建立長效治理機制提升投料數據質量

王春艾 劉伯洋

首鋼京唐鋼鐵聯合有限責任公司 河北 唐山 063210

引言

投料數據是在生產過程中對各種物料的流轉、消耗、儲存及產出等流轉信息進行記錄而產生的，投料數據的及時性、準確性關乎結算質量，通過分析實際投料數據掌握當前投料管理的現狀，并對其進行監督管控、總結分析，不斷提升投料數據的質量；與成本管控等專業管理工作相結合，以達到降低消耗、支撐成本預測、成本核算及單利分析等經營決策的目的。

1 投料管理業務流程及當前數據問題

1.1 主數據代碼應用不規范

成本中心、物料編碼等由相應專業管理部門編制并下發，各業務部門在實際使用過程中存在如下問題：業務系統代碼新增或變更不及時，代碼名稱（含義）不規范或錯誤，已停用的代碼未同步封存[1]。上述問題最終體現為不同程度的投料錯誤或偏差，影響核算數據準確性。

1.2 投料數據重復

因人為操作失誤或系統傳輸故障等原因導致日常收發存數據重復，造成投料數據失真。另外，數據傳遞流程長、跨系統多，比如二級傳三級，三級傳投料，目前往往依賴人工核對，數據傳遞差異處理的及時性有待提高。

1.3 收發存數據上傳滯后

現場收發存數據未做到實時上傳或按日上傳，普遍觀念認為月末正式結賬前匯總完成收發存收據上傳即滿足時限要求。近年來隨著精細化管理的不斷深入，無論是成本預測還是標準成本制定，都會倒逼日常消耗數據準確完整，滯后的數據已難以滿足需求。

1.4 系統投料物料與實物不符

系統投料物料與實物不一致的情況時有發生，一方面轉儲來源部門與接收部門溝通不及時，另一方面轉儲接收部門專業技術人員未及時通知操作人員變更物料編碼。

1.5 數字技術與投料管理融合深度不夠

對投料數據的監控方式主要是對系統中大量數據進行導出篩選，整理臺賬，再根據了解到的機組正常投料水平進行監控。日常投料缺少事前預警環節，被動接受，月末一次調差。問題數據未做到可視化，低效。

1.6 跨系統差異日常無人核對

投料管理依托投料PES系統，其與8個前端業務系統均有數據接口，目前投料數據核對問題表現在：日常僅與后端財務系統核對，與作為投料數據源頭的前端各業務系統僅在月末核對，導致收發存問題未能及時發現和處理，日常作為各類投料指標取數來源的投料PES系統數據并不能保證完全準確完整，無法為成本管控、預測、預算及標準成本的制定提供可靠依據，也影響對各部門投料偏差的監管和評價[2]。

1.7 業務流程有待優化

通過對異常數據分析發現，跨系統拋賬時間設計不夠科學，比如采購出庫與拋賬時間差過長，影響對賬和結算效率；個別業務流程未形成閉環管理，比如：業務系統軋輥收發存按直徑管理，財務系統軋輥收發存按重量管理，直徑折算重量過程中會出現直徑庫存為0但重量庫存有尾差的情況，而業務系統發起報廢流程時并未檢核財務系統余值，存在賬實不一致風險。

2 數據治理的主要舉措

2.1 構建和完善數據治理標準體系

鋼鐵企業投料物料項目主要可以包括礦粉、廢鋼、合金、煤、溶劑、輔材等大宗原燃料和中間半成品，根據物料特點和當前問題類型，在原有重點指標臺賬基礎上，制定日收發存檢核及周、月調差率等統計指標并通過可視化平臺實時展示，其中：日收發存檢核旨在通過每日計算每種物料在各個庫存地下的收發存進而篩選出日末庫存量為負數的異常數據開展分析，剖析背后的具體業務問題并對業務操作或流程進一步完善；周、月調差率指標旨在監控結算調整是否在正常的計量偏差范圍內，以此監控為了追求個體利益而進行的調整行為，確保成本核算信息真實準確[3]。具體如下：

表1 數據治理指標和邏輯

負庫存檢核可以暴露包括但不限于如下問題場景：①實物轉儲物料A，系統消耗物料B，由于B無庫存，消耗時庫存為負。②應用代碼A投料，誤用代碼B完成投料，B物料負庫存。③A物料實物轉到C庫存地，但系統投料為D庫存地，則D庫存地下A物料庫存為負。④期初庫存10t，實際消耗5t，系統誤投500t，庫存為負。

2.2 建立標準化數據治理流程

做好投料數據質量管理工作不僅僅是企業財務人員的責任，整個企業的各相關環節都應該注意數據源的管理。組建團隊，明確職責分工：財務人員負責牽頭推進和監督，作業部門按要求實施，專業部門在實施的同時負責做好專業把關，信息化部門負責配合系統流程的優化和實施，過程中持續加強與專業部門、作業部門及信息化部門的溝通。持續將線上指標監控與線下投料巡查相結合，開展如下工作：

一是依托信息化系統，通過在線平臺實現可視化展示問題數據，便于及時發現和分析異常數據。二是遵循“誰產生數據，誰負責數據”的原則，組織剖析異常數據的形成原因，定期通報處理進度，指出業務風險點，發揮團隊專業優勢，制定優化方案，明確整改期限，跟蹤整改進度，定期評估和檢查數據質量提升結果，發布數據質量提升月報，形成“發現問題-分析問題-解決問題-過程跟蹤-結果反饋-措施固化”的良性循環，持續提升數據質量，逐步完善治理體系，規避業務風險，為標準成本和各類決策提供更準、更多的可用數據。三是定期開展現場投料規范性檢查，對物料的實物管理過程進行監督和檢查。

2.3 完善配套制度建設

對投料管理、存貨盤點、成本核算等制度及相應的考核管理辦法進行重新修訂，使之科學合理、切實可行，適應管理的新變化。全面梳理職責、業務、流程、相關節點及風險點，加深理解促進提升，將投料基礎數據治理的線下工作流程固化到制度中，明確職責分工、工作標準及績效評價，指導業務部門規范業務流程和數據。制度修訂后按月對執行情況進行自檢自查，夯實制度基礎，提升合規管理能力。最終實現降低風險、節約成本、提高效益。

2.4 建立閉環數據質量管理模式

建立日監控、周總結、月匯報的常態化數據治理模式，通過按周、按月組織對日常收發存數據和手工調差進行深入分析，暴露數據問題、解決業務問題，依托公司網信委例會發布《數據質量月報》，通報問題及改進進度，形成閉環管理。在治理過程中，深度應用信息化手段，比如：通過系統封存停用物料等措施杜絕投料物料編碼錯誤，通過制定消耗定額設置系統物料消耗預警等杜絕投料數量級偏差，逐步實現投料控制的“傻瓜”化，降低員工工作強度和人員數量要求，持續提高投料效率和質量。

2.5 運用RPA機器人實現跨系統日對賬

隨著數字經濟的高速發展和企業精細化管理的不斷深入，業務處理的自動化及智能化需求日益旺盛，傳統的業務處理模式難以跟上時代的發展。運用智能自動化代替職工完成低附加值且重復的任務，不僅能夠提升整體的效率，而且能為企業職工減負，提升人才價值，優化業務流程，創新業務模式。

立足于此，與信息化專業深度結合，運用RPA機器人將線下流程轉移到線上。陸續實現了機器人完成日均數據條數高達19萬條的大宗原燃輔料、自制半成品收發存明細日對賬及24h更新發送生產牌號主數據等8個流程，提升了工作效率，增強了合規性。

3 主要經驗或成效

3.1 業務持續規范，日常數據質量穩步提升

通過運用大數據技術對數據治理工作進行精細化，問題數據率處于較低水平，日常數據更客觀的反映指標真實水平，為成本預算、成本預測提供了可靠支撐，為公司下一步生產經營提供了決策支持；為成本核算和分析奠定了基礎。隨著常態化監控的持續推進，經營成果更及時、準確體現到財務賬上。

3.2 強化投料班清日結，提升物料管理水平

推行投料數據質量管理的過程中強化了基礎管理，班清日結得到強化，進一步規范了崗位作業，提高了崗位操控水平，產品質量得到改善。對物料的收發存各環節的管理更加精細，物料消耗控制更加高效，能夠更加準確掌握成本支出情況；現場物料碼放更加整潔有序，對于桶裝物料如涂漆等的庫存估算更加精確，也消除了物料不夠對生產的影響，賬面實時庫存更真實反映實物水平，為生產運營、物料調度提供更具參考價值的數據。

3.3 月結效率持續提升，結算數據風險不斷降低

受多系統交互影響，跨系統數據問題頻發，問題數據得不到及時解決無法成功上傳至投料管理系統和成本核算系統，導致月結數據不完整、不準確。在龐大的數據面前，人為對賬的難度更大，效率更低，基于此，我們通過RPA機器人技術實現了自動對賬、自動維護拋送主數據等流程，大幅提升了工作效率和結算數據的準確性、完整性。同時，日常檢查+月末預排查長效機制的建立和穩定運行，結算效率持續提升，結算數據風險持續降低。

4 對類似企業的啟示或啟發

4.1 以數據為出發點，深挖數據背后的業務問題，持續優化業務流程，達到舉一反三、事半功倍的效果

財務指標是業務是否規范的最終體現，從數據源頭開始，實時動態監控，實現常態化監管水平的持續提高。通過對數據源進行整合，開展多維度對比分析，由發現和處理某一種數據問題延伸到處理某一類問題，由處理某一個部門或庫區的問題延伸至處理全公司同類問題，持續對流程進行優化和再造，對現場物料管理進行規范。用最短時間獲取最有用的數據，提高數據的及時性、相關性、準確性，提升管理效率，滿足決策需要。

4.2 在業財融合基礎上，充分利用信息化手段，實現業務、財務、信息化深度融合，找準降本增效發力點

信息技術的應用減少了人力資源的浪費，降低了職工的勞動強度，節省出更多的精力去開展管理活動。鋼鐵企業的財務人員首先要熟練掌握財務和會計管理知識，對企業各個生產環節中涉及成本管理的各項業務也要了如指掌，對鋼鐵生產作業現場和生產工藝流程要熟悉，積極參與企業財務成本控制的信息化建設，保證原料收集、成本歸集等原始資料的完善與準確，通過可視化分析等輔助手段和現場檢查調研，真正做好事前分析、事中控制、事后核算，找準要點；通過加強與各專業協作打通堵點，解決痛點，克服難點。

5 結束語

投料數據治理是企業物料收發存管理的一次嘗試和創新，數據治理是一項系統性的工作，涉及技術、組織、制度、管理和執行。加大對數據質量治理的技術支持，在系統開發中采取校驗技術，可視化展示異常數據，幫助職工發現錯誤，糾正錯誤，禁止違規操作，降低人為風險。完善數據治理相關制度，讓職工做到“有法可依，有法必依”，同時把數據質量管理工作與員工的績效、獎懲結合起來，加強正向激勵作用。建立組織、管理、執行體系，明確職責分工和執行標準，制定方案并推動執行和落地。通過長效機制的建立和穩定運行，不斷提升投料數據質量。