文 | 張慶龍

來源 |《審計光影》

當下，我國經濟已由高速增長階段轉向高質量發展階段，企業亟需把握數字經濟發展大勢，探索構建科學化、精準化的智能決策系統，讓數字在企業經營決策中“說話”，用數字支撐企業做出決策，從而讓企業管理更靈活、更富于競爭力。

當前，大型企業集團的經營活動面臨著集約化、規模化和國際化所形成的挑戰，而風險帶來的不確定性更是增加了對加強和提升企業科學的財務預測、分析、控制與決策的能力的需求。

未來財務轉型的趨勢，是從財務會計轉型到管理會計。這對于從事更高層級職能的業務財務、戰略財務人員來說，是相當于放棄了原有的簡單重復性的會計核算，而轉向更具有附加值的財務預測、決策、分析、控制、風險管理等方面上來。

管理會計對于企業的意義在于提供企業各個方面的信息，直接參與決策，幫助企業進行分析管理，以利于經營管理者做出更加準確的判斷，幫助企業提高競爭能力、盈利能力和應對不確定性的風險管理的能力。

管理會計的實現要求現有的會計信息系統功能應從核算型發展為管理型甚至決策型，也是財務信息化發展的一個必然趨勢。

財務決策系統作為管理決策系統的一個重要組成部分，為管理會計的信息化落地實施提供了一個重要的決策基礎。它以現代信息技術為手段，以管理會計提供的模型為基本方法，綜合核算數據和業務數據，內部數據和外部數據，結構化與非結構化數據，為管理者正確決策提供幫助。

財務決策系統可以幫助企業對各種核算數據和業務數據進行分類、整理和加工，將以往無法采集和正確使用的數據轉化成能為高層決策者所使用的知識庫信息。

當然，財務決策系統并不會完全取代管理者的實際經驗和判斷力。而是要改進決策制定的效能，以及在高層決策者的決策過程中提供輔助性的作用。也就是說，最后的決策還要由人類來制定。

人工智能的飛速發展，推動了現代會計信息系統從信息化和網絡化向智能化的加速發展。

如果將這些技術運用于財務決策系統，會增加財務決策系統的柔性，適應決策問題與環境的變化，產生智能財務決策支持系統，提高決策支持的服務能力。

智能財務決策系統從大量的財務數據和業務數據中收集并整理有用的信息，形成數據倉庫，運用數據挖掘技術，運用數據模型和數據處理技術，使用多維度的財務分析和查詢方式，向用戶提供預測報告和趨勢性的統計分析。

進而挖掘數據之間的內在關聯性，挖掘數據中有價值的信息，幫助管理者制定正確的市場策略，從而作出正確的決策。

數據是決策的基礎。智能財務決策系統的實現需要改變過去財務數據分散的現實，對財務數據、業務數據和其他相關數據進行集成，建立整個集團統一的數據管理平臺，以解決數據的傳送，分析匯總的問題，以及無法進行數據歸集，聯查的問題。

總體來看，該系統應該是以大量的數據為基礎，由數據驅動系統決策。其核心包括數據倉庫、聯機分析和數據挖掘三項技術。

財務共享服務將不同地域范圍內，具有同質性、分散性的會計核算業務集中到共享服務平臺進行集中統一的會計處理。

財務共享服務通過利用集中所帶來的規模效應，一方面降低了會計核算成本，另一方面又提高了會計服務的質量，提升了會計核算的工作效率。

這種新的財務管理模式為管理會計的有效決策搭建了重要的數據基礎、流程再造基礎，以及信息系統基礎。建設財務共享服務中心不僅是為了解決核算成本降低問題，更重要是通過未來的業財融合，通過面向業務與戰略，實現系統之間的聯系和數據集中共享。

這些數據的采集和集中對于智能財務決策系統的實現意義重大，價值可見一斑。

財務共享服務除了自身數據的采集，還可以借助ERP系統，集成更多來自企業外部的客戶、供應商、合作伙伴的數據。這樣又進一步拓展了數據的來源。

可見，財務共享有利于財務和業務的協同，同時打通ERP的供應鏈數據庫，OA流程審批數據庫，實現全業務流程的全數據管理。

可以預見，財務共享服務中心為財務決策系統搭建了重要的數據集中基礎，財務決策系統又進一步提升了財務共享服務的未來創新方向，向著會計核算、會計服務管理、會計決策支持的一體化方向發展。

當前已經構建的財務共享服務中心，大多建成了企業集中核算中心和報賬中心。它對于會計核算工作效率的提升，加強集團的管控，確實起到了一定的作用，但從長期來看，財務共享服務中心人員的素質提升、未來個人發展空間恐慌引發的頻繁人員流動、以及他們如何與業務型財務和戰略型財務溝通服務中心的能力提升等問題，都是其長遠所面臨的現實問題。

當然，從數據思維上來看，財務共享服務中心同樣面臨著數據的真實性和數據集中后如何被有效的利用問題。

顯然，當前所構建的財務共享服務中心，并未達到管理者所期望的預期效果。

或者管理者對于財務共享服務中心最初的定位就是錯誤的。從財務共享服務中心的長遠發展來看，這些是存在的突出問題。

對于尚未建立財務共享服務的企業，應在最初的規劃時就朝著智能財務決策的數據中心進行規劃和流程再造。而不應該僅僅考慮到核算數據的集中與工作效率的提升。

對于已經建立財務共享服務的企業，應逐步進行前臺、中臺和后臺的改造，為財務決策的實現建設數據中心。

總體的思路是：

前臺通過鏈接思維實現的數據采集和更多價值網絡云平臺的形成。

后臺則進入各種數據的清洗、篩選、分析、可視化形式呈現等流程，這一流程會逐步的被人工智能（AI）系統所取代，以有利于輔助決策的需求。

中臺則通過智能化和記賬規則、預算管控的嵌入實現完全的自動化記賬、算賬、報賬，其數據結果自動轉移到后臺形成財務核算數據。

這樣所構建的財務共享服務平臺才會消滅大量低附加值的報賬、審核、結算環節，由智能化系統實時自動完成，原本中臺大量的人力資源才會得到最有效的利用，發揮前臺、尤其是后臺的功能。

利用財務共享的數據中心建設，財務共享服務中心可以跨業務、跨職能的工作。當財務共享服務于不同的職能部門，比如采購、應付賬款、司庫等，數據鏈接可以把不同職能部門的工作流程整合起來，形成一個更高效的標準和流程，以便更好地管理整個現金流，并促進跨職能部門的合作。

如果再配有專門的數據科學團隊來進行大數據分析，則可以服務于各職能部門、業務部門，幫助他們改進工作。

當然，僅僅擁有更多的原始數據還是不夠的，我們還需要做到采集到有用的數據問題，從而利用數據為財務管理決策進行服務。

這時，就需要提高我們的辨識能力，實現數據產品與偏好在不同方面的多維度匹配。為此我們需要智能算法來提供幫助。我們還需要探索一種精密而便捷的方法，全面獲取管理者偏好的數據信息。

為此，在數據的采集方面，需要實現三個擴展：

第一，從會計數據到業務數據的擴展。這個過程的實現需要建立在業財一體化的基礎上，會計核算結果能清晰追溯至業務交易過程，通過對業務交易信息的豐富記錄，擴充財務核算的信息維度。此外，與財務結果并不直接相關的業務數據的積累也不容忽視。

第二，從企業內部數據到外部數據的擴展。當前，內部數據已無法滿足分析預測、風險控制的需求，市場數據、同業數據、輿情數據等外部數據的引入能更好地優化預測及風控模型，實現更多的應用場景。

第三，從結構化數據到非結構化數據的擴展。無論是財務還是業務，內部還是外部，傳統模式下對數據的需求主要集中于結構化數據。但實際上，大量數據是以非結構化的形態存在的，如發票要素、合同要素等。

若能充分發揮智能技術的應用價值，通過技術工具如影像識別、自然語義識別等將非結構化數據進行結構化，必然能夠將財務共享服務創新的數據基礎提升到新的高度。

（本文作者為北京國家會計學院教授、管理學博士，原載于《審計光影》）