商業智能在財務管理中的應用

姚菲菲 中信證券股份有限公司

引言

商業智能（Business Intelligence，簡稱：BI）是現階段企業數字化工具的組成部分之一，其能夠承接企業其他信息系統，整合企業的海量數據，打破數據孤島困境，實現數據的集成與統一，是企業連接、處理、應用、分析、展示數據等能力的核心依據。同時，財務管理的理念在如今數智化時代有了更好的應用場景和拓展空間，管理會計報告也伴隨數智技術的發展、組織變革及生態化戰略的深入推進，成了企業創值增值運營轉變過程中的有力工具。管理會計報告既能打通財務人員和業務人員的信息屏障，又有利于財務管理人員從全局出發，更系統、更專業地融入企業事前、事中、事后的運營決策和價值管理。

下文將重點結合財務商業智能應用場景分析闡述財務視角下的BI 價值及在財務管理中的應用實踐和未來展望。

一、商業智能（BI）發展歷程

觀遠數據CEO 蘇春園：“2022 年，是BI 的變局之年，即商業智能BI 正從過去以報表為主的傳統BI 時代，進入以業務分析為主的現代化BI 時代”。

商業智能提升企業數字化進程，實現數據集成和統一管理。BI 是在打通企業數據孤島，實現數據集成和統一管理的基礎上，利用數據倉庫、數據可視化與分析技術，將指定的數據轉化為信息和知識的解決方案，其價值體現在滿足企業不同人群對數據查詢、分析和探索的需求，從而為財務管理和業務發展提供數據依據和決策支持。

1958 年，IBM 的計算機科學家Hans Peter Luhn 撰寫的一篇文章《A Business Intelligence System》中，開始描述BI 的價值和潛力，今天他被公認為“商業智能之父”。20 世紀90 年代末和2000 年初，數十家BI 廠商進入市場，在此期間，BI 包含兩個基本功能：生成數據和報告，并以可視化的方式展示。但也面臨使用中復雜性和時效性兩大難題。21 世紀是一個明顯的轉折點，隨著云計算、SaaS、大數據的發展和成熟，商業智能開始被更多的企業使用，解決了復雜性和時效性的問題，實現自助式和改進可視化是BI 的發展領域和現代化特征。隨著商業智能將廣泛普及，以數據為中心的企業管理將成為常態。自然語言處理、人工智能讓數據成為智慧。

二、財務管理視角下的BI價值

（一）BI 功能與應用

1.數據分析

現存財務管理數據分析痛點主要是復雜數據預處理難度高；指標口徑不統一，同時造成追溯數據問題難；多維分析處理流程復雜，處理效率低，容易出現統計錯誤等。

在完成數據資源整合的基礎上，財務工作中可引入關聯規則、文本分析等技術手段，逐步增加在線分析、數據倉庫、數據挖掘、決策支持等功能與服務，建成彈性、高效、可個性化定制的一站式BI 大數據分析平臺。同時整合分析企業財務報表、宏觀經濟環境、行業發展規律等方面的數據，廣泛選擇多種指標，挖掘指標間的關聯關系，構建財務預警模型，幫助企業管理層動態評價與掌握企業財務風險，制定經營決策。

一站式BI 大數據分析平臺可提供拖拽操作、指標管理和多維分析功能來輔助財務管理工作者進行財務及業務數據分析。BI可提供自助化的操作界面，用戶基于語義層可以在權限受控情況下通過簡單的鼠標勾選數據字段快速獲得所需數據，并提供條件篩選、數據格式、聚合計算、排序、過濾、告警、圖形等功能供用戶選擇使用，降低使用門檻，使財務分析更專注于業務。指標管理功能將分散在不同系統的各類指標集中管理，并用統一的標準進行約束，展現用戶指標運算邏輯，幫助企業統一指標口徑，構建完善的指標體系。財務管理工作者可通過自由組合維度、匯總計算、切片、焦點項、鉆取、排序等輕松實現數據探查，根據業務主題，從時間、部門、人員等不同維度分析數據。

2.數據展示

財務分析展示的痛點集中在可視化效果單一，大多只能使用已有的固定模板；業務人員與開發團隊需求對接難度高，開發周期長。BI 分析報表可通過Excel 式報表開發，降低學習成本。巧妙實現各種復雜樣式的中國式報表，并支持Excel 函數公式，涵蓋海量的動態圖形效果及交互方式。其中問答式數據獲取無需編程或Excel 篩選，即可幫助業務人員使用業務思維詢問，在海量數據中快速獲取需要的數據，提高提取效率。

（二）BI 在財務管理中的應用實踐

商業智能（BI）的優勢體現在以下幾方面。一是一站式數據服務能力。覆蓋數據采集、計算、存儲、分析、預測等數據分析全流程，降低實施、集成成本。二是超大數據量處理。利用分布式存儲與計算，滿足億級數據表的關聯查詢和計算，幫助企業處理大數據量分析場景。三是全面的系統運維保障。支持集群分發、分布式緩存、補丁包機制、運行監控、多方位安全管控和用戶行為分析，全面保障系統落地。四是智能化的數據分析能力。運用自然語言處理、機器學習等增強分析能力，提升分析廣度和深度。五是一體化的數據建模能力。支持跨不同數據查詢整合，與分布式ETL 一體化。提供敏捷建模、智能分析，全面支持各種數據準備需求。六是助力企業構建數據文化。通過各平臺互動、數據目錄、應用商店等能力，幫助企業構建完善的數據化運營。

商業智能（BI）是承接財務數字化轉型的最佳工具，幫助企業發揮在信息化階段所積累的數據價值，從而推動加速財務的數字化轉型進程，BI 適用于財務信息化建設的中后期。BI 幫助企業的“死數據”變為“活數據”，讓財務決策有數可依，有據可循。

1.BI 與業財融合財務結合

傳統財務工作是分散、封閉、手工的作業方式，這種作業方式導致財務部門在掌握大量經濟活動原始資料的情況下丟失了大量數據。比如一份差旅費單據，財務只需借差旅費，貸銀行存款，但機票的價位、折扣、航線、時間、頻率等財務都不知道；一份收入憑證，財務只記客戶和科目信息，客戶是新增客戶還是存量客戶、客戶的規模、客戶與公司建立的業務種類及相應規模等財務也不知道。這些信息有些已載于各類原始單據中，但財務沒有采集能力，因此在數據分析時只能從財務數據出發再回到財務數據，缺乏業務分析的素材，分析報告在業財融合方面的深度廣度非常欠缺。

企業運用商業智能（BI）工具，將付款、收款、報銷等各項業務的前端信息接入系統，就會使各項業務在系統中形成數據流，并存儲于統一的系統內，這為數據分析提供了廣闊的空間。財務部門可以根據各種需求采集、加工相關數據，將數據轉化為有價值的信息，為企業的管理決策提供更直接、更有說服力的數據支持。

某大型券商的數智化技術賦能財務管理實踐是基于上游應用系統數據在BI 系統進行整合與集成，從而實現智能化分析與展示。

BI 與智能費控應用的結合。通過BI 推動構建集中、高效、準確和共享的核算與費用管理中心。并通過BI 系統與報銷系統數據集成構建智能費控應用，運用BI 工具完成公司層面統一的費用控制報表，完成部門費用畫像、個人費用畫像等財務管理界面。通過智能費控報表的應用提高了費用報銷的時效性與合規性，實現了降低報賬的人工成本。

BI 與預算分析應用的結合。通過BI 推動財務管理在業務端前置，將預算管理、分析支持等與業務流程緊密融合，架起業財橋梁。通過BI 與預算管理系統數據集成，可運用BI 工具生成考核明細、收入分攤明細、預實對比報表等多張可視化報表。通過獲取費用使用信息，并與預算計劃進行對比，分解業務預算并落地考核指標，量化預算進度，從而做到事前申請、事中控制、事后分析全流程管理。可視化界面也幫助財務人員快速且直觀地了解預實現狀，該形式比報表更具有可讀性。

2.BI 與戰略財務結合

戰略財務定位于服務公司中長期發展戰略，以財務管理為抓手支持公司的業務發展與高效運營。在經濟學供應鏈領域長期存在一個經典問題就是“牛鞭效應”。“牛鞭效應”是指下游企業向上游企業傳導信息的過程中發生信息失真。Sterman 設計了“啤酒博弈”的課堂游戲，從人的行為研究出發，認為決策者對反饋信息的誤解是造成這種現象的主要原因。延伸到戰略財務管理領域，要通過數據串聯各項業務，整合資源尋求戰略層面全局最優解，就需規避信息不對稱、不共享導致數據逐級放大，出現失真的現象。信息失真使得決策層無法了解問題出現的具體原因與本質。為解決此問題，已經有不少大型企業通過構建可視化經營分析操控臺，促進財務在管理控制和決策支持方面發揮作用。依托多維度、多視角的財務分析與預算管理，全程參與公司的經營與管理活動，優化資源配置、合理管控成本。

此外，在大數據及商業智能等信息技術不斷發展的背景下，數據分析的思路、方法、目的與傳統數據分析存在很大差異。傳統數據分析模式下更關注數據線性關系，目的是分析變量之間的因果關系和親疏程度，反映的是事項的過去。大數據之間更多是非線性關系，分析的目的是尋找變量或現象之間的相關關系，進而根據相關關系進行由此及彼、由表及里的關聯預測，目標是對未來的決策提供支持。

企業要通過BI 打造的財務數據分析體系不僅僅是傳統的財務體系，而是企業級別的新技術戰略平臺。通過構建智能財務平臺，將財務信息分析平臺轉化為企業的價值中心。改變原有財務與業務系統的分離狀況，實現系統閉環、價值閉環。提高數據處理、分析和披露的時效性，提升管理層的決策效率。以員工報銷費用的分析為例，傳統數據分析通常包括人均費用水平、費用使用趨勢、費用的投產效率等，這些都是反映過去事項的結果性指標。在大數據背景下，可以關注哪些員工在哪些地點發生了此類費用，不同地區、不同年齡的員工在這類費用的消費選擇上有何不同，法定節假日發生的費用占比是多少、是否合理合規、是否代表員工加班等。基于商業智能（BI）和大數據分析更多會關注費用發生過程中的各要素與各環節，一方面通過大量數據的聚合反映每個要素的特點，另一方面通過與大量數據的對比找出異常數據，這些分析結論或許能夠為公司費用管理制度、人員選聘等提供有意義的參考。

三、BI未來應用展望

（一）RPA+BI 應用結合

通過RPA+BI 應用結合是依托RPA 技術執行大批量、可重復性的數據獲取和數據處理工作，并結合BI 工具實現數據分析及展示功能。

RPA，指機器人流程自動化。其將財務管理領域的各項業務梳理加工，經RPA 技術轉換到業務流程自動化系統中，以減少財務人員的手工操作。它的有效運行能替代財務人員完成財務流程中的手工操作，降低企業用工成本，提高財務工作的效率和質量。

BI 是建立在各信息系統之上的軟件，需要前期數據治理，理想的方案是構建財務數據平臺，實現數據的統一管理與處理。但考慮到部分數據內嵌在各個系統中，轉移至財務數據平臺難度高，可以采用RPA+BI 的形式，直接從業務系統頁面快速抓取數據。實現全自動數據獲取，從而減少手工報表信息整理。

（二）AI+BI 應用結合

在財務管理領域數智化應用發展的方向是通過引入語音識別、圖像識別、自動費用管控、智能商旅等各種AI 智能因素，與BI 工具的算法結合進行相應的財務分析。

人工智能（artificial intelligence，AI）是研究如何模擬和拓展人類智能的理論、方法、技術及應用系統的技術科學。通過人工智能技術的深度場景化應用，增強數據思考的能力。如基于自然語言處理技術、知識圖譜等人工智能技術，可深度理解用戶問題的意圖，為用戶提供專業的數據分析服務。根據圖表的特征，比如一張報表或者一個大屏能夠自動地用語音進行業務解讀，即用機器學習的方法直接把圖表的特征以及背后的業務邏輯進行智能關聯，并用生動的語言解釋出來。相信在不久的將來，人工智能技術可以使BI 工具分析和生成更清晰、更有用的業務洞察力，從而幫助公司做出更好的決策。

結語

綜上所述，在數據即資源的時代，財務管理作為企業重要的管理抓手，如何收集、加工、存儲、管理、分析、分享企業快速增長的數據資源，是財務部門面臨的巨大挑戰和歷史機遇。BI中蘊含的數據驅動決策的管理方式，憑借其客觀性、科學性、全面性、普適性等優勢，能夠有效地保障企業數字化的方向不出現偏差，經營決策由以經驗為主向數據驅動轉變。