集团公司会计数据管理的现状分析

张庆龙

【摘要】在数字经济时代， 数据资源是企业核心竞争力的体现。 基于数据管理视角， 分析集团公司财务管理现状， 指出当前会计数据管理存在以下突出问题：会计数据分散， 信息碎片化严重; 会计数据割裂， 数据孤岛问题突出; 会计数据传输效率低， 时效性不强; 会计数据质量不高， 影响决策质量; 会计数据规模有限， 价值难以挖掘。 这些问题为下一步财务数字化转型指明了方向。

【关键词】集团公司;会计数据管理;数据价值;数据规模

【中图分类号】F275      【文献标识码】A      【文章编号】1004-0994（2020）12-0060-3

会计数据作为集团数据资源的重要组成部分， 蕴含着可以满足商业决策需求的重要会计信息， 其价值的实现依赖于集团有效的会计数据管理。 但是， 目前集团公司对于会计数据价值的认识仍然处于起步阶段， 会计数据管理意识仍较为薄弱， 数据管理水平难以适应数字经济时代会计信息需求的变化。 集团公司业务规模化发展过程中， 各种数据管理问题接踵而至：数据标准不统一、数出多门、数据质量不高、数据价值未得到充分挖掘等。 财务转型源于企业集团财务管理的现实问题， 透过数据管理视角， 可以发现这些问题体表现在五个方面。

一、会计数据分散， 信息碎片化严重

集团公司在数字化进程中， 产生了数量巨大但内容分散的数据。 分散的数据意味着企业只能依赖内容不全面、逻辑不完整的信息进行决策， 信息碎片化问题也由此产生。 究其原因， 集团庞大的组织规模和传统科层制的管理体系、会计数据与其他数据之间相关性的缺失导致了会计数据分散及碎片化问题。

从集团整个角度来看， 会计数据散落于多个会计系统中， 除合并财务报表之外， 尚缺乏统一的会计数据可视化视图。 当集团的规模逐渐扩大， 分支机构或子公司的数量随之增多， 分散核算的模式在每个分支机构或子公司都设置了独立的财务组织。 会计数据在不同部门相互独立存储、独立维护的情况下， 形成了所谓的信息孤岛。 信息孤岛割断了集团内部的信息与沟通机制， 造成许多重要的数据以碎片的形式分散在不同下属公司与部门， 最终导致下级部门无法基于整体的情况做出决策， 而集团公司也难以统筹全局做出同样科学的决策。

除了信息孤岛造成的碎片化问题， 会计数据与其他数据的相关性缺失也是原因所在。 事实上， 数据价值密度低且呈碎片化是大数据的特点之一， 最重要的是如何利用相关关系发掘数据之间的关联[1] ， 从而为集团管理层提供有价值的信息。

当前数据分析技术水平不高， 集团公司可识别、处理和应用的数据种类十分有限， 现有的数据处理方法往往仅适用于结构化数据， 而不能将其与大量的半结构化数据、非结构化数据进行有效整合。 这种情况下， 集团所能掌握的信息， 仅限于下属单位通过报表形式上报的结构化会计数据。 即使可以将半结构化、非结构化数据转换为结构化数据， 对其进行挖掘并与会计数据相匹配也需要一定的时间。 而时效性同样是数据价值的来源之一， 在这个过程中也会造成数据间隐含关系的丧失[2] ， 从而降低集团公司整体会计数据的价值。

二、会计数据割裂， 数据孤岛问题突出

与信息孤岛不同的是， 数据孤岛不是物理上的独立， 而是数据流转过程中逻辑上的孤岛。 同一个经济活动中的不同部门站在自己部门的角度理解和定义数据， 使反映同一个经济事实的数据被赋予不同的含义[3] ， 该现象被称为数据孤岛。 从集团内部各信息系统的关系来看， 会计数据之间、会计数据与业务数据之间时常处于割裂状态， 形成数据孤岛。 具体来说， 由于技术上或管理制度上的原因， 当业务发生时， 数据在不同的信息系统按照流程、专业和应用进行分类， 储存在包括会计信息系统在内的多个数据库中， 不同系统之间的数据无法共享和关联， 增加了跨部门数据合作的沟通成本， 使集团公司不具备跨专业平台、多应用场景和全流程数据的互联互通能力。 具体表现如下：

1. 会计数据之间彼此割裂。 现实情况是， 同一个集团中下属部门可能采用不同的信息系统。 当内部标准化程度较低时， 相互之间发生的交易或事项则完全按照各自的标准生成会计数据， 造成内部会计数据之间的关系不仅仅是物理形式上的分散， 更缺乏逻辑上应有的可比性， 从而降低集团公司整体会计数据的价值。

2. 会计数据与业务数据之间割裂。 在企业信息化建设的过程中， 按照手工会计处理流程设计的会计信息系统没有实现与业务系统的有效衔接， 只是在原有基础上添加新的功能模块。 这样一来， 会计数据往往独立于其他业务数据， 无法进行数据交换、信息共享和实时控制管理， 不能与企业内其他管理子系统对接， 难以形成覆盖整个企业业务与职能活动的管理信息系统。 而克服数据碎片化问题， 最重要的是通过数据处理技术挖掘数据间的相关性。 当会计数据与业务数据无法对接时， 所有定性与定量、会计和业务、确定与不确定、内部与外部的信息都处于逻辑孤立的数据孤岛中， 即使将它们整合在同一个数据仓库中， 互相之间也不能“理解”， 从而无法提取、加工和分析， 同样也难以发挥数据的价值。

三、会计数据传输效率低， 时效性不强

时效性是数据存在价值的来源之一。 对集团公司而言， 为了迅速应对不断变化的市场环境， 实时掌握运营状态， 需要深入、全面、实时地对海量信息进行分析与挖掘[4] 。 然而， 集团对会计数据高频实时的需求超出了现有的信息系统处理能力。 会计数据的传输效率较低， 时效性不强， 问题主要来源于三个方面。

1. 会计核算过程相对于业务而言存在滞后性。 由于会计系统与业务系统存在相互割裂的数据孤岛问题， 传统的会计核算业务所采集到的会计数据并不完整; 业务流程中有关供应商、客户等业务价值链上的数据， 会计核算过程中并不关注， 也无法通过会计核算完整反映。 这就逐渐造成会计远离业务流程， 会计通过分析数据反映出来的信息具有严重的滞后性。 这种滞后性不仅影响会计对业务活动的实时监督和控制， 而且使会计失去了提供实时数据以支持业务活动、实现业财融合、辅助管理決策、发挥会计服务职能的机会， 会计数据的价值也会因此下降。

2. 从会计数据中得到有价值的会计信息需要较多的数据准备时间。 一项来自Gartner的统计显示， 数据分析人员70%到80%的精力都花费在对数据资源的整理和准备上， 对会计数据的处理同样面临这样的情况。 在传统的集团财务管理中， 承担核算、记账等最基本职能的财务人员可以占到整个财务系统的70%左右。 耗费大量的时间和精力对原始会计数据进行整理、核算和记账， 意味着需要更长的时间才能将经过整理的会计数据“交付”给业务财务、战略财务。 而人海战术提高了会计数据处理的成本， 也使财务人员无暇顾及管理者的决策需求。 会计数据无法快速就绪， 也就意味着会计数据价值释放的过程无形中被延长， 相应也就降低了数据的价值。

3. 集团公司与下属机构之间的数据交互模式造成会计数据滞后， 信息沟通不畅。 当前， 集团公司和各下属部门之间的会计数据交互模式， 形式上更多地来自子公司定期上报的财务报告， 时间上仅限于报告的时间点。 同时， 集团公司的会计数据层层合并， 少则四级， 多则八级， 当集团实施多元化发展时更会涉及多个行业， 从而加剧了核算的复杂性[5] 。 这些都使得集团不能对子公司进行全面、动态、实时的财务信息监控， 更难以满足高频实时的会计信息要求。

四、会计数据质量不佳， 影响决策质量

数据是信息的基础， 数据经过加工后， 形成具有意义的信息， 用来改善决策。 可见， 会计数据质量直接影响到据此做出的决策质量。 从会计数据质量的角度看， 会计数据需要满足真实性和统一性两个标准。 但目前集团公司会计数据的质量并不高， 从而影响了会计数据价值的发挥。

1. 真实性。 从集团管控的角度看， 分散的会计组织不利于集团对各分支机构和子公司进行管控， 集团的管控力度不够， 加上会计数据分散， 总部和分支机构或子公司之间存在信息不对称， 无法确保所获取报表信息的真实性， 也就不能保证整个集团会计数据的真实性。 从信息系统的角度看， 各分支机构或子公司相当于集团整个会计信息系统的子系统。 子系统是为实现组织目标而设计的， 当子系统与另一个子系统或者整个系统的目标不一致时， 则存在目标冲突[6] 。 子公司出于自身利益考虑， 往往希望会计数据向有利于集团的方向列示， 主观上不愿意提供绝对真实的数据， 进而存在修改会计数据、粉饰财务报表的动机， 而集团的目标是获得反映客观事实的会计数据， 这样的目标冲突就會造成会计数据失真。

2. 统一性。 数据不统一与数据接口的规则、数据管理制度以及数据管理能力等密切相关。 首先， 大数据背景下， 数据在集团内部强调“跨部门整合”， 整合的前提是具有一致的处理接口。 但如果集团公司下各单位账套独立、会计政策不一致、采用软件不统一， 诸如会计科目设置和往来单位的录入等重要的数据标签可以自行设置， 业务部门和财务部门的统计结果都不一样， 将带来较高的合并、调整和汇总成本， 更重要的是导致合并数据的准确性不高， 从而降低数据质量。 其次， 数据管理制度不统一使得会计数据同样存在“数出多门”的情况。 会计数据在层层合并的过程中， 同一数据由不同层级的部门重复公布， 或者部门之间发布的数据不一致， 从而造成高调整成本、低数据质量的情况。 最后， 由于集团子公司可能分布在全国甚至全球其他地方， 受经济发展和教育程度不平衡的影响， 财务人员的素质良莠不齐， 将影响该子系统的数据管理能力， 从而对集团公司整体上的数据质量造成不利影响。

五、会计数据规模有限， 价值难以挖掘

大数据的价值具有高度的领域依赖性， 需要在大量数据的基础上， 发掘出数据的“隐喻”价值[7] 。 正因如此， 会计数据也需要在一定的规模下才能发挥其有用性， 为集团管理层提供定制化的决策信息。 但是， 就目前集团会计数据管理的情况而言， 数据规模十分有限， 难以达到大数据应用的要求。 这其中固然有管理模式本身的弊端， 但也有数据应用思路上的缺陷。

当前会计信息更多的是向外部信息使用者提供， 以满足外部受托经济责任的解除和监管要求。 这种情况下， 会计数据处理的过程是通过会计科目将复杂的交易不断压缩， 直至形成最小数据集[8] 。 这种数据管理模式倾向于以少量的会计数据为起点、以法定的会计准则为处理规则、以向外报告为数据使用的终点， 实现财务会计的职能。 但随着会计信息需求的内化， 会计需要以包括与业务数据相关联的会计大数据为起点、以基于商业价值挖掘的算法为处理规则、以满足于集团管理层决策需求为大数据应用的方向， 除事后分析和事中控制外， 更多地发挥财务管理事前预测的作用， 通过服务来实现管理会计的功能。

同时， 由于会计数据管理和应用意识较为薄弱， 集团公司对会计数据的分析仍停留在基于报表数据就会计论会计， 对报表的会计数据进行简单的财务分析， 提供少许可供管理层使用的结论的阶段。 但是， 这本身是在“小数据”背景下早已存在的数据挖掘方式， 与当前的“大数据”分析有着天壤之别。 究其原因， 大部分企业还没有建立起一个有效管理和应用数据的模式， 包括数据价值评估、数据成本管理等， 对数据服务和数据应用也缺乏合规性的指导， 没有找到一条释放数据价值的“最优路径”[9] ， 加上缺乏会计数据明确的应用场景， 无法形成有价值的信息输出。

【 主 要 参 考 文 献 】

[ 1 ]   Viktor Mayer-Sch?nberger， Kenneth Cukier著.周涛译.大数据时代： 生活、工作与思维的大变革[M].杭州：浙江人民出版社，2012：1 ～ 200.

[ 2 ]   于淇，王迪.大数据时代企业管理会计面临的挑战与解决对策[ J].中国高新技术企业，2016（12）：167 ～ 168.

[ 3 ]   涂杨举.智慧企业概论[M].北京：科学出版社，2019：1 ～ 200.

[ 4 ]   王劲.大数据时代的管理变革[ J].中国商贸，2013（2）：189 ～ 190.

[ 5 ]   何雪梅.大数据时代企业集团财务管理转型研究[ J].法制与经济（下旬），2014（5）：75 ～ 76.

[ 6 ]   Marshall B. Romney著.张瑞君，程玲莎译.会计信息系统（第12版）[M].北京：中国人民大学出版社，2012：1 ～ 200.

[ 7 ]   徐宗本，冯芷艳，郭迅华，曾大军，陈国青.大数据驱动的管理与决策前沿课题[ J].管理世界，2014（11）：158 ～ 163.

[ 8 ]   田高良，陈虎，孙彦丛，刘扬.“大智移云物”背景下的财务转型研究[ J].财会月刊，2019（20）：3 ～ 7.

[ 9 ]   何宝宏等.数据资产管理实践白皮书（4.0）[R].北京：中国信息通信研究院，2019.