，可以实现网页的批量获取。

　　本文通过构建同行公司表，整合了需要的A股和美股上市公司的股票名称和代码，并利用网址的动态变化规律，批量获取上市公司的股票财务信息。在获取美股财报数据时，需要考虑币种和汇率的影响。中概股通常用人民币披露财报，而其他国家的公司则使用美元，因此需要进行汇率折算。本文使用if语句，在判断为美元时，根据2021年12月底的汇率统一将金额折算为人民币，以便与国内同行公司进行比较分析。

　　3.合并A股和美股数据

　　在分别获取了A股和美股的数据后，针对单独的A股和美股的资产负债表，采用追加查询的方式，将两张表合并到一起。同理可以得到汇总后的利润表和现金流量表。

　　（1）数据处理

　　处理美股财报数据时，确保数据的准确性和一致性至关重要。首先，利用Power Query进行数据预处理，包括格式统一、数据清洗和处理缺失值，以确保数据适合后续分析和建模。其次，创建一个辅助表，将美股财报项目名称翻译为中文，并与A股项目名称放在同一表中，通过“股票市场”列加以区分。此外，统一相似的项目命名，例如将美股的费用项目与对应的A股名称保持一致，有助于进行跨市场的比较和分析。最后，进行具体的财务分析，如利润表比较和成本费用的趋势分析，确保分析结论准确可靠，避免误导决策。

　　（2）数据建模

　　a.数据库框架

　　建立表之间的联系和编写度量值是数据建模的核心组成部分。财务报表作为事实表，同时引入同行公司表、日期表及财务报表的辅助表等作为维度表。为了满足分析需求，利用财务报表的辅助表对项目进行重新分类。此外，建立表与表之间的关联能够实现跨表数据分析，将不同表的数据有机连接，形成整体分析的基础。

　　在资产负债表和利润表中，同一家公司可能出现多次，为了避免跨表筛选时的错误，可以利用行业分类和股票名称这两列数据建立动态维度表。使用SUMMARIZECOLUMNS函数创建维度表：“同行公司=SUMMARIZECOLUMNS（'利润表'[行业分类]，'利润表'[股票名称]）”。接着，建立各事实表与维度表的关联关系，逐一匹配，最终形成“星型”可视化数据模型。

　　b.度量值的写法

　　为便于查看数据，可以设置参数，动态选择单位，动态查询和显示图表数据。

　　利润表值=sum（'2利润表'[值]）/SELECTEDVALUE（'单位'[值]），

　　资产负债表值=sum（'1资产负债表'[值]）/SELECTEDVALUE（'单位'[值]），

　　现金流量表值=CALCULATE（sum（'3现金流量表'[值]），filter（all（'日期表'[日期]），'日期表'[日期]=max（'3现金流量表'[报告日期]）））/SELECTEDVALUE（'单位'[值]）。

　　我们需结合数据分析的三个元素：指标、维度、分析方法，用DAX语言编写度量值。指标如流动比率、速动比率、现金比率等；维度包括行业、公司名称、时间和公司营业额；常见分析方法有同比、占比、环比、对比。度量值要包括三大财务报表的基础度量值及各报告项目的主要指标，确保数据准确性，支持有效的数据分析和决策。

　　确保度量值准确性至关重要，以确保数据的可比性，避免产生无效的分析结果或误导管理决策。根据数据分析需求设置适当的度量值是关键。以利润表为例，首先建立基础度量值“利润表值”（同上），然后进行报表查询。接着，根据需要调查的指标建立相应的度量值，例如销售收入=CALCULATE（[利润表值]，FILTER（ALL（'1利润表-辅助表'），[项目]="营业总收入"））。在这里，使用filter和all函数排除外部筛选器的影响。最后，根据设定的度量值选择适当的数据可视化模型进行数据分析。在分析过程中，添加切片器能够便捷地与同规模的公司进行比较。

　　表1是分析所需部分度量值写法。

　　三、Power BI财务分析可视化平台在新能源汽车领域的应用

　　（一）分析指标体系

　　在建立分类指标信息时，首先使用思维导图细分要分类的指标信息，再采用“先总体-后部分”的方式进行分析。从产业整体业绩占比变化开始，再分析公司在产业中的销售收入、产品销售毛利率、净收入及资产负债率排名，进行四大能力分析[5]。最后，提供结构分类与报表检索功能，便于用户随时查询公司的财务报告信息。

　　（二）常州新能源汽车行业分析

　　1.行业营收分析

　　如图1所示，在行业地位营收图中，特斯拉在近4年内一直稳居前列，市场份额在2021年达到了39.72%，并保持了较高的增长率。比亚迪紧随其后，主要因为特斯拉的高售价和全国直营销售模式有利于成本控制。比亚迪的主要市场是中国，2021年总销量为721 328辆，其他国家销量较少，因此营业收入相对特斯拉较低。截至2022年10月，比亚迪全球销量超过139万辆，同比增长率达到233%，其他国家销量增速超过特斯拉。

　　2.毛利率分析

　　如图2所示，从行业平均毛利率比较中发现整个行业在近4年的变化趋势。2018—2019年，平均毛利率下降，主要因成本占比较高。2019—2021年，毛利率从3.62%上升至17.69%，大部分企业毛利率快速上升，如特斯拉和理想汽车。特斯拉毛利率上升因其新能源汽车售价高、全国直营销售模式，以及生产环节的零配件数量减少。理想汽车采用轻资产租赁模式，降低了固定资产投入和折旧，提

　　高资金使用效率。比亚迪毛利率略降，因政府补贴减少和原材料涨价，但终端产品定位仍亲民。

　　3.资产负债率分析

　　从图3可以看出，一般情况下合理的资产负债率保持在40%～60%之间，新能源汽车行业资产负债率总体较高。由图3可见比亚迪的资产负债率相对稳定，但是高于长安汽车和长城汽车等企业，当企业的资产负债率大于50%，说明企业负债比例较大，财务风险增加；特斯拉在2018年资产负债率为78.77%，而到2021年下降到了49.17%，说明该企业调整了自身的资本结构，以降低负债带来的企业风险；蔚来汽车在2019年经历股价暴跌事件，资产负债率高达133.07%，甚至出现了资不抵债的情况，但是在渡过危机之后资产负债率逐渐回归正常。总体来说，常州新能源汽车行业的长期债务能力保持在良好水平以上，财务风险较小，前景值得期待。

　　四、总结与展望

　　利用从A股、美股获取的财务报表数据做可视化分析，可以快速获得更大范围的行业平均水平，从而在整个行业背景下进行财务分析，有利于得到更具体、更准确的分析结论。当直观分析整个行业上市公司的财务报表数据时，会遇到在图表中包含多家公司信息的情况，例如，如果将常州市新能源行业26家公司的同一指标放在一张图中，则会显得过于凌乱，无法收集有用的信息。因此本文建议，将需要分析的指标与行业标准公司、行业平均水平或N家行业领先公司进行比较。

　　通过BI方法对财务报表的可视化数据分析能够明显提升数据分析效果。设计完成后建立了一个大数据分析体系，能够利用Power BI信息更新数据来减少重复性操作。同时通过利用切片器和过滤器，使用者也能够迅速得到需要的数据，从而极大地提高了数据分析质量，同时通过编写度量值，使用者也能够迅速得到自定义的数据目标，从而方便了用户根据自身的意愿探索研究。

　　通过上述财务指标分析可以得出，近年来常州新能源汽车行业相关企业各项财务指标优秀，相关企业均处于快速发展期，在常州市“十四五”新能源汽车产业发展规划以及国家政策的支持下，具有良好的发展前景。常州市新能源上市公司披露的财务报告表格数据信息量有限，不同财经网站披露的信息颗粒度也会有差异，明细的数据如产销量等需要在年报中额外查阅，无法批量获取数据，加入BI分析平台会给后续数据更新带来巨大的工作量。限于案例行业所在地区具有经济差异、文化差异等特点，本文所述财务分析可视化过程中运用的指标可能相对比较简单，在涉及集团公司、跨国公司等大型企业时，财务分析可视化需要面对的问题可能会更复杂[6]。

　　随着大数据时代的到来，如何利用好大数据，如何让数据更好地服务于人类生产生活是一个值得深思的问题，Power BI就是一个能够很好地处理数据、利用数据的工具。将A股与美股数据融合，实现中外同行业上市公司的比较是一次很有益的尝试。此外，本文都是以企业公开的财务数据为研究对象，而不公开的业务数据难以获得，我们无法仅通过财务数据的分析结果提出有价值、有针对性的策略。希望未来可以在平台中尝试加入外部宏观数据，进一步融合A股等不同市场的上市公司财务数据，便于对整个行业上市公司的财务状况进行分析和比较。

　参考文献：

　　[1]央广网.链式布局为新能源汽车蓄能[EB/OL].（2022-7-24）[2024-6-28].

　　[2]张学东，刘春英.基于Power BI的某行业上市公司财务报表可视化分析[J].中国商论，2021（24）：150-153.

　　[3]汪玉林.基于Power BI的制造企业财务分析可视化的问题研究[D].上海：上海大学，2021.

　　[4]李向明.司库体系建设背景下财务公司数据可视化研究[J].财务与会计，2023（15）：64-66.

　　[5]陈虎，朱子凝.数据可视化的财务应用研究[J].财会月刊，2022（16）：120-125.

　　[6]高利芳，林梦春，翟胜宝.可视化年报与会计信息质量：“表里如一”还是“表里不一”?[J].会计研究，2023（6）：31-46.