于润昌
(金能化学(青岛)有限公司,山东 青岛 265000)
随着大数据时代的来临,合理利用数据分析与集成技术更新传统产业结构与生产模式对企业经济效益提高具有重要的积极影响。大数据思维下,“智能”成为产业新要素,推动企业管理模式实现速度、深度、广度裂变,向更高效率、更高质量的方向转变。在此背景下,2021年11月,财政部制定了《会计改革与发展“十四五”规划纲要》,该文件明确提出要“深化转型融合,提高质量,提高效率”,这也是我国会计改革与发展的重要内容之一。因此,在企业业财融合过程中,应当立足于大数据技术,实现财务共享,重构财务、业务流程,从而促进企业财务管理的转型和升级。
2015年国务院发布的《促进大数据发展行动纲要》中,明确了要以大数据为动力,以大数据驱动经济的发展,顺应全球趋势。2021年“十四五”规划以“完善大数据标准体系”为重点。2022年,中共中央、国务院对外公开《关于构建数据基础制度更好发挥数据要素作用的意见》(简称“数据二十条”),系统性布局了数据基础制度体系的“四梁八柱”,擘画了数据要素发展的长远蓝图,对我国率先掌握数字文明时代第一要素——数据要素。该文件强调,以安全治理、流通交易、数据产权和利益分配为主要内容的数据基础体系,更好地发挥数据要素的作用,搭建数据基础制度“四梁八柱”[1]。这一系列文件彰显了数据战略价值,使其成为与劳动力、资本、土地同等重要的要素。在此社会背景下,企业以大数据思维作为有力的竞争武器,通过收集、处理海量数据,利用Hadoop、Spark、Kafka等技术,发掘其中趋势、规律及关联性,保证数据完整、准确,有助于管理者理解和解决各项问题,保证分析结果的可信度与有效性。与传统思维相比,大数据思维更注重复杂性与整体性,强调挖掘海量数据隐藏的知识与信息,为行动和决策提供支持。例如,零售企业的业财融合,利用大数据思维分析客户购买记录,可确定其消费偏好,推荐个性化服务与商品,优化营销策略与库存管理;物流企业的业财融合,利用大数据思维实时监控货物及物流路线,防范风险、控制成本,提高客户满意度;制造业企业的业财融合,利用大数据思维监测生产过程及供应链,优化生产质量与效率;银行业的“金融融合”,通过运用大数据的思想,对客户的信用等级和财务状况进行深入的分析,为客户提供高质量的金融产品和金融服务,从而实现收益最大化和有效控制风险。
在业财融合中,企业各系统之间缺乏统一的标准,主要是评价标准差异,财务客观数据库也赋予了主观色彩,对企业战略规划造成一定的制约。或者企业仅统一了财务基本流程,未纳入业务活动,使业财融合不充分,出现相同业务不同部门可能审批权限、项目名称不同,导致单据审核需要区别对待,增加财务审核负担。对企业战略决策而言,不同部门关注方向、项目名称存在一定的差异,仅依靠财务数据角度难以获得下属单位的关联性,由此产生了板块之间是否存在垂直和横向整合的可能性、能否优化管理模式、能否实现协同的商业机会、能否实现板块的交叉带动等问题[2]。在各个部门之间的协作中采用不同的标准,耗费了诸多物力、人力,阻碍了业务的顺利开展。
很多企业都是基于原来的金字塔管理方式对财务共享模式进行了改革,但并没有对财务业务的整合和变革进行后续的跟踪,这导致企业的财务功能没有发生根本改变,仍然是一种商业辅助。具体表现为:第一,没有统一的规范,未能实现“针对性”的服务;在企业的制度、流程、政策和标准上,没有达到统一的程度。这就需要财务共享组进行有针对性的划分,并将其与不同的部门的编制和项目标准相融合。在某个财务人员离职、换岗等情况下,新员工需要花大量的时间来熟悉财务状况,无法达到模块化和标准化的效果[3]。第二,信息开放不主动导致业财脱离。企业财务报表、数据难以反映业务实质、不符合经营要求,即使业务前段配置财务人员,但由于信息闭塞,容易出现反应慢、效率低等情况。并且,企业数据整合中存在各种矛盾,无法保证数据的真实性、客观性。作为财务和业务系统的业财融合,对财务和业务人员的双向制约,本质是重新定位财务,使财务成为业务活动参与者。对于企业而言,必须明确业财相应职务要求,而不能带有显著业务、财务标签,结合岗位配置员工,以“大共享”实现“大融合”。
大数据时代,办公自动化水平不断提高,越来越多的人工处理内容可利用计算机算法完成,具备对海量数据进行深度挖掘的能力,并进行智能化的数据分析。在企业的金融共享业务中引入信息化,但在转型升级方面却相对滞后。而且,随着信息技术的不断发展,许多新的信息技术不断涌现,很多人力资源管理工作都被转换成为一种技术的托管,例如,可以通过人工智能的算法来识别和记录这些工作;检查批准工作以设定系统权限,交由计算机自动完成[4]。但是,企业现有各类报表、方案、分析报告模板比较老旧,无法提供充分的信息支持决策。
1.采集各项数据
为保证企业的业务、财务有效融合,避免多结构数据不统一造成业财融合不畅,需要采取移动终端、数据机器人方式开展采集工作,确保采集阶段数据标准化。在移动终端采集数据中,根据服务要求,采取录入、拍照、扫描方式,或直接植入App采集数据。例如,在普通报销流程中,电子发票利用支付宝、微信小程序获取,或开发识别发票软件,以提高采集效率,使流程执行者无论在何时何地,均能完成数据交互,做到点对点通信[5]。在数据机器人采集方面,利用AI算法模拟人员操作,自主接收电子文件或识别纸质文件,将预填充数据录入相应区域,归档原始文件。通过两者交互采集,规范数据采集格式,应对业财融合数据需求。
2.数据共同沉淀
企业可以通过电子图像文件的方式来实现对财务数据的收集、匹配、存档和销毁等方面的支持,并对档案管理、档案采集进行全流程管控。在业财融合系统中,电子影像系统是一个重要模块,以标准接口对接ERP系统、报账系统,实现系统资料电子化管理,沉淀诸多原始数据,便于查阅档案资料,减少实物资料流转损毁风险,将原始数据变成可处理、可存储计算机数据,积累数据生产资源。而电子影像系统存在视频、音频、图片等数据中,难以直接查询、统计,降低运用效率,需要对其提炼和预处理,转化为结构化财务、业务数据,以此为基础构建电子数据仓库,有利于还原交易视图,为决策提供支持。融合平台可利用大数据技术,实现电子影像与结构数据的精准匹配,以便于用户根据条件实现不同类别、账簿数据的多维度查询。
3.畅通数据流
企业的数据具有巨大的价值,利用多维度数据分析,能够提取不同项目、产品以及各区域的客户关系、交易频次、客户规模、客户增量、销售额及供应商分布等变化。数据以业财融合平台为依托,需要各节点、各流程共同完善,否则各部门自行采集,将会构成封闭数据仓库,形成数据孤岛,无法实现业财部门对话,加上数据标准不统一,容易造成管理误判。为此,需要对数据进行“去人为”和“去主观化”,在确保数据安全性的前提下,对各个岗位和各个层次的数据需求进行梳理,对数据进行有效公开,对数据的各个节点进行合理的处理,从而突破了业财之间的屏障。例如,在财务报销资料中,可以依据业务部门的计划、合同等资料来核查支出的合理性。业务部门还可以获得员工的消费事项、交易对象以及消费数量等,从而分析公司在一段时期内的业务发展情况;或者参考历史差旅、采购等资料,对下阶段业务活动进行规划。
1.梳理业务流程
企业基于大数据思维及“大共享”战略,需要重构业财流程实现标准整合,对接开放业务系统数据。以采购支付为例,结合业财融合及大数据思维理念,重点在于供应商和企业业务交接,即采购计划、下达采购申请单、到货接收、入库结算全流程,将其融入工程、仓储、采购、研发、财务等部门,明确关键融合节点。其中,采购支付作为一项业务,将其定为一级流程,细分二级流程,包括申请、评估、入库、验收、监督跟踪、签订合同、起草合同、选择供应商、询价谈判以及制定采购计划等环节。在这项流程中,在上传发票之后,会生成包含供应商名称、开票日期及发票金额等的标准化数据,检查他们的真实性和重复性,并建立一个报销清单,提交到业务负责人审批,根据业务的类别将其单独提交,再经过财务审核和银行支付,生成原始凭证,并将其保存起来。
2.“自动化+人力”并行
在对业财融合过程进行合理梳理的基础上,基于先进的科技水平,对过程节点进行自动化考虑,推行人工、自动化和“人工+自动化”的方式。在这些任务中流程简单、重复性强及标准化的任务都交给大数据技术进行智能化管理;人员决策工作采用手工方式进行;但也有一些特殊情况,如“人工+自动化”。所以,在业财融合应用中,需要“自动化+人力”双线并行,充分利用大数据思维,解放劳动力,提高劳动效率,持续优化业财融合流程。例如,提取发票信息、查验发票真伪、创建报销单、银行支付、形成原始凭证、档案存储、编制记账凭证采取自动化操作;实物发票、电子发票即可自动化操作,也能人力操作;业务领导审批、财务审核实施“自动化+人力”操作。
3.加强流程审核
在业财融合应用中,应结合企业的经营需要,建立风险管控模式,采用多种方式对过程进行处理,以降低审计风险。业财融合平台结合金额种类,预先设定流程,将流程划分为有风险和无零风险两种类型。其中,有风险流程实施机器人、复审审核机制降低风险;而无风险流程结合项目费来源识别场景,全自动场景机器人审核,自动流入资金支付池,未通过审核则开展人工审核。例如,报销环节中劳务费、房租、通信费、招待费、差旅费、办公费均由AI机器人审核。通过标准整合升级共享水平,扩大数据共享范围,将更多业务活动纳入平台,重新定位财务职能,打破信息壁垒,提高办公效率。
1.改进优化报表体系
企业涉及数据海量,为发挥数据价值,在进行商业分析之前,需要先将数据显示在商业框架中。一方面,企业需要改进报告系统,充分考虑到不同层次的员工对数据的需求差异。例如,在营销数据中,领导层关注周期内业绩完成率、营销成本、各地区销售额、组内业绩排名;管理层关注业务部门指标,如重要项目进度、市场增长率、总营收等;业务层关注个人完成指标程度及等级排名。另一方面,一个好的商业架构可以反映出数据中隐藏的问题,从而引导管理者科学决策。例如,从单一的交易单数、转化率及客单价等角度来看,仅能看到数据表面的原因。运用大数据的思维,建立一个商业分析架构,则可以从品类、流量渠道等深层次挖掘出其中的责任人和问题。利用成熟的报告系统和大数据技术,企业可以实现自动化的趋势预测、价值分析及预警。例如,在价值分析方面,建立综合的分析模型,对数据的价值进行挖掘,明确其中蕴含的商业逻辑,实现从核算的小数据到多维度的大数据分析;根据企业的实际情况,设计出符合企业实际情况的数据预警模式,对关键数据进行监测,及时发现异常情况,并对运营风险进行辨识;趋势预测是以大数据为基础,建立多因子预测模型,对隐藏的数据规则和相关性进行分析,从而对未来进行预测,以便管理者科学掌握经济发展趋势。
2.数据智能化挖掘
业财融合平台沉淀诸多企业内外部数据,涉及的数据较多,可利用大数据算法及分析模型,挖掘有价值信息,助力企业经营创新。例如,企业基于平台沉淀的历史数据,建立个性化推荐系统;建立数学模型,分析用户的消费倾向及喜好,并将其与服务项目相结合,计算出相似度实现智能匹配,以便于提供高质量的商品;通过智慧商务,在企业中实现智能客服,有效提高企业服务质量。
综上所述,大数据时代已经来临,转变企业生产经营管理模式,充分利用大数据技术有效提高企业生产经营管理效率,将大数据技术嵌入企业业财融合全过程,已经成为企业管理转型升级的新趋势。为此,企业在推进业财融合的过程中,应结合实际情况,从优化数据标准管理、推进业财流程融合、改进业财融合服务等方面入手,发挥大数据思维的作用,促进企业管理水平的不断提升,推动企业实现高质量发展目标。