数字经济时代，财务管理新变化

数字经济时代，“大智移云物区”等数字技术已经成为重塑各行各业的重要力量。财务管理作为企业管理的重要内容，也受到了巨大的影响和冲击。传统财务的工作流程、管理模式、管理理念、组织架构等各方面都发生了不同程度的变化。企业的财务管理正在从电算化、信息化，逐渐走向数字化、智能化。

数字技术的进步会给财务管理带来怎样的改变？本文将从财务决策、资金管理、成本管理、财务职能、财务报告和财务风险六个方面阐述数字经济时代财务管理发生的变革。

财务决策：从依赖经验的直觉决策到数据算法驱动的科学决策

长期以来，管理者通常凭借经验、直觉、判断力来进行决策，虽然也会通过获取数据进行模型的计算得出结果，但在过去，受限于技术能力，数据获取不全面，导致很多决策模型无法使用，财务决策仅仅建立在企业内部“财务小数据”的基础上，包括收入、成本、利润、资产、负债等，难以做出合理的决策。

数字经济时代，大数据的大量性（Volume）和多样性（Variety）给管理者使用决策模型提供便利，可以得出更加科学合理的结果。大数据不仅能收集到财务信息，也能收集到非财务信息；不仅能收集结构化数据，也能收集到非结构化、半结构化数据；除了企业内部业务数据，更延伸到企业外部，包括所属行业、供应链、竞争对手、监管机构、政府部门等所有利益相关者的数据。数据和算法通过机器学习的方式不断自我优化，进而用“数据决策”替代“凭直觉经验和拍脑袋式决策”。

以投资决策为例，在进行投资决策时，过去的决策者在决策时无法掌握所有信息，且容易受到个人风险偏好、认知偏差的影响，造成决策的主观性。基于大数据的投资决策模型纠正了决策中的非理性问题，得出的结论更加的科学，提高投资决策的合理性和准确性。同时，通过建立量化投资模型帮助决策者处理海量数据，决策者能够在短时间内对影响投资结果的因素进行多角度分析，如经济周期、未来预期、盈利能力、心理因素、市场等，根据模型分析结果做出投资决策，极大提高了投资效率。

有实证研究表明，企业的投资规模、投资回报率与大数据发展指数之间呈正相关关系，即大数据的发展有利于企业做出更好的投资决策；同时，大数据发展指数与企业融资效率、内源融资率及债务清偿率均呈正相关关系。大数据能够提升企业融资决策的质量。

谷歌采用“The Machine”算法，通过或否决新的投资和后续投资。通过收集某特定公司的市场数据、融资金额、联合投资合作伙伴、以前的投资者、行业领域以及以前估值与目前估值的差额等方面的数据进行分析，用红绿灯系统来考核某项投资指标体系，绿灯表示投资机会良好，红灯表示不投资，黄灯表示需谨慎行事。在使用初期只是作为投资尽调的辅助配角，现在其AI算法已经进入投资委员会，可以对投资进行评估，且评估结果的准确率很高。

资金管理：从内部资金管理到全产业链资金管理

传统财资管理系统中更多是平面化财资管理，将财资管理的重点放在账户管理、资金结算、资金划拨、资金对账等交易性处理流程上，主要是对企业内部资金的管理。

数字经济时代，随着数字技术的不断发展，可以支撑更加复杂多样的资金管理模式，财资管理将从平面走向立体。企业的资金管理不再局限于内部资金的集中管控和调配，而是向供应链金融模式转变。利用大数据、AI、云计算等技术，可以对产业链资金流动进行静态和动态监测管理。上至供应商，可以开展供应链金融，做应收账款保理；下到消费者，可以做消费信贷，盘活全产业链资金。

蒙牛集团在企业内部搭建了资金共享平台，实现对资金的集中管控。由集团总部统一调度、管理和运用所有的资金。大量实时汇总的资金大数据，使现金流预测模型更加精确，让集团对内部资金的管理更精细、更高效、更主动。

除了内部资金管理，在企业外部，蒙牛还建立了服务于上下游的供应链融资平台。通过“互联网+大数据”，从蒙牛上下游、奶源等第一层直联的约上万数量合作伙伴群，逐步延伸到第二层的上百万数量的蒙牛生态圈伙伴，实现高效、低成本融资。

目前，蒙牛已与多家金融机构合作开展供应链金融业务。通过EAS系统和银行在数据渠道上打通，上下游企业可以直接登录蒙牛供应链融资平台，高效融资，使得以蒙牛为核心企业的生态圈更加健康。

成本管理：实现精细化核算、前置化管控，优化成本控制

在成本核算方面，作业成本法是现在较为精细化的管理方式，但基于技术条件的限制，很多作业层面的数据难以收集，导致实施起来较为复杂和困难。

数字经济时代，随着大数据、物联网等技术的兴起，生产或服务中的每一步骤甚至每一个细节都能够被各种智能仪器收集到，并传递到数据处理中心进行处理。企业能够方便快捷地获取、筛选与成本相关的各种数据，避免了繁琐的人工筛选数据的过程，使得作业成本法得以便捷的实现。

同时，成本数据的收集更为精确和全面，便于确定成本动因、识别增值作业，精细化成本管理，优化成本控制过程。实际上，由于智能设备和物联网的应用，一些传统的间接费用变为直接成本，即使需要分配间接费用，也能找到较为精确的分配因子。

Amani等（2017）对数据挖掘技术在成本管理应用中的几个层面进行了综述，分别是设备层面、流程层面、施工层面、产品层面和项目层面。其中：

在设备层可以用数据挖掘来评估设备制造成本，从而提高设备检查和维修的精确度，追踪设备更新成本；

在流程层数据挖掘技术用来在成本核算中确定成本驱动因素，并帮助制定转移定价的决策；

在施工层通过创建神经网络系统，实现快速且精确的成本评估；

在产品层数据挖掘可以用以预测产品单元的成本、评估产品生命周期成本；

在项目层数据挖掘可以协助建立成本评估体系，包括有形产品和无形产品，如软件和应用等。

基于全过程、多层次的原则，财务可以在数据挖掘技术下实现对成本的精益管理，这是大数据技术在成本管理领域的重要应用场景。

此外，传统的成本控制是在成本发生后进行事后追踪。随着数字技术的应用，成本、费用被细分成不同的子类，针对不同子类都可以进一步向前延伸，建立专业的前端业务管理系统，如商旅管理系统、品牌宣传管理系统、通信费用管理系统等等。这些前置业务系统和财务系统之间实现无缝衔接，将成本费用的管理前置到业务过程中去，实现前置化、过程化的成本控制和监督。

财务职能：从交易记录、核算监督到决策支持、价值创造，实现业财深度融合

传统财务的主要工作是承担企业的财务核算和监督职能，进行报表的编制、资金结算、报送财务信息等基础性工作。财务角色定位局限于账务处理、薄记经营活动，财务部门只是职能部门，不能产生附加价值，是“后台”角色。

数字经济时代，财务的职能将发生重大变革。以“凭证”为起点的传统财务会计将逐渐被自动化和智能化，很多重复性、规则性的财务工作会被财务机器人所替代，更多财会人员被释放出来，新的财务管理模式将实现“无人会计”。

麦肯锡《自动化和人工智能如何重塑财务职能》中显示，大多数财务活动都存在自动化计划，其中以交易型活动最易于自动化，对于一般的会计活动而言，77%的活动是可以全自动化的，12%的活动可以高度自动化。牛津大学研究者也曾预测，未来20年，在英国会计行业中，财务行政人员和注册会计师可能被机器完全替代的概率分别为96.8%和95.3%。

来源：《金蝶智能财务白皮书》

财务人员正在从以交易处理为主的财务会计向决策支持为主的管理会计转型，转变为赋能者和创新引领者。借助大数据挖掘技术，发现业务经营中存在的问题、企业潜在的发展机会，参与经营决策，并更多承担资金管理、预算管理、风险管控等高价值工作，全面参与到企业的经营管理和价值创造活动中去。

同时，传统财务工作相对独立、封闭，很难与各项业务工作有效的融合，“会计和业务两张皮”现象较为常见。数字化时代，一切业务数据化，一切数据业务化，财务工作将与业务工作高度融合。业务信息系统和财务信息系统在输入、处理、存储和输出等各个环节共享，业务和财务人员之间的组织和职能划分将会逐渐消失。在数字技术、智能技术的加持下，会计人员的部分职责会转移到业务人员身上，“人人财务”的趋势逐渐凸显。（“人人财务”表现为财务即业务，业务即财务；人人皆财务，财务皆人人。）

新奥集团是一家业务版块广泛、子公司众多的大型集团公司，其财务共享中心日常业务种类繁多，且有相当一部分业务流程需依靠人工完成，员工工作强度大、耗时久。在财务数字化转型中，新奥集团利用IBM RPA（机器人流程自动化）、规则引擎等技术，打造自动化财务机器人，引入虚拟员工，在财务共享中心上岗。

自动化机器人代替人工完成业务流程中重复度高、规则精确和吞吐量大的任务，以及跨岗位的多人操作、跨数据源的数据核对等；只有异常处理、需要创意和决策的任务才交给人工操作。借助RPA技术，新奥集团财务共享中心不仅更快速、更高效地完成工作，而且最大限度释放员工价值，让员工做对企业有更高附加值的工作。

美的集团在财务数字化转型中，构建了财务共享平台，重新架构了管理体系，真正实现了“业财融合”。转型后财务人员从重复投入和效率低的境况中解放出来，将更多资源和精力投入到辅助经营中。财务职能由“办公室”型财务转变成“业务型和经营管理型财务”，通过深入了解业务，深度分析各业务领域的经营数据，为业务部门提供有力的数据支撑，支持企业经营管理决策，提升经营价值。

另外，集团重新设置了财经各模块职能岗位，比如财经管理部的“预算管理专员、成本管理专员、会计管理专员、研发成本管理专员、资金管理专员”等岗位设计，所有财务工作侧重于参与企业经营管理，而不是会计核算。财务人员从传统的日常记账中解脱出来，走进前线，参与到业务中，为业务提供决策支持。

财务报告：从定期、标准化报表到实时、多样化、全面化报表

传统财务报告通过对经济业务的确认、计量和报告，定期提供标准化的财报，有三个特点：

一是主要提供财务数据，非财务数据很少呈现。财报很难全面展现企业的财务状况、经营业绩与发展前景。

二是标准化，即对所有使用者提供相同的格式和信息，不考虑信息使用者的个性化需求。

三是滞后性，传统的“三表一注”面向过去，按季度或年度定期编制，对企业经营状况的反馈是滞后的。

随着大数据、云计算、人工智能、图像识别、机器学习等各种技术的出现，正在不断改变会计信息加工的规则和方法，一些机构已经开始借助于人工智能算法，实现凭证的智能编制和报表的智能生成。可以根据不同用户的需求，提供多样化的财务报告，满足不同层级用户的多样化需求。

这些报告不再局限于财务信息，还包括大量非财务信息，财务报告走向精细和全面。也不再局限于定期报告，而是可以做到实时化、可视化。财务数据实时采集、实时核算与分析、实时传输与报告，为企业经营决策提供支持。

其中，区块链技术给财务报告带来的影响是革命性的。企业外部信息使用者及其内部信息需求都能够通过共识机制快速确定。每一个企业参与者都可以提出多样化的信息需求，通过区块链技术能够生成并发布各种样式、内容、结构、目的的财务报告，如以经济事项为基础的报告、全面收益报告、相互式按需报告、实时智能财务报告以及智能分析报告等，极大地克服了现行财务报告的诸多局限性。

来源：《基于区块链技术的智能财务报告研究》

德邦快递的客户量大、单量大，流转数据大，对报表的时效要求非常高。通过构建业财一体化系统平台，梳理业务单据与财务凭证之间的数据关联，德邦快递实现了90%凭证的自动生成、审核，每月自动处理200万份业务单据；设置的各项报表架构和业务规则，自动归集、计算、输出报表，每次报表编制时间由4小时缩短至60s，实现报表智能编制、实时查询，满足管理者对报表时效的高要求。

财务风险：从依靠人进行风险管控到机器自动识别风险、提前预警

财务风险包括筹资风险、投资风险、现金流风险等。传统财务风险管控主要依靠财务人员搜集信息，进行风险识别时需要搜集的数据量庞大，财务人员难以整合多种渠道的数据，难以进行关联信息查询和扩展，效率低下，风险控制的成本较大。

随着大数据、人工智能等技术的广泛应用，财务风险管控有了更先进的算法、模型和工具。借助监督式学习算法、知识图谱等技术，把人类具有的直觉推理加以形式化或机器模拟，可以大量处理会计信息、供应商管理审查信息、应收账款账龄信息等，对财务风险形成预判能力。

通过建立数学模型对不同风险因素进行组合分析，使企业能够在较短时间内迅速识别潜在风险并进行精确的量化分析，进而实现对财务风险的及时控制。此外，根据大数据的分析结果设立预警指标与临界指标，还可提醒管理者在财务风险发生前就做出应对措施。

德勤认为机器学习可以解读财务人员对于风险的反应方式，从而在没有回馈或干预的情况下自主采取行动，根据持续的信息流快速反应，进而降低财务风险，使财务不需要在人的干预下就可以自主驱动智能工具，实现无人化的风险管控。

阿里巴巴为了保持现金流的稳定性和充足性，防止现金流风险，建立了大数据财务风险预警体系，将产生财务风险的内外部经营环境等抽象因素数据化，利用大数据处理技术对各种风险因子异常变化情况进行识别，任何涉及到现金流的风险因子出现异常，预警体系都能够基于大数据分析处理进行主动识别，并预警潜在的现金流风险，通知管理人员及时进行风险的管控。

与传统财务风险预警体系不同，大数据财务风险预警体系在云技术的支持下能够实现事前预测、事中处理、事后管控的实时动态监控。

小结

数字经济时代，在大数据、云计算、区块链等数字技术的冲击下，传统的财务管理模式发生了深刻变革。财务决策从经验驱动变为数据驱动，资金管理从内部管理延伸到全产业链、生态圈的管理，成本核算精细化、成本控制前置化，财务职能从核算监督到决策支持、价值创造，财务报表从定期、标准到实时、多样，财务风险管控从依靠人到机器自动识别、提前预警。企业要抓住数字经济的时代机遇，加快财务管理的数字化转型，充分发挥财务在数据方面具有的先决性优势。