金蝶张鄂豫：AI+财务，智管未来

财务数智化转型升级与智能化穿透式监管 张鄂豫｜金蝶中国助理总裁金蝶软件（中国）有限公司2025.11.04 政策驱动财务数智化转型新目标 穿透监管：国企内部控制监督体系 转型升级：财务数智化转型加码 基于国务院国资委财务数智化政策导向要求，提出要达成“五个驱动”、“五个升级”的目标，推动财务管理体系化、财务系统集成化、财务信息数字化、财务监管智能化、财务转型一体化。 2025年初，国资委发布《关于做好2025年中央企业内部控制体系建设与监督工作有关事项的通知》，明确提出以“穿透式”为主线、“智能化”为抓手，推动形成“横向协同联动、纵向穿透监管”的治理网络。 监管与转型的双向赋能：企业数智化转型为精准监管提供基础，智能化监管反向规范企业转型路径 技术重塑财务数智化转型新能力 知识图谱：破解财务“数据孤岛”的“认知型工具”知识图谱通过构建科目、供应商、客户、银行账户等实体间的语义关联网络，实现数据穿透分析与隐性风险识别，打破系统间数据壁垒，为财务分析提供深度推理能力。 生成式AI：驱动财务从“处理自动化”迈向“决策智能化”生成式AI依托大模型与自然语言处理（NLP）技术，覆盖“语义理解-任务执行-报告生成-决策辅助”全链路，具备无代码交互与多场景预测能力，实现操作效率提升和决策支持升级。 智能体：财务工作的“数字指挥官”智能体通过“感知-认知-执行-反馈”闭环为核心，具备跨系 统协作、自主任务规划与复杂业务处理能力，可协调多部门系统完成动态任务，实现跨系统协作与自主决策。 AI+财务落地实践的关键要素 场景：财务管理价值实现的关键场景定义了AI在财务管理中要解决的具体问题，是整个体系的出发点和落脚点。 场景决定了需要哪些数据、选择哪种模型，以及对算力的基本要求。 数据：是训练和运行AI模型的基础数据质量和数量直接决定AI应用的效果，来源包括内部数据以及外部数据等。 核心要求是数据清洗、整合与标注，确保数据的准确性、完整性和时效性。 模型：实现目标的“算法引擎”模型是将数据转化为决策或行动的核心算法，是连接数据与场景的桥梁。 针对不同场景选择不同模型，模型需要持续迭代优化，提升准确率。 算力：AI运行的“基础设施” 算力是支撑数据处理和模型训练/推理的硬件能力，决定了AI应用的效率和规模。主要依赖CPU、GPU、TPU等芯片，以及云计算、边缘计算等架构。 一、场景：财务管理一体两翼多矩阵，管赋结合 财务共享中心：提高效率，扩展边界 打通企业内部生态、外部生态、产业生态，促进业务流、资金流、信息流、价值流的深度融合，打造生态财务数智化底座。 司库管理中心：穿透式监管政策对集团司库管理的启示 要围绕集约、安全、高效，对现有司库管理系统进行迭代升级，推动资金管理由“看得见、看得全”向“管得住、管得好”转型。 在资金、票据基础上进一步整合集团金融资产、授信额度、产业链信用等金融资源，打造流动性管理、资本运作、产融协同的立体化金融资源统一运作平台。 在合规前提下进一步加强境外资金集中管理，明确外汇管理的目标和策略，构建覆盖境内外、本外币的一体化财资监测体系，有效防范汇率风险，积极推进人民币国际化。 运用金融科技手段，整合资金流、合同流、物流等数据信息，搭建产业链金融平台，构建核心企业与上下游企业一体化金融供给和风控体系，实现以融促产的积极效果。 对标最佳实践重构司库管理平台，护航价值型司库体系落地建设 战略财务中枢：穿透式监管政策对战略财务系统建设的启示 依托数据资源，进行分析和建模，制定财务策略、优化资源配置、进行风险预警和业绩评价，最终为企业的长远发展和价值创造指明方向，提升集团财务的战略分析、战略决策和战略保障能力。 二、数据：充分发挥财务作为企业天然数据中心的优势 企业要充分发挥财务作为企业天然数据中心的优势，聚焦数据标准建立贯穿数据“采、存、管、算、用”全生命周期管理体系，搭建覆盖全级次、全业务、全流程、全场景的企业级数据中台。 多元化集团企业财务信息系统建设的两种类型 统标分建，中央财务管理02 统标统建统用，集中管理01 成员单位应用集团统建财务系统 成员单位不应用集团统建财务系统 需要做业财融合（横向）：需要将成员单位本地的其他业务系统（供应链、生产 需要做一本账（纵向）：需要在成员单位层面进行业财一体化，集团层面 等）与集团统建财务系统集成，集团层面提供数据标准和流程标准，成员单位负责开发接口，跟财务系统完成数据和流程对接。 提供财务数据管理标准，成员单位按照集团财务标准治理数据来支撑集团形成“一本账”数据。 三、模型：指标及模型体系是财务穿透式监管的引擎 指标体系 监管模型 规则模型 价值结果层 结合指标体系，实现业务异常问题自动识别 与发展目标契合，例如“一利五率” 机器学习模型 运营与过程层 实现精准预警，发现复杂隐蔽风险 关注业务动因与效率，将财务结果溯源至业务过程 AI/预测模拟模型 风险与合规层 实现智能交互及前瞻预测，支持科学决策 风险阈值指标帮助动态监测各类风险 以风险模型为例，综合展现企业存在的11项突出问题 ➢利用先进模型助力企业看清风险 3.多层架构 1.过度负债 5.财务金融风险 6.控股不控权 •风险敞口模型•大额资金异动监控模型•实时流动性监控模型•应收账款周转率模型•违规对外担保识别模型•信用风险评估模型•非经营性资金占用模型•供应链金融风险穿透模型 •高管薪酬倍数模型•公平性模型•人均薪酬与行业水平对比模型•福利性项目合规性模型•极端薪酬分布模型•薪酬效益挂钩偏离度模型 •动态股权穿透模型•法人户数模型•管理层级成本率•“僵尸”企业识别模型•内部交易复杂度网络模型•组织冗余度分析模型 •NLP主业关联度度模型•LLM主业关联度模型•主业收入占比模型•非主业投资额占比模型•非主业资产收益率模型 •融资结构差异模型•现金流动态监控模型•偿债能力评估模型•存贷双高风险模型•利息保障倍数模型•债务期限错配模型 •派驻董监高占比模型•动态控制权监控模型•重大事项决策权上收模型•信息系统独立性评估模型•参股企业分红缺失率模型 9.靠企吃企 •NLP主业关联度度模型•LLM主业关联度模型•时间、频次、金额异常模型•交易对手关联网络模型•三流智配验证模型•毛利率异常模型•贸易三角闭环率模型•账龄分析模型•物流信息核验模型 •出租资产收益率模型•固定资产周转率模型•存货库龄及减值风险模型•资产维护保养费用异常模型•在建工程长期停滞预警模型•设备开工率/利用率监控模型•专利/商标使用状态评估模型•土地闲置模型 •“影子公司”识别模型•资产处置/租赁交易对手关联识别模型•关联交易溢价模型•关键人员亲属关联识别模型•单一来源采购异常模型•围标串标识别模型 •境外子公司财务恶化预警模型•境外项目投资回报率偏离度模型•大额跨境资金流动监控模型•国家/地区（OECD）风险模型•反洗钱(AML)及制裁名单筛查模型•资金回流异常率模型 •投资收益率异常模型•非持牌金融业务收入占比模型•高风险投机交易亏损额模型•交易对手涉诉/失信筛查模型•委托理财穿透模型•“伪投资”合同甄别模型•资金空转识别模型•担保链交叉风险分析模型•频繁股权质押融资模型 助力大型企业开启财务数智化转型新征程