智能財務決策支持系統：理論、框架、實踐

趙磊

【摘要】人工智能對會計觀念產生著重大影響。 智能財務決策支持系統（IFDSS）是基于現代管理科學和信息技術， 以計算機及其他諸如手機、平板電腦等終端設備為工具， 采用人工智能相關算法、模型來處理大型數據集， 繼而“洞見數據資產價值、驅動企業戰略決策”。 本研究在當前政治經濟環境認知、前期學術研究總結的基礎上， 從有效市場、“三論”（系統論、信息論、控制論）、人工智能、軟件工程學等理論內涵切入， 探討如何構建IFDSS體系框架， 并以筆者主導的IFDSS項目為實踐案例， 分析IFDSS的功能特征和應用價值。

【關鍵詞】智能財務決策支持系統;戰略決策;人工智能;機器學習

【中圖分類號】F275? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）06-0103-8

一、引言

在國家政策、信息技術和資金挹注的多重助力下， 會計的智能化發展前景日益清晰。 盡管智能財務的研究和實踐尚處于起步階段， 但是依然呈現出百花齊放、百家爭鳴的局面， 有力地促進了老方法向新觀念、老技能向新技術的積極轉變。

1966年， 美國會計學會（AAA）[1] 率先提出“決策有用性”的財務會計目標， 即“財務報表使用者的特殊需要——定制會計信息， 將有助于他們做出更好的決策”。 1983年， 葛家澍、唐予華[2] 借鑒西方會計理論， 提出“信息系統論”， 認為會計職能是“提供數據和信息， 為經濟管理服務”。 同時期， 楊紀琬、閻達五[3] 提出具有中國特色的“管理活動論”， 認為“會計是人們管理生產過程的一種社會活動， 其本質是圍繞價值運動進行的管理活動”。 近年來， 信息技術滲透到企業運營管理的各個角落， 幫助會計人員及時提供充分、相關、準確的財務信息。 在支持企業決策過程中， 財務信息與非財務信息不斷融合、彼此影響， 形成“反饋、控制、再反饋”的閉環。 現代意義上的會計被賦予更多的責任， 既是企業決策信息的生產者， 也是它們的使用者（如參與企業決策）。 在信息化時代下， “信息系統論”與“管理活動論”所定義的會計職能邊界融為一體。

二、研究綜述

智能決策支持系統（IDSS）的概念可追溯到20世紀80年代初期，? Sprague等[4] 、Bonczek等[5] 將決策支持系統（DSS）與專家系統（ES）結合， 運用模糊數學進行知識推理， 用于有效解決定量與定性問題及半結構化與非結構化問題。 1987年， 美國注冊會計師協會（AICPA）首次將人工智能、專家系統、自然語言、機器人等概念引入財務領域， 形成智能財務決策支持系統（IFDSS）的雛形。 自此， 西方理論界和工業界對人工智能技術和專家系統在財務領域的應用進行了非常廣泛的探索， 開發了許多實用的IFDSS， 如IBM Cognos、Oracle Hyperion、SAP BO、Tableau等商業智能軟件。

我國學者也對IFDSS展開了一系列研究， 并取得了一定成果。 李良材、陳翼豫[6] 從我國會計實務現狀出發， 指出IFDSS是由會計核算層、財務管理層和財務決策層有機結合的財務信息系統， 開啟了國內研究的先河。 梁榮華、史濟建[7] 設計了包括語言系統、問題處理系統、知識系統在內的IFDSS體系架構， 并完成開發。 楊周南[8] 提出會計信息化的ISCA（Information System， Control and Auditing）模型， 認為會計信息系統是一種事件驅動模式的系統， 其核心是集成和有效的內部控制， 從而保證數據的及時性、準確性， 進而支持企業決策。 王世定、徐玉德[9] 建立了會計信息集成管理系統（IIMS）模型， 整合企業物流、業務流、資金流、信息流， 自動化生成各利益相關者決策所需的綜合報告及預測決策模型。 宋旭東、劉曉冰[10] 提出基于分布式數據倉庫的企業決策支持系統， 這一技術層面構思恰逢云計算商業化應用方興未艾。 楊周南、劉梅玲[11] 提出會計信息化標準體系的概念框架， 從方法學和規范性視角為IFDSS建設提供參考。 傅元略[12] 基于智能體技術理論提出財務智能體概念， 指出不同功能的財務智能體可組成財務決策智能系統。 續慧泓、楊周南[13] 以會計管理活動論為理論基礎， 結合大會計觀和IT環境論， 定義智能會計系統的概念， 其中包括基于“披露—反饋”的價值信息交換循環， 從某種程度上反映出IFDSS在智能會計系統中的定位。 國內近十年來涌現出諸多智能軟件， 如帆軟（Fine BI）、思邁特（Smart BI）、奧威（Ourway BI）等， 通過大數據、可視化、多維聯機分析（OLAP）等技術， 幫助很多企業建立了IFDSS平臺。

正是由于新理念、新技術的應用， 使得一些企業IFDSS實踐成效顯著， 打破了最初IFDSS概念框架。 這些企業將IFDSS建設視為由多個子項目組成的整體項目， 從數據治理、會計語言、組織績效、制度設計等頂層視角出發， 融入大數據、云計算、人工智能等最新技術， “一攬子”終結核算、決算、預算、結算分而治之的困局（達到“四算合一”）及實現與之對應的業財高度融合， 促進業財數據向決策數據轉化。

三、理論內涵

（一）有效市場理論

有效市場理論認為， 會計正與其他信息渠道如新聞媒體、金融分析師甚至市場價格本身相互競爭 。 會計向利益相關者提供的信息是有價值的， 具體價值取決于信息的相關性、完整性、準確性、及時性。 這是會計獲取交換價值（即報酬）的衡量標準。 在人工智能蔚然成風的今天， 一些重復性、勞動密集型的會計崗位大有被其逐漸取代的趨勢， 一些以知識推理為主的會計工作不斷受到人工智能的挑戰。

有效市場理論還提醒， 會計之所以能夠存在， 理論上的基本原因即“信息不對稱”。 如果存在其他群體可以提供更為有價值的信息， 會計的價值就會貶損。 這樣， 可以視會計為一種機制。 它能夠將相關信息傳遞給內部決策者， 再從企業內部傳遞至外部， 致使企業和社會同時獲益。 IFDSS具有整合企業內外部相關信息的能力， 并對所獲的信息進行快速分析， 不僅高效生成對內部利益相關者有用的決策信息， 而且可為不同的外部利益相關者提供高質量的相關信息， 進而幫助會計建立信息優勢， 鞏固和提升會計的價值。

（二）系統論、信息論、控制論

以“三論”（系統論、信息論、控制論）為代表的現代科學方法論， 是20世紀以來最偉大的理論成果之一。 近代以來， 自然科學高速發展， 各門學科不斷細分， 衍生學科不斷產生; 同時， 各學科之間又不斷交叉滲透， 走向綜合化、整體化。 IFDSS以信息為載體， 在人工智能的賦能下形成具有自我感知的控制， 但它不是一個孤立的系統。 可以說， “三論”是哲學范疇的具體化、規范化、模型化， 對IFDSS建設具有前瞻性、全局性的指導作用。

亞里士多德提出“整體大于部分之和”的思想， 后來發展成為系統論的基本原則。 部分形成整體， 整體反映部分， 部分只有在整體中才能體現價值， 但是部分最優并不一定代表整體最優。 當然， 系統也并非孤立存在， 會受到所處環境的影響和制約， 同時作用于環境、改造環境。 系統通過結構將要素聯結起來， 要素是活動的， 而結構則相對穩定， 從而使系統保持穩態。 任何作為有機整體的系統都必須是開放和非平衡的， 才能打破系統自身靜止、僵化的狀態， 使系統活躍起來。 最后， 科學的系統決策包括以下關鍵程序： 提出問題、確定目標、獲取信息、設計方案、決策及反饋。

信息反映事物的存在和發展變化情況。 信息傳遞的基本程序是： 信息經過編碼， 由發送者即信源發出， 沿信道傳遞， 到達信息接收者即信宿， 經過譯碼后被接收者接收并理解。 20世紀40年代， 信息論的奠基人、美國數學家香農根據信息編碼原理給出信息的度量公式， 受熱力學的啟發用“熵”度量信息。 信息和熵所反映的系統過程和方向是相反的： 信息量增加， 表明不確定性的減少、有秩序程度的提高; 熵的增加， 表明不確定性的增加、有秩序程度的降低。 噪聲即無用信息不僅占用信道容量， 還增加信息的無秩序性， 導致熵增加。 所以， 在處理信息時應目的明確、來源可靠、數據求實、視野開闊。

按照控制論創始人維納的定義： 控制論是關于動物和機器中控制和通信的科學。 由此引申出一種普遍的結論： 控制論是以各種系統共同存在的控制規律為研究對象的一門科學。 維納將機器控制與動物身體協調控制機能進行抽象類比， 認為它們都有一個相當確切的“同構性”。 如果將系統控制過程的“同構性”比喻為控制的“骨骼”， 那么控制過程中的信息就如同“血液”在控制反饋的網絡中流動。 控制論強調反饋機制， “雙向通訊”是形成閉環控制的關鍵。 信息在這種循環往復的過程中， 經過反饋、再反饋并不斷改變內容， 從而實現控制。

IFDSS反映企業戰略意志， 一般由多個子系統模塊組成， 并處于動態多變的內外部環境中， 應基于系統論思想構建穩態系統結構。 信息在IFDSS中流動， 應從源頭上減少噪聲， 嚴格建立主數據治理體系， 理順數據處理邏輯， 整體上用熵減取代熵增。 通過閉環反饋機制， 不斷修正、減少、消除導致熵增的因素， 保證信息在IFDSS中的一致性、有序性、效能性。

（三）人工智能

人工智能是指無需以固定、預先設定的指令或程序處理信息， 在特定情形下具備人類決策或推理的技術能力。 當然， 這并不預示著機器覺醒時代的來臨——某種意義上， 人工智能只是在從事以概率為基礎的推理， 遠不具備人類的逆向思維、情境感知、自我進化等高等動物應有的能力。 人工智能是一個博大精深的知識體系， 包括機器學習、自然語言處理、數據分析法、機器人流程自動化（RPA）等。 機器學習又細分為有監督、無監督、半監督機器學習， 還可以細分很多種。 IFDSS之所以加上“智能”二字， 是因為其中應用部分（非全部）人工智能技術， 比如， 基于機器學習的回歸、決策樹、分類、聚類、關聯分析、知識圖譜、語義理解等算法。 隨著需求疊加、技術突破， 或許更多的人工智能技術會被應用到其中。

（四）軟件工程學

IFDSS一般是基于某一個或多個軟件開發平臺， 根據企業需求進行定制化開發， 整體上是IT實施項目范疇， 應遵循軟件工程學的方法論。 電氣與電子工程師協會（IEEE）給出了一個更全面的軟件工程的定義： ①將系統化的、規范的、可量化的方法應用于軟件的開發、運行和維護， 即將工程化方法應用于軟件; ②對①中所述方法的研究。 軟件工程是一種層次化的技術， 可分為工具、方法、過程、質量關注點等層次。 軟件開發有很多模型， 其中敏捷軟件工程逐漸受到矚目， 其哲學理念推崇敏捷響應不斷變化、無法確定的實施環境（比如客戶需求）。 敏捷實施過程應與需求方精誠合作， 具備全局的過程化管理理念， 能將復雜需求切割成不同的邏輯清晰的子需求， 通過迭代開發的方式實現全部需求。 其實， 一個成功的IFDSS項目就是先簡單后困難、先整體后局部、先一般后特殊的不斷迭代實施的過程， 適合應用敏捷軟件工程的方法論。

四、體系框架

1983年， 作為管理信息系統（MIS）領域的先鋒，? Sprague等[4] 提出決策支持系統（DSS）框架， 這一框架在大數據、云計算、人工智能日益普及的今天仍然具有現實意義。 誠然， 數字時代下的財務管理職能， 有了顯著變化。 合格的財務決策者， 不僅是信息的生產者， 還是信息的使用者、再生產者， 且深度參與企業戰略、戰術、運營管理等各個層面。 所以， 通過人工智能賦能的FDSS演變成IFDSS， 自然就有不一樣的內涵和外延。

（一）特征

IFDSS解決一系列企業管理方面的開創性問題， 很大程度上跳出傳統財務管理的領域， 具有鮮明的個性特征： 第一， 集中于管理者半結構化、非結構化問題， 即利用欠缺或無規律性信息進行決策; 第二， 協助全過程、產品或項目全生命周期的獨立、團隊交互式決策行為， 比如智能篩選決策方案; 第三， 運用數據集成模型， 且實現從指標層到聚合層再到最底層的全鏈路數據鉆取， 對數據“追本溯源”; 第四， 系統計算迅速， 最好能達到極低延遲甚至實時標準， 以及交互性較好， 使得計算機技術不佳的用戶也可以無障礙使用; 第五， 系統具備較強的靈活性和魯棒性， 可以適應各種環境變化以及用戶需求的變更; 第六， 基于軟件工程方法論實現， 迭代開發、不斷優化。

（二）定位

現代企業管理理論認為， 財務管理活動居于企業管理活動的核心地位， 財務管理目標集中反映企業目標。 IFDSS是財務管理活動信息化、智能化的映像和重塑， 在企業所有信息系統中應居于核心地位。 企業戰略層次劃分為總體層、業務層、職能層， 每個層次體現IFDSS的不同目標和用戶群， 具體如表1所示。

（三）原則

IFDSS從理論邁向實踐并非易事， 有很多經驗教訓值得深思——IFDSS項目應遵循相應原則。 筆者根據過往項目實施心得體會， 歸納總結如下：

1. 最高領導擔責。 IFDSS項目之于企業， 毋庸置疑是“一把手”工程， 應由最高領導掛帥。 只有如此， 方可體現IFDSS項目的重要性， 方能動員各級管理者全力參與、集思廣益， 消除影響目標實現的各種自利、逆向選擇等行為。

2. 個體服從整體。 前文提及， 個體雖然在整體中才能體現價值， 但是并不表明個體最優的加總就能實現整體最優， 不同個體之間可能存在非線性或負線性的某種關聯。 所謂個體最優， 比如有的事業部或部門為提高績效， 會要求IFDSS使用有利于他們的業務規則， 或優先實現他們的需求。 因此， 在設計IFDSS時應從全局視角出發， 優先考慮最能為企業帶來價值的模塊或功能， 而這種價值最大化往往是基于企業總體層面的戰略意圖。

3. 有效數據治理。 在IFDSS包羅所有的核心數字資產前， 應制定、執行科學有效的數據治理規則， 比如統一各種主數據（科目、項目、客戶、供應商、產品等）編碼。 任何高效運行的信息系統都建立在數據規范化的基礎之上， 以數據分析、預測為關鍵功能的IFDSS更是如此。 遺憾的是， 很多企業在實施IFDSS前， 未認識到數據治理的重要性， 導致很多項目未能成功。

4. 成本效益分析。? 獲取信息需要付出成本， 即使被動獲取的原始信息， 也需要進一步加工才能為決策所用。 如果獲取信息的成本高于利用信息所得到的收益， 則應衡量其是否符合成本效益原則。 由此可見， 不要試圖利用IFDSS獲取所有信息， 比如需要耗費大量人力、物力、財力才能得到的低價值信息。

5. 分階段分步驟。 IFDSS是一個綜合性較強的系統， 建設周期較長， 實施成本較高， 涉及內外部人員眾多， 消耗的管理成本難以估量。 值得關注的現實問題是， 一旦項目實施失敗， 會嚴重動搖企業再次實施IFDSS的信心， 甚至項目關鍵人員的管理權威會受到影響。 總之， IFDSS項目應基于嚴格的軟件工程方法論， 將大項目分為幾個子項目， 分階段、分步驟敏捷迭代實施， 將項目風險降至最低。

（四）框架

IFDSS與ERP不同： ERP的信息流以實物流、資金流為基礎; IFDSS的信息流以形成決策信息為基礎， 更關注信息的獲取、加工、輸出（圖1）。

據圖1可知： 第一， IFDSS的數據源是結構、非結構化（比如圖片、聲音等）數據， 既有來自企業內部也有來自企業外部的， 既有財務也有非財務的; 第二， 數據處理以解決數據質量問題為首要任務， 通過抽取、轉換（數據清洗）后， 加載進數據倉庫; 第三， 計算模型是對規范化后的數據進行加工， 形成聚合層、指標層的數據， 為模型訓練提供數據集; 第四， 根據業務需求， 構造各種人工智能模型（如機器學習）， 對數據集進行訓練和測試; 第五， 評估模型效果， 并進行修正以達到最好的擬合效果; 第六， 報告輸出的是IFDSS的成果物， 可采用各種數據呈現形式（圖、表或圖表結合等）。

（五）模型

由于需求不同、企業期許有異， IFDSS項目應用人工智能模型（也稱算法）的側重點是有差別的， 但是大都集中在機器學習領域。 具體如表2所示。

五、最佳實踐

所謂IFDSS最佳實踐， 業界并沒有評判標準。 從財務信息化項目實施效果類推， 若應用先進技術和理念、客戶滿意度高、切實帶來管理效率提升、項目可見及潛在收益遠大于投入， 則該IFDSS項目可成為業界宣傳的對象， 即為IFDSS最佳實踐。 本文以由筆者主導的某互聯網信息安全頭部企業IFDSS項目為案例， 分享項目實施背景、方案、成效。

（一）背景

在萬物互聯、數字化蓬勃發展的新時代， 該企業抓住機遇、迅速成長， 成功躋身中國網絡安全軟件領域“第一方陣”。 然而， 其承載財務管理職能的信息化基礎卻極其薄弱， 導致財務報告（即決策數據）整合能力不足， 所催生的矛盾幾乎到了無法調和的地步。 具體表現如下： ①計算效率低下。 基于Excel與公司自研的報表系統， 在處理海量數據時難堪大任， 嚴重滯后于決策時效。 ②邏輯控制偏弱。 弱邏輯控制與人工主觀判斷相結合， 頻繁出現數據錯誤， 糾正過程耗時費力且效果低于預期。 ③數據粒度粗、涵蓋范圍窄、無法追溯。 決策數據與財務數據、業務數據脫節， 數據鏈路支離破碎， 指標結果缺乏支撐、動因無法追溯。 ④數據集成度不高。 公司ERP、自研系統、外購系統孤懸于私有云之上， 僅ERP與個別自研系統共享部分數據， 尚未建立有效的財務數據中臺。 ⑤缺乏協同、流程化控制。 形成最終決策數據過程中， 需要不同部門進行數據提交、結果確認， 但是過程顯得非常“僵化”。 相關人員用相對落后的手段（電話、電郵）， 疲于應付重復性的流程化（上傳下達、數據修正）工作。 有鑒于此， 公司期望以實施IFDSS項目為契機， 打通各個系統之間的數據鏈路， 借助智能化技術尋找業財融合的最優解， 促進財務決策能力全面提檔升級。

（二）方案

基于金字塔型頂層整體設計理念， IFDSS項目方案先易后難兼顧成本效益， 拆為多期分階段、分步驟實施， 從而保證風險可控、成本可控。 限于篇幅， 下面僅列出部分核心方案：

1. 整體框架。 IFDSS整體框架反映信息流的縱橫交錯、吞吐融合， 如圖2所示。

（1）數據源。 數據來源廣泛， 除必不可少的ERP、業務系統數據外， 還拓展到： ①物聯網。 安全設備運行信息， 比如激活狀態、異常狀態等。 ②Web。 網頁上可信度較高的公共信息， 特別是政府政策性公告。 ③社交媒體。 互聯網輿情信息（遠期規劃， 尚處于探索階段）， 比如微博、一些知名度較高的論壇等。 ④文本信息。 一些可識別、可量化的文本數據， 比如競爭對手公告文件。 ⑤金融大數據。 對接一些公共金融大數據平臺API（應用程序接口）， 快速獲取宏觀經濟、行業競爭情報、公共公司（競爭對手）相關數據。 從數據源抽取數據到數據整合層， 應用到一些智能化技術， 比如網絡爬蟲（Web）、語義理解（社交媒體）、文本識別（文本信息）等。

（2）數據整合。 基于不同的應用場景， 源數據經過清洗、加工、轉換后整合進不同的存儲模型： ①數據湖。 存儲超大量結構化、非結構化數據， 采用分布式數據庫集群大數據架構， 建設在公有云上。 ②數據中臺、數據插座。 數據中臺是在分析業務前臺需求的前提下， 在大數據基礎上融合結構化、非結構化數據， 通過數據插座提供業務前臺所需的數據集。 ③數據集市。 數據在不同維度進行定義、組織， 形成面向決策分析的數據立方體， 滿足特定部門或用戶的需求。 此外， 數據立方體存儲在多維內存數據庫中， 計算速度非常快。 ④知識庫。 專門存取一些知識化數據模型， 供機器學習模型使用。 ⑤AI數據引擎。 根據機器學習數據集規則要求， 將所需數據存儲在特定數據庫。 IFDSS的基礎是數據， 但如何形成符合決策分析要求的規范化數據卻是知易行難， 對任何類別數據的治理， 都可能影響企業堅持多年的管理習慣。 這種慣性會形成數據治理的阻力， 進而致使IFDSS項目功虧一簣， 所以數據整合至關重要。

（3）應用模型。 數據只有經過應用模型處理后， 才能最終被用戶所感知。 IFDSS應用模型包括： ①報表。 由報表系統出具高度定制化的類似Excel的固定報表， 可以無縫銜接替換代表企業管理基礎和文化的原報表模板， 并進行相應改良和拓展。 ②商業智能。 通過“拖、拉、拽”快速構造數據可視化圖表， 基于商業智能系統內嵌的固定模型對數據進行智能分析及呈現， 然后將圖表推送至用戶的終端設備。 ③機器學習。 機器學習是人工智能的一個子集， 通過對海量數據進行分析， 學習數據集特征， 洞察相關性和因果關系， 預測未來、推動決策。 ④財務機器人（RPA）。 IFDSS中一些重復性的流程化工作、關鍵數據指標異常巡檢交由財務機器人（RPA）解決， 可大幅減少人為干預， 提高系統應用效能。

（4）用戶。 IFDSS用戶群體分為以下幾類： ①決策者。 企業戰略總體層、業務層的決策者， 是最能體現IFDSS價值的用戶群體。 ②關鍵用戶。 盡管業財數據向決策數據轉化的過程應用了大量自動化、智能化技術， 但是仍需要財務及其他部門人員（即關鍵用戶）的積極參與， 才能最終實現IFDSS的目標。 ③數據科學家。 應用機器學習、數據挖掘等模型， 從數據資產中探索有價值的信息， 是數據科學家的工作。 ④開發人員。 IFDSS全面上線后， 除日常運行維護， 還會有新增的需求， 不應完全依賴外部實施人員， 因而開發人員必不可少。

2. 方案要點。 IFDSS項目涉及面極廣， 但重點可以聚焦以下方面。

（1）系統畫像。 系統畫像是對IFDSS功能模塊的直觀描述， 包括： ①全面預算。 全面預算是串聯企業業務、財務管理活動的最佳管理工具， 是該企業建設IFDSS的潛在動機。 全面預算模塊不僅覆蓋產、銷、研等業務活動， 還涵蓋投融資等財務活動， 解決戰略與資源的平衡問題。 ②滾動預測。 滾動預測是評估未來預算能否順利執行的參照， 是企業調整戰略、預算的直接依據。 一般情況下， 預測數等于累計（截至當月）執行數加上未來（次月至年末）預測數。 滾動預測是全面預算的縮影， 但是嚴肅性、員工參與度低于全面預算， 因為企業不可能每個月都耗費大量管理成本編制全面預算， 所以滾動預測需要用到大量自動化計算模型及智能預測模型， 以盡可能縮短編制時間。 ③管理報告。 管理報告是IFDSS的主要輸出物： 在報表系統形成各式各樣的報表， 既有固定報表， 也有活動報表（帶下拉菜單、選擇框等控件）; 在財務即席分析平臺（商業智能）對數據進行多維分析（上鉆下鉆、旋轉切片等）與可視化呈現。 ④其他報告。 其他報告是管理報告的補集， 基本上是按需靈活提供， 反映IFDSS的附加價值， 包括合并報表及報表附注、業務部門報表、專題分析報告等。

（2）組織結構。 企業組織結構隨著經營戰略的變化而變化， 即企業組織結構不僅具有多樣性特征， 還具有動態適應性特征。 互聯網經濟瞬息萬變， 決定該企業戰略的前瞻性和應變性。 戰略焦點轉移致使組織結構調整， 組織結構調整是戰略實施的保障。 該企業打破法人組織概念， 以部門為最小核算單元， 以產品、營銷、職能分類構成矩陣型事業部， 事業部歸屬不同戰略業務單元（SBU）。 企業戰略在總體層、業務層變化極為頻繁， 集中反映在營銷組織的變化上， 比如同一財政年度會有二、三種截然不同的組織劃分。 在IFDSS中需建立靈活易變的極精細的組織結構， 且保證同口徑、不同口徑期間數據計算規則的一致性， 同時滿足核算（法定組織）、管理（管理組織）的雙重需求。

（3）會計語言、制度流程。 業財融合的首要任務是統一會計語言， 實現其與業務語言的嚴格轉換。 IFDSS包括全面預算、滾動預測， 雖然強調全員參與、全業務覆蓋， 但是非財務人員一般不能也不必理解會計核算規則（即會計語言）。 在IFDSS中內置業務語言翻譯模型， 將其自動轉換為會計語言， 比如業務科目映射為會計科目、業務規則映射為會計規則。 統一會計語言需要制度化保障和對關鍵業務流程實行漸進性重組， 例如： 在應用IFDSS前， 業務部門向財務部門提交的數據一般不經過部門負責人審核， 提交有時限規定但未執行; 在應用IFDSS后， 需要重新修訂流程并固化至IFDSS流程引擎。 除核心流程外， 那些復雜但不重要的流程由IFDSS輸出至OA系統， 在OA端進行處理。

（4）數據治理、模型。 數據治理的對象是企業主數據， 即系統間共享數據（部門、科目、賬戶、客戶、供應商、產品、員工等）， 也稱為基準數據。 該企業存在一些主數據不一致的現象， 如同一客戶有多重代碼且名稱有差別、產品一物多碼與一碼多物等。 此外， 還發現相同主數據有多重屬性， 不同部門有不同定義標準， 比如國家標準、行業標準、公司標準， 而標準之間并未建立有效映射關系。 數據治理做起來耗時費力、不討好， 可是一旦缺失該重要環節， IFDSS必然“基礎不牢、地動山搖”。 在數據模型層面， 構建以實際數、預算數、預測數為基礎的多維數據立方體。 計算規則包含在數據立方體中， 將數據從底層逐級聚合到頂層， 在不同維度空間進行實時計算。 建立全數據鏈路鉆取模型， 從數據集市穿透數據中臺至數據湖底， 使得所有數據均可“追根溯源、一鉆到底”。

（5）價值動因。 該企業采用阿米巴經營模式進行精細化管理。 簡而言之， 除職能、研發部門外， 將整個企業分割成多個阿米巴組織， 每個阿米巴通過與市場直接聯系（通過訂單系統確認歸屬）的獨立核算制進行運營， 是自負盈虧的利潤中心。 外部價格、內部成本通過轉移定價機制滲透到每個阿米巴組織， 其驅動因素就是價值動因。 對于互聯網科技企業， 最主要的價值動因就是人工工時， 但是人工工時并非簡單的加權平均分攤， 而是基于不同產品、不同工種的權重進行綜合分攤， 稱之為“多因素價值模型”。 事實上， 直簽訂單成本不需要進行分攤， 混簽訂單成本以人工工時乘以職級系數為基礎分攤到相應的阿米巴組織。 間接成本的價值驅動因素需要逐一分析確定， 例如場地租賃費分攤是以員工實際辦公面積為價值動因。

（6）財務機器人（RPA）、商業智能、機器學習。 企業置身信息技術日新月異的互聯網行業， 對新興技術秉持積極開放的態度。 為解決一些獨特、非傳統的需求問題， IFDSS應用一定的人工智能技術， 具體如表3。

3. 成效。? IFDSS解決的是戰略決策層面的問題， 一般投入較大、見效較慢， 在實施過程中應避免急躁、保持耐心。 那么IFDSS可以帶來何種價值？ 參考案例企業： 第一， 管理報告生成時間由每月18號提前至每月3號， 基本與結賬時間同步（略延后6 ～ 12小時）， 且信息量較之前增加近5倍; 第二， 建立財務數據中臺， 規范數據治理， 依托單一系統實現全面預算、滾動預測、合并報表與報表附注、商業智能等功能; 第三， 將財務管理流程嵌入IFDSS， 將績效考核融入IFDSS， 進一步前移財務管控窗口， 財務管理由“粗放型”邁向“精準型”; 第四， 應用前瞻性的人工智能技術， 財務人員的生產力得到極大的解放， 原10人管理報告小組轉崗為財務分析、預算管理、共享報告， 財務部門提供的決策信息更富價值; 第五， 業務部門對IFDSS的認同， 逐漸接受IFDSS的信息處理模式， 紛紛要求在IFDSS中實現非財務需求， 故而“深化IFDSS應用主題、疊加IFDSS應用價值”。

六、結束語

本文旨在從“理論推動實踐， 實踐修補理論”的角度， 探討智能財務決策支持系統（IFDSS）體系框架、最佳實踐。 實踐固然重要， 但應先從思辨的角度剖析IFDSS存在的必要性、必然性， 即“決策有用性”、有效市場理論。 “三論”（系統論、信息論、控制論）是IFDSS體系框架中相關原則形成的基石， 人工智能、軟件工程學是IFDSS最終從理論走向實踐的對策。 也應認識到， IFDSS的標準化程度遠不及ERP， 理論研究、行業實踐一直“波瀾不驚”： 一是企業需求、管理基礎尚未達到應用IFDSS的高度; 二是企業僅簡單應用IFDSS某些功能， 并未全面推廣。 然則， 會計智能化是大勢所趨， 所以筆者期望通過本文為我國IFDSS發展提供有益參考。 值得一提的是， 限于時間和篇幅， 未能給出IFDSS案例的詳細方案。 此外， 本文所構建的IFDSS體系框架在完整性、規范性方面可能尚存缺憾， 其合理性、科學性尚待進一步考證， 該部分內容將在后續相關論文中予以探討。

【 主 要 參 考 文 獻 】

[1] 美國會計學會.基本會計理論[M].北京：中國商業出版社，1991.

[2] 葛家澍，唐予華.關于會計定義的探討[ J].會計研究，1983（8）：26 ～ 30.

[3] 楊紀琬，閻達五.開展我國會計理論研究的幾點意見——兼論會計學的科學屬性[ J].會計研究，1980（1）：2 ～ 10.

[4] Ralph H. Sprague Jr.， Eric D. Carlson.Building Effective Decision Support Systems[M].New Jersey：Prentice-Hall，Inc.，1983.

[5] Robert H. Bonczek， Clyde W. Holsapple，Andrew B. Whinston.The Evolving Roles of Models in Decision Support Systems[ J].Decision Sciences，1980（11）：337 ～ 356.

[6] 李良材，陳翼豫.財務決策支持系統[ J].會計研究，1996（4）：29 ～ 32.

[7] 梁榮華，史濟建.人工智能在財務決策支持系統中的應用[ J].計算機工程與應用，2001（8）：118 ～ 121.

[8] 楊周南.論會計管理信息化的ISCA模型[ J].會計研究，2003（10）：32 ～ 34.

[9] 王世定，徐玉德.IT 環境下會計系統重構：一種融合理論及模型構建[ J].會計研究，2004（9）：40 ～ 44.

[10] 宋旭東，劉曉冰.企業集團分布式數據倉庫及決策支持系統研究[ J].計算機工程與應用，2009（31）：207 ～ 210.

[11] 楊周南，劉梅玲.會計信息化標準體系構建研究[ J].會計研究，2011（6）：10 ～ 18.

[12] 傅元略.財務智能理論：智能體與情景情緒計算融合[ J].財務研究，2018（6）：14 ～ 20.

[13] 續慧泓，楊周南.基于管理活動論的智能會計系統研究——從會計信息化到會計智能化[ J].會計研究，2021（3）：11 ～ 27.