La comptabilité a toujours fait appel à la pensée analytique. Dès les premiers jours de la profession, Luca Pacioli a souligné l'importance des mathématiques et de l'ordre pour l'analyse des transactions commerciales. L'ensemble des compétences dont les comptables ont eu besoin pour effectuer des calculs et maintenir l'ordre a évolué, passant du crayon et du papier aux machines à écrire et aux calculatrices, puis aux tableurs et aux logiciels de comptabilité. Un nouvel ensemble de compétences qui devient de plus en plus important pour presque tous les aspects de l'entreprise est celui de l'analyse des big data : l'analyse de grandes quantités de données pour trouver des informations exploitables. Ce cours est conçu pour aider les étudiants en comptabilité à développer un esprit analytique et les préparer à utiliser des langages de programmation analytiques comme Python et R. Nous avons divisé le cours en trois sections principales. Dans la première section, nous faisons le lien entre la comptabilité et l'analyse. Nous identifions comment les tâches dans les cinq principaux sous-domaines de la comptabilité (c'est-à-dire les finances, la gestion, l'audit, la fiscalité et les systèmes) ont historiquement exigé un état d'esprit analytique, et nous explorons ensuite comment ces tâches peuvent être accomplies de manière plus efficace et efficiente en utilisant l'analytique des données massives. Nous présentons ensuite un cadre FACT pour guider l'analyse des big data : Dans la deuxième partie du cours, nous mettons l'accent sur l'importance de l'assemblage des données. En utilisant les données des états financiers, nous expliquons les caractéristiques souhaitables des données et des ensembles de données qui conduiront à des calculs et à des visualisations efficaces. Dans la troisième section du cours, la plus importante, nous démontrons et explorons comment Excel et Tableau peuvent être utilisés pour analyser les big data. Nous décrivons les principes de la perception visuelle et appliquons ensuite ces principes pour créer des visualisations efficaces. Nous examinons ensuite les outils fondamentaux d'analyse des données, tels que la régression, la programmation linéaire (à l'aide d'Excel Solver) et le regroupement dans le contexte des données des points de vente et des prêts. Nous conclurons en démontrant la puissance des langages de programmation analytique des données pour assembler, visualiser et analyser les données. Nous présentons Visual Basic for Applications comme un exemple de langage de programmation, et l'éditeur Visual Basic comme un exemple d'environnement de développement intégré (IDE).