转型升级导向的企业数智财务系统建设研究

摘要：数智财务管理信息系统的建设是未来企业财务管理体系转型升级的重要生产力。做好数智财务管理体系建设，在系统性规划的基础上，需要坚持顶层设计与问题导向相结合，大力推进数智财务体系的建设。基于此，以福建烟草为例，阐述数智财务系统建设的思路和路径。从数智财务建设的研究背景及概念出发，结合世界一流财务管理体系建设与评价的理念，探索企业数智财务的转型思路，设计数智财务系统的建设路径，旨在为福建烟草的数智财务信息系统建设做好顶层设计。

关键词：转型升级；数智财务；建设路径

0 引言

大数据、人工智能等信息技术的快速迭代应用及企业财务转型升级的内在要求，不断推动新兴技术在财务领域的创新发展。通过财务数智化的运用，可以有效地提升财务工作效率、降低财务工作成本，提升财务对业务的响应速度和价值创造水平，从而改善企业的管理能力和管理效率，提高企业在市场竞争中快速反应能力，实现企业财务智能发展模式的转型升级。

中国烟草总公司福建省公司（以下简称“福建烟草”）自成立以来，持续推进财务信息化进程，初步实现财务管理的系统化、流程化、体系化、融合化，但还存在一些瓶颈问题亟待解决。一是标准化自动化程度较低。一方面，各地市的财务制度、流程、核算标准存在一定差异；另一方面，核算和审核等操作以人工为主，占用大量工作时间。二是双线报销流程重复烦琐。每笔资金支出均需经过线上审核和纸质审核，用户体验感不好；线上审核也缺少影像系统支撑，难以开展远程稽核。三是数据挖掘广度深度不够。缺少深层次数据加工分析工具，财务人员获取数据的范围和质量有限，难以快速、深入、直观提供财务决策支持。四是业财数据无法实时衔接。除主营业务系统，与财务对接的业务系统较少；财务数据也无法反馈给业务系统，未形成信息闭环。五是主业和多元化尚未同步。多元化企业财务系统模块不够全面，影响了财务工作效率；业务信息系统不够完善，难以为财务提供足够的数据支撑。

以福建烟草做好体系规划为前提，针对福建烟草实施数智财务管理信息系统建设的顶层设计上采取的理念、方法、架构、迭代有效实现的闭环模式的归纳，为其他企业提供可借鉴的建设经验。

1 福建烟草财务数智化转型目标

通过数智财务体系的建设，一方面，要细化传统的信息收集、加工、整理等工作的颗粒度，提高及时度和准确度；另一方面，要解放人力，强化财务人员通过业财融合对业务的赋能、对风险的管控。因此，对于福建烟草的数智财务体系建设，在理念上着力推进3个转型。

1.1 财务数据管理向标准规范转型

福建烟草维持集团化运作、集约化管理，强化集团重要财务规则制定权、重大财务事项管理权、重点经营活动监督权，实现省公司对各级子公司财务管控的“远程投放”和“标准化复制”。这要求集团企业的会计信息具有规范性、真实性、完整性、可比性、一致性等特征，但在实务中，大量会计职业判断的存在，如费用的划分、收入确认条件的选择等，大大降低了集团内会计信息的可比性和一致性，而统一规范的财务数据标准体系将促进集团化会计管理高效统一。同时，为实现数据赋能的目标，财务共享需要从海量数据中进行数据整合校验、分析预测，通过建立财务数据标准体系，批量化地完成数据的采集、清洗。因此，财务数据标准体系建立包含3个方面的工作：

一是建立标准化的财务流程，理清数据产生与流转的过程，实现流程优化再造。流程标准化的基本思路是，首先，梳理现有业务的从开端到终结的全流程，确定流程中的业财交互点；其次，明确系统需采集的数据，明确数据采集的节点和结构；最后，实现业务流程和财务流程的同步操作，将物理世界的业务流程转换为业财系统一体化模式下的业务流程，并持续优化。

二是建立标准化的表单附件，使表单附件标准化、电子化、数字化。采集业务产生的最原始数据，在业务发生时同步完成会计自动化核算，这就需要针对具体业务节点，对业务流程中各个环节产生的表单及附件进行详细梳理，包括表单来源（编制节点、编制时点、归口部门、使用部门等）、表单格式（编码、名称、样式等）、表单数据（数据属性、数据单位、数据关联映射），以及表单对应的附件（附件编码、名称、内容、样式和排序等）。表单作为数据采集的主要载体，其承载的信息应尽量全面，数据颗粒度应尽可能小，并尽量采集数据产生的源头表单，避免数据在层层加工后失真。

三是建立标准化的财务数据，明确数据属性，明确数据、指标之间映射关系。数据标准化的根本目的是实现数据同源、数据协同、数据共享。数据标准梳理的思路是从最底层业务流程节点的表单及内部管理报表中抽取数据指标，并对数据指标的编码、名称、含义、来源、关联映射等关键属性进行规范，提高企业会计政策、会计科目、核算口径、报告模板的标准化、规范化，使会计信息的外部合规性、内部可比性、核算及时性都显著提高，数据颗粒度也更细。

1.2 财务管理体系向“三分财务”转型

随着智能财务系统的建设，原有的财务组织架构、人员知识结构已很难与之适配，全省数智财务管理共享中心建设应改变以往传统的财务管理模式，将财务工作重心从核算型转向支撑公司战略、协同业务发展方面，形成“三分财务”管理新体系，具体内容如下：

（1）共享财务。共享财务的职责包括数据的“收集-加工-整理-按要求输出”、信息优化建议、大数据挖掘，以大数据为基础的风险识别与评估、服务共享等。通过在设立财务共享中心，使各分支机构可以共享财务服务，旨在提高财务处理效率和质量的同时降低公司运营成本。

（2）业务财务。业务财务是连接财务部门与业务部门的纽带，既要懂财务，又要懂业务。其主要职责是与公司的业务部门进行紧密合作，协助业务部门进行预算编制、成本核算、资产管理、税务管理等日常工作，提供财务支持和服务。同时，业务财务向业务部门提供财务咨询和建议，帮助业务部门做出更好的决策。

（3）战略财务。战略财务的职责是根据公司管理目标，制定财务发展战略、进行资源优化配置、提供战略决策支持等附加值较高的财务活动，并对业务监督评价。其主要关注公司的长期财务战略和规划，评估公司的财务风险和机会，并提出相应建议。此外，战略财务需要对外部环境进行监控，包括对市场趋势、竞争状况、法规变化等进行研究和预测，为公司提供战略建议和支持。

具体来讲，根据数智财务“三分财务”理念，结合行业“1575现代财务管理”建设提出的六大体系，要形成以“战略财务—业务财务—共享财务”为横向，“敏捷智能的核算报告—安全稳健的资金管理—权责清晰的资产管理—全面集约的预算管理—精益协同的成本费用—依法合规的税务管理”为纵向的“三横六纵”财务管理职责。这一架构充分凸显战略财务“战略规划、决策支持、建章立制”的职能，业务财务“服务业务、过程管控、财务监督”的职能，共享财务“收支结算、会计核算、报表编制”的职能。具体见图1。

“三分财务”管理体系下，将减少基层核算人员，与此同时，具有财务专业知识并熟练使用信息化工具的数据分析人员，或具备企业相关业务知识和良好沟通协调能力的财务BP（Business Partner，业务合作伙伴）的需求将增加。

1.3 决策支持向数据和模型驱动转型

随着企业管理对风险管控、决策支持方面的内部需求的增长，财务要做好业务的伙伴和领导的参谋，为行业持续健康发展提供更强有力的财务支撑，决策支持的重要性日益凸显。依据《世界一流财务管理体系建设与评价课题研究报告》^[1]的理论指导，决策支持一是财务为业务管理提供信息服务，二是财务为决策提供信息支持与备选方案。二者大都围绕资金管理、应收账款管理、存货管理、成本控制、长期资产投资、资产管理、股权管理等内容，通过企业业务的计划、决策、执行、控制、评价和反馈等管理环节，贯穿企业管理的全方位、全过程工作^[2]。智能财务服务业务、提供决策支持的能力，在很大程度上取决于所掌握信息的全面性及对信息系统洞察的深入程度。

财务作为企业的数据中心，掌握着集团内部各企业、各业务板块过往和当下最详细的数据，又连接着供应商、客户、投资者、资本市场及监管机构，具备有利的感知条件，同时又拥有一整套成熟、完善、科学的分析方法。因此，通过智能财务建设，财务部门可以准确、及时地提供数据信息，让管理层能够在第一时间了解公司运营状况；与此同时，财务部门可以通过具有前瞻性和洞察力的数据分析，发挥财务立场中立、价值视角、数据集成的天然优势，坚持问题导向，准确把握生产经营动态和行业趋势，及时发现经营短板，促进经营策略优化，为决策提供合理化、可行性建议。

传统财务信息化受限于数据采集的难度、数据分析的效率等，存在数据获取不及时、质量不达标的情况，导致业务人员仍然基于经验或质量不佳的数据作出判断。智能财务的决策支持是要构建因果关系的数据结构，对生产、经营和投资活动实施主体化、全景化、全程化、实时化反映，实现业、财、技一体化管控和协同优化，推进经营决策由经验主导向数据和模型驱动转变。

构建数据模型需要具备3个要素：数据、算法、算力。数据是要利用物联网、业财一体化自动采集业务流程中产生的原始数据，提高数据的实时性与全面性。算法是以大量数据为训练基础，通过在数据间发现或建立联系，来获得能够做出决策的支撑。财务人员要学习和利用数据挖掘、机器学习等新兴技术，设计并不断优化算法模型，从简单的数据趋势分析到建立回归分析模型判断变量关系，最终通过深度学习建立复杂的机器学习模型实现预测。要运用“企业云”“财务云”等技术整合更多算力来处理数量更大、结构更复杂的多元化业财数据。

2 九大模块的五维需求分析

2.1 财务数智平台整体架构

数智财务平台建设要以“全面共享、高效融合、深度协同、精细管理、智慧赋能”为建设理念^[3]，依托“大智移云物区”等新兴的技术，在全国烟草生产经营管理一体化平台“1242”总体架构下，以福建烟草云平台、双中台为底座，在行业标准版的基础上，结合福建烟草实际，构建数智会计（报账管理、核算管理、报表管理、档案管理）、数智管理（预算管理、资金管理、资产管理、税收管理）、数智决策三大类九大模块的总体架构，见图2。

2.2 运用五维分析法分析九大模块需求

福建烟草在构建上述模块的过程中，分别从行业需求、战略需求、管理需求、用户需求和技术需求5个维度，系统梳理不同使用者的细化需求，从而细化九大模块功能。五维分析法的维度和分析内容具体见表1，九大模块的需求分析见表2～10。

3 财务数智化平台实施路径

3.1 顶层设计

财务数智化平台建设需要稳定扩展和平滑演进，频繁的颠覆重构不仅会造成重复投资建设，更会带来业务经营与企业运营方面的额外风险。谋定而后动方能笃行致远，在探索人工智能技术在财务领域的应用方面，应该始终坚持顶层设计，在部署人工智能前需要完成数据治理工作，保证输入数据的规范性，否则不仅难以实现预期回报，还可能带来预测错误的风险。财务部门应首先在IT部门支持下将财务数据、业务数据进行汇聚和清理，为人工智能应用奠定数据基础，然后再发掘财务会计和管理会计具体领域的应用需求；并尝试从局部开始部署人工智能，在成功应用以后将在更大范围内推广；同时，人工智能的部署应以价值创造为核心，以投资回报率为标尺，并更多地参考已经成功应用的案例^[4]。

鉴于数据积累、技术发展和管理变革的渐进性，福建烟草从企业数字化水平提高带来的业务洞察力提升（X轴），以及自动化、智能化程度逐步提升带来的财务效率和效益增长（Y轴）两个维度，来反映数智财务建设的成熟度。这一建设过程分3个阶段逐步推进和持续优化迭代，见图3。

3.2 阶段一，智能财务共享

这一阶段的目标是推进业财税金资档一体化，实现数据实时、多维、精准、合规。

这一阶段的建设思路，重点是在财务工作流程（报销、核算、税务、资金、资产、电子档案）中，通过不断增加自动化智能化应用点，提升财务工作质量与效率；同时，随着企业业务信息化覆盖程度不断提高，财务系统要不断拓展数据采集广度、细化数据采集颗粒度、降低数据清洗难度，从而提高财务数据质量，为更深入的数字化应用提供数据基础。

3.2.1 技术应用

（1）自动化技术。该技术在第一阶段的应用以API（Application Programming Interface，应用程序接口）和RPA（Robotic Process Automation，机器人流程自动化）为代表，能够基于明确规则，高效、精准地实现信息自动采集，自动完成相关操作。例如在卷烟收入核算中，API可以自动从业务系统和银行系统获取卷烟销售订单和银行回单，RPA可以自动将订单与银行流水对账，自动核算卷烟收入和成本，自动归档。

（2）智能化技术。该技术在第一阶段的应用主要是模式识别类技术，例如在费用报销时，用NLP（Natural Language Processing，自然语言处理）实现用语音调出普通报销单，用OCR（Optica Character Recognition，光学字符识别）实现发票信息的智能采集，用ASR（Automatic Speech Recognition，智能语音识别）实现语音输入报销信息，用规则引擎对该项报销业务进行智能审核。

3.2.2 数据采集与清洗

（1）数据采集。财务对数据的需求从过去的关注交易结果转变为关注业务过程，从事后记录转变为实时感知，从企业自身数据转变为外部环境数据。因此，财务人员要从企业经营管理的需求出发，不断拓展数据的采集触点；通过系统集成、智能感知设备、智能识别技术等多种手段相结合，实时采取业务流程中的原始数据；通过对接银行系统、商旅平台、企业征信系统、中国气象局等，获取企业外部环境数据。

（2）数据清洗。数据清洗可以分为3个步骤：首先，数据转换。通过数据转换规则，将冗杂的数据转换为标准化数据。例如：设备耗电量与供电局电费账单的耗电量不同，需要按抄表时间进行汇总，还要考虑合理线损，经过规则转换后可与电费账单交叉比对。其次，数据稽核。采集的数据有时存在数据重复、缺失、错误等质量问题，需要设置数据稽核规则进行数据质量的检查。例如：从仓储系统采集的出库单有单据重复或者缺失，需要设定稽核规则将出库单与当期出入库汇总表的出库额核对，仓储系统存货余额与财务系统存货余额核对，设置此类交叉稽核规则，可以自动发现采集的数据是否有误。最后，数据修正。可以采用人工或自动修正的方式对错误数据进行修正，对频繁出现的错误要查找原因，从数据录入规范和数据采集程序上做修正。数据清理的效率取决于数据质量，而数据质量依赖企业整体的数据标准体系，所以，财务人员必须重视并实际参与各业务系统的数据标准体系建设，才能更有效避免数据质量问题，提高数据清洗效率。

3.3 阶段二，智能管理会计

这一阶段的目标是推进数据图表化、管理可视化，实现业财界面的进一步友好。

这一阶段的建设思路，重点是充分激发管理会计与业财专员的能动性和创造力。基于第一阶段聚集的企业数据，通过人机协同的方式，不断挖掘数据规律，灵活搭建分析图表报告，并实时可视化的展现，为企业管理者提供决策支持。同时，逐步把人类专家的知识转化为智能化的专家系统，为第三阶段做准备。

（1）商业智能（Business Intelligence，BI），在第二阶段的应用主要是从企业级数据仓库得到企业数据视图，在此基础上，再利用统计分析工具、数据挖掘（Data Mining）、联机分析处理（On-Line Analysis Processing，OLAP）等BI工具对数据进行分析和处理，发现数据本身的规律、趋势以及多维数据间的联系，最终将数据科学高效地转换为可视化的辅助决策的信息。

（2）数据探索。这是数据驱动管理的初步分析环节。依赖财务人员的统计学知识，利用BI工具以人机协同的方式，将庞杂的数据进行整理归纳，探索数据内在结构和总体规律，对数据的主要特征、关联性和分布规律进行概括，并为后续数据模型的构建提供输入依据。业财专员可以利用数据探索的成果，发现企业存在的问题，挖掘深层次的业务规律，采取相应的策略，例如，可利用数据挖掘技术对数据库中的大量客户信息进行分析和处理.然后根据客户的信用度、贡献度、消费偏好、购买频率、消费水平等因素把大量的客户进行分类，使得同一细分市场里的客户具有相似的偏好和需求，然后有针对性地提供符合客户个性化需求的产品和服务，提升客户的满意度，最大限度地挖掘客户对企业的价值，达到创收的目的。

（3）数据模型。这是数据驱动管理的核心，通常与数据探索结合共同发挥着将数据转化为信息的关键作用。数据模型是面向决策需求，将数据探索的成果，用BI工具制作成一系列有助于解决问题和实现目标的算法模型，为企业经营管理和战略决策赋能。数据模型的案例有著名的购物篮模型，沃尔玛分析销售数据时发现了“啤酒”与“尿布湿”经常出现在同一个购物篮中，经过后续调查，他们发现买尿不湿的人群以父亲居多，他们往往会顺便为自己购买啤酒，于是超市开始将啤酒与尿不湿摆放在相同的区域，大大提高了啤酒的销售量，这一探索发现激发了后续一系列关于顾客行为的分析热潮，最后演化为包含支持度、置信度、提升度的多维购物篮分析模型。在财务管理领域，数据模型的典型应用场景有，用回归算法构建应收款违约概率模型，用关联规则算法和时间序列算法构建销售量预测模型和现金流量预测模型等等。

（4）数据可视化。这是数据驱动管理的最终展示环节。智能财务平台要具备仅需进行简单的“拖拉拽”操作即可生成数据可视化图表的数据可视化工具，财务人员可利用数据可视化工具将数据转化为图像、视频或动画，以此动态高效地呈现数据信息。

3.4 阶段三，智能财务

这一阶段的目标是推进智能预测、智能决策，实现数智赋能的风险管控与价值创造。

这阶段的建设思路，重点在于将人工智能（AI）进一步运用到财务的工作流程中，基于第一、第二阶段的大数据积累和数据规律，对人工智能进行大量的训练学习，让拥有强大的深度学习能力、计算能力和反应能力的人工智能技术，可以代替人类一样进行自主的信息搜集、整理、分析，并提供经营决策方案供人类选择。同时，随着智能感知技术的发展，可以更高效便捷地对企业运行的业财数据和外部数据进行采集、监控，实现对物理世界的精准刻画，构建出一个与物理世界孪生共荣的数字世界。在数字世界中，企业可以通过人工智能以极快速度进行持续的分析、预测、仿真、调优，提供最优决策方案彻底释放企业在物理世界中的潜能，在这个阶段，企业的数字化和智能化程度将呈现相辅相成、螺旋上升的趋势。

目前，一些科技前沿企业尝试在会计核算、费用报销、财务报告、战略管理、预算管理、成本管理、营运管理、投融资管理、绩效管理、风险管理、管理会计报告、资金管理、司库管理、税务管理等财务领域引入人工智能技术，例如，将人工智能（AI）与RPA集成的IPA技术可以提供更复杂的流程自动化解决方案。将人工智能与专家系统集成的虚拟个人助手可以随时提供财务咨询服务。将人工智能与BI工具集成可以快速地将数据转化为可视化图表。将人工智能与风险指标库集成可以提供智能风险提示和解决方案等等。且在构建财务模型方面，有许多重要的机器学习算法和框架均已开源，如TensorFlow和Pytorch，这使得算法可用性已经不再是主要限制。

4 税利预测场景应用

数智财务管理体系的建设是一个不断迭代、持续完善的过程，在这一过程中，不断丰富应用场景是非常重要的迭代方法。福建烟草的数智财务体系目前已在核算、预算、分析等不同领域有众多应用场景，接下来以“融合运筹优化和机器学习的智能决策——税利预测”这一智能决策场景为例加以说明。

福建烟草的税利受卷烟销售收入和烟叶销售收入两大因素影响，而这两大因素均受季节影响出现大幅波动且受计划调控，其序列更多呈现非平稳特性，故采用自回归移动平均模型（ARMA模型）方式设计税利预测模型。

4.1 税利预测模型

4.1.1 自回归模型（AR模型）

AR模型为

xt=φ1xt-1+φ2xt-2+…+φpxt-p+εt

式中，xt为当前税利；xt-1、xt-2、…、xt-p为历史税利；φn为历史税利xn对应的权重参数；εt为扰动值。

4.1.2 移动平均模型（MA模型）

MA模型为

xt=μ+θ1εt-1+θ2εt-2+…+θqεt-q

式中，μ为历史税利均值；εn为历史税利xn的扰动值；θn为εn对应的权重参数。

4.1.3 税利预测-ARMA模型

将AR模型和MA模型组合形成ARMA模型为

Xt=φ1xt-1+φ2xt-2+…+φpxt-p+θ1εt-1+θ2εt-2+…+θqεt-q

运用机器学习程序，利用大量历史税利值对该模型进行训练和模拟，测算并不断优化税利预测模型。

4.2 智能决策的优势分析

传统税利预测模型是基于运筹学，通过对现实问题进行准确描述，并设置相关变量来构建预测模型，如以卷烟销售量和销售结构为变量，设置收入单价和成本定额来预测卷烟销售相关利润和应交税额。同时结合运筹优化算法，在多重约束条件下求目标函数最优解，如反向测算最优卷烟销售量和销售结构，这种预测模型的优点一是对数据量的依赖性弱；二是针对确定性条件的问题求解准确性高。但随着外部环境复杂程度和变化速度不断加剧，其局限性也日益凸显，如仅反馈已知影响因素的影响，对不确定性影响因素无法感知，并且测算过程复杂，响应不够迅速。

机器学习是基于数据驱动模型，通过从数据中学习规律和知识形成数据模型，实现对未知数据的预测或分类模拟出近似解区域，可大幅提升求解效率。机器学习的优势在于，一是通过比对税利变化趋势与企业内外各类数据趋势的关系，感知原本未知的税利影响因素，可对不确定性高的问题进行分析和预测；二是在线响应速度快。但其劣势也比较明显，如需要大量数据样本训练学习，并且其结果是源于数据的规律，而忽视对问题本身的逻辑描述，结果有时会不可解释或失真。

智能决策将运筹优化和机器学习深度结合在一起，有效弥补了彼此应用的短板，更好地服务于智能决策速度和质量的提升^[5]。一是在逻辑侧，根据实际问题中的决策标的、约束条件、偏好以及目标对问题进行理解及分析，将实际问题抽象转化为数学模型，再对数学模型进行求解。财务管理学中的量本利分析、最优存货量分析、边际分析等也属于运筹优化。二是在数据侧，通过机器学习对海量数据进行分析和挖掘，提取出有用的特征和信息，构建数据模型，并利用数据模型对未来状态进行预测或估计。三是根据求解结果，给出最优或近似最优的决策方案，并根据反馈信息与预测值的差异，不断更新数学模型和数据模型，实现决策模型的动态调整和优化。四是为企业输出更实时、更精准的决策方案，实现资源配置的高效化和资源利用的最大化。

5 结语

数智财务系统的建设是一个明确目标、规划流程、细化需求、丰富场景，并不断优化迭代的过程。福建烟草的数智财务建设，也将按照这一思路持续完善。

建设数智财务平台在提高财务运作效率、推动业财融合、延伸财务管控触角、提升财务价值创造能力等方面发挥着至关重要的保障作用。其意义一方面在于运用自动化、智能化的手段，将那些简单重复且易于标准化、流水线作业的核算、费控、报销等业务归集处理，从而让财务人员从这类低附加值的业务中解放出来；另一方面在于在社会发展和技术进步的推动下，经济波动周期越来越短，需要有更为敏捷智能的系统进行信息和数据的实时共享和高质量应用，数智财务中心作为天然的信息中心和数据中心，汇集着集团内部各企业、各业务板块的最为详细的过往和当下的价值链数据，又连接着供应商、客户、投资者、资本市场，具备有利的感知条件。同时，财务管理拥有一整套科学的分析方法嵌入平台建设，可以通过对信息的收集、分析、预警和预测，为企业经营管理赋能。

参考文献

[1]世界一流财务管理体系建设与评价课题组.世界一流财务管理体系建设与评价课题研究报告[M].北京：机械工业出版社，2023.

[2]数智财务国网方案编写组.数智财务国网方案[M].北京：经济科学出版社，2022.

[3]刘梅玲，黄虎，佟成生，等.智能财务的基本框架与建设思路研究[J].会计研究，2020（3）：179-192.

[4]智能财务研究院.人工智能技术财务应用蓝皮书[R].2022.

[5]韩向东.智能财务“未来”已来[J].新理财，2017（12）：" 52.

作者简介：

黄姗，女，1986年生，本科，会计师，主要研究方向：财务数字化管理。

程开榆，男，1979年生，本科，高级会计师，主要研究方向：企业数字化管理。

李承为，男，1981年生，硕士研究生，审计师，主要研究方向：财务审计数字化转型升级、内部控制与风险管理。

童丽丽，女，1974年生，博士研究生，副教授，主要研究方向：企业会计准则、企业财务数智化转型。