Diawal milenia kedua, profesi akuntansi-keuangan sebagaimana banyak profesi lainnya; juga mengalami disrupsi sehubungan dengan berkembangnya Data Science. Hayashi (1998) mendefinisikan Data Science sebagai persilangan antara ilmu statistika, matematika, ilmu komputer, system informasi dan domain knowledge. Domain knowledge adalah disiplin ilmu yang menjadi konteks bagi aplikasi Data Science; yang dalam tulisan ini adalah Akuntansi dan Keuangan. Barbaglia et al (2021) menyebutkan bahwa tujuan dari data science adalah ekstraksi otomatis informasi dan pengetahuan (knowledge) yang bermanfaat dari suatu set data yang sangat rumit.

Ketika berbicara data science maka akan tidak dapat dilepaskan dari aktivitas analisis. Analisis terhadap data-data yang dihasilkan baik dari internal organisasi maupun eskternal (lingkungan bisnis) telah menjadi obyek studi paling tidak sejak awal tahun 1970-an (ACCA, 2018). Analisa data ini pertama kali berbentuk aplikasi metodologi statistic (deskriptif dan inferensi) yang bersifat adhoc yang ditujukan untuk investigasi isu-isu tertentu (project based) misalnya efisiensi penggunaan bahan baku dan  memangkas insiden fraud. Pada periode-periode berikutnya analisa data telah menjadi bagian rutin dan tidak terpisahkan dari pengambilan keputusan atas berbagai tujuan strategis organisasi seperti marketing, ekspansi perusahaan dan pembiayaan. Dalam konteks ini aktivitas analisa data dikenal sebagai Business Intelligence (istilah yang dipopulerkan oleh Gartner Group tahun 1989).

Menjelang pergantian millennium, aktivitas analisa data kembali berkembang melalui penekanan kemampuan prediksi (era yang dikenal sebagai Business Analytics). Gelombang industri 4.0 kembali mentransformasi aktivitas analisa data menjadi Big Data Analytics dengan semakin luas dan bervariasinya tipe data yang menjadi obyek.

Perkembangan teknologi memungkinkan pencatatan dan analisa berbagai jenis data yang tidak pernah terbayangkan sebelumnya. Saat ini adalah era Big Data yang ditandai dengan karakteristik 4 V: Volume, Variety, Velocity and Veracity. Kehadiran ECommerce dan Fintech telah meningkatkan volume transaksi secara masif. Sekarang konsumen tidak perlu datang ke toko untuk membeli barang dan jasa yang diinginkan. Dengan bermodalkan smartphone, seseorang telah dapat membeli barang-jasa mulai dari tiket baju sampai dengan polis asuransi dan rumah dikawasan CBD. Data yang diolah tidak hanya yang bersifat structured (seperti angka-angka system akuntansi); data seperti rekaman video dan gambar pun telah dapat dicapture dan dianalisa. Era saat ini ditandai dengan banjir informasi; berbeda dengan ea sebelumnya dimana mencari informasi adalah tantangan; tantangan utama saat ini adalah memilah antara informasi yang relevan versus tidak.

Dilihat dari segi kematangannya, analisa data dapat diklasifikasikan menjadi empat model yakni (a) Deskriptif, (b) Diagnostic, (c) Predictive dan (d) Preskriptif. Teknik analisa data deskriptif adalah model yang paling dasar. Disini analisa data ditujukan untuk memberikan gambaran mengenai apa yang telah terjadi. Perangkat yang sering digunakan adalah visual: grafis yang menunjukkan adanya suatu fenomena (misalnya peningkatan penjualan) dan “dugaan” penyebabnya  melalui scatter plot. Tahap analisa puncak adalah prekriptif. Disini analisa tidak hanya menyajikan prediksi dimasa depan tetapi juga kebijakan seperti apa yang paling optimal dalam menyikapi prediksi tersebut. Perangkat yang sering digunakan adalah scenario analysis dan simulasi. Analis dapat membuat beberapa scenario mengenai situasi yang mungkin terjadi disuatu titik dimasa depan. Selanjutnya diajukan berbagai kebijakan yang ditujukan untuk merespon setiap scenario. Respon kebijakan tersebut meliputi business as usual hingga perilaku proaktif dan antisipatif).

Laporan dari ACCA(2018) menyebutkan adanya 3 trend perkembangan Data Science kedepan. Yang pertama adalah Digital Automation. Aktivitas akuisisi data sudah semakin meninggalkan pola manual. Dunia keuangan adalah salah satu yang terdepan dibidang ini, informasi harga instrument serta laporan keuangan sudah puluhan tahun dicapture dan didokumentasi secara otomatis. Kedepan, akan semakin banyak data-data yang bersifat unstructured seperti gambar dan rekaman akan dicapture dan didokumentasi secara otomatis. Hal ini semakin dipermudah dengan perkembangan teknologi pemindaian, robotifikasi serta storage data. Kehadiran cloud computing telah sangat membantu dimana perusahaan tidak lagi harus menyimpan seluruh data dengan perangkat keras yang disediakan sendiri (yang tentunya sangat mahal). Perusahaan dapat menyewa gudang data yang banyak tersedia diinternet.