企业财务数智化发展趋势与转型框架

陈虎（博士），郭奕 【摘要】企业财务数智化转型以数据驱动为核心，应用数字技术，广泛采集数据并依托数字化平台实现数据资产转换，打通数据价值链条释放数据价值，从而实现财务管理服务业务、支持决策、支撑战略的目标。本文通过梳理分析数字技术革命下财务从信息化向数智化转型的不同阶段，明确财务数智化转型发展趋势，并在此基础上搭建企业财务数智化转型框架，为企业推动财务数智化转型提供参考方案。 【关键词】财务数智化；数据治理；数据中台；算法模型 【中图分类号】F275【文献标识码】A 察、风险预警、前瞻预测，进一步服务业务、支持决策、支撑战略（徐玉德和董木欣，2021）。 一、引言 技术的快速发展及创新应用对财务管理理念和管理方式产生深远影响。伴随技术发展进程，财务经历了从手工做账到会计电算化再到财务信息化的变革，财务工作效率大幅提升。立足数字经济发展新阶段和数智变革趋势，数字技术革命正在深刻重塑企业业务模式和管理运营。财务作为企业数据中心，在数字技术驱动下，正从小数据集向大数据演变，逐步迈入数智化新阶段，财务数智化转型已成为企业的必答题。 财务数智化转型的发展演化过程可以分为财务信息化、数智化发展、数智化优化三个阶段（如图1所示）。 （一）财务信息化阶段 企业经营过程天然存在业务流程，业务流程运行需要信息系统支撑，信息系统承载业务数据的传递和沉淀。财务信息化阶段是财务数智化的基础，主要是通过财务信息系统及功能“应建尽建”，财务系统间、业财系统间“应联尽联”，实现端到端的业务流程和财务职能场景全覆盖，并承载流程中所有的作业和数据，规范业务运行和管理，驱动数据生成和流动（赵旖旎等，2023）。 财务数智化转型是企业财务管理手段、组织模式、职能边界、工作方式等持续深入变革的系统性过程，是涵盖数据、技术、组织、人员等管理要素的全方位变革。企业要实践财务数智化转型，应明确财务数智化转型发展的逻辑和趋势，构建完备的财务数智化转型框架体系，从而逐步实现从财务信息化向财务数智化的全方位升级。 在目标层面，财务信息化主要实现业务数据化，提高业务流程效率，促进降本增效。在应用层面，信息系统承载财务业务全流程，将线下作业线上化，实现财务工作流程化、标准化和信息化。在数据层面，企业在财务信息化阶段开展主数据管理，推动数据标准化，促进数据贯通和沉淀。在技术层面，主要应用IT技术，包括建设电子报账系统、共享运营系统、预算管理系统、合同管理系统等信息系统以及推动各系统贯通集成。 二、企业财务数智化转型发展阶段 财务信息化的核心是流程驱动。企业建设财务信息系统固化财务操作流程和规则，承载业务与财务交易处理数据，并完成数据的自动传递和集成，将传统的线下手工作业转变为线上处理，全面支持财务循环及核算、资金、税务、预算等财务职能的实现，极大提升财务业务处理和运转效率。财务数智化强调数据驱动，在财务信息化沉淀的数据基础上，利用大数据、人工智能等数字技术，拓展数据源和数据采集范围，提高数据计算和算法模型应用能力，聚焦数据治理提升数据质量，并构建数据价值链打通数据处理流程，深度挖掘数据价值，实现规律洞 财务信息化能够实现数据录入、计算、存储、查询和报表输出等功能，但由于数据采集、存储、计算、协同能力以及灵活性不足，导致数据分析的维度、深度和时效性均无法满足管理需求，数据价值难以发挥。 （二）数智化发展阶段 在数智化发展阶段，企业注重内部数据价值挖掘，提升财务专业职能的精益化水平。企业开展数据治理，通过持续的数据管理活动将数据资源转化为数据资产，并 通过数据中台建设，贯通业务财务全链条数据，实现数据唯一采集、自动记录、高效流转、实时共享。在此基础上，面向财务专业职能领域，进行数据多维分析和可视化呈现，实现财务专业职能的数智化应用。 型，沉淀经营管理智慧，为各级管理者提供多样化、个性化、智能化的数据服务。在技术层面，主要应用人工智能、大模型、数字孪生等DT技术。 为实现财务数智化转型，企业需要在财务组织转型、财务职能拓展、数据资产运营、智能技术部署、信息安全防护等方面协同发力，打造“IT+DT”双轮技术支撑，构建覆盖各财务职能领域的数智化场景，充分实现数据、算法、算力的价值转化，为归因分析、经营穿透、规律洞察、风险预警、前瞻预测等创新性管理活动提供更精细、更准确的信息，促进财务切实发挥“支撑战略、支持决策、服务业务、创造价值、防控风险”的功能作用。 数智化发展阶段的目标是实现数据资产化，提高数据管理和应用水平，优化财务各项职能。在应用层面，实现财务业务处理自动化、智能化，并在核算、资金、税务、预算等财务专业职能领域开展数智化场景实践。在数据层面，形成规范的数据治理体系，在企业内部业财数据采集汇聚的基础上，开展多维分析，并以BI报表、数字大屏等方式进行可视化呈现。在技术层面，应用OCR（光学字符识别）、NLP（自然语言处理）等自动化、智能化技术，并开始应用部分DT技术如数据中台、BI等。 三、企业财务数智化转型框架 企业财务数智化转型框架（如图2所示）以战略规划、理念文化、数智人才和安全保障为支撑，通过信息系统建设完善与贯通融合，完善业财一体化基础，开展数据治理，依托数据中台或数字化平台汇聚数据，构建数据价值链，发挥“数据+模型+算法”的功能作用，赋能端到端的业财场景，助力经营决策向数据模型驱动转变、财务组织向价值创造型管理组织升级，实现财务数智化跃升。 财务数智化发展阶段注重企业内部数据分析和BI应用，主要是财务专业职能领域的数智化场景应用，对于业务和管理决策的支持能力还有较大提升空间。 （三）数智化优化阶段 数智化优化阶段是财务数智化转型的最高阶段，企业面向业务运行和管理决策场景，基于全面汇聚的内外部数据，利用数字技术，通过业务、技术、数据的深度融合，构建算法模型，如客商信用评价模型、虚假贸易识别模型等，沉淀管理经验和智慧，赋能企业持续创新发展。同时，与外部产业链及行业生态高效联动，实现生态圈合作伙伴的价值共建、共享和共赢。 （一）IT能力 财务信息化是财务数智化的基础，企业应打造信息化能力，在财务管理系统建设完善的基础上，以财务管理系统为核心，对接集成业务管理系统、子企业信息系统和外部信息系统，建立业财一体化运行平台，实现企业内外部数据的融合贯通，形成业财数据全集。 财务数智化发展阶段的目标是将数据资产转化为服务，提高数据价值创造能力，实现科学决策。在应用层面，利用数据实现风险预警、预测推演、智能决策，支持业务价值链和企业经营管理，并赋能生态圈内资源共享和整合。在数据层面，通过内外部数据采集，构建算法模 1.财务信息化建设重点。企业财务信息化建设可从流程、规则、主数据、系统全面性、功能完善性、系统集成性、系统统一性、系统操作友好性八个方面考虑。 流程、规则和主数据是支撑信息系统建设的基础。业务流程稳定，能够确保数据生成、传递、存储和处理过程中的准确性，以及信息系统的稳定顺畅运行。清晰明确的业务运行规则（例如合规管控规则、预算控制规则、审核规则等），可被编码为系统逻辑，指导系统自动执行特定任务，有助于规范财务业务操作。主数据统一管理，可确保不同系统间数据交互的一致性和有效性，为企业提供标准化基础数据服务，支撑数智化转型。 点，企业应进行财务信息系统架构的科学设计，建设全面支撑财务管理职能的财务信息系统。财务职能包括会计核算、资金管理、税务管理、预算管理、成本管理、合规风控等，以中兴新云财务信息系统架构（如图3所示）为例，企业财务信息系统可分为四个层面，分别是平台支撑层、业财支持层、管理层和决策层。 平台支撑层是系统底层能力支撑，包括实现与外部系统数据交互的接口平台，以及可自定义配置的单据引擎、流程引擎等能力单元，支持系统根据业务发展敏捷扩展升级。业财支持层包括业财云、共享核心云、核算报表云、发票税务云和资金管理云五大部分，支持财务会计交易处理、财务报告、资金管理、税务管理的职能，主要处理源于企业业务系统与用于财务交易处理的数据，以提供多种供企业内、外部使用的财务报告和财务信息。管理层包括企业从战略到经营计划、预算管理、成本管理、绩效管理以及企业风险控制的相关信息系统功能和模块，与企业的经营过程及管理要求紧密相关，数据来源于业财支持层信息系统，经过进一步加工和处理，提供财务信息支持。决策层包括属于支持管理决策的财务信息系统，为管理者提供交互式的管理决策支持。 系统全面性和功能完善性是指系统建设职能全面和功能设计完善合理。全面性体现在信息系统对于各项财务管理职能的覆盖程度上，在“应建尽建”原则下，财务管理各职能都应具备相应的信息系统支撑。系统功能设计开发应从业务和管理需求出发，结合业务流程，确定各模块具体功能内容及实现方案。同时，应进行各模块间解耦设计，使系统具备足够的灵活性和扩展性。系统集成性指各类信息系统之间的互联互通程度，既要实现财务系统内的信息互通和数据整合，也要实现与业务系统、企业外部相关系统之间的数据互联互通。系统统一性指全集团范围内各单位财务信息系统的一体化程度。系统建设可由集团统建，或者集团统一规划、各单位分别建设。通过建立统一的系统架构和流程体系、统一的数据采集与交换规范，促进集团各级子企业财务系统的上下贯通。系统操作友好性是指信息系统操作要以人和体验为中心，结合实际业务场景设计页面及交互模式，如具备清晰的操作界面、合理的菜单布局、符合用户习惯的快捷键设置、丰富的在线帮助和教程、人性化的错误提示与引导等，实现便捷、易用、协同、高效。 在财务信息系统建设完善的基础上，企业需推进财务系统与业务系统、外部系统平台的贯通集成，确保各系统间数据交换及时准确，从而打通业财链路，实现业财全流程系统支撑和数据一点录入、全面共享，完善业财一体化建设，支持业财流程联动和数据融合，夯实财务数智化转型的信息化基础。 （二）DT能力 2.企业财务信息系统架构。遵循财务信息化建设重 企业利用数据中台，基于特定场景进行内外部数据 采集，经过数据治理和转换，形成数据资产体系，实现全量数据集中共享，并构建数据价值链，借助大数据、人工智能等技术工具进行算法模型构建，形成数据服务和数据产品，提供多维精益、准确实时的数据分析支撑，最终实现整体战略决策目标。 链过程，从而盘活数据资产，实现数据到信息、知识、智慧的升华，赋能企业经营决策（陈虎和孙彦丛，2022）。 数据采集是指从不同的来源获得各种类型、各种结构的海量数据。企业应扩展数据源，采取针对性的采集方式，进行企业内外部数据的科学全面采集。针对原始数据中存在的缺失、重复、错误等数据问题，利用合适的清洗方法和工具去除或修正数据中的错误。进一步地，通过作图制表、计算统计量等描述和分析方法，探索数据特征和规律，并为算法模型的构建提供输入依据。 1.数据治理，提高数据质量。企业因流程线上断点、存在信息孤岛、缺乏统一规范的数据标准等多方面数据问题，导致数据的准确性、时效性、一致性以及唯一性无法满足数据应用的要求。数据治理是对数据的体系化管理，对数据质量的持续提升，实现数据的可见、可懂与可用。 从企业经营管理的角度看，算法模型可理解为基于管理思维将数据提炼形成的符合企业价值诉求的管理思路和方法。在数据采集及清洗加工后，利用算法进行数据规律的深度分析，并构建支撑相应业务判断和决策的模型。 我国国家标准《信息技术大数据术语》（GB/T35295-2017)中对数据治理的定义是对数据进行处置、格式化和规范化的过程，并强调数据治理是数据和数据系统管理的基本要素，涉及数据全生命周期管理。因此，企业应在从数据生产到消费的全生命周期过程中，持续开展并完善元数据管理、主数据管理、数据标准管理、数据编码管理、数据质量管理、数据安全管理，为数据价值释放构建扎实的数据基础。 可视化展示是通过科学直观的视觉表现形式清晰传达和沟通数据分析结论，将数据内涵及分析结果转化为可识别的图表、视频、动画等展示形式，使利益相关者清晰直观、准确地获取所需信息。 2.数据价值链，挖掘数据价值。在高质量数据输入