政策性銀行財務數智化轉型路徑研究基于組織變革視角

0 引言

當今世界面臨“百年未有之大變局”，人工智能的突破正在引發新一輪技術革命，推動生產力極大進步，深刻地重塑經濟社會的面貌。如何把握新一輪技術革命的歷史性機遇，以新質生產力驅動高質量發展，事關人民福祉和國家命運。政策性銀行作為由國家持股、肩負國家政策使命的金融機構，應當“修煉內功”，用好智能技術，做好自身的數智化轉型，從而帶動全社會數智化水平的提升。財務是企業中串聯業務前臺與職能后臺的紐帶，更是以資金管理為主營業務的銀行的核心部門，牽一發而動全身。2023年12月，中央企業財務工作會議強調，為建設世界一流財務管控體系，中央企業應順應智能變革趨勢，加快推進財務數智化轉型。政策性銀行屬于中央金融企業，推動財務數智化轉型既是提升自身競爭力的需要，又是承擔社會責任的體現。

唯物史觀指出，生產力決定生產關系，生產關系會對生產力產生反作用。組織結構屬于生產關系的范疇。根據“技術革命一生產方式變革一組織結構調整”的演進規律，技術革命推動了生產力的飛躍，也產生了更為復雜的生產方式，最終引發組織變革，確保組織在現有的生產力水平和生產方式下最高效地開展價值增值活動[1]。而不適應生產力水平和生產方式的生產關系會制約生產力作用的發揮。財務數智化轉型基于新一輪技術革命的成果而來，同樣遵循“技術革命一生產方式變革一組織結構調整”的演進規律。因此，政策性銀行要想做好財務數智化轉型，就要重點關注組織變革在轉型過程中的影響。本文以技術革命下的組織變革作為切入點，分析政策性銀行的財務數智化轉型現狀及特點，識別轉型過程中的潛在問題，并就構建有利于財務數智化轉型的組織結構提出建議。

1財務數智化的發展歷程和組織特性

1.1 財務數智化的發展歷程

財務數智化是企業將智能技術引入財務工作的過程。其中，“數智化”概念是在“數字化”概念的基礎上發展而來的，即財務數智化 Σ=Σ 財務數字化 + 智能化[2]。以2023年初ChatGPT面世為標志，人工智能在一眾數字技術中取得了最受矚目的突破，掀起了新一輪技術革命。由此，“數智化”這一更強調人工智能的概念逐漸取代“數字化”，成為企業提升財務工作質效的發力方向。

縱觀中國財務系統建設的歷程，企業不斷采用新技術的驅動力在于讓財務更好地服務于業務發展，以應對激烈的市場競爭。根據財務工作采用的主要技術手段，中國財務建設的歷程可劃分為會計電算化時代、財務共享時代、智能財務和價值財務時代。

（1）會計電算化最重要的內容是電子記賬方式的推行。隨著改革開放的深人，信息技術的發展推動了微型計算機在財務會計領域的廣泛應用。企業憑借信息技術將手工記賬轉變為電子記賬，不僅提升了核算速度，還便利了財務數據儲存和傳輸。由于財務信息生產方式的轉變，財務人員即生產者相比之前需要掌握計算機使用這一勞動技能。因此，企業對勞動者信息技術水平的更高要求成為這一時期財務組織變革的重要特性。

（2）財務共享最突出的特征是核算制度和財務系統的統一和財務組織的集中。經歷了一段時期的高速增長，企業出現集團化趨勢，在規模、業務種類和地域范圍上都實現擴張，需要處理更為復雜的財務工作。得益于信息技術的進一步發展，批量數據的實時傳輸與儲存成為可能，為財務共享中心的建立提供了契機。核算制度和財務系統的統一基于規模效應，降低了總部合并子公司和分支機構財務信息的溝通和處理成本，而財務組織的集中有助于精簡財務人員。因此，這一時期財務組織變革的主要內容包括財務共享中心這一機構的建立、組織內核算制度和財務系統規則的統一及組織內財務人員分工的進一步細化。

（3）智能財務和價值財務的標志是人工智能技術在財務工作中的運用，這也是方興未艾的財務數智化時代的主題。當人工智能技術成為財務工作的生產工具時，原本由人工完成的事務性工作轉由人工智能分配給更底層的機器處理，即實現了第三輪技術革命“機器控制機器”的預言。這不僅將推動財務工作效率的提高，更意味著財務人員將從繁重的重復勞動中解放出來，走向通往價值財務之路。這個時期的財務組織變革將體現于財務人員角色的轉換，呈現“業財融合”的傾向。

1.2財務數智化的組織特性

數智化時代的財務組織將迎來勞動分工的細化和知識等人力資本重要性的凸顯。上述財務建設的發展歷程符合“技術革命一生產方式變革一組織結構調整”的演進規律。在財務工作中，生產者為財務人員，生產對象為財務信息，如何生產符合要求的財務信息則屬于生產方式范疇。隨著信息技術乃至智能技術的進步，機器在生產方式中的作用呈現從“機器生產商品”至“機器控制機器”的轉變，使得生產方式越發具有復雜的“迂回性”?！斑w回性”強調生產的中間環節的增加，意味著勞動分工的進一步細化，并反映在財務數智化的過程中。以銀企對賬為例，前數智化時代的對賬工作需要經歷銀行運營人員手動登錄網銀、下載銀行流水和回單、比對企業內部系統數據、制作余額調節表等步驟；而在數智化時代，上述步驟可以借助機器人流程自動化（RPA）技術由銀企對賬系統一鍵完成。對于銀行運營人員來說，銀企對賬的操作更加便捷：在勞動分工的視角下，銀行運營人員的職責由前數智化時代的全流程操作細化到對機器發出對賬指令這一步操作，其他步驟則由機器代勞。生產方式的“遷回性”意味著勞動分工的進一步細化，也反映了勞動分工的細化程度。同時，生產方式的“遷回性”則對生產者的素質提出了更高的要求，反映在組織層面，就是知識等人力資本的重要性愈加突出。在智能對賬系統中，銀行對賬人員不僅需要了解傳統的手工對賬方法，還需要了解機器的對賬模式，這樣才能在機器出現故障或其智能水平尚未達到完全替代人工的程度時完成對賬流程。

數智化時代的組織結構將逐漸朝“業財融合”的方向演化。在第三輪技術革命中，信息系統從集中計算、云計算向邊緣計算轉變，將提升企業組織內各業務單元的靈活性和敏捷性，使得企業的生產活動出現“定制化”特點，呈現更加靠近客戶和項目的業務導向，而財務組織內原本從事標準化財務信息生產的部門，由于智能技術對生產效率的提高，則會得到精簡。尤其在銀行業這種直接服務客戶的行業，其中具有創新能力的知識型員工，由于其能推動企業的價值增值，更可能受到青睞，從而形成潛在的推崇個性與創意的組織文化。不過，由第二輪技術革命時期繼承而來的強調縱向等級管控的職能型組織尚未消失，使部分企業形成了職能組和項目組兩種組織并存的局面，但這兩種組織存在矛盾。因此，兩者并行的組織架構只是過渡期的產物。在業務導向的驅動下，企業最終會轉向“業財融合”方向，形成動態可擴展的組織結構。

2政策性銀行財務數智化的現狀和問題

政策性銀行是由國家出資設立、以貫徹國家經濟政策為目標、在特定領域開展業務的銀行。與其他商業銀行一樣，政策性銀行也需要提高財務工作的質效，存在財務數智化的需求。在業務層面，政策性銀行與商業銀行相比主要存在3點差異：第一，業務范圍局限于特定行業領域；第二，僅從事批發業務，無零售業務；第三，業務一般具有周期長、規模大的特點。以上差異是由政策性銀行的公共性決定的。當前，中國的政策性銀行包括中國農業發展銀行和中國進出口銀行（國家開發銀行的定位為開發性金融機構）。其中，中國農業發展銀行的主要任務是支持農業農村重點領域和薄弱環節建設，中國進出口銀行的主要任務是支持中國對外經濟貿易投資發展與國際經濟合作。

盡管政策性銀行以貫徹國家經濟政策為目標，但經營過程中也需要“保本微利”，采用市場化的運作方式，保證自身高質量發展的可持續性。因此，相比商業銀行，政策性銀行的目標函數只是增加了政策導向的約束條件，“技術革命一生產方式變革一組織結構調整”的演進規律仍適用于分析政策性銀行的財務數智化實現路徑。當前，中國政策性銀行的財務數智化取得了有目共睹的成就，但也存在一些需要解決的問題。

2.1政策性銀行財務數智化的現狀

為了做好包括“數字金融”在內的“五篇大文章”，中國的政策性銀行高度重視財務數智化建設，這在戰略規劃、組織結構、系統建設等方面均有所體現。

2.1.1 戰略規劃

在自身的戰略規劃文件中，中國的政策性銀行均強調包括財務在內的各領域數字化轉型，為財務數智化提供了路線指引。早在2018年，中國農業發展銀行就制定了全行信息科技3年發展規劃，提出要推動業務、數據、技術深度融合，全方位實現數字化轉型，支撐高質量發展。在同年發布的“十四五”信息科技發展規劃中，中國農業發展銀行進一步明確指出，要開展人工智能建模和應用，運用光學字符識別（OCR）、機器人流程自動化、機器學習、自然語言識別等新技術，將人工智能技術引入財務管理等環節。中國進出口銀行則將“對標數字化，科技賦能邁出新步伐”列為“十四五”時期五大發展目標之一。政策性銀行擁有清晰的戰略規劃，有利于統一組織思想，使各部門在財務數智化轉型過程中協同發力。

2.1. 2 組織結構

為了貫徹以上戰略，中國的政策性銀行針對組織結構進行了調整。中國農業發展銀行設立了金融科技和數字化發展委員會，統籌負責數字化轉型工作，持續推進信息科技“兩部四中心”架構改革；總行在原數據服務和管理中心基礎上進行優化整合，成立信息科技部的二級部一一數據管理部，負責數據治理、數據統計、數據服務、數據資產運營、數據平臺搭建等事項，并在北京、西安、珠海、合肥等地建立了金融科技中心和軟件開發中心，對包括財務系統在內的各種系統進行開發和維護。中國進出口銀行也在總行層面設立了金融科技委員會暨數字化轉型委員會。以上組織結構層面的調整有利于整合內部資源，發揮“集中力量辦大事”的制度優勢，支撐財務數智化戰略的貫徹落實；打通部門壁壘，促進部門協作，幫助企業實現數據共享和業務再造。

2.1. 3 系統建設

在數智化戰略的引領下，中國政策性銀行積極將智能技術引入財務系統。中國農業發展銀行方面，包括新一代核心業務系統、新一代信貸管理系統、運營全國大集中系統在內的重要系統均已上線投產，并持續進行更新優化。2023年1月，數智函證系統成功投產運行。該系統運用大數據、物聯網、區塊鏈、人工智能和RPA等先進技術，實現函證業務從錄人、歸集、審核到回函的標準化線上全流程生命周期管理，在節省人力成本和防范操作風險的同時，率先在國內銀行業實現總行級函證業務集中辦理，大幅降低了回函業務辦理時間，顯著提升了客戶體驗。2024年12月，新一代信貸管理系統智能問答功能上線。該功能選擇Qwen2.5-72B作為基座模型，基于《中華人民共和國民法典》及其司法解釋，以及行內百余項信貸制度構成的語料庫進行訓練，整體準確率可達 91% ，有效滿足了基層行制度查詢和業務辦理需要。中國進出口銀行方面，2022年5月，企業級核心系統數字化轉型集成工程全面竣工，可以實現全自動會計核算、憑證自動歸檔等功能，大幅提高了監管報表報送效率。

2.2 政策性銀行財務數智化面臨的問題

從財務在組織中需要扮演的角色出發，結合政策性銀行財務數智化的現狀，可以判斷出政策性銀行財務數智化存在的挑戰。在數智化時代，財務需要在企業中承擔更多具有更高價值的工作，從核算記賬、數據收集存儲、被動響應者轉向財務咨詢、數據分析、主動規劃者[3]。這重新定義了財務在組織中的職責，包括記錄報告、信息分析、經營支持、風險管理和戰略支持。盡管政策性銀行在戰略規劃、組織結構、系統建設等方面奠定了財務數智化轉型的基礎，但其中存在的問題也不容忽視。

2.2.1部分業務智能化水平有待提高

部分業務自動化、智能化水平有限，制約了業務處理效率的提升。例如，網銀系統與賬務系統、業務系統間數據共享程度有限，特定業務需要增加額外填列紙質補賬單；賬戶信息批量處理功能不夠完善，仍需要大量重復手工操作；面向客戶的智能語音客服的智能水平有限，語義理解能力較弱，客戶滿意度較低。

2.2.2 數據分析效能有待釋放

釋放數據分析體系的效能需要完善的數據治理體系，需要確保數據的可用性、一致性、安全性、合規性，涉及數據質量管理、元數據管理、主數據管理、數據資產管理、數據安全及數據標準等方面內容。當前，政策性銀行的數據治理體系存在以下問題：一是數據口徑不統一，難以進行數據共享；二是數據質量較低，存在不完整、不準確、不及時等問題[4]。例如，客戶信息部分關鍵字段缺失，使客戶經理難以及時聯系客戶；財務系統、信貸系統、客戶關系管理系統數據不一致，難以核實數據準確性；數據清洗自動化程度低，錯誤率高。

2.2.3 經營支持力度有限

在政策性銀行財務輔助業務的過程中，數據賦能的影響仍需要進一步加強。例如，政策性銀行在資金調撥時，仍較為依賴業務部門逐一詢問客戶資金需求的傳統方式，與機器學習、深度學習等智能技術的結合不夠緊密；財務部門接觸業務數據渠道不通暢，需要求助于業務人員才能獲得更為細致的業務數據，影響了財務分析的效率。產生該問題的原因，一方面是財務人員對智能技術的認識較為有限，缺乏使用經驗；

另一方面是組織賦予財務人員的職責與權限錯配，財務人員與業務人員的協作水平有待提高。

2.2.4風險管理壓力驟增

隨著智能技術的廣泛運用，政策性銀行面向客戶開放的系統也在不斷增多，使其在為更多客戶提供優質服務的同時，也面臨更為嚴峻復雜的網絡安全形勢和數據安全形勢。同時，生產方式復雜的“遷回性”增加了政策性銀行人員管理的難度。例如，對于部分可實現集中受理的業務，當政策性銀行評估通過勞務派遣方式受理該業務時，尤其需要關注潛在的數據泄露風險和操作風險。在“技術革命一生產方式變革—組織結構調整”的演進規律下，技術革命已然重塑生產方式，組織結構勢必隨著生產方式進行改變，但組織的規則尚未完善，可能誘發組織成員的套利行為。

3政策性銀行財務數智化轉型的實現路徑

在財務數智化轉型中，智能技術的運用為“表”，組織的深刻變革為“里”?；凇凹夹g革命一生產方式變革一組織結構調整”的演進規律，企業在采用新技術革新生產方式的同時，也要積極進行組織變革，以適應新的生產方式。企業推進財務數智化轉型，應當堅持戰略、文化、人才、安全先行，在建設完善信息系統的基礎上，開展數據治理，將數據的價值落實到每個應用場景中[5]。政策性銀行是特殊的企業，在“保本微利”的需求之上保持服務國家戰略的底色，使其相比商業銀行存在行業領域窄、對公業務主導、貸款期限長且規模大等特點。因此，政策性銀行應選擇一條具有鮮明特色的財務數智化之路。

3.1進一步完善財務數智化戰略部署

政策性銀行應當在現有數字化戰略框架下，為財務數智化轉型制定科學、合理的子戰略。盡管政策性銀行早已就數字化轉型制定了戰略規劃，但當時尚未在其中突出人工智能革命帶來的重大影響。戰略規劃主要回答的是目標問題和路線問題。財務數智化主要分為財務信息化階段、數智化發展階段和數智化優化階段。根據政策性銀行財務數智化的現狀，可以判斷其處在財務數智化發展階段，依據是：政策性銀行已經基本完成業務數據化這一財務信息化階段的目標，完成核心業務系統、信貸管理系統等系統的建設，而重視系統正是財務信息化階段的突出特征；政策性銀行尚未完成數據資產化過程這一數智化發展階段的主要目標，數據治理體系規范程度有限，跨系統的數據調整依賴手動更新，開展核算、稅務、預算等工作時仍高度依賴手工報表，BI（商業智能）報表、數字大屏等功能還不完善，難以滿足定制化數據需求。綜上所述，政策性銀行仍處于財務數智化發展階段，距離財務數智化優化階段還有一定距離。

在財務數智化發展階段，政策性銀行的目標是實現數據資產化，提高數據管理和應用水平，優化財務職能。因此，對于利用數據實現風險預警、預測推演、智能決策這樣的高階功能，政策性銀行應當進行長遠規劃，而當務之急是形成規范的數據治理體系，助力實現數據資產化目標。

政策性銀行中應由誰推進財務數智化轉型的問題，實際上是財務數智化需要何種組織體系的問題。數智化時代，企業應構建戰略、業務、司庫、共享“四位一體”的價值創造型財務管理組織體系。換言之，相比僅需要完成會計核算、提供標準化報告的傳統財務管理組織體系，新的財務管理組織體系定位更高、職責更廣，涉及現行組織體系下財務會計部、運營管理部、戰略規劃部、風險管理部等部門的職責。因此，政策性銀行的數智化轉型是一項涉及多部門的系統工程，需要金融科技和數字化發展委員會這樣的牽頭部門持續統籌各部門推動轉型。

3.2深入推進組織體系變革

人工智能的技術革命引致財務工作生產方式轉變，也要求企業組織體系變革，既體現為組織結構的變革，又體現為創新文化的樹立和人才素質的提高。但是，組織變革并非自動發生，需要組織主動作為。

在組織結構層面，政策性銀行作為具有一定行政色彩的企業，擁有職責劃分明確的部門和較多的決策層級。這會造成潛在的部門壁壘與協作困難問題，部門間信息流通不暢，協作效率較低，不利于實現數據治理體系的數據共享目標。決策層級多會在一定程度上降低決策效率?？己藱C制主要依據員工的職級和資歷進行評價，難以充分體現員工在數智化轉型過程中的表現。因此，為了建立適應數智化時代的組織體系，政策性銀行應當探索組織結構改革，基于數智化時代財務的擴展職責重新調整部門設置，嘗試合并柜面人員和客戶經理角色，從而優化網銀限額調整等業務的客戶體驗；以考核機制改革樹立數智化導向，鼓勵具有相關知識與經驗的員工積極創新。

在組織文化和人才層面，崇尚創新共享的數字化文化尚未真正形成，部分員工對財務數智化認識不足，缺乏創新主動性。政策性銀行要自上而下統一思想，在穩健經營的基礎上倡導創新，對新技術、新系統、新業務開展試點，通過編撰數智化成果案例集等方式積極在行內外進行宣傳，增強員工的創新意識。此外，政策性銀行應組織員工進行財務知識、業務知識及智能技術實操培訓，通過輪崗、團隊合作等方式推動不同條線人員進行交流，將內部挖掘和外部引進相結合，著力培育復合型人才。

3.3 做好安全保障和風險防范

在數智化發展階段，政策性銀行的安全邊界不斷擴展，面臨更為嚴峻的網絡安全和數據安全形勢，需要應對合規風險、操作風險等復雜風險。具體而言，政策性銀行需切實保證硬件、軟件、環境和數據安全。例如，與優質硬件設備供應商建立密切的合作關系，通過部署門禁、監控、重要物品控制柜等方式保障硬件物理安全，做好重要空白憑證管理；建立包括防火墻、網絡認證、溫控系統等在內的多層次網絡安全防御體系，與優質軟件安全服務商建立密切的合作關系，裝載并定期更新安全軟件；采取數據備份、數據加密、數據分類分級管理、權限管理與訪問控制、日志記錄監控等方式，嚴格落實信息保密規定，防范數據泄露風險。

3.4深入推進信息系統完善和數據治理體系建設

數據治理是對數據進行處置、格式化和規范化的過程，要求企業在從數據生產到消費的全生命周期過程中，持續開展并完善元數據管理、主數據管理、數據標準管理、數據編碼管理、數據質量管理、數據安全管理。當前，政策性銀行處于財務數智化發展階段，在建設完善信息系統基礎上，根據數據資產化的目標，需要通過數據治理體系建設為數據價值利用打牢基礎。

資產是由企業過去的交易或事項形成的、由企業擁有或控制的、預期會給企業帶來經濟利益的資源，而數據資產則是以數據為載體和表現形式的資產。要讓數據為企業帶來經濟利益，從而真正轉化為數據資產，不僅要落實數據的準確性、時效性、一致性、唯一性等基本要求，還要使數據可見、可懂、可用。當前，政策性銀行的數據質量還存在流程線上斷點、不同業務條線數據標準不統一等問題。為此，政策性銀行實施了針對“一戶多碼”（一個客戶擁有多個客戶編碼）等問題的專項數據治理活動，需要進一步采取各種措施推動數據資產化，達到數據資產人表并賦能價值創造愿景。

數據資產人表包括數據資源化、資源產品化、產品資產化3個階段[6]

數據資產人表的第一個階段是數據資源化，注重數據采集、清洗、整合和標注，以完成數據積累。對于政策性銀行而言，數據資源主要來自“三農”領域、國際貿易等本行主要支持的行業業務。數據的類型并不限于結構化數據，也可納入轉賬附言等非結構化數據，形成類型豐富的數據資源。

數據資產人表的第二個階段是資源產品化，是將數據資源加工成數據產品，以滿足行內或客戶的特定需求。例如，政策性銀行可以為基層行開發每日大額動賬報文服務，方便基層銀行整合和分析客戶資金需求；基于柜面業務流程規范數據，開發基于智能語音向導的自助柜臺。

數據資產人表的第三個階段是產品資產化，是經過數據質量評價，在企業財務報表中確認和計量數據資產。在數據資產的經濟價值得到量化評估后，政策性銀行更易于為數據產品定價，更好地為客戶提供專業金融數據服務，增強貫徹國家經濟政策的能力。

數據資產化的過程與數據中臺能力建設并行不悖。數據中臺的基礎架構包括數據采集、數據計算、數據治理、數據服務4個模塊，具備擴展性，以支持各部門根據自身業務需求提升發掘數據價值的能力。在政策性銀行的客戶中，不乏從事農業、國際貿易等領域的小微企業，這些小微企業自身數智化能力較弱。政策性銀行借助數智化時代的數據中臺，不僅可以推動自身高質量發展，更可以在技術革命視野下借助自身規模效應為企業降低數智化應用的成本，讓智能技術走入更廣闊的天地，帶動全社會財務數智化。這符合政策性銀行公共性的本質特征。

4結語

根據“技術革命一生產方式變革一組織結構調整”的演進規律，基于組織變革視角，演繹出政策性銀行財務數智化的路徑：人工智能技術的飛躍極大地提高了財務工作的質效，使業財一體化的生產方式成為可能，要求更加靈活、敏捷的組織結構，以適應財務數智化需要。由此，針對政策性銀行的財務數智化提出以下建議：第一，貫徹支持國家政策的使命，進一步完善財務數智化戰略部署；第二，深入推進組織體系變革，打通崗位界限，塑造創新文化，培育數智人才；第三，樹立總體安全觀，做好安全保障和風險防范；第四，深入推進信息系統完善和數據治理體系建設，構建“業財融合”導向的數據中臺，以數據資產化為思路推進數據治理體系建設。

參考文獻

[1］戚聿東，徐凱歌．技術革命、生產方式變革與企業組織結構調整[J].管理世界，2024，40（10)：1-15，35，16.

[2]付建華．財務數智化基礎研究［J]．會計之友，2021（18）：2-8.

[3］陳虎，郭奕．數智化時代的新型財務管理組織體系［J]．財會月刊，2024，45（16)：17-20.

[4］衛莉．政策性銀行財務數字化轉型的幾點思考［J]．中國電子商情，2024(14)：72-74.

[5］陳虎，郭奕．企業財務數智化發展趨勢與轉型框架［J]．財會月刊，2024，45（12）：15-21.

[6］黨印，孫晨童．數據資產入表、財務數智化與新質生產力發展［J]．財務管理研究，2025（1）：22-31.

收稿日期：2025-04-08

作者簡介：賴澤淦，男，2000年生，碩士研究生，主要研究方向：財務管理。