建立长效治理机制提升投料数据质量

王春艾 刘伯洋

首钢京唐钢铁联合有限责任公司 河北 唐山 063210

引言

投料数据是在生产过程中对各种物料的流转、消耗、储存及产出等流转信息进行记录而产生的，投料数据的及时性、准确性关乎结算质量，通过分析实际投料数据掌握当前投料管理的现状，并对其进行监督管控、总结分析，不断提升投料数据的质量；与成本管控等专业管理工作相结合，以达到降低消耗、支撑成本预测、成本核算及单利分析等经营决策的目的。

1 投料管理业务流程及当前数据问题

1.1 主数据代码应用不规范

成本中心、物料编码等由相应专业管理部门编制并下发，各业务部门在实际使用过程中存在如下问题：业务系统代码新增或变更不及时，代码名称（含义）不规范或错误，已停用的代码未同步封存[1]。上述问题最终体现为不同程度的投料错误或偏差，影响核算数据准确性。

1.2 投料数据重复

因人为操作失误或系统传输故障等原因导致日常收发存数据重复，造成投料数据失真。另外，数据传递流程长、跨系统多，比如二级传三级，三级传投料，目前往往依赖人工核对，数据传递差异处理的及时性有待提高。

1.3 收发存数据上传滞后

现场收发存数据未做到实时上传或按日上传，普遍观念认为月末正式结账前汇总完成收发存收据上传即满足时限要求。近年来随着精细化管理的不断深入，无论是成本预测还是标准成本制定，都会倒逼日常消耗数据准确完整，滞后的数据已难以满足需求。

1.4 系统投料物料与实物不符

系统投料物料与实物不一致的情况时有发生，一方面转储来源部门与接收部门沟通不及时，另一方面转储接收部门专业技术人员未及时通知操作人员变更物料编码。

1.5 数字技术与投料管理融合深度不够

对投料数据的监控方式主要是对系统中大量数据进行导出筛选，整理台账，再根据了解到的机组正常投料水平进行监控。日常投料缺少事前预警环节，被动接受，月末一次调差。问题数据未做到可视化，低效。

1.6 跨系统差异日常无人核对

投料管理依托投料PES系统，其与8个前端业务系统均有数据接口，目前投料数据核对问题表现在：日常仅与后端财务系统核对，与作为投料数据源头的前端各业务系统仅在月末核对，导致收发存问题未能及时发现和处理，日常作为各类投料指标取数来源的投料PES系统数据并不能保证完全准确完整，无法为成本管控、预测、预算及标准成本的制定提供可靠依据，也影响对各部门投料偏差的监管和评价[2]。

1.7 业务流程有待优化

通过对异常数据分析发现，跨系统抛账时间设计不够科学，比如采购出库与抛账时间差过长，影响对账和结算效率；个别业务流程未形成闭环管理，比如：业务系统轧辊收发存按直径管理，财务系统轧辊收发存按重量管理，直径折算重量过程中会出现直径库存为0但重量库存有尾差的情况，而业务系统发起报废流程时并未检核财务系统余值，存在账实不一致风险。

2 数据治理的主要举措

2.1 构建和完善数据治理标准体系

钢铁企业投料物料项目主要可以包括矿粉、废钢、合金、煤、溶剂、辅材等大宗原燃料和中间半成品，根据物料特点和当前问题类型，在原有重点指标台账基础上，制定日收发存检核及周、月调差率等统计指标并通过可视化平台实时展示，其中：日收发存检核旨在通过每日计算每种物料在各个库存地下的收发存进而筛选出日末库存量为负数的异常数据开展分析，剖析背后的具体业务问题并对业务操作或流程进一步完善；周、月调差率指标旨在监控结算调整是否在正常的计量偏差范围内，以此监控为了追求个体利益而进行的调整行为，确保成本核算信息真实准确[3]。具体如下：

表1 数据治理指标和逻辑

负库存检核可以暴露包括但不限于如下问题场景：①实物转储物料A，系统消耗物料B，由于B无库存，消耗时库存为负。②应用代码A投料，误用代码B完成投料，B物料负库存。③A物料实物转到C库存地，但系统投料为D库存地，则D库存地下A物料库存为负。④期初库存10t，实际消耗5t，系统误投500t，库存为负。

2.2 建立标准化数据治理流程

做好投料数据质量管理工作不仅仅是企业财务人员的责任，整个企业的各相关环节都应该注意数据源的管理。组建团队，明确职责分工：财务人员负责牵头推进和监督，作业部门按要求实施，专业部门在实施的同时负责做好专业把关，信息化部门负责配合系统流程的优化和实施，过程中持续加强与专业部门、作业部门及信息化部门的沟通。持续将线上指标监控与线下投料巡查相结合，开展如下工作：

一是依托信息化系统，通过在线平台实现可视化展示问题数据，便于及时发现和分析异常数据。二是遵循“谁产生数据，谁负责数据”的原则，组织剖析异常数据的形成原因，定期通报处理进度，指出业务风险点，发挥团队专业优势，制定优化方案，明确整改期限，跟踪整改进度，定期评估和检查数据质量提升结果，发布数据质量提升月报，形成“发现问题-分析问题-解决问题-过程跟踪-结果反馈-措施固化”的良性循环，持续提升数据质量，逐步完善治理体系，规避业务风险，为标准成本和各类决策提供更准、更多的可用数据。三是定期开展现场投料规范性检查，对物料的实物管理过程进行监督和检查。

2.3 完善配套制度建设

对投料管理、存货盘点、成本核算等制度及相应的考核管理办法进行重新修订，使之科学合理、切实可行，适应管理的新变化。全面梳理职责、业务、流程、相关节点及风险点，加深理解促进提升，将投料基础数据治理的线下工作流程固化到制度中，明确职责分工、工作标准及绩效评价，指导业务部门规范业务流程和数据。制度修订后按月对执行情况进行自检自查，夯实制度基础，提升合规管理能力。最终实现降低风险、节约成本、提高效益。

2.4 建立闭环数据质量管理模式

建立日监控、周总结、月汇报的常态化数据治理模式，通过按周、按月组织对日常收发存数据和手工调差进行深入分析，暴露数据问题、解决业务问题，依托公司网信委例会发布《数据质量月报》，通报问题及改进进度，形成闭环管理。在治理过程中，深度应用信息化手段，比如：通过系统封存停用物料等措施杜绝投料物料编码错误，通过制定消耗定额设置系统物料消耗预警等杜绝投料数量级偏差，逐步实现投料控制的“傻瓜”化，降低员工工作强度和人员数量要求，持续提高投料效率和质量。

2.5 运用RPA机器人实现跨系统日对账

随着数字经济的高速发展和企业精细化管理的不断深入，业务处理的自动化及智能化需求日益旺盛，传统的业务处理模式难以跟上时代的发展。运用智能自动化代替职工完成低附加值且重复的任务，不仅能够提升整体的效率，而且能为企业职工减负，提升人才价值，优化业务流程，创新业务模式。

立足于此，与信息化专业深度结合，运用RPA机器人将线下流程转移到线上。陆续实现了机器人完成日均数据条数高达19万条的大宗原燃辅料、自制半成品收发存明细日对账及24h更新发送生产牌号主数据等8个流程，提升了工作效率，增强了合规性。

3 主要经验或成效

3.1 业务持续规范，日常数据质量稳步提升

通过运用大数据技术对数据治理工作进行精细化，问题数据率处于较低水平，日常数据更客观的反映指标真实水平，为成本预算、成本预测提供了可靠支撑，为公司下一步生产经营提供了决策支持；为成本核算和分析奠定了基础。随着常态化监控的持续推进，经营成果更及时、准确体现到财务账上。

3.2 强化投料班清日结，提升物料管理水平

推行投料数据质量管理的过程中强化了基础管理，班清日结得到强化，进一步规范了岗位作业，提高了岗位操控水平，产品质量得到改善。对物料的收发存各环节的管理更加精细，物料消耗控制更加高效，能够更加准确掌握成本支出情况；现场物料码放更加整洁有序，对于桶装物料如涂漆等的库存估算更加精确，也消除了物料不够对生产的影响，账面实时库存更真实反映实物水平，为生产运营、物料调度提供更具参考价值的数据。

3.3 月结效率持续提升，结算数据风险不断降低

受多系统交互影响，跨系统数据问题频发，问题数据得不到及时解决无法成功上传至投料管理系统和成本核算系统，导致月结数据不完整、不准确。在庞大的数据面前，人为对账的难度更大，效率更低，基于此，我们通过RPA机器人技术实现了自动对账、自动维护抛送主数据等流程，大幅提升了工作效率和结算数据的准确性、完整性。同时，日常检查+月末预排查长效机制的建立和稳定运行，结算效率持续提升，结算数据风险持续降低。

4 对类似企业的启示或启发

4.1 以数据为出发点，深挖数据背后的业务问题，持续优化业务流程，达到举一反三、事半功倍的效果

财务指标是业务是否规范的最终体现，从数据源头开始，实时动态监控，实现常态化监管水平的持续提高。通过对数据源进行整合，开展多维度对比分析，由发现和处理某一种数据问题延伸到处理某一类问题，由处理某一个部门或库区的问题延伸至处理全公司同类问题，持续对流程进行优化和再造，对现场物料管理进行规范。用最短时间获取最有用的数据，提高数据的及时性、相关性、准确性，提升管理效率，满足决策需要。

4.2 在业财融合基础上，充分利用信息化手段，实现业务、财务、信息化深度融合，找准降本增效发力点

信息技术的应用减少了人力资源的浪费，降低了职工的劳动强度，节省出更多的精力去开展管理活动。钢铁企业的财务人员首先要熟练掌握财务和会计管理知识，对企业各个生产环节中涉及成本管理的各项业务也要了如指掌，对钢铁生产作业现场和生产工艺流程要熟悉，积极参与企业财务成本控制的信息化建设，保证原料收集、成本归集等原始资料的完善与准确，通过可视化分析等辅助手段和现场检查调研，真正做好事前分析、事中控制、事后核算，找准要点；通过加强与各专业协作打通堵点，解决痛点，克服难点。

5 结束语

投料数据治理是企业物料收发存管理的一次尝试和创新，数据治理是一项系统性的工作，涉及技术、组织、制度、管理和执行。加大对数据质量治理的技术支持，在系统开发中采取校验技术，可视化展示异常数据，帮助职工发现错误，纠正错误，禁止违规操作，降低人为风险。完善数据治理相关制度，让职工做到“有法可依，有法必依”，同时把数据质量管理工作与员工的绩效、奖惩结合起来，加强正向激励作用。建立组织、管理、执行体系，明确职责分工和执行标准，制定方案并推动执行和落地。通过长效机制的建立和稳定运行，不断提升投料数据质量。