智能财务十大热点问题论

【摘要】作为一个新兴领域， 智能财务的很多发展趋势尚未厘清。 本文选择关注度较高的十个问题进行初步研究。 这十个问题分别是：智能财务产生与发展的背景是什么、什么是智能财务、智能财务智能吗、智能财务为企业带来了什么、智能财务的发展趋势是什么、中国发展智能财务有什么优势、财务工作会消失吗、智能财务专业培养的是应用型人才吗、财务人员如何转型、企业财务如何转型。

【关键词】智能财务;发展趋势;决策支持;财务转型

【中图分类号】F275      【文献标识码】A      【文章编号】1004-0994（2021）02-0025-6

企业财务管理的数字化、智能化转型已经成为实务界和学术界关注的焦点， 不少优秀企业在这方面已经取得了不小的进展， 各大高校也已经或者正在筹划开设智能财务（会计）方向的课程。 然而， 作为一个新兴领域， 关于智能财务的一些基本问题尚需要进行深入讨论， 争取能在某些方面尽快达成共识， 多方共同推动智能财务向纵深发展， 提升企业财务转型升级的速度和质量。 本文拟对智能财务十个热点问题进行一些尝试性回答， 希望抛砖引玉， 以引起更多讨论。

一、智能财务产生与发展的背景是什么？

智能财务之所以产生， 无外乎两个原因：其一， 传统财务管理模式与财务信息使用者日益增长的个性化需求之间的矛盾越来越突出; 其二， 人工智能、大数据等新技术的快速发展， 让财务管理模式的变革成为可能。

近几十年来， 对于传统财务的批评和变革一直没有停止。 例如， Sorter[1] 提出了“事项会计”理论， 其核心思想是会计应该提供可能在各种决策模型中有用的所有相关经济事项信息， 而会计人员应该提供原始的经济事项信息， 由使用者自己对这些信息进行加工， 以生成其决策模型所需的输入信息。

Wallman[2] 认为传统会计报表属于黑白模式， 决策相关性较弱。 未来应该采用彩色报告模式， 并且披露多维度、多层次的信息：第一层次为符合确认标准的事项; 第二层次为可能不满足可靠性的事项， 例如未来价值不确定的研发费用等; 第三层次为可能不满足可靠性和可定义性的事项， 例如顾客满意度等; 第四层次为不满足可定义性的事项， 例如公司风险分析等; 第五层次为可能不满足可靠性、可定义性、可计量性的事项， 如人力资本等。

20世纪80年代提出的作业成本法也具有重大改革意义。 作业成本法认为传统制造费用的分配方法过于间接， 于是将企业所有与制造费用相关的行为划分为不同的作业， 归集在不同的作业中心， 再根据作业分配制造费用。 这种分配方式使得成本核算更加准确， 但实施难点在于难以将企业大量的经营管理活动细分为一个个的作业并将它们记录下来。

受限于技术条件， 上述变革思想并未真正应用于实践。 直到最近几年， 随着技术的日益成熟， 对财务进行颠覆性变革才成为可能。 笔者曾去深圳黑云科技有限公司参观， 该公司借助数字技术实现了对各条生产线的全程数字化管理， 通过智能管理系统监控生产线的完工程度， 实时显示每件产品的收入、成本及利润， 让“实时财务”成为现实。 另外， 大数据技术能自动抓取上市公司的所有公开信息， 将财务分析与宏观经济、市场行情等因素全面结合， 实时绘制公司全景图; 还可以将文本信息等非结构化信息纳入分析体系， 刻画企业管理行为。 如果利益相关者能够直接对企业的经营管理行为进行分析， 会计信息还有何用呢？

二、什么是智能财务？

1. 智能财务的提出与定义。 根据笔者检索到的资料， 早在20世纪90年代， 美国学术界就开始研究智能财务， 涉及专家系统、机器学习等诸多技术在财务领域的应用问题。 中国最早提出智能财务概念的是上海国家会计学院的刘勤教授。 刘勤等[3] 认为智能财务是一种新型的财务管理模式， 它基于先进的财务管理理论、工具和方法， 借助于智能机器和人类财务专家共同组成的人机一体化混合智能系统， 通过人和机器的有机合作， 完成企业复杂的财务管理活动， 并在管理中不断扩大、延伸， 进而逐步取代部分人类财务专家的活动。 之后， 也有不少学者从不同角度对智能财务进行了定义， 这些定义各有特色， 但普遍比较复杂。

笔者认为， 智能财务是指建立在“大智移云物”等新技术基础上的， 具备智能化、自动化等特征， 能够实时提供高度决策相关信息并致力于提升管理的价值创造力的新型财务管理工作。 智能财务主要包含AI、RPA等智能工具以及大数据分析三个要素。 首先， AI的功能类似于人的大脑， 负责将人的指令分解落地。 其次， RPA、BI等工具如同人的内脏与四肢， 根据AI下达的指令自动运行， 高效地完成任务。 RPA等工具可以帮助企业实现精细化、自动化管理， 包括帮助银行快速编制合并财务报表、帮助大型集团企业实现自动报税等， 这不仅节约了人力、物力、财力， 更带来了企业经营模式的变革， 能够提升财务人员工作积极性， 将他们从繁琐的重复劳动中解放出来， 做更有创造性的工作。 最后， 大数据类似于人的血液， 用于训练模型和分析， 推动财务管理工作由核算型向管理型转变， 缺少血液， 大脑、内脏与四肢都无法运转。

2. 企业财务的发展阶段。 企业财务实践具体可分为六个阶段：手工， 电算化， 信息化， 数字化， 自动化和智能化（如图1所示）。 其中， 信息化和数字化是两个不同的概念。 信息化是将原本由人工完成的工作交由系统处理， 而数字化是对信息化的升级， 两者的本质区别在于对数字的运用。 “数字资产化”这一概念表明数字已经成为企业不可或缺的核心资产， 构成了企业的核心竞争力， 能够推动企业变革发展。 目前大多数企业仍处在电算化阶段， 主要体现为会计核算的电算化， 而没有完成数字化转型， 只有部分领先企业可以实现数字化和自动化， 两极分化较为严重。 从目前实践来看， 智能财务尚处于萌芽阶段， 未来还需要實务界与学术界加强合作， 共同推动财务朝着智能化方向发展。

智能财务的发展趋势是去中心化， 这与传统中心化运营模式下的财务管理有着本质上的区别。 去中心化这一理念是今日头条等新媒体的核心特征：由个别记者采集信息变为全民采集信息; 由标准化报纸变为定制化信息。 基于数据分析， 今日头条的移动客户端按照用户感兴趣的领域推送新闻， 故每位用户所浏览的新闻都是定制化的。 财务管理去中心化的发展模式亦是如此。 过去由财务人员负责财务管理工作， 提供标准化的财务信息， 但现在财务信息不再由财务人员采集， 而是系统自动抓取， 再根据使用者的不同需求加工出定制化信息。 这一模式突破了时间、成本等因素的限制， 快速抓取市场、行业等信息， 从而能够实现对企业的全面评价。

三、智能财务智能吗？

要回答“智能财务智能吗”这个问题， 我们首先要了解“强人工智能”和“弱人工智能”这两个概念。 “强人工智能”是指让计算机拥有像人一样的思维判断能力， 像人一样聪明， 但目前在技术上尚不成熟， 因此不可应用于财务中。 “弱人工智能”是指让计算机在某些特定方面具有智能性， 能够根据规则和学习拥有一定的判断能力。 例如， 机器人可以掌握下棋的规则， 并提前计算好每步棋获胜的概率， 因而能够在与人类对战时获胜。

目前， 画像技术等“弱人工智能”技术已发展成熟， 能够广泛应用于财务工作中。 在商业银行传统的管理模式下， 客人进入银行后的活动未能全部数字化， 前后台数据并没有联通， 大堂经理前去接待时无法了解到该客人的存贷款等详细信息， 难以定制化接待。 但是借助画像技术， 系统能够自动对进入银行的客户进行画像， 提取客人的信息， 指派最适宜的接待人员， 充分挖掘潜在的高价值客户， 实现精准营销。 “弱人工智能”的应用让商业银行财务部门能够参与到业务活动中， 并提升客人到客户的转化率[4] 。

本文将介绍几种典型技术在智能财务中的应用， 以便一窥智能财务的智能化特征。

1. 机器学习。 机器学习是指让机器像人一样学习， 做出判断并进行决策。 机器学习与人的学习原理相似， 即基于历史数据训练模型， 利用模型形成预测、解决问题[5] ， 如图2所示。

实践证明， 利用机器学习技术预测的准确度高于分析师的预测， 更接近实际的数值。 企业内部存在大量可供开发的数据， 企业可以利用机器学习开发系统进行数据分析， 不断修正模型以提高准确性， 用来准确预测企业未来年度的经营业绩、风险、资金需求量等， 让机器学习服务于企业管理和决策。

机器学习技术在企业财务管理中有很多应用场景。 例如， 在传统的贷款管理模式下， 银行在决定是否向企业发放贷款时往往是利用一些有限的指标来判断是否向申请人提供贷款， 为了降低违约率， 银行往往会设置较高的贷款门槛。 利用机器学习技术能够更全面地评估企业状况， 使得贷款发放决策更加精准， 在降低贷款门槛的同时也降低了违约率， 从而减少银行损失。 同时， 这种模式还可以提高发放贷款的速度， 机器通过对企业进行画像来评价企业的信用等级， 快速决定是否发放贷款， 从而节约审批时间。

2. 自然语言处理。 自然语言处理是让机器学习人类的语言， 从而实现人与计算机的沟通。 Chan等[6] 曾将人民日报自创刊至今的所有文章输入到机器中， 并基于这些数据训练机器模型， 预测未来哪些新闻可能成为头版头条， 并将预测值与实际值相比， 构建PCI指数。 因为头条新闻是国家政策的风向标， 因此， PCI指数越小说明国家政策越平稳， 反之则说明国家政策变化较大。 这项研究的核心就是让机器学习人类的语言， 像人类一样阅读报纸， 而这也是“弱人工智能”在实践中的具体运用。 自然语言处理技术可以广泛应用于企业财务管理实践， 例如， 可以利用该技术分析企业海量的文本信息， 自动生成财务报告、审计报告等。

3. 自动生成摘要。 目前， Facebook和Google都已開发出自动文本分析平台， 可自动生成文章摘要。 这一技术也能够应用在企业分析中， 将外部宏观信息、舆论信息、内部会议纪要等信息输入系统中， 自动生成简报， 节省了阅读大量材料的时间， 并可帮助信息使用者快速而全面地了解企业。

4. 利用文本进行情绪分析。 每一段文字都隐含了作者的情绪， 作者受自己写作时情绪的影响， 自然或者不自然地采用积极乐观或者消极悲观的形容词。 基于上述原理， IBM公司开发的智能文本分析系统可以根据文章的用词判断作者的情绪。 同理， 投资者在投资之前可以利用该技术对目标公司进行情绪分析， 如果管理层对公司持悲观态度， 投资者或许就可以将该公司排除在投资范围之外。

5. 流程挖掘技术。 流程挖掘技术能够将储存在ERP等系统中的业务信息下载并自动生成流程图， 重现公司的某一业务流程。 通常情况下， 标准的业务流程是一条或几条路径， 倘若借助流程挖掘技术发现该项业务从开始到结束有上百条路径， 形成了网状结构， 则说明该流程存在问题， 企业可据此整改优化。 此外， 流程挖掘技术还能发现流程中不合常理的操作。 例如， 填单与审批之间几乎不存在时间差， 或者某次审批发生在凌晨等不合理的时间。 通过对这些非常规性操作的分析有助于审计人员发现舞弊行为， 提高审计质量。

6. 基于机器学习的智能决策支持系统。 基于机器学习的智能决策支持系统是在用户与问题求解系统之间通过对话子系统建立联系， 用户可以文本或者语言等方式向系统提出问题， 系统予以解答[5] ， 如图3所示。

这是一种辅助系统， 在红绿灯设计、物流调配、路线规划等方面应用广泛。 传统的决策模式是基于决策者的个人经验， 他们离职后经验就无法再利用， 且将不同个体的经验加以整合的成本较为高昂， 因此， 要将基于经验做决策转变为基于事实做决策和基于大数据做决策。 例如， 传统的本量利分析是人工分析， 需要人工估计售价、成本等， 基于经验推测， 缺少事前分析。 而现在可以利用机器学习等技术， 让机器自动抓取产量信息、行业信息等， 借以预测产品的价格、成本， 提前做好事前分析， 自动出具分析报告， 并且以可视化加智能语音解读的方式加以呈现。

此外， 企业对财务专家的需求也会增加。 人工智能的发展和传统财务工作的减少催生了专门提供咨询的财务专家， 他们专注于企业的业务、财务、管理和战略领域， 为企业提供综合性的咨询服务。

八、智能财务专业培养的是应用型人才吗？

智能财务专业培养的不是单一的应用型人才， 而是同时具备技术和会计专业知识的专家型人才。 智能财务人才要能动手、懂建构、会决策， 即：能够利用技术提升财务管理工作的自动化、智能化水平; 能够搭建企业智能财务体系; 能够基于事实（大数据分析）提供重要决策信息和建议。 新时代的CFO必然成为智能财务方面的专家。

九、财务人员如何转型？

与传统的核算型人才不同， 新技术环境下的财务人员的一个核心特征是专家型人才， 至少应该成为某方面的专家， 而不是“多面手”。 如前文所述， 正在兴起的新型财务岗位有大数据分析师、系统架构师和财务专家。 前两类岗位需要的人才均为既懂技术又懂会计的新型复合型人才。 其中大数据分析师需要掌握大数据分析技术、人工智能技术、商业分析技术、可视化技术等， 能够利用这些技术进行大数据分析， 搭建大数据分析系统， 为企业决策提供高质量决策信息。 系统架构师需要掌握系统开发技术、流程挖掘技术、数字化技术等， 能够利用这些技术帮助企业构建数字化、智能化财务管理系统。 與技术型人才不同， 财务专家扮演的更多是咨询专家角色， 具备战略、管理、财务、业财融合等多维度知识和经验， 能够对企业的财务战略进行诊断和改进， 通过提升财务管理水平为企业创造价值。

十、企业财务如何转型？

企业财务智能化转型的模式通常可以分为两种：全面部署和敏捷部署。

在全面部署模式下， 企业站在全局角度规划未来几年的智能化转型路径， 分步骤实施， 由面到点， 先重构流程， 再推进数字化转型， 最后实现智能化转型。 很多企业斥巨资在报税、内控等流程中使用RPA， 但是随着企业的转型升级， 很多流程将不复存在。 因此， 企业首先要做好规划， 重构流程， 减少不必要的支出。 然后， 企业要实现数字化转型， 将线下信息转移到线上， 为智能化转型奠定基础。 转型阶段必然会面临众多难题， 这就需要企业在实践中慢慢摸索， 逐渐改进， 分步骤完成， 最终实现智能化转型。

在敏捷部署模式下， 企业由点到面， 对现有系统进行改造。 企业内部各部门相对独立， 系统与系统之间不连通， 若推倒现有系统重新建构不仅耗时长， 而且成本高。 因此， 可以在不改变现有系统的基础上把系统间的数据提取出来， 采用敏捷部署的方式寻找突破口， 逐步完善。 企业可以将现有系统替换为AI系统， 也可以对系统进行AI改造， 还可以在不改变系统核心的基础上， 采用“AI+RPA”的外挂模式。 对于中小企业而言， 最简单的方式是直接利用第三方平台， 将财务管理完全外包， 而企业则专注于最核心的业务， 提升竞争力。 与传统代理服务相比， 这种模式保密性、准确性更高， 价格更低。

笔者认为， 智能财务的现状可以用一“有”二“无”三“好”来形容：一“有”是有技术， “大智移云”快速发展给企业转型提供了技术支持; 二“无”是无动力、无人才， 财务部门作为后台管理部门都是被动变革， 缺少动力和人才支持; 三“好”是好机会、好条件、好前景， 科技革命和产业变革创造了无限机遇和可能， 政府、企业、高校共享共建共治共赢， 智能财务发展前景广阔。

【 主 要 参 考 文 献 】

[1] Sorter H. G.. An "Events" Approach to Basic Accounting Theory[ J].The Accounting Review，1969（1）：12 ～ 19.

[2] Wallman S. M. H.. The Future of Accounting and Financial Reporting[ J].Accounting Horizons，1996（2）：138 ～ 148.

[3] 刘勤，杨寅.智能财务的体系架构、实现路径和应用趋势探讨[ J].管理会计研究，2018（1）：84 ～ 90+96.

[4] 张敏.企业财务智能化：要素·路径·阶段[ J].财会月刊，2020（17）：7 ～ 11.

[5] 杨善林，倪志伟.机器学习与智能决策支持系统[M].北京：科学出版社，2004：1 ～ 384.

[6] Chan J. T.， et al.. Reading China： Predicting Policy with Machine Learning[Z].Working Paper，2018.

[7] 清华大学中国科技政策研究中心. 2018中国人工智能发展报告[EB/OL].http：//www.clii.com.cn/lhrh/hyxx/201807/P02018072

4021759.pdf，2018-07-13.