Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Durasi 35 jam
Kerangka Materi
Fundamental AI dan Python dengan AI untuk Keuangan
AI, Analitik, dan AI Agentic dalam Keuangan Modern
- Perbedaan antara generative AI, machine learning, otomasi, dan AI agentic, serta peran masing-masing dalam bidang keuangan.
- Kasus penggunaan keuangan di bidang akuntansi, FP&A, pelaporan, audit, perbendaharaan, dan layanan bersama (shared services).
- Identifikasi tugas yang cocok untuk bantuan AI dibandingkan otomasi yang terkontrol.
Python untuk Keuangan - Menggunakan AI sebagai Mitra Pemrograman
- Dasar-dasar Python untuk profesional keuangan: variabel, tipe data, kondisi, fungsi, dan notebook.
- Memanfaatkan asisten AI untuk menghasilkan, menjelaskan, memperbaiki bug, dan menyempurnakan kode Python, alih-alih memprogram secara terisolasi.
- Teknik prompting untuk menghasilkan kode yang berfokus pada keuangan secara andal.
Bekerja dengan Data Keuangan dalam Python
- Impor data Excel dan CSV menggunakan Pandas dan DataFrames.
- Menyaring, mengelompokkan, mengagregasikan, dan menghitung metrik keuangan.
- Memakai AI untuk menjelaskan kesalahan, memperbaiki logika, dan mendokumentasikan langkah-langkah analisis.
Aplikasi Pemrograman Keuangan Praktis
- Otomatisasi perhitungan repetitif, analisis varians, dan analisis rasio.
- Menyusun alur kerja Python yang dapat digunakan kembali dengan tinjauan kode yang didukung AI.
- Memvalidasi output sebelum digunakan dalam pelaporan keuangan.
Aplikasi Praktis
- Membangun alur kerja Python yang didukung AI untuk menganalisis dataset keuangan sampel.
- Memeriksa kode yang dihasilkan, menguji asumsi, dan meningkatkan output dengan validasi manusia.
Analisis Data Keuangan Lanjutan dengan AI
Penyiapan Data dan Kualitas Data Keuangan
- Pembersihan, validasi, dan standarisasi data keuangan.
- Penanganan nilai yang hilang, duplikat, klasifikasi yang tidak konsisten, dan masalah tanggal.
- Menggabungkan data dari beberapa sumber keuangan untuk analisis.
Analisis Keuangan Tingkat Lanjut
- Analisis pendapatan, biaya, margin, profitabilitas, dan modal kerja.
- Analisis anggaran terhadap aktual, varians, dan periode-ke-periode.
- Analisis penelusuran (drill-down) untuk mengidentifikasi penggerak keuangan utama.
Analisis dan Deteksi Anomali yang Didukung AI
- Memakai AI untuk menyelidiki pergerakan, pola, dan transaksi yang tidak biasa.
- Menyusun pertanyaan dan hipotesis analitis dari data keuangan.
- Membedakan sinyal yang berguna dari interpretasi yang menyesatkan yang dihasilkan AI.
Peramalan dan Analisis Skenario
- Tren historis, penggerak, dan asumsi untuk peramalan.
- Analisis apa-jika (what-if) dan sensitivitas untuk mendukung keputusan keuangan.
- Memakai AI untuk mendukung narasi skenario sambil mempertahankan kontrol keuangan.
Aplikasi Praktis
- Menjalankan analisis end-to-end dari dataset keuangan dan mengidentifikasi varians serta anomali utama.
- Menyusun ringkasan wawasan keuangan singkat yang didukung AI dan didasari oleh data yang mendasarinya.
Dasbor Keuangan Berbasis AI dan Wawasan Manajemen
Desain Dasbor Keuangan
- Pemilihan KPI yang bermakna untuk pelaporan keuangan, manajemen, dan operasional.
- Merancang dasbor berdasarkan pertanyaan keputusan, bukan sekadar volume visual.
- Menyusun tampilan untuk eksekutif, manajemen, dan analis.
Membangun Dasbor Keuangan Interaktif
- Menyambungkan dan mentransformasi data keuangan untuk keperluan dasbor.
- Membuat kartu KPI, tren, visual varians, penelusuran (drill-downs), dan filter.
- Membangun tampilan untuk anggaran terhadap aktual, profitabilitas, arus kas, dan kinerja.
Dasbor yang Diperkaya AI
- Memakai kueri bahasa alami untuk menjelajahi data keuangan.
- Menyusun ringkasan dan penjelasan gerakan KPI yang didukung AI.
- Memakai AI untuk mengidentifikasi area yang memerlukan analisis lebih dalam.
Kontrol dan Keandalan Dasbor
- Perhatikan pembaruan data, keterlacakan, validasi, dan rekonsiliasi.
- Manajemen akses, informasi keuangan sensitif, dan distribusi terkontrol.
- Menghindari kesimpulan visual atau hasil AI yang menyesatkan.
Aplikasi Praktis
- Membangun dasbor keuangan interaktif menggunakan dataset terstruktur.
- Menambahkan komentar manajemen yang didukung AI yang terhubung dengan pergerakan keuangan yang terukur.
Alat AI Lanjutan dalam General Ledger dan Operasi Keuangan
Aplikasi AI dalam General Ledger
- Menganalisis akun GL, pola transaksi, dan perilaku posting.
- Memakai AI untuk mendukung klasifikasi transaksi dan tinjauan tingkat akun.
- Identifikasi entri yang tidak biasa, berisiko tinggi, atau di luar pola.
AI untuk Rekonsiliasi
- Mencocokkan catatan dan mengidentifikasi pengecualian di seluruh dataset keuangan.
- Mendukung rekonsiliasi bank, antar perusahaan (intercompany), dan neraca.
- Memprioritaskan item yang belum direkonsiliasi untuk penyelidikan manusia.
Analitik Jurnal
- Deteksi jurnal duplikat, tidak biasa, dan manual.
- Analisis jurnal akhir periode dan pembuatan penjelasan pendukung.
- Indikator risiko dan titik pemeriksaan tinjauan untuk tim keuangan.
AI dalam Penyelesaian Keuangan dan Pelaporan
- Prioritas tugas penyelesaian dan tinjauan berbasis pengecualian.
- Penjelasan varians, komentar, dan catatan tinjauan yang didukung AI.
- Memakai persetujuan dan validasi terstruktur sebelum pelaporan final.
Aplikasi Praktis
- Menganalisis dataset GL sampel dan mengidentifikasi anomali serta pengecualian rekonsiliasi.
- Menyusun ringkasan tinjauan yang terkontrol dan didukung AI untuk manajemen keuangan.
AI Agentic untuk Operasi Keuangan dan Dukungan Keputusan
Memahami AI Agentic untuk Keuangan
- Apa yang membuat alur kerja AI menjadi agentic: tujuan, perencanaan, alat, memori, tindakan, dan umpan balik.
- Di mana AI agentic dapat mendukung operasi keuangan dan di mana persetujuan manusia tetap esensial.
- Alur kerja keuangan agen tunggal dibandingkan dengan multi-langkah atau multi-agen.
Merancang Alur Kerja Keuangan Agentic
- Membuat agen untuk tugas pengumpulan data, analisis, validasi, dan pelaporan.
- Menyambungkan agen ke data keuangan terstruktur dan alat yang disetujui.
- Merancang aturan eskalasi, titik pemeriksaan, dan batas persetujuan.
Kasus Penggunaan Agentic di Keuangan
- Alur kerja investigasi varians otomatis dan komentar manajemen.
- Triage pengecualian GL, dukungan rekonsiliasi, dan pemantauan status penyelesaian.
- Pembaruan peramalan, persiapan skenario, dan asisten kueri keuangan.
Tata Kelola, Risiko, dan Kontrol untuk AI Agentic
- Kontrol human-in-the-loop, jejak audit, izin, dan pemisahan tugas (segregation of duties).
- Kerahasiaan data, risiko halusinasi, validasi, dan keterbatasan model.
- Mendefinisikan batas operasi yang aman sebelum deployment produksi.
Praktik Final Capstone
- Menggabungkan Python dengan AI, analitik tingkat lanjut, dan output dasbor dalam satu kasus penggunaan keuangan.
- Merancang alur kerja agentic yang menganalisis hasil, menandai pengecualian, dan menyiapkan wawasan manajemen.
- Menyajikan alur kerja, kontrol, output, dan langkah-langkah tindak lanjut yang direkomendasikan
Persyaratan
- Pemahaman dasar mengenai keuangan, akuntansi, pelaporan keuangan, atau konsep FP&A.
- Kebiasaan bekerja dengan Excel dan pengelolaan dataset keuangan.
- Tidak diperlukan pengalaman pemrograman Python sebelumnya, meskipun papasan dasar terhadap analisis data sangat membantu.
- Pemahaman dasar tentang AI atau alat generative AI seperti ChatGPT, Microsoft Copilot, atau Claude sangat berguna, meskipun tidak bersifat wajib.
- Partisipan harus merasa nyaman bekerja dengan laporan keuangan, KPI, anggaran, varians, dan data keuangan terkait lainnya.
- Laptop dengan akses ke alat pelatihan yang diperlukan, dataset, dan platform AI yang disetujui harus tersedia untuk sesi praktik langsung.
Testimoni (1)
tips dan prompt rekomendasi yang dapat kami bawa pulang dari pelatihan ini
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Kursus - InVideo AI: Creating Engaging Short-Form Videos
Diterjemahkan Mesin
