[图解]题目解析：财务人员最有可能成为业务执行者的是
1
00:00:00,420 --> 00:00:04,760
接下来，是第3章自测题第1部分的第8题
2
00:00:05,090 --> 00:00:08,120
单选，针对以下研究对象
3
00:00:08,900 --> 00:00:11,530
财务人员最有可能成为业务执行者的是
4
00:00:12,800 --> 00:00:15,280
A，某省注册会计师考试委员会
5
00:00:15,290 --> 00:00:17,940
B 某市国税局
6
00:00:19,310 --> 00:00:20,470
C 某公司财务系统
7
00:00:21,830 --> 00:00:22,820
D 某公司财务部
8
00:00:26,890 --> 00:00:31,890
答案是A，我们先来看
9
00:00:31,900 --> 00:00:34,570
它问的是财务人员
10
00:00:34,580 --> 00:00:36,130
有可能成为
11
00:00:36,520 --> 00:00:38,160
最有可能成为业务执行者
12
00:00:38,170 --> 00:00:41,750
你看，财务人员是业务执行者意味着什么
13
00:00:42,500 --> 00:00:45,810
研究对象，它是一个组织
14
00:00:46,540 --> 00:00:50,750
它不能是一个系统，这必须是一个组织
15
00:00:51,690 --> 00:00:53,450
组织才有业务执行者
16
00:00:53,460 --> 00:00:54,970
所以C就不对了
17
00:00:55,520 --> 00:00:59,950
首先就要把C抹掉
18
00:01:03,770 --> 00:01:08,730
我们看其它的，D也不对
19
00:01:09,840 --> 00:01:12,800
财务部，财务人员在外面，那不对了
20
00:01:12,810 --> 00:01:13,800
他在里面
21
00:01:14,170 --> 00:01:15,070
C和D都不对
22
00:01:18,690 --> 00:01:19,880
我们看B为什么不对
23
00:01:23,820 --> 00:01:25,720
以国税局为研究对象
24
00:01:26,910 --> 00:01:30,130
财务人员确实在外面跟国税局打交道
25
00:01:30,460 --> 00:01:31,880
当然，现在都叫税务局了
26
00:01:33,570 --> 00:01:36,340
但是它打交道是打交道
27
00:01:36,750 --> 00:01:38,310
它是代表什么
28
00:01:38,320 --> 00:01:41,020
代表企业跟国税局打交道
29
00:01:43,680 --> 00:01:46,970
所以从组织的角度来说
30
00:01:46,980 --> 00:01:53,640
这是国税局跟企业这两个组织的一个交互
31
00:01:55,250 --> 00:01:57,120
虽然我们观察到是
32
00:01:57,130 --> 00:02:02,230
人和国税局里面的系统交互
33
00:02:02,240 --> 00:02:04,420
也就是说，我们观察到的是
34
00:02:04,430 --> 00:02:06,260
两个系统之间的交互
35
00:02:08,920 --> 00:02:12,170
因为我们是人，人是系统这个级别的
36
00:02:13,340 --> 00:02:16,220
你看，这里说和国税局打交道
37
00:02:18,530 --> 00:02:20,860
实际上，这个我们并不能观察到
38
00:02:21,760 --> 00:02:23,470
你财务人员去国税局
39
00:02:24,240 --> 00:02:26,360
有没有一个叫国税局的人出来接待他
40
00:02:26,370 --> 00:02:26,960
没有的
41
00:02:28,030 --> 00:02:29,180
他找什么
42
00:02:29,920 --> 00:02:32,090
找跟他对等的系统
43
00:02:32,880 --> 00:02:35,360
比如说，窗口的人员
44
00:02:36,530 --> 00:02:41,730
国税的系统，也就是说，根本就没有一个
45
00:02:41,740 --> 00:02:43,130
国税局这样一个东西
46
00:02:43,140 --> 00:02:44,890
来接待，有一个巨人
47
00:02:46,240 --> 00:02:48,040
有5丈高的巨人叫国税局
48
00:02:48,130 --> 00:02:49,960
你来了，欢迎，没有的
49
00:02:50,790 --> 00:02:53,540
里面也是人跟人打交道
50
00:02:53,940 --> 00:02:56,090
或者人跟电脑打交道
51
00:02:56,100 --> 00:02:57,730
什么自助办税机之类的
52
00:02:59,240 --> 00:03:01,110
但是背后的组织是什么
53
00:03:01,690 --> 00:03:05,760
企业和国税局，不是系统对系统
54
00:03:07,060 --> 00:03:10,330
所以，虽然我们观察到这样
55
00:03:10,340 --> 00:03:12,090
但是实际上背后是什么
56
00:03:12,600 --> 00:03:14,300
执行者是企业
57
00:03:14,550 --> 00:03:16,260
不是财务人员
58
00:03:17,160 --> 00:03:23,030
实际上，本质是这个，背后是人跟人打交道
59
00:03:23,040 --> 00:03:24,470
还是人跟电脑，还是电脑对电脑
60
00:03:24,480 --> 00:03:26,630
根本就不需要财务人员去
61
00:03:28,250 --> 00:03:29,680
这个本质是不影响的
62
00:03:30,550 --> 00:03:31,250
这不受影响
63
00:03:33,800 --> 00:03:35,790
所以B是错的
64
00:03:36,960 --> 00:03:38,150
A是对的，为什么
65
00:03:38,640 --> 00:03:43,090
因为当在这里的时候
66
00:03:45,280 --> 00:03:47,760
财务人员跟它打交道
67
00:03:48,750 --> 00:03:51,060
并不是代表他背后的企业
68
00:03:51,500 --> 00:03:52,890
而是代表这个人群
69
00:03:54,590 --> 00:03:56,020
代表他自己的人群
70
00:03:56,030 --> 00:03:57,460
财务人员人群
71
00:03:58,640 --> 00:04:03,740
作为一个人群来和委员会打交道
72
00:04:04,230 --> 00:04:05,700
目的就是要考证
73
00:04:06,240 --> 00:04:07,160
考会计师证
74
00:04:08,380 --> 00:04:09,880
所以A是对的
相关文章：
[图解]题目解析：财务人员最有可能成为业务执行者的是
1 00:00:00,420 --> 00:00:04,760 接下来，是第3章自测题第1部分的第8题 2 00:00:05,090 --> 00:00:08,120 单选，针对以下研究对象 3 00:00:08,900 --> 00:00:11,530 财务人员最有可能成为业务执行者的是 4 00:00:12,800 --> 00:00:15,280…...
零基础学大模型——大模型技术学习过程梳理
“学习是一个从围观到宏观，从宏观到微观的一个过程” 学习大模型技术也有几个月的时间了，之前的学习一直是东一榔头，西一棒槌，这学一点那学一点，虽然弄的乱七八糟，但对大模型技术也算有了一个初步的认识。…...
匹配全国地址的正则表达式工具类
正则表达式，匹配全国五级地址工具类，可以直接放在项目中使用~ 1级：国 （可忽略不填） 2级：**省、**自治区、**直辖市、**特别行政区、（四个直辖市可忽略不填） 3级：**市、**…...
Notepad++ 使用技巧
notepad 高级“查找模式” 1）两个换行换一行 选中为 “扩展（\n, \r, \t, \0, \x…）” ，查找目标里面可以写上\r\n\r\n，替换为\r\n 2）移除空行 查找目标：\r\n\r\n，替换为…...
《语音识别芯片选型全攻略》
《语音识别芯片选型全攻略》 一、语音识别芯片性能评估（一）主控芯片性能评估（二）接口需求分析（三）可靠性评估（四）生产工艺考量（五）湿敏等级判断 二、语音识别…...
【MySQL】VARCHAR和CHAR的区别？
目录 区别存储方式最大长度存取效率 使用场景参考 在MySQL中，VARCHAR和CHAR是两种常用的字符串数据类型，它们各自有不同的特点和适用场景。下面我将和大家一起了解这两种数据类型的区别及使用场景。 区别 存储方式 CHAR(N)：定长存储&#…...
SQL Server日期查询常用语句
一、以下是SQL 日期截取 & SQL Server日期比较日期查询常用语句 select CONVERT(varchar, getdate(), 120 ) 2004-09-12 11:06:08 select replace(replace(replace(CONVERT(varchar, getdate(), 120 ),-,), ,),:,) 20040912110608 select COUNVRT(varchar(12) , getdate…...
java地理方位角度计算
计算方位角度 从一个坐标到另一个坐标的方位角度. GIS地理 方位角，正北作为0度基线，顺时针旋转。 /*** GIS方位角度，正北为0度，顺时针旋转** param lat1 坐标1纬度* param lon1 坐标1经度* param lat2 坐标2纬度* param lon2 坐…...
RabbitMQ service is already present - only updating service parameters
Windows下卸载RabbitMQ之后，然后重新注册RabbitMQ服务的时候，报错以下信息： D:\software\rabbitmq-server-4.0.2\rabbitmq_server-4.0.2\sbin>D:\software\rabbitmq-server-4.0.2\rabbitmq_server-4.0.2\sbin\rabbitmq-service.bat install RabbitMQ service is already …...
贵州网站建设提升可见性的策略
贵州网站建设提升可见性的策略 在数字化时代，网站的可见性对企业的成功至关重要。在贵州，随着互联网的发展，越来越多的企业意识到网站建设的重要性。那么，如何有效提升网站的可见性呢？以下是几个关键策略。 **1. 优化…...
SUGAR：用于皮层表面配准的球形超快图注意力框架|文献速递-基于深度学习的医学影像分类，分割与多模态应用
Title 题目 SUGAR: Spherical ultrafast graph attention framework for cortical surface registration SUGAR：用于皮层表面配准的球形超快图注意力框架 01 文献速递介绍 基于表面的分析在解剖和功能神经影像学研究中变得越来越受欢迎（Coalson 等,…...
华为高频手撕冲刺
简单题 两数之和 方法一，暴力破解，时间复杂度O(n^2)，空间复杂度O(1) class Solution:def twoSum(self, nums: List[int], target: int) -> List[int]:nlen(nums)for i in range(n):for j in range(i1,n):if nums[i]nums[j]target:retur…...
如何优雅的通过Spring Boot+Redission对订单实现定时关闭
简介 在电子商务及支付相关平台中，常规流程是首先生成订单或支付请求，用户随后会在规定时间内完成支付。如果用户未能在预设时限内完成支付动作，系统通常会执行相应的过期处理机制，即自动取消未支付的订单。 此外，这…...
二、IPD 的定义与背景
IPD 的定义与背景 1. IPD的定义 集成产品开发（Integrated Product Development，简称IPD）是一种系统化的产品开发模式，强调市场需求导向和跨职能团队的紧密合作，通过并行工程缩短开发周期、降低开发风险和成本。其核心目标是提高产品的市场竞争力，确保产品在开发各阶段都…...
STM32CubeMX初始生成工程
STM32CubeMX初始生成工程 STM32CubeMX软件可以很容易的配置STM32 MCU，例如引脚配置(Pins)、时钟树(Clock Tree)、外设(Peripherals)、中间件(Middleware)等 使用STM32CubeMX软件可以快速配置STM32工程，生成Keil工程文件以及初始化生成统一风格的C代码&…...
STM32单片机（F03C8T6）-点灯（寄存器点灯和库函数点灯）
作者：Whappy 时间：2024.10.9 日志：本实验是我第一个32位单片机实验程序，如有不足请指点！ #include "stm32f10x.h" // Device headerint main(void) {//寄存器点灯RCC->APB2ENR 0x000…...
PCL 3D-SIFT关键点检测（曲率不变特征约束
PCL点云算法汇总及实战案例汇总的目录地址链接： PCL点云算法与项目实战案例汇总（长期更新） 一、概述 3D-SIFT（Scale-Invariant Feature Transform）关键点检测是用于点云分析的一种有效方法，具有尺度不变性和旋转不变性。在处理复杂场景和物体识别时，通过对点云…...
Android上的AES加密
基础算法说明 https://www.youtube.com/watch?vlnKPoWZnNNM 虽然这个视频讲的非常详细，但是涉及到具体底层算法，大致流程 1. 将数据转成HEX或者byte array 2.将数据分层一块块等大小的数据 3.将数据和key 进行一次混合，加密之后的输出&…...
安全测试的漏洞类型
目录 一、安全测试的定义 二、安全测试的分类 1、静态扫描 2、内存扫描 3、动态安全测试 三、安全测试主要关注哪些方面的漏洞 漏洞一：SQL注入 漏洞二：XSS 漏洞三：暴力破解 漏洞四：文件包含文件上传漏洞 漏洞五&#…...
51 | 适配器模式：代理、适配器、桥接、装饰，这四个模式有何区别？
前面几篇文章我们学习了代理模式、桥接模式、装饰器模式，今天，我们再来学习一个比较常用的结构型模式：适配器模式。这个模式相对来说还是比较简单、好理解的，应用场景也很具体，总体上来讲比较好掌握。 关于适配器模式…...
Redis相关知识总结（缓存雪崩，缓存穿透，缓存击穿，Redis实现分布式锁，如何保持数据库和缓存一致）
文章目录 1.什么是Redis？2.为什么要使用redis作为mysql的缓存？3.什么是缓存雪崩、缓存穿透、缓存击穿？3.1缓存雪崩3.1.1 大量缓存同时过期3.1.2 Redis宕机 3.2 缓存击穿3.3 缓存穿透3.4 总结 4. 数据库和缓存如何保持一致性5. Redis实现分布式…...
python报错No module named ‘tensorflow.keras‘
是由于不同版本的tensorflow下的keras所在的路径不同，结合所安装的tensorflow的目录结构修改from语句即可。 原语句： from tensorflow.keras.layers import Conv1D, MaxPooling1D, LSTM, Dense 修改后： from tensorflow.python.keras.lay…...
关于uniapp展示PDF的解决方案
在 UniApp 的 H5 环境中使用 pdf-vue3 组件可以实现完整的 PDF 预览功能。以下是详细实现步骤和注意事项： 一、安装依赖 安装 pdf-vue3 和 PDF.js 核心库： npm install pdf-vue3 pdfjs-dist二、基本使用示例 <template><view class"con…...
毫米波雷达基础理论（3D+4D）
3D、4D毫米波雷达基础知识及厂商选型 PreView : https://mp.weixin.qq.com/s/bQkju4r6med7I3TBGJI_bQ 1. FMCW毫米波雷达基础知识 主要参考博文： 一文入门汽车毫米波雷达基本原理 ：https://mp.weixin.qq.com/s/_EN7A5lKcz2Eh8dLnjE19w 毫米波雷达基础…...
论文阅读笔记——Muffin: Testing Deep Learning Libraries via Neural Architecture Fuzzing
Muffin 论文 现有方法 CRADLE 和 LEMON，依赖模型推理阶段输出进行差分测试，但在训练阶段是不可行的，因为训练阶段直到最后才有固定输出，中间过程是不断变化的。API 库覆盖低，因为各个 API 都是在各种具体场景下使用。…...
小木的算法日记-多叉树的递归/层序遍历
🌲 从二叉树到森林：一文彻底搞懂多叉树遍历的艺术 🚀 引言 你好，未来的算法大神！ 在数据结构的世界里，“树”无疑是最核心、最迷人的概念之一。我们中的大多数人都是从 二叉树 开始入门的，它…...
【安全篇】金刚不坏之身：整合 Spring Security + JWT 实现无状态认证与授权
摘要 本文是《Spring Boot 实战派》系列的第四篇。我们将直面所有 Web 应用都无法回避的核心问题：安全。文章将详细阐述认证（Authentication) 与授权（Authorization的核心概念，对比传统 Session-Cookie 与现代 JWT（JS…...
【前端实战】如何让用户回到上次阅读的位置？
目录 【前端实战】如何让用户回到上次阅读的位置？ 一、总体思路 1、核心目标 2、涉及到的技术 二、实现方案详解 1、基础方法：监听滚动，记录 scrollTop（不推荐） 2、Intersection Observer 插入探针元素 3、基…...
python学习day39
图像数据与显存 知识点回顾 1.图像数据的格式：灰度和彩色数据 2.模型的定义 3.显存占用的4种地方 a.模型参数梯度参数 b.优化器参数 c.数据批量所占显存 d.神经元输出中间状态 4.batchisize和训练的关系 import torch import torchvision import torch.nn as nn imp…...
分布式光纤声振传感技术原理与瑞利散射机制解析
分布式光纤传感技术（Distributed Fiber Optic Sensing，简称DFOS）作为近年来迅速发展的新型感知手段，已广泛应用于边界安防、油气管道监测、结构健康诊断、地震探测等领域。其子类技术——分布式光纤声振传感（Distribut…...