智能化大數據撬動管理會計變革

封毅

[摘 要]傳統財務分析的控制目標有局限性，僅從核算的視角去理解公司，目光主要盯在預算是否超標、嚴格控制成本上。在智能數據時代，預測、決策成為財務分析的新特征，并將以往規律性的、重復性的財務工作交由計算機統一完成。本文首先分析了大數據思維的基本特征，進而分析了大數據思維對財務分析的影響，最后分析了財務工作在智能數據時代面臨的挑戰。

[關鍵詞]大數據；財務；業財融合；智能化

doi：10.3969/j.issn.1673 - 0194.2017.20.006

[中圖分類號]F49；F234.3 [文獻標識碼]A [文章編號]1673-0194（2017）20-00-02

0 引 言

財政部在2014年頒布《關于全面推進管理會計體系建設的指導意見》，明確表明要加強推進面向管理會計的信息系統建設，以信息化手段為支撐，實現會計與業務活動的有機融合。與此同時，中國大數據產業進入爆發式增長的元年，管理會計步入大數據時代。2016年大數據產業繼續保持高速增長，在國家工信部的帶領下，《大數據產業“十三五”發展規劃》正式頒布。同年，人工智能的迅速崛起，給大數據產業發展帶來了生機，管理會計迎來了智能化大數據時代。

1 大數據思維的基本特征

什么是大數據思維？維克托·邁爾-舍恩伯格認為：需要全部數據樣本而不是抽樣；關注效率而不是精確度；關注相關性而不是因果關系。大數據的價值不是在數據本身，而在于創造，在于填補無數個還未實現過的空白。作為一種有形資產，大數據的價值不在于“大”，而在于“有用”，其揭示的內容比數量本身更重要。怎樣才是“有用”的數據，就要依靠數據分析師對數據進行“加工”，通過“加工”實現數據的“增值”。不管大數據的核心價值是否是預測，但基于大數據形成決策的模式已經為不少的企業帶來了利潤和聲譽。

數據是為了某種目的而存在，目的可以變，人們可以通過數據來了解完全不同的東西。有數據是前提，但是如果沒有分析，數據的價值就沒有辦法體現。數據好比是一種資源，是“原油”而非“石油”，并不能直接拿來使用，而要通過“提煉”“加工”，這個過程就是財務分析過程，可以說數據分析就是大數據的靈魂。大數據時代，人們可以通過量化過去不能量化的信息，使用精妙的統計方法分析這些信息，使數據創造價值成為可能。

大數據思維在表現出數據的整體性、時效性、相關性同時，還要注意大數據本身的非結構化性。智能化數據時代，僅有5%的數據為結構化數據，大量非結構化數據充斥在人們現實經營活動中，人們必須接受乃至擁抱多樣性的大數據。盡管大數據的多樣性帶來數據表面的混雜、模糊，但它其實在更大范圍和規模上帶來了預測、決策的準確性，減少了遺漏與錯失機會，這恰恰是大數據思維的精髓體現。

2 大數據思維對財務分析的影響

處于大數據時代，企業迫切需要通過財務分析來實現精細化運營、降低成本、提高效率，大數據思維給財務分析提供了更多解決方案。財務分析應遵循普遍的工作思路，即從局部到整體，從微觀到宏觀，明確數據分析目標，對影響數據目標波動的關鍵維度進行拆解，找出不同影響因素之間的關聯關系，并建立數據關系模型，發現問題數據或數據異常點，并找出原因，最后采取相應優化措施，使數據驅動運營。

財務分析借助大數據的系統化思維，圍繞自下而上的數據分析思路展開工作，運用這種思路的原因是財務分析的數據通常是在運營流程中已經產生的數據。財務分析人員在這些數據中發現問題，并綜合運用多種財務和大數據分析方法進行解剖分析，如趨勢分析、對比分析、交叉分析、結構分析、因素分析、相關分析、回歸分析、聚類分析和因子分析等。

財務分析一定是精細化的運營過程，建立起系統化的大數據思維，方能體現商業價值。大數據要相關不要因果、要全體不要抽樣、要效率不要精確。財務分析則既要數據的相關性，也要數據間的關聯關系；既要全體數據也要抽樣異常數據的不確定因素；既要抓效率仍不失財務數據的精確性。

3 大數據與業財深度融合

大數據時代，財務分析不僅要對統計核算的財務數據進行分析，同時還要充分結合業務流程及客戶行為關系中的非結構化數據進行分析。業財融合，其核心就是業務流與數據流的融合，業務必須數據化，數據必須面對業務作出反饋。大數據與業財深度融合具體表現在以下幾個方面。

首先，大數據更多地將業務流程用財務數據的語言表達出來，其關注點在于多個數據維度之間的關聯，而非受單一因素的影響，通過影響關鍵因素指標的關聯關系建立數據分析模型。有時大量的數據并沒有表現出與業務有直接的關聯關系，更需要財務人員掌握所處行業的相關專業知識，建立其對業務的敏感度，了解行業的開展流程、利潤增長點及核心競爭力在哪里，并運用科學分析的方法和技能深度挖掘數據的隱性價值，用數據說話。財務數據本身體現的是核算價值，只有與業務需求協同起來，才能體現商業價值。

其次，要發揮大數據的真正價值，使數據驅動運營，必須運用人工智能手段整合財務核算數據、業務流程數據和客戶行為關系數據。智能化系統將這三類數據收集、轉化，并歸集到統一數據平臺，財務分析師利用專業知識，緊密結合業務實際，對管理決策提出建設性意見。期間，收集數據過程占用了整個環節大多數的時間，而創造的價值卻微乎其微。相反，財務分析決策僅用很短的時間，往往卻能決定企業的生死存亡。

最后，業務數據化、數據財務化。財務分析始終要以公司業務為核心，圍繞業務展開財務規劃，管理型會計應參與到公司經營戰略中去，財務與業務結合才是王道。優秀的財務分析師始終以創造價值為導向，緊密結合財務、業務、客戶的實踐，在分析中發現問題和解決問題，用數據說話，進而創造更多價值。

4 智能數據時代面臨的挑戰

首先，過去分布在企業流程中的數據并未被充分開發利用，大量數據的價值沒有被當作資產去管理、去挖掘，即使是信息化程度較高的金融行業，也僅利用了不到一半的數據。

其次，智能數據時代，財務分析工作面臨各式結構化與非結構化數據的沖擊，包括核算數據、流程數據、客戶數據和行為數據等。智能數據的商業價值就體現在整合數據的時效性，定位的精準性上，企業必須更快作出商業決策并找準自己的位置。同時，數據之間存在商業聯系，勢必會給數據思維帶來挑戰。在復雜、海量的數據面前，財務人員要保持清晰、敏捷的思路，利用新技術和新平臺滿足企業對經營預測、決策在時間和效果上的需求。

最后，數據在過去只是記錄和統計企業經營活動的一種載體，智能數據時代，海量數據匯集起來，數據已然成為一種重要資產，被管理者高度重視，幫助企業不斷提升商業價值和尋求新的商業機會。多類型數據的實時處理，以及各種數據之間的交叉組合，給財務分析技術帶來了巨大挑戰。人工智能和商業智能為這些數據資產的高效管理帶來便利條件，也為數據創造更多商業價值提供了技術支持。

5 結 語

隨著大數據時代的到來，人工智能技術更加民主化，更多非技術型的財務分析師可以參與到智能數據的運用當中。未來智能數據時代的管理會計邊界會更加寬泛，會計信息化與業務流程關聯更加緊密。智能化、業務化將成為管理會計信息化的新特征。數據與業務將作為智能數據時代管理會計變革中的一對新的辯證關系長期存在。

主要參考文獻

[1]彭宏超.管理會計教學體系再設計——基于《管理會計基本指引》[J].新會計，2017（3）.

[2]李敬華，賈蓓，李倩茹.傳統統計數據和大數據內涵辨析[J].電信快報，2016（9）.

[3]許亞湖，王婷.大數據時代管理會計的變革[J].財會通訊，2015（16）.

[4]黃永金.大數據時代及管理會計變革[J].財務與會計，2015（11）.

[5]許金玲，趙爽.大數據時代管理會計工作變革研究[J].現代經濟信息，2014（23）.endprint