智能化大数据撬动管理会计变革

封毅

[摘 要]传统财务分析的控制目标有局限性，仅从核算的视角去理解公司，目光主要盯在预算是否超标、严格控制成本上。在智能数据时代，预测、决策成为财务分析的新特征，并将以往规律性的、重复性的财务工作交由计算机统一完成。本文首先分析了大数据思维的基本特征，进而分析了大数据思维对财务分析的影响，最后分析了财务工作在智能数据时代面临的挑战。

[关键词]大数据；财务；业财融合；智能化

doi：10.3969/j.issn.1673 - 0194.2017.20.006

[中图分类号]F49；F234.3 [文献标识码]A [文章编号]1673-0194（2017）20-00-02

0 引 言

财政部在2014年颁布《关于全面推进管理会计体系建设的指导意见》，明确表明要加强推进面向管理会计的信息系统建设，以信息化手段为支撑，实现会计与业务活动的有机融合。与此同时，中国大数据产业进入爆发式增长的元年，管理会计步入大数据时代。2016年大数据产业继续保持高速增长，在国家工信部的带领下，《大数据产业“十三五”发展规划》正式颁布。同年，人工智能的迅速崛起，给大数据产业发展带来了生机，管理会计迎来了智能化大数据时代。

1 大数据思维的基本特征

什么是大数据思维？维克托·迈尔-舍恩伯格认为：需要全部数据样本而不是抽样；关注效率而不是精确度；关注相关性而不是因果关系。大数据的价值不是在数据本身，而在于创造，在于填补无数个还未实现过的空白。作为一种有形资产，大数据的价值不在于“大”，而在于“有用”，其揭示的内容比数量本身更重要。怎样才是“有用”的数据，就要依靠数据分析师对数据进行“加工”，通过“加工”实现数据的“增值”。不管大数据的核心价值是否是预测，但基于大数据形成决策的模式已经为不少的企业带来了利润和声誉。

数据是为了某种目的而存在，目的可以变，人们可以通过数据来了解完全不同的东西。有数据是前提，但是如果没有分析，数据的价值就没有办法体现。数据好比是一种资源，是“原油”而非“石油”，并不能直接拿来使用，而要通过“提炼”“加工”，这个过程就是财务分析过程，可以说数据分析就是大数据的灵魂。大数据时代，人们可以通过量化过去不能量化的信息，使用精妙的统计方法分析这些信息，使数据创造价值成为可能。

大数据思维在表现出数据的整体性、时效性、相关性同时，还要注意大数据本身的非结构化性。智能化数据时代，仅有5%的数据为结构化数据，大量非结构化数据充斥在人们现实经营活动中，人们必须接受乃至拥抱多样性的大数据。尽管大数据的多样性带来数据表面的混杂、模糊，但它其实在更大范围和规模上带来了预测、决策的准确性，减少了遗漏与错失机会，这恰恰是大数据思维的精髓体现。

2 大数据思维对财务分析的影响

处于大数据时代，企业迫切需要通过财务分析来实现精细化运营、降低成本、提高效率，大数据思维给财务分析提供了更多解决方案。财务分析应遵循普遍的工作思路，即从局部到整体，从微观到宏观，明确数据分析目标，对影响数据目标波动的关键维度进行拆解，找出不同影响因素之间的关联关系，并建立数据关系模型，发现问题数据或数据异常点，并找出原因，最后采取相应优化措施，使数据驱动运营。

财务分析借助大数据的系统化思维，围绕自下而上的数据分析思路展开工作，运用这种思路的原因是财务分析的数据通常是在运营流程中已经产生的数据。财务分析人员在这些数据中发现问题，并综合运用多种财务和大数据分析方法进行解剖分析，如趋势分析、对比分析、交叉分析、结构分析、因素分析、相关分析、回归分析、聚类分析和因子分析等。

财务分析一定是精细化的运营过程，建立起系统化的大数据思维，方能体现商业价值。大数据要相关不要因果、要全体不要抽样、要效率不要精确。财务分析则既要数据的相关性，也要数据间的关联关系；既要全体数据也要抽样异常数据的不确定因素；既要抓效率仍不失财务数据的精确性。

3 大数据与业财深度融合

大数据时代，财务分析不仅要对统计核算的财务数据进行分析，同时还要充分结合业务流程及客户行为关系中的非结构化数据进行分析。业财融合，其核心就是业务流与数据流的融合，业务必须数据化，数据必须面对业务作出反馈。大数据与业财深度融合具体表现在以下几个方面。

首先，大数据更多地将业务流程用财务数据的语言表达出来，其关注点在于多个数据维度之间的关联，而非受单一因素的影响，通过影响关键因素指标的关联关系建立数据分析模型。有时大量的数据并没有表现出与业务有直接的关联关系，更需要财务人员掌握所处行业的相关专业知识，建立其对业务的敏感度，了解行业的开展流程、利润增长点及核心竞争力在哪里，并运用科学分析的方法和技能深度挖掘数据的隐性价值，用数据说话。财务数据本身体现的是核算价值，只有与业务需求协同起来，才能体现商业价值。

其次，要发挥大数据的真正价值，使数据驱动运营，必须运用人工智能手段整合财务核算数据、业务流程数据和客户行为关系数据。智能化系统将这三类数据收集、转化，并归集到统一数据平台，财务分析师利用专业知识，紧密结合业务实际，对管理决策提出建设性意见。期间，收集数据过程占用了整个环节大多数的时间，而创造的价值却微乎其微。相反，财务分析决策仅用很短的时间，往往却能决定企业的生死存亡。

最后，业务数据化、数据财务化。财务分析始终要以公司业务为核心，围绕业务展开财务规划，管理型会计应参与到公司经营战略中去，财务与业务结合才是王道。优秀的财务分析师始终以创造价值为导向，紧密结合财务、业务、客户的实践，在分析中发现问题和解决问题，用数据说话，进而创造更多价值。

4 智能数据时代面临的挑战

首先，过去分布在企业流程中的数据并未被充分开发利用，大量数据的价值没有被当作资产去管理、去挖掘，即使是信息化程度较高的金融行业，也僅利用了不到一半的数据。

其次，智能数据时代，财务分析工作面临各式结构化与非结构化数据的冲击，包括核算数据、流程数据、客户数据和行为数据等。智能数据的商业价值就体现在整合数据的时效性，定位的精准性上，企业必须更快作出商业决策并找准自己的位置。同时，数据之间存在商业联系，势必会给数据思维带来挑战。在复杂、海量的数据面前，财务人员要保持清晰、敏捷的思路，利用新技术和新平台满足企业对经营预测、决策在时间和效果上的需求。

最后，数据在过去只是记录和统计企业经营活动的一种载体，智能数据时代，海量数据汇集起来，数据已然成为一种重要资产，被管理者高度重视，帮助企业不断提升商业价值和寻求新的商业机会。多类型数据的实时处理，以及各种数据之间的交叉组合，给财务分析技术带来了巨大挑战。人工智能和商业智能为这些数据资产的高效管理带来便利条件，也为数据创造更多商业价值提供了技术支持。

5 结 语

随着大数据时代的到来，人工智能技术更加民主化，更多非技术型的财务分析师可以参与到智能数据的运用当中。未来智能数据时代的管理会计边界会更加宽泛，会计信息化与业务流程关联更加紧密。智能化、业务化将成为管理会计信息化的新特征。数据与业务将作为智能数据时代管理会计变革中的一对新的辩证关系长期存在。

主要参考文献

[1]彭宏超.管理会计教学体系再设计——基于《管理会计基本指引》[J].新会计，2017（3）.

[2]李敬华，贾蓓，李倩茹.传统统计数据和大数据内涵辨析[J].电信快报，2016（9）.

[3]许亚湖，王婷.大数据时代管理会计的变革[J].财会通讯，2015（16）.

[4]黄永金.大数据时代及管理会计变革[J].财务与会计，2015（11）.

[5]许金玲，赵爽.大数据时代管理会计工作变革研究[J].现代经济信息，2014（23）.endprint