本书详细介绍了大数据、机器学习、自然语言处理等技术在典型的财务分析和决策场景中的应用，旨在为企业提供数智化的财务解决方案，培养企业急需的数智化财务管理人才。其中，第1章介绍关键技术和算法的原理；第2~7章分别展示机器学习在财务分析、融资决策、并购决策、存货管理、供应链优化及风险分析等财务场景中的应用；第8章介绍自然语言处理在企业战略决策中的应用；第9章结合机器学习解决企业成本管理问题；第10章探讨如何利用机器学习分析图片、视频等多模态数据；第11章介绍管理会计报告的自动化生成方式。 本书特点如下：（1）技术深度融入场景。重点介绍如何以技术为“工具”来解决企业内部财务分析和决策的痛点问题，提升财务管理效率。（2）任务制加多元实训。在每个财务分析或决策任务下，针对不同基础和学习偏好的师生提供AI平台实训、Python编程实训、混合实训等多样化的实训路径。

第1章 大数据财务分析与决策概述
1.1 大数据背景下的财务管理变革
1.2 大数据方法的体系构建
1.3 机器学习技术
1.4 多模态数据分析
1.5 常用科学决策方法
第2章 企业财务状况分析
2.1 企业财务状况预测方法
2.2 机器学习的基本流程
2.3 企业盈利能力预测
2.4 企业营运能力预测
2.5 企业偿债能力预测
2.6 企业发展能力预测
第3章 企业融资需求分析
3.1 企业融资需求分析简介
3.2 融资成本预测
3.3 资金需求量预测
第4章 并购项目决策
4.1 并购决策方法
4.2 并购成功率预测
4.3 商誉减值概率预测
第5章 存货管理
5.1 存货管理方法
5.2 存货需求量预测
5.3 智能存货采购决策
第6章 供应链管理
6.1 传统和智能供应链管理
6.2 智能供应商推荐
6.3 智能客户风险评价
6.4 畅销品预测
第7章 企业风险分析
7.1 企业风险分析的方法
7.2 财务舞弊甄别
7.3 债券违约预警
7.4 市场与交易违规风险预测
7.5 法律诉讼风险预测
第8章 企业战略分析
8.1 企业战略分析方法简介
8.2 基于NLP的机会和威胁分析
8.3 基于NLP的企业优势和劣势分析
8.4 基于K均值聚类的战略群组分析
第9章 智能成本控制决策
9.1 成本控制方法
9.2 基于出库量预测智能排产
9.3 智能排产模型的决策分析
9.4 数智化赋能差旅决策
第10章 多模态数据财务分析
10.1 多模态数据财务分析方法
10.2 餐厅存活率预测
10.3 管理者情绪分析视角下的投资者决策
第11章 管理会计报告的自动化生成
11.1 管理会计报告概述
11.2 管理会计报告模板设计
11.3 管理会计报告的取数逻辑
11.4 基于BI的管理会计报告内容实现
11.5 管理会计报告的自动化生成过程
11.6 AI赋能管理会计报告自动化生成