摘要:生成式AI为财务分析与数据可视化提供了新路径。本研究以DeepSeek模型为基础,利用M集团的财务数据,构建了一个融合人机协同的分析框架,成功实现了自然语言交互、代码生成与可视化技术的无缝整合。在研究过程中,开发了基于DeepSeek模型的交互式仪表板构建方法,结果显示:该方法将单份报告的成本降至0.03元,生成时间缩短至2分钟,效率较传统工具大大提升。本研究为生成式AI驱动的财务分析提供了一套切实可行的实施路径,为中小企业低成本、高效率数字化转型提供参考价值。研究还表明,提示词工程能力将成为财务分析师的核心竞争力,这无疑给财务工作带来了深远影响。

　　关键词:生成式AI;财务分析;DeepSeek;可视化;人机协同

　　0引言

　　2024年财政部发布的《关于全面深化管理会计应用的指导意见》(财会〔2024〕22号)指出,坚持创新引领。不断推进管理会计理论创新、工具创新、技术创新和应用领域创新等,发挥管理会计在数字化、智能化、绿色化转型中的作用。推动现代信息技术在管理会计中的应用。积极应用大数据、人工智能、云计算、物联网等新技术,推动管理会计从信息化向数字化、智能化转型,提升管理会计支持决策的能力。积极探索机器学习、自然语言处理等模型在管理会计报告自动化、辅助决策、重大风险预警等领域中的应用。

　　然而,传统的工具在自动化和智能化的关键环节上依然存在着瓶颈,而生成式AI的出现为解决这些问题提供了新的可能性。生成式AI,例如DeepSeek的生成式模型,具有深入的理解文本和自动生成代码的能力。本文将重点探讨其在财务分析中,特别是在交互式仪表板生成场景中的应用。

　　DeepSeek是由杭州深度求索公司推出的大语言模型,能够以自然语言交互的方式分析并解决问题。凭借其独特的技术架构、卓越的训练与推理能力、出色的模型性能及积极的开源策略和本土化优势,在众多模型中脱颖而出,迅速渗透至各行各业,展现出强大的竞争力。以DeepSeek为代表的生成式AI正推动着人工智能突破专用智能的局限,迈向通用智能的全新发展阶段[1]。

　　世界经济论坛发布的《2025年未来就业报告》显示,全球各行各业正发生着深刻改变,22%的就业机会面临变革,将新创造1.7亿个工作岗位,9 200万个工作岗位将被替换,到2030年净增就业机会7 800万个[2]。这意味着,未来职场将发生翻天覆地的变化,掌握AI技能将成为人们未来生存的关键。在实务工作中,财务人员需要通过处理财务报表数据、搜集内外部资料、撰写分析报告、制作汇报材料等流程,展开全链路的财务分析工作。然而,传统的财务分析流程普遍面临自动化与智能化水平不高的问题,这不仅制约了分析效率,更削弱了其洞家的深度与广度。同时,财务分析人员的非理性认知偏差,如过度自信、从众心理等也会导致其做出次优甚至错误的决策。

　　DeepSeek兼具运算智能、感知智能及认知智能,在数理逻辑计算、上下文理解及长文本生成、代码理解及编写、跨学科知识整合等方面均表现优异。Deep-Seek的上述特性较好契合财务分析工作的能力需求,其快速处理海量数据,挖掘隐藏的规律和趋势,为决策者提供精准的洞察和建议;通过可视化技术,将复杂的财务报表转化为直观的图表和仪表板,使管理层能够一目了然地了解企业的财务状况,从而做出更明智的决策。这种可视化方式不仅提高了财务数据的可读性,还增强了财务分析的深度和广度,也为财务分析从经验驱动向数据驱动带来了契机[3]。

　　现有研究多关注生成式AI的理论潜力,缺乏在特定财务场景(如交互式仪表板生成)的实操指导。

　　基于这一背景,本文提出了基于DeepSeek的财务数据分析与可视化并针对DeepSeek模型在财务数据分析与可视化的落地过程进行全流程验证,并量化其效率提升。以M集团股份有限公司2023—2024年的年报财务数据为例,深入探讨其在财务数据分析与可视化中的应用。本文聚焦两个核心问题:如何通过人机协同模式提升DeepSeek在财务分析中的产出质量?Deep-Seek生成的分析结果能在多大程度上提高现有工作流程的效率?

　　1 DeepSeek在财务分析中的适用性分析

　　1.1传统财务数据分析工具的不足

　　Excel、PowerBI和Tableau是当前主流的财务数据分析工具,各自在数据处理、可视化和交互性方面有独特优势,但与DeepSeek这类AI驱动的工具相比,它们存在一些不足,见表1。

　　1.2 DeepSeek在财务数据分析与可视化中的适用性

　　2025年3月24日,杭州深度求索公司发布了全新升级的开源大模型DeepSeek V3-0324版本。该版本通过引入创新的注意力机制和架构优化,在代码生成与数学推理能力上实现了质的飞跃。经验证,API调用16次,总费用为0.52元,而生成单个图表(约600行代码)的API使用成本仅约为0.03元/次。

　　DeepSeek的成功不仅缩小了中美在AI领域的差距,也为全球AI发展提供了“高效替代路径”。这一突破性进展也为财务领域应用低成本、高安全、强性能的AI大模型带来了前所未有的机遇[4]。

　　2基于DeepSeek的财务数据分析与可视化

　　2.1实现目标

　　研究将以M集团财务分析为例,探索将DeepSeek等工具应用于财务报表分析工作的可行路径,并进一步评价基于DeepSeek的财务分析体系的实际应用价值。希望通过研究解决以下问题:①如何将以Deep-Seek为代表的新一代信息技术与传统财务报表分析方法相结合;②基于DeepSeek的财务分析体系在准确性、效率、可用性、财务分析深度和广度等方面与传统方法相比有何优劣;③该体系在实际应用中能为企业和决策者带来哪些价值。

　　2.2实现工具

　　2.2.1 MicrosoftOfficeExcel

　　Microsoft Office Excel是微软办公软件的基础产品之一,是一个功能强大的数据处理平台,不仅预置了数学函数和数据分析功能,还能通过VBA代码、安装插件拓展更多功能。研究使用该工具整理财务报表数据,并将数据储存为.xlsx格式以备后续使用[3]。

　　2.2.2 DeepSeek V3-0324

　　DeepSeek是由深度求索推出的开源推理模型,用户可以通过自然语言指示其完成特定任务并给出结果,它能够进行逻辑分析、数据运算,代码生成。在HTML等代码前端任务上,2025年3月24日推出的新版V3模型生成的代码可用性更高,视觉效果美观、富有设计感。研究使用DeepSeek V3-0324模型生成财务数据分析与可视化报告。

　　2.3基于DeepSeek的人机协同分析框架

　　融合自然语言交互、动态代码生成与人机协同的包含7个步骤的分析框架(见图1):

　　(1)数据准备:收集并整理待分析的财务数据(通常为Excel格式)。

　　(2)需求确认:财务分析师确定仪表板的功能与样式需求,包括展示指标、图表类型等。

　　(3)输入提示:在DeepSeek中输入仪表板的功能及外观描述。

　　(4)代码生成:系统自动生成包含数据可视化与交互功能的HTML代码。

　　(5)代码优化:调整HTML代码,提升性能与可维护性。

　　(6)功能测试:保存为HTML文件并通过浏览器验证显示效果及交互逻辑。

　　(7)应用部署:发布至服务器或本地环境,完成交付。

　　2.4实现步骤

　　2.4.1数据获取

　　M集团是全球领先的家电龙头企业,作为家电行业数字化转型标杆,具有一定行业代表性。为全面分析M集团公司的财务情况,研究选取2023—2024年12月31日数据,包含45项利润表指标、80项资产负债表指标,72项现金流量表指标。

　　研究通过以下路径获取数据:首先在同花顺软件的搜索框内输入公司的股票代码,点击确定进入个股界面,依次选择“个股资料”“财务分析”,在财务指标栏内点击“导出资料”按钮,即可获取Excel格式的财务报表,便于进一步分析和存档。

　　(1)利润表

　　利润表由3列45个项目数据组成,第一列列出了利润表的项目名称,后两列则分别展示了2023—2024年各对应项目的具体金额。每一行数据均代表着某个特定的利润表项目,并在相应的报告日期内呈现出其具体的金额数值。

　　(2)资产负债表

　　资产负债表形式与利润表相同,也由3列80个项目数据构成,其中第一列数据为资产负债表项目名称,后面两列数据分别是2023—2024年的对应项目的金额,数据表的每行表示资产负债表某个报表项目对应各报告日期的相应金额。

　　(3)现金流量表

　　现金流量表形式与利润表、资产负债表相同,也由3列72个项目数据构成,其中第一列数据为现金流量表项目名称,后面两列数据分别是2023年到2024年的对应项目的金额,数据表的每行表示现金流量表某个报表项目对应各报告日期的相应金额。

　　2.4.2数据清洗

　　对利润表进行数据清洗是一个重要的步骤,可以帮助我们更清晰地了解公司的财务状况。首先,使用Office软件打开文件“股票代码_ benefit_ report.xls”。

　　在这个文件中,我们会看到大量的数据,包括不同的日期和合并单元格。为了便于分析,我们需要删除第一行的合并单元格以及其他日期数据,只保留2023-12-31和2024-12-31这两个时间点的数据。接下来,进行数据单位的转换。由于原始数据可能是以元为单位,为便于理解和比较,需要将其转化为亿元为单位。可以使用Excel的选择性粘贴功能,通过除以10^8的操作来实现这一转换,步骤如下:先复制单元格数据(1×10^8)→选中表格数据区域→点击【右键】选中【选择性粘贴】→在弹出的“选择性粘贴”对话框中的【运算】勾选【除】,最后点击确定即可。这样,单位转化完成,数据将变得更加直观和易于处理。然后,为了进一步提高数据的精确性和可读性,可以使用Round函数对数据保留两位小数。这一步骤能够确保数据的准确性,同时避免因小数点后的位数过多而导致的混淆和误解。

　　在完成上述操作后,我们需要将处理后的数据保存为一个新的文件。文件命名为“利润表.xlsx”。在保存时,特别要注意选择保存类型为.xlsx格式(Excel工作簿)。这是因为如果保存类型选择不当,可能导致DeepSeek无法正确识别和处理这个文件,从而影响后续的分析工作。

　　通过这些步骤,我们可以得到一个清洗后的利润表,为进一步的财务分析和决策提供了可靠的数据基础。

　　对资产负债表、现金流量表执行统一清洗流程(包括单位转换、小数位保留等),具体操作与利润表类似。

　　2.4.3数据分析及可视化

　　基于清洗后的财务数据,本研究通过以下步骤实现分析可视化:

　　1.制作利润表可视化分析报表

　　(1)分析原理[5]。利润表,作为企业财务报告的重要组成部分,是反映企业一定会计期间(如月度、季度、半年度或年度)生产经营成果的会计报表。它通过列示企业在某一特定时期内的各种收入、费用、成本或支出,以及最终的利润或亏损情况,提供了一种反映企业经营资金动态表现的全面视角。

　　研究从3个独特的视角对利润表进行深入剖析:首先,通过水平分析,对比各项目数值与上一期的变动率,揭示其发展趋势;其次,聚焦成本构成,细察公司管理收费的合理性及其使用效益,评估其运营效率;最后,对净利润构成进行剖析,深入探讨企业的收益水平,洞察其盈利能力。

　　(2)分析步骤

　　打开应用。完成登录后,若在计算机端使用,打开DeepSeek网页,输入提示词后,DeepSeek自动生成ECharts配置代码+HTML模板(见图2)。

　　最后,点击复制按钮,然后将复制的内容粘贴到一个新建的文本文档中。接着,将文本文档的后缀名从txt改为.html。完成上述步骤后,直接打开HTML文件即可在浏览器中查看,无需额外安装其他软件。另外,为了确保数据的准确性和安全性,请在操作过程中注意备份原始数据,并谨慎处理敏感信息。报表最终呈现效果见图3。

　　该网页基于HTML/CSS/JavaScript技术构建,共包含487行代码,借助ECharts图表库呈现生动的可视化效果。在用户将鼠标悬停在特定图表元素上时,该元素的详细信息会即时显现,为用户提供了充满互动性的直观数据展示。这样的设计不仅大幅提升了用户体验,还令数据的解读变得更加轻松和高效。

　　在页面顶部,集中展示6个KPI指标卡,直观地展示了企业运营中的几个关键财务指标。这些指标涵盖了企业的盈利能力和经营效率,分别是净利润、营业总收入、归属于母公司所有者的净利润、扣非净利润、营业利润和其他综合收益。每个指标卡片不仅清晰地显示了当前的数值,还通过同比变化百分比和趋势箭头,揭示了其与上一年度同期相比的增减情况。为了使用户能快速捕捉到数据的变化趋势,设计上巧妙地使用了颜色区分,正向变化以绿色标识,象征着积极的发展态势,而负向变化则用红色警示,提示需要注意的负面变化。这种视觉上的直观对比,使得复杂的财务数据变得一目了然,便于决策者快速掌握企业的财务状况,从而做出更加精准和及时的经营决策。

　　在页面中部,展示3个图表:净利润与营业总收入对比:使用分组柱状图展示2023—2024年关键利润指标对比,清晰呈现每年净利润与营业收入的变化趋势,帮助分析收入增长是否带动了利润的提升。营业总成本构成分析:使用环形饼图展示成本结构分布,点击可显示具体数值,详细展示各项成本在总成本中的占比,如营业成本、营业税金及附加、销售费用等,使营业总成本构成一目了然。利润增长贡献因素:使用组合图表(柱状图+折线图)分析各因素对利润增长的贡献,通过柱状图展示各因素的具体数值,折线图反映其变化趋势,以便深入探究哪些因素推动了利润增长,而哪些因素可能成为制约利润增长的瓶颈。这些图表相互补充,为企业经营决策提供有力的数据支持。

　　在页面底部,采用左右分栏的形式展示了3个核心洞察和3个行动建议。这部分内容紧密结合报表数据,进行了深入的分析,旨在提炼出关键的洞察结论,并基于这些结论提出具体的行动建议,从而为下一步的行动提供有力的指导和支持。

　　2.制作资产负债表和现金流量表可视化分析报表。

　　资产负债表和现金流量表操作流程与利润表类似,最终效果见图4、图5。

　　2.5实现效果评估与应用价值总结

　　2.5.1实现效果评估

　　通过仔细对比本文设定的提示词与DeepSeek所生成的财务分析报告发现,DeepSeek的输出内容基本满足提示词中有关分析框架规范性、用词专业性及分析结果可解释性的要求。此外,本文认为使用DeepSeek进行财务分析仍存在一定的门槛,主要体现在2个方面:一是恰当的提示词设计;二是专业领域知识甄别输出内容。同时,由于DeepSeek本身随机初始化的技术特性,即使使用相同的提示词,生成内容可能因模型不确定性产生差异,这为高度标准化的财务分析报告生成带来了一定挑战。

　　2.5.2应用价值总结

　　本文认为对于财务分析与可视化场景,上述应用框架的价值主要体现在:

　　1.生成式AI重塑财务分析的技术路径

　　以DeepSeek为代表的生成式AI通过自然语言交互与动态代码生成能力,突破了传统工具(如Excel、Power BI)在自动化与智能化方面的技术瓶颈。实证表明,基于7步分析框架的DeepSeek可在2分钟内生成包含6项KPI指标卡、3类交互式图表及洞察建议的完整仪表板,效率较传统Power BI工具(平均耗时2~4小时),时间节省比例达98%以上,处理速度平均提升90倍(Power BI耗时3小时vs AI耗时2分钟=90倍)。其核心优势源于MLA注意力机制与MoE架构的协同优化,实现了多表关联数据的毫秒级响应(如利润表45项、资产负债表80项、现金流量表72项),验证了分布式AI处理财务大数据的可行性。

　　2.人机协同模式推动分析范式革新

　　生成式AI通过“需求确认—提示词输入—代码生成—动态优化”的闭环流程,将财务分析师从低效的数据清洗、代码编写与可视化设计中解放,转向更高阶的决策支持与策略制定。案例中,AI自动生成的HTML代码不仅实现了可视化深度增强(如桑基图分解ROE、环形图解析成本结构),还通过动态交互功能(悬停显示)提升了数据可解释性。这种“AI执行+人类校验”的协同模式,标志着财务分析从经验驱动转向数据驱动的范式跃迁。

　　3.成本效益与职业能力的结构性重构

　　开源模型DeepSeek V3-0324的应用显著降低了技术部署成本,单份仪表板的API调用成本仅为0.03元,且支持本地化“蒸馏”部署,为中小企业提供了低门槛的智能化升级路径。同时,研究揭示财务分析师需重构两项核心能力:其一为提示词工程能力,通过精准的需求描述提升AI输出相关性;其二为AI输出甄别能力,需结合财务会计、统计学与机器学习等多学科知识识别逻辑偏差。职业能力重心从“操作技能”转向“策略指导”,凸显人机互补的必然性。

　　4.局限性亟待技术迭代与应用深化

　　研究发现,生成式AI在复杂财务场景中仍存在精度与可靠性瓶颈,但随机性输出对标准化报告的挑战仍需技术突破。例如,多变量财务模型(如杜邦分析、风险预警)的计算结果需人工校验,且输出内容存在随机性,不利于高度标准化报告的生成。此外,AI对行业隐性知识与非结构化数据的理解能力有限,仍需依赖领域专家介入。

　　3结论与展望

　　3.1主要结论

　　本研究通过实证案例,首次验证开源模型Deep-Seek在财务分析场景的全流程应用性能。本研究以生成式人工智能技术为驱动,构建了基于DeepSeek的人机协同财务分析范式,并通过M集团实证案例验证了其在效率提升、成本优化与职业能力重构中的显著价值。测试结果表明,本文搭建的应用框架不仅可以实现财务比率计算及解释等基础财务分析工作,还可以胜任一些更为复杂的任务。如:通过编程将复杂的数据转换成直观的可视化图表。本研究结果受样本企业行业特性限制,推广至其他行业需谨慎从现实的角度来看,基于DeepSeek的财务分析方法能够自动完成财务分析中那些常规但耗时的基础工作。核心发现一:DeepSeek可实现单份仪表板2分钟快速生成,明显优于传统的人工操作。核心发现二:这种人机协同的模式让分析师能够专注于策略的制定,从而推动其职业能力向“提示词工程加输出验证”的方向升级。

　　本研究创新性地提出人机协同的‘双环’迭代模型:外环由分析师主导,通过自然语言优化提示词以提升输出质量(提示词工程);内环则依托DeepSeek的上下文学习能力自主改进分析逻辑。两种循环动态交互,构建起“分析—验证—优化”的循环提升机制,这为未来财务AI系统的“自我进化”发展提供理论依据。

　　3.2未来展望

　　基于研究的实证结果和技术趋势,未来可在以下方向深化研究:细分领域微调:研究聚焦家电行业,但不同行业的财务指标权重与风险特征差异显著(如制造业注重存货周转,金融业侧重流动性覆盖率)。未来可探索通过行业专有语料库对模型进行领域适应训练,提升分析针对性。构建行业财务指标关联网络,辅助AI生成更具业务洞察的结论。

　　职业能力培养体系重构:研究结论揭示“提示词工程”成为财务分析师的核心能力,但其培养需系统化支撑。建议高校开设“生成式AI财务分析”交叉学科课程,涵盖提示词工程(如需求拆解、上下文优化)、机器学习、结构化思考、思辨能力、逻辑思维、批判性思维等技能培养。行业协会可联合制定AI时代财务分析师能力认证标准,推动职业转型。

　　4结语

　　人机协同的核心理念在于能力互补而非简单替代,而是通过技术杠杆放大人类的专业判断力。这一领域的研究,将重新定义数字经济时代的财务价值创造逻辑。以DeepSeek为代表的大模型与人类智慧优势互补,构建起人机协同的财务决策新模式,这将是一个值得期待的未来[3]。

参考文献

　　[1]何华平.这就是DeepSeek:普通人如何抓住AI红利[M].北京:人民邮电出版社,2025.

　　[2]秋叶,任泽岩,黄震炜.AI时代生存手册:零基础掌握DeepSeek[M].北京:人民邮电出版社,2025.

　　[3]金源,庄璐怡,魏振,等.基于ChatGPT的财务分析:框架、应用与效果评估[J].财会月刊,2023,44(19):24-30.

　　[4]金源,李梦珂,李成智.DeepSeek影响下的AI财务演化趋势与应用框架[J/OL].商业会计,(1-5)[2025-04-09].

　　[5]张先治,王玉红.财务分析:理论、方法与案例(第二版微课版)[M].北京:人民邮电出版社,2023.