在当今竞争激烈的就业市场中，拥有一份满意的工作恐怕不是一件容易的事情。而对于那些追求成本会计职位的人来说，面试可以说是获取这份工作的关键一步。因此，在面试之前，准备自己是非常重要的，特别是研究和掌握与成本会计相关的面试问题。
首先，面试官可能会问到你关于成本会计的基本知识。成本会计是一种用于记录、分析和报告组织成本信息的会计方法。它与管理会计密切相关，旨在为企业提供准确的成本数据，以便做出决策和控制成本的计划。
成本会计的主要目的是为了提供有关产品或服务的成本信息，支持企业的决策制定。它帮助企业确定产品定价、控制成本、评估业务绩效和制定预算。
成本会计有一些基本的原则，包括：
成本驱动型会计是一种成本计算方法，它将企业的成本分配给特定的活动、产品或服务。与传统的费用分配方法不同，ABC考虑到不同产品或服务之间的实际资源消耗差异。这种方法更加准确地追踪和分配成本。
作为一名成本会计，评估和控制企业的成本是你的重要任务之一。你可以通过以下方法来完成：
作业成本法是一种用于测算产品成本的方法，主要用于生产过程中数量较少、类型较多的产品。它将成本分配给不同的作业，并根据每个作业的实际消耗量进行计算。
成本差异是实际成本与标准成本之间的差异。在面试中，你可以提到你在过去的工作中如何处理这种情况。你可以描述你如何分析成本差异、确定原因并提出解决方案来控制成本。
这是一个个人经验和观点的问题，你可以提及你在成本会计职业生涯中遇到的最具挑战性的任务。例如，这可能是处理大规模项目的成本分析，或者在紧迫的时间表下完成复杂的成本预算。
作为一名专业的成本会计，你应该展示出你对行业发展和新技术的关注。你可以提到你加入会计协会、参加专业培训、阅读相关的书籍和文章，并积极参与行业会议和研讨会来不断学习和拓宽自己的知识。
通过准备以上的成本会计职位面试题，你将有更好的机会在面试中展现自己的知识和技能。记住，面试是一个展示自己的机会，与面试官进行积极的沟通，并展示你的专业背景和潜力。祝你在面试中取得成功并实现自己的职业目标！
成本会计工作组织的原则: 1、成本会计工作必须与技术相结合 2、成本会计工作必须与经济责任制相结合 3、成本会计工作必须建立在广泛的职工群众基础
成本会计的主要工作就两点：1）核算；2）分析。
1）核算
加工企业成本核算重点是：“制造费用”分摊，分摊可以按实做工时（或定额工时）、材料消耗、人工成本、机器工时、产值等，正常生产条件下，定额或实做工时是最合理的，大修理或季节性生产，机器工时比较合理，在没有工时的情况下，材料消耗相对合理。
主要难点是：1）直接成本与间接成本的确定；2）在产品与产成品的确认。
2）分析
一定时期的成本应该进行分析，找出问题，提出降耗减费的意见。可以设计计划成本或定额成本，与实际消费进行比对，便于找出差距。计划成本是人为计算的，需要材料消耗定额、工时定额、技术条件、工艺路线、生产计划等非财务资料，以及材料计划价格、固定资产折旧等财务资料，工作量较大，但对任何一个制造企业来说，都是高级财务管理，受益匪浅。
作为一名成本会计，不但要掌握会计知识，还要了解生产加工流程、主要技术原理、工艺要求等非财务知识。可能需要多到基层走走、看看，学习一下。
至于成本控制，主要是领导的事情，成本会计需要向领导提出建议或意见，这个光靠一个会计是控制不了的，还需要各方面（企业领导、基层领导、工人等）配合，以及各种政策（奖励、激励等）配合。
1.利率=纯粹利率+通货膨胀附加率+风险附加率
2.流动比率=流动资产/流动负债
3.速动比率=(流动资产-存货)/流动负债 ? 速动比率=速动资产/流动负债 速动资产不包括存货?一年内到期的流动资产?待摊费用
4.保守速动比率=(现金+短期证券+应收票据+应收账款净额)/流动负债
5.营业周期=存货周转天数+应收账款周转天数
6.存货周转率(次数)=销售成本/平均存货 其中：平均存货=(存货年初数+存货年末数)/2 存货周转天数=360/存货周转率=(平均存货*360)/销售成本
说明：一般是销售收入?指有用到考核业绩?才用销售成本
7.应收账款周转率(次)=销售收入/平均应收账款 其中：销售收入为扣除折扣与折让后的净额;应收账款是未扣除坏账准备的金额 应收账款周转天数=360/应收账款周转率=(平均应收账款*360)/主营业务收入净额
8.流动资产周转率(次数)=销售收入/平均流动资产
9.总资产周转率=销售收入/平均资产总额
10.资产负债率=负债总额/资产总额
11.产权比率=负债总额/所有者权益
12.有形净值债务率=负债总额/(股东权益-无形资产净值)
13.已获利息倍数=息税前利润/利息费用
14.销售净利率=净利润/销售收入*100%
15.销售毛利率=(销售收入-销售成本)/销售收入*100%
16.资产净利率=净利润/平均资产总额
17.净资产收益率=净利润/平均净资产(或年末净资产)*100% 或销售净利率*资产周转率*权益乘数或资产净利率*权益乘数
18.权益乘数=平均资产总额/平均所有者权益总额=1/(1-资产负债率)
19.平均发行在外普通股股数=∑(发行在外的普通股数*发行在在外的月份数)/12
20.每股收益=净利润/年末普通股份总数=(净利润-优先股利)/(年末股份总数-年末优先股数)
21.市盈率=普通股每市价/每股收益
22.每股股利=股利总额/年末普通股总数
23.股票获利率=普通股每股股利/每股市价
24.市净率=每股市价/每股净资产
25.股利支付率=普通股每股股利/普通股每股净收益*100%
26.股利保障倍数=股利支付率的倒数=普通股每股净收益/普通股每股股利
27.留存盈利比率=(净利润-全部股利)/净利润*100%
28.每股净资产=年末股东权益(扣除优先股)/年末普通股数
29.现金到期债务比=经营现金净流入/本期到期的债务=经营现金净流入/(到期长期债务+应付票据)
30.现金流动负债比=经营现金流量/流动负债
31.现金债务总额比=经营现金流入/债务总额
32.销售现金比率=经营现金流量/销售额
33.每股营业现金净流量=经营现金净流量/普通股数
34.全部资产现金回收率=经营现金净流量/全部资产*100%
35、现金满足投资比=近5年经营活动现金净流量/近5年资本支出、存货增加、现金股利之和
36.现金股利保障倍数=每股营业现金净流量/每股现金股利
37.净收益营运指数=经营净收益/净收益=(净收益-非经营收益)/净收益
成本会计职责:
1、负责生产成本的核算，认真进行成本、开支的事前审核；
2、严格控制成本，促进增产节约，增收节支，提高企业的经济效益；
3、负责对生产成本进行监督和管理；督导成本控制及清点存货，审查原材料的采购；
4、认真核对各项原料、物料、成品、在制品收付事项。负责编制原料转账传票。负责编制工厂成本转账传票；
5、随时抽查企业原材料供应情况；
6、根据成本报表预测成本，就产品的销售价格编制报告，向财务经理提供资料；
7、保管好各种凭证、账簿、报表及有关成本计算资料，防止丢失或损坏，按月装订并定期归档；
华南理工成本会计是一个重要的课程，涵盖了公司成本计算和管理的核心概念。对于学习成本会计的学生来说，课程作业是提高理解和应用这些概念的关键部分。
成本会计是管理会计中的关键组成部分，用于计算和控制企业的成本。通过成本会计，企业能够深入了解各项成本，从而制定成本控制和决策。在现代竞争激烈的商业环境中，成本会计对企业的长期发展至关重要。
华南理工成本会计课程是一门为学生提供深入了解成本会计的全面教育的课程。课程内容包括成本控制、成本计算和成本分析等方面的知识。学生将学习如何在实际业务场景中应用这些概念和技能。
作为华南理工成本会计课程的一部分，学生需要完成一系列的作业。这些作业旨在帮助学生巩固他们所学的理论知识，并能够应用于实际案例分析中。下面是一些常见的成本会计作业类型：
通过完成这些作业，学生将能够深入理解成本会计的各个方面，并能够在实际工作中应用这些知识和技能。
尽管成本会计是一个重要的领域，但也存在一些挑战。其中之一是不同企业可能有不同的成本结构和计算方法。学生需要学习适应不同企业的成本会计体系，并具备解决实际问题的能力。
此外，成本会计也需要与其他部门合作，如采购、生产和销售部门。学生需要了解公司内部的业务流程，并通过跨部门合作来获取准确的成本信息。
最后，成本会计也需要与现代技术和软件工具保持同步。学生需要学习使用电子表格和成本会计软件等工具来计算和分析成本。
华南理工成本会计课程作业是学生拓展知识和提高技能的关键部分。通过案例分析、成本计算和成本分析等作业，学生将能够在实际业务场景中应用所学的成本会计知识，并为企业的决策和控制提供支持。
成本会计虽然面临一些挑战，但通过与其他部门的合作和应用现代技术工具，学生可以克服这些挑战，并为企业的长期成功做出贡献。
成本会计能用起来的，当然是生产加工制造业啦。
这种单位一般规模较大，资金较为充足，固定资产占资产比重较大，财务核算比较规范，五险一金也是有保障的。薪资在同类职位中偏中上等的水平。
成本会计常常兼具企业管理会计的一些职能，一般来说，工资在公司会计岗位中会偏高一些的。
不过，成本会计涉及与公司车间打交道，要了解公司生产工艺流程等，要参与车间存货管理和成本分析等，工作量可能相对来说比较大一些，工作环境也不会太好，会有一些噪音、气体污染等，工作地点一般离市区也会比较远。
发展前景么，做得好，升职，自然工资就高了。这和做不做成本会计岗位也没有太大关系。
之前看了Mahout官方示例 20news 的调用实现；于是想根据示例的流程实现其他例子。网上看到了一个关于天气适不适合打羽毛球的例子。
训练数据：
Day Outlook Temperature Humidity Wind PlayTennis
D1 Sunny Hot High Weak No
D2 Sunny Hot High Strong No
D3 Overcast Hot High Weak Yes
D4 Rain Mild High Weak Yes
D5 Rain Cool Normal Weak Yes
D6 Rain Cool Normal Strong No
D7 Overcast Cool Normal Strong Yes
D8 Sunny Mild High Weak No
D9 Sunny Cool Normal Weak Yes
D10 Rain Mild Normal Weak Yes
D11 Sunny Mild Normal Strong Yes
D12 Overcast Mild High Strong Yes
D13 Overcast Hot Normal Weak Yes
D14 Rain Mild High Strong No
检测数据：
sunny，hot，high，weak
结果：
Yes=》 0.007039
No=》 0.027418
于是使用Java代码调用Mahout的工具类实现分类。
基本思想：
1. 构造分类数据。
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
接下来贴下我的代码实现=》
1. 构造分类数据：
在hdfs主要创建一个文件夹路径 /zhoujainfeng/playtennis/input 并将分类文件夹 no 和 yes 的数据传到hdfs上面。
数据文件格式，如D1文件内容： Sunny Hot High Weak
2. 使用Mahout工具类进行训练，得到训练模型。
3。将要检测数据转换成vector数据。
4. 分类器对vector数据进行分类。
这三步，代码我就一次全贴出来；主要是两个类 PlayTennis1 和 BayesCheckData = =》
package myTesting.bayes;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.classifier.naivebayes.training.TrainNaiveBayesJob;
import org.apache.mahout.text.SequenceFilesFromDirectory;
import org.apache.mahout.vectorizer.SparseVectorsFromSequenceFiles;
public class PlayTennis1 {
private static final String WORK_DIR = "hdfs://192.168.9.72:9000/zhoujianfeng/playtennis";
/*
* 测试代码
*/
public static void main(String[] args) {
//将训练数据转换成 vector数据
makeTrainVector();
//产生训练模型
makeModel(false);
//测试检测数据
BayesCheckData.printResult();
}
public static void makeCheckVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"testinput";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-test-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-test-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeTrainVector(){
//将测试数据转换成序列化文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"input";
String output = WORK_DIR+Path.SEPARATOR+"tennis-seq";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SequenceFilesFromDirectory sffd = new SequenceFilesFromDirectory();
String[] params = new String[]{"-i",input,"-o",output,"-ow"};
ToolRunner.run(sffd, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("文件序列化失败！");
System.exit(1);
}
//将序列化文件转换成向量文件
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-seq";
String output = WORK_DIR+Path.SEPARATOR+"tennis-vectors";
Path in = new Path(input);
Path out = new Path(output);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
SparseVectorsFromSequenceFiles svfsf = new SparseVectorsFromSequenceFiles();
String[] params = new String[]{"-i",input,"-o",output,"-lnorm","-nv","-wt","tfidf"};
ToolRunner.run(svfsf, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("序列化文件转换成向量失败！");
System.out.println(2);
}
}
public static void makeModel(boolean completelyNB){
try {
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String input = WORK_DIR+Path.SEPARATOR+"tennis-vectors"+Path.SEPARATOR+"tfidf-vectors";
String model = WORK_DIR+Path.SEPARATOR+"model";
String labelindex = WORK_DIR+Path.SEPARATOR+"labelindex";
Path in = new Path(input);
Path out = new Path(model);
Path label = new Path(labelindex);
FileSystem fs = FileSystem.get(conf);
if(fs.exists(in)){
if(fs.exists(out)){
//boolean参数是，是否递归删除的意思
fs.delete(out, true);
}
if(fs.exists(label)){
//boolean参数是，是否递归删除的意思
fs.delete(label, true);
}
TrainNaiveBayesJob tnbj = new TrainNaiveBayesJob();
String[] params =null;
if(completelyNB){
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow","-c"};
}else{
params = new String[]{"-i",input,"-el","-o",model,"-li",labelindex,"-ow"};
}
ToolRunner.run(tnbj, params);
}
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("生成训练模型失败！");
System.exit(3);
}
}
}
package myTesting.bayes;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.fs.PathFilter;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.mahout.classifier.naivebayes.BayesUtils;
import org.apache.mahout.classifier.naivebayes.NaiveBayesModel;
import org.apache.mahout.classifier.naivebayes.StandardNaiveBayesClassifier;
import org.apache.mahout.common.Pair;
import org.apache.mahout.common.iterator.sequencefile.PathType;
import org.apache.mahout.common.iterator.sequencefile.SequenceFileDirIterable;
import org.apache.mahout.math.RandomAccessSparseVector;
import org.apache.mahout.math.Vector;
import org.apache.mahout.math.Vector.Element;
import org.apache.mahout.vectorizer.TFIDF;
import com.google.common.collect.ConcurrentHashMultiset;
import com.google.common.collect.Multiset;
public class BayesCheckData {
private static StandardNaiveBayesClassifier classifier;
private static Map<String, Integer> dictionary;
private static Map<Integer, Long> documentFrequency;
private static Map<Integer, String> labelIndex;
public void init(Configuration conf){
try {
String modelPath = "/zhoujianfeng/playtennis/model";
String dictionaryPath = "/zhoujianfeng/playtennis/tennis-vectors/dictionary.file-0";
String documentFrequencyPath = "/zhoujianfeng/playtennis/tennis-vectors/df-count";
String labelIndexPath = "/zhoujianfeng/playtennis/labelindex";
dictionary = readDictionnary(conf, new Path(dictionaryPath));
documentFrequency = readDocumentFrequency(conf, new Path(documentFrequencyPath));
labelIndex = BayesUtils.readLabelIndex(conf, new Path(labelIndexPath));
NaiveBayesModel model = NaiveBayesModel.materialize(new Path(modelPath), conf);
classifier = new StandardNaiveBayesClassifier(model);
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
System.out.println("检测数据构造成vectors初始化时报错。。。。");
System.exit(4);
}
}
/**
* 加载字典文件，Key: TermValue； Value：TermID
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<String, Integer> readDictionnary(Configuration conf, Path dictionnaryDir) {
Map<String, Integer> dictionnary = new HashMap<String, Integer>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
String name = path.getName();
return name.startsWith("dictionary.file");
}
};
for (Pair<Text, IntWritable> pair : new SequenceFileDirIterable<Text, IntWritable>(dictionnaryDir, PathType.LIST, filter, conf)) {
dictionnary.put(pair.getFirst().toString(), pair.getSecond().get());
}
return dictionnary;
}
/**
* 加载df-count目录下TermDoc频率文件，Key: TermID； Value：DocFreq
* @param conf
* @param dictionnaryDir
* @return
*/
private static Map<Integer, Long> readDocumentFrequency(Configuration conf, Path documentFrequencyDir) {
Map<Integer, Long> documentFrequency = new HashMap<Integer, Long>();
PathFilter filter = new PathFilter() {
@Override
public boolean accept(Path path) {
return path.getName().startsWith("part-r");
}
};
for (Pair<IntWritable, LongWritable> pair : new SequenceFileDirIterable<IntWritable, LongWritable>(documentFrequencyDir, PathType.LIST, filter, conf)) {
documentFrequency.put(pair.getFirst().get(), pair.getSecond().get());
}
return documentFrequency;
}
public static String getCheckResult(){
Configuration conf = new Configuration();
conf.addResource(new Path("/usr/local/hadoop/conf/core-site.xml"));
String classify = "NaN";
BayesCheckData cdv = new BayesCheckData();
cdv.init(conf);
System.out.println("init done...............");
Vector vector = new RandomAccessSparseVector(10000);
TFIDF tfidf = new TFIDF();
//sunny，hot，high，weak
Multiset<String> words = ConcurrentHashMultiset.create();
words.add("sunny",1);
words.add("hot",1);
words.add("high",1);
words.add("weak",1);
int documentCount = documentFrequency.get(-1).intValue(); // key=-1时表示总文档数
for (Multiset.Entry<String> entry : words.entrySet()) {
String word = entry.getElement();
int count = entry.getCount();
Integer wordId = dictionary.get(word); // 需要从dictionary.file-0文件（tf-vector）下得到wordID，
if (StringUtils.isEmpty(wordId.toString())){
continue;
}
if (documentFrequency.get(wordId) == null){
continue;
}
Long freq = documentFrequency.get(wordId);
double tfIdfValue = tfidf.calculate(count, freq.intValue(), 1, documentCount);
vector.setQuick(wordId, tfIdfValue);
}
// 利用贝叶斯算法开始分类,并提取得分最好的分类label
Vector resultVector = classifier.classifyFull(vector);
double bestScore = -Double.MAX_VALUE;
int bestCategoryId = -1;
for(Element element: resultVector.all()) {
int categoryId = element.index();
double score = element.get();
System.out.println("categoryId:"+categoryId+" score:"+score);
if (score > bestScore) {
bestScore = score;
bestCategoryId = categoryId;
}
}
classify = labelIndex.get(bestCategoryId)+"(categoryId="+bestCategoryId+")";
return classify;
}
public static void printResult(){
System.out.println("检测所属类别是："+getCheckResult());
}
}
1. 请介绍一下WebGIS的概念和作用，以及在实际应用中的优势和挑战。
WebGIS是一种基于Web技术的地理信息系统，通过将地理数据和功能以可视化的方式呈现在Web浏览器中，实现地理空间数据的共享和分析。它可以用于地图浏览、空间查询、地理分析等多种应用场景。WebGIS的优势包括易于访问、跨平台、实时更新、可定制性强等，但也面临着数据安全性、性能优化、用户体验等挑战。
2. 请谈谈您在WebGIS开发方面的经验和技能。
我在WebGIS开发方面有丰富的经验和技能。我熟悉常用的WebGIS开发框架和工具，如ArcGIS API for JavaScript、Leaflet、OpenLayers等。我能够使用HTML、CSS和JavaScript等前端技术进行地图展示和交互设计，并能够使用后端技术如Python、Java等进行地理数据处理和分析。我还具备数据库管理和地理空间数据建模的能力，能够设计和优化WebGIS系统的架构。
3. 请描述一下您在以往项目中使用WebGIS解决的具体问题和取得的成果。
在以往的项目中，我使用WebGIS解决了许多具体问题并取得了显著的成果。例如，在一次城市规划项目中，我开发了一个基于WebGIS的交通流量分析系统，帮助规划师们评估不同交通方案的效果。另外，在一次环境监测项目中，我使用WebGIS技术实现了实时的空气质量监测和预警系统，提供了准确的空气质量数据和可视化的分析结果，帮助政府和公众做出相应的决策。
4. 请谈谈您对WebGIS未来发展的看法和期望。
我认为WebGIS在未来会继续发展壮大。随着云计算、大数据和人工智能等技术的不断进步，WebGIS将能够处理更大规模的地理数据、提供更丰富的地理分析功能，并与其他领域的技术进行深度融合。我期望未来的WebGIS能够更加智能化、个性化，为用户提供更好的地理信息服务，助力各行各业的决策和发展。
这块您需要了解下stm32等单片机的基本编程和简单的硬件设计，最好能够了解模电和数电相关的知识更好，还有能够会做操作系统，简单的有ucos，freeRTOS等等。最好能够使用PCB画图软件以及keil4等软件。希望对您能够有用。
成本会计是比较难的，但你已经参加工作了，有实际操作的机会和经验，你也有会计基础，学起来不会太难的，你得有信心！有很多人不学会计怎么还做会计来，是吧．
