財務(wù)數(shù)智化十大場景洞察，助力世界一流財務(wù)管理體系建設(shè)

時間：2023-08-07 19:06:01 | 來源：網(wǎng)站運營

時間：2023-08-07 19:06:01 來源：網(wǎng)站運營

財務(wù)數(shù)智化十大場景洞察，助力世界一流財務(wù)管理體系建設(shè)：

當前，數(shù)據(jù)已成為驅(qū)動企業(yè)發(fā)展的關(guān)鍵生產(chǎn)要素，數(shù)據(jù)科學被引入財務(wù)領(lǐng)域，財務(wù)工作迎來新的重大機遇和挑戰(zhàn)。2022年3月，國資委發(fā)布《關(guān)于中央企業(yè)加快建設(shè)世界一流財務(wù)管理體系的指導意見》，強調(diào)要推動財務(wù)管理從信息化向數(shù)字化、智能化轉(zhuǎn)型，并將財務(wù)數(shù)智體系作為五大體系之一寫入文件之中。財務(wù)管理是企業(yè)管理的中心，是企業(yè)實現(xiàn)基業(yè)長青的重要基礎(chǔ)和保障。財務(wù)數(shù)智化轉(zhuǎn)型是建設(shè)世界一流財務(wù)管理體系的核心動力，也是未來財務(wù)發(fā)展的必然趨勢。

財務(wù)數(shù)智化場景，是數(shù)智技術(shù)發(fā)揮價值的具體應(yīng)用，面向業(yè)務(wù)和管理需求，應(yīng)用智能化、數(shù)字化技術(shù)，實現(xiàn)數(shù)據(jù)賦能、科學決策與經(jīng)營管理支持。本文總結(jié)了財務(wù)數(shù)智化十大場景，展示數(shù)字化時代下財務(wù)工作的全新變革，為企業(yè)實施財務(wù)數(shù)智化轉(zhuǎn)型提供參考。

場景一：財務(wù)智能審核

近年來，伴隨著企業(yè)業(yè)務(wù)規(guī)模的擴大，財務(wù)審核的工作量與工作壓力與日俱增，傳統(tǒng)以人工為主的審核模式逐漸難以適應(yīng)企業(yè)財務(wù)業(yè)務(wù)高質(zhì)量發(fā)展的需求。企業(yè)通過應(yīng)用規(guī)則引擎與機器學習技術(shù)，自定義審核規(guī)則與流程，并通過大量的訓練擴充規(guī)則庫，實現(xiàn)財務(wù)的智能審核，提高審核效率。例如，某通信運營公司借助新興技術(shù)的力量構(gòu)建符合管理需求的單據(jù)智能審核平臺，該平臺能夠通過報賬系統(tǒng)、發(fā)票池等多種內(nèi)外部系統(tǒng)獲取審核所需數(shù)據(jù)，并利用規(guī)則引擎和機器學習技術(shù)打造企業(yè)財務(wù)合規(guī)審核、風險審核、內(nèi)控審核、支付審核等全方面規(guī)則庫，實現(xiàn)了單據(jù)的實時校驗、準確審核、結(jié)果直傳、全程無感。

>>案例詳情請點擊查看《人工智能助力財務(wù)智能審核——以某通信運營公司A為例》

場景二：供應(yīng)商智慧結(jié)算

企業(yè)通常面臨供應(yīng)商業(yè)務(wù)線上流程斷點多、手工作業(yè)工作量大、結(jié)算過程繁瑣、供應(yīng)商管理難度大等問題。智能結(jié)算平臺的建立能夠?qū)崿F(xiàn)智慧發(fā)票開具與核驗、智慧三單匹配、智慧結(jié)算等多種可替代人工操作的功能，同時企業(yè)可以通過收集數(shù)據(jù)、建立數(shù)據(jù)庫、建立模型與持續(xù)訓練來完成對供應(yīng)商畫像的描繪。

例如，電力行業(yè)某大型企業(yè)集團的省級公司搭建了以供應(yīng)商智能結(jié)算平臺、供應(yīng)商智能畫像為主體的供應(yīng)商智慧結(jié)算管理體系，業(yè)務(wù)人員可在智能結(jié)算平臺上一站式自動完成與供應(yīng)商間的交易事項，包括接收供應(yīng)商開具的正式發(fā)票、三單匹配等。同時，該公司基于內(nèi)外部信息建立了“供應(yīng)商數(shù)據(jù)資源池”，全面匯聚供應(yīng)商數(shù)據(jù)信息，支持供應(yīng)商全息畫像的描繪，幫助企業(yè)有效防范采購風險，優(yōu)化管理與決策。

>>案例詳情請點擊查看《供應(yīng)商智慧結(jié)算管理體系建設(shè)實踐——以電力企業(yè)D公司為例》

場景三：智慧稅務(wù)管理

企業(yè)業(yè)務(wù)的擴張使得原有稅務(wù)工作模式已無法適應(yīng)企業(yè)的發(fā)展，企業(yè)業(yè)務(wù)涉及多業(yè)態(tài)、全球化，稅務(wù)管理難度大，涉稅業(yè)務(wù)大多線下作業(yè)，稅務(wù)相關(guān)工作的信息化水平總體較低，且針對稅務(wù)風險管理，企業(yè)通常缺少事前及事中預警。企業(yè)可以借助“大、智、移、云、物、鏈”數(shù)字技術(shù)打通“票—賬—表—錢—稅”全流程，建立一個打破稅企管理邊界、職能充分耦合、數(shù)據(jù)充分互通的精細化、集約化稅務(wù)統(tǒng)籌管理平臺。

例如，某綜合性能源供應(yīng)商搭建了智慧稅務(wù)平臺，從組織架構(gòu)、業(yè)務(wù)流程與信息技術(shù)應(yīng)用、制度規(guī)則三個方面進行調(diào)整與重構(gòu)，利用光學字符識別（OCR）技術(shù)、PDF解析及規(guī)則預設(shè)完成發(fā)票的信息采集、校驗及審核，同時借助人工智能（AI）、機器人流程自動化（RPA）等技術(shù)手段自動計算稅金并申報納稅，實現(xiàn)稅務(wù)業(yè)務(wù)自動處理、申報納稅智能規(guī)劃、風險監(jiān)控內(nèi)外互聯(lián)、稅務(wù)分析統(tǒng)籌全面。

>>案例詳情請點擊查看《企業(yè)集團智慧稅務(wù)平臺建設(shè)路徑研究——以SN集團為例》

場景四：資金流動性預測

通過對資金流入、流出流程的全面梳理，借助數(shù)字化手段，幫助企業(yè)預測未來資金動向，及時識別、測算、預警相關(guān)風險，有效應(yīng)對外部不確定性，降低付款排期錯配、備付金不足等造成的潛在風險，在平衡資金安全和效益的基礎(chǔ)上實現(xiàn)資金最優(yōu)配置。

• 科學預測推演，輔助業(yè)務(wù)前瞻性決策
  構(gòu)建資金收支預測模型，匯聚企業(yè)內(nèi)外部數(shù)據(jù)，自動提取影響資金流入和流出的關(guān)鍵因子，幫助企業(yè)自動生成資金計劃，包括銷售回款、采購付款、內(nèi)部調(diào)撥、貸款融資、盈余投資預測等等，動態(tài)規(guī)劃資金使用，保障經(jīng)營用款及時支付，促進資金分配和資本結(jié)構(gòu)優(yōu)化。
  
• 敏捷化風險監(jiān)控，有效降低資金流動性風險
  
  結(jié)合公司整體資金運用策略和業(yè)務(wù)實際需求，從價值鏈出發(fā)，重點分析經(jīng)營過程中公司經(jīng)營活動與資金波動情況，建立流動性風險監(jiān)控指標體系，設(shè)計風險監(jiān)測模型，實時監(jiān)測、分析、預警流動性風險因素，協(xié)助企業(yè)管理資金流波動，確保配置平衡。

例如，某大型電力企業(yè)搭建了集團企業(yè)收款結(jié)算平臺，采集財務(wù)、營銷電費收入等歷史數(shù)據(jù)，綜合考慮電費發(fā)行、交費行為、資金到賬規(guī)律、電力消費趨勢、人口及經(jīng)濟增速等影響因素，結(jié)合利用Holt-Winters時序預測模型、XGBoost+隨機森林融合模型等多種數(shù)據(jù)模型分析，并通過歷史數(shù)據(jù)滾動驗證、優(yōu)化模型參數(shù)，實現(xiàn)對月電費、日電費的到賬金額的精確預測，從而使得系統(tǒng)自動預測每日電費收入，讓企業(yè)從原有的“月度管理”變?yōu)椤鞍慈张牌凇?，進一步加強現(xiàn)金流預算過程管控，細化管理維度，提升了資金統(tǒng)籌平衡能力和管理創(chuàng)效能力。

場景五：支付反欺詐管理

受企業(yè)組織層級逐漸繁多、財務(wù)監(jiān)控力度弱及內(nèi)部審查體系不完善等原因影響，社會上頻繁發(fā)生因支付不當遭受嚴重損失甚至面臨破產(chǎn)的企業(yè)案例。常見的支付欺詐情形有：

• 內(nèi)部舞弊：財務(wù)人員利用職務(wù)之便及企業(yè)管理制度的漏洞，私刻銀行業(yè)務(wù)清訖章偽造繳款單以竊取企業(yè)的國家公款；
• 支付流程不規(guī)范：企業(yè)業(yè)財信息對接、反饋不及時，及支付接口不穩(wěn)定，都可能導致企業(yè)重復支付；
• 電信詐騙：財務(wù)人員遭遇犯罪團伙電信詐騙，導致企業(yè)賬戶資金通過網(wǎng)絡(luò)被騙取。

某證券公司通過上線支付反欺詐產(chǎn)品來杜絕此類事件的發(fā)生，該產(chǎn)品利用文件導入、數(shù)據(jù)庫連接和API接口等多種方式采集數(shù)據(jù)，基于算子平臺配置所需的算法模型，將交易頻率異常、交易金額異常、重復支付等業(yè)務(wù)風險點抽象為數(shù)據(jù)規(guī)則，實現(xiàn)對異常支付行為的智能識別，全面防范資金風險。支付反欺詐產(chǎn)品的應(yīng)用能夠全面匯聚企業(yè)內(nèi)外部數(shù)據(jù)，智能審查預警支付指令，實現(xiàn)事前預警和事后追查，合理有效地幫助企業(yè)規(guī)避支付欺詐問題，保障企業(yè)資金安全。

場景六：預算及績效管理

企業(yè)通常會基于對未來經(jīng)營情況的預測，對企業(yè)資源進行規(guī)劃與分配，同時會根據(jù)經(jīng)營預測的結(jié)果設(shè)定經(jīng)營目標，對所分配資源產(chǎn)生的效益進行評價與控制。然而，財務(wù)在制定目標和調(diào)整區(qū)間時總是缺乏依據(jù)，難以建立科學的預測機制，且預算編制工作依賴于財務(wù)人員手工完成，無法保證預算編制的質(zhì)量與時效。

某汽車生產(chǎn)制造企業(yè)針對這一痛點搭建了靈活、敏捷的經(jīng)營預測體系，匯總、梳理所有預算指標與規(guī)則，將業(yè)務(wù)流程模型化，并利用機器學習技術(shù)對預算模型展開大量訓練，推演出最優(yōu)的預算模型。后將預算計劃嵌入采購平臺等前端平臺，訂單下達時預算控制立即運行，同時，在自動化預警機制下，系統(tǒng)可實時追蹤預算的執(zhí)行情況，做到事前、事中有效控制預算。最后，基于預算數(shù)據(jù)和執(zhí)行數(shù)據(jù)的自動采集與計算，系統(tǒng)將會自動出具預算分析報告，且以報告信息為依據(jù)，構(gòu)建適用于多業(yè)務(wù)線的績效模型，計算出績效考核結(jié)果并以評價或激勵的形式及時反饋，科學、高效地實現(xiàn)企業(yè)業(yè)績改善。

場景七：信用風險管理

隨著企業(yè)業(yè)務(wù)規(guī)模不斷擴大，生產(chǎn)所需原材料的供應(yīng)任務(wù)繁重、供應(yīng)商規(guī)模龐大、逾期交貨等問題一直存在，企業(yè)對于供應(yīng)商信息檔案管理深度不夠，未能掌握每個供應(yīng)商的綜合情況和履約能力，缺乏對供應(yīng)商的評級和風險防控，以及時常會出現(xiàn)供應(yīng)商由于產(chǎn)能、資金、原材料等自身問題不能按時交貨期的問題，導致給公司的生產(chǎn)效益帶來不良影響。

某制造業(yè)企業(yè)利用數(shù)字化技術(shù)，吸納供應(yīng)商信息、工商、關(guān)聯(lián)方等全量數(shù)據(jù)，構(gòu)建供應(yīng)商信用風險管理模型，形成企業(yè)基本信息（企業(yè)名稱、機構(gòu)代碼等）、經(jīng)營數(shù)據(jù)（關(guān)聯(lián)企業(yè)、企業(yè)信用評級等）、能力投入（產(chǎn)品能力、專利權(quán)等）、風險情況（失信信息、行政處罰等）等多種類基礎(chǔ)標簽及部分衍生標簽，全方位描繪供應(yīng)商信用畫像。其中，企業(yè)融合知識圖譜、機器學習等先進技術(shù)排查供應(yīng)商與其他企業(yè)復雜的關(guān)聯(lián)關(guān)系，并內(nèi)置風險預警機制，及時反饋供應(yīng)商供貨流程中的潛在風險，并篩選出優(yōu)質(zhì)供應(yīng)商、低風險供應(yīng)商及高風險供應(yīng)商，科學量化供應(yīng)商的信用風險，維護企業(yè)日常的高效運營與資金安全。

場景八：資產(chǎn)物聯(lián)網(wǎng)應(yīng)用

傳統(tǒng)的固定資產(chǎn)管理技術(shù)、方式簡單，存在管理效率低、效果差等較多局限性。物聯(lián)網(wǎng)技術(shù)的快速發(fā)展與推廣應(yīng)用，為突破固定資產(chǎn)高效管理的技術(shù)難題、實現(xiàn)智能化、數(shù)字化管理帶來良好契機。

• 智能盤點：應(yīng)用物聯(lián)網(wǎng)技術(shù)搭建固定資產(chǎn)管理系統(tǒng)，可以實現(xiàn)對資產(chǎn)實物的高效、精準、智能、標準化盤點清查，大量降低人力、物力等資源投入。
  
• 資產(chǎn)全生命周期管理：通過資產(chǎn)管理信息系統(tǒng)的應(yīng)用，將資產(chǎn)管理的控制點前移到業(yè)務(wù)端，實現(xiàn)資產(chǎn)全生命周期的在線管理，有效改善數(shù)據(jù)更新、設(shè)備資產(chǎn)配置、運檢維修、資產(chǎn)核算等相關(guān)工作的及時性、準確性和工作效率。同時，資產(chǎn)管理信息系統(tǒng)通過與ERP等生產(chǎn)管理信息系統(tǒng)的集成，把后端資產(chǎn)價值管理與前端資產(chǎn)實物管理關(guān)聯(lián)起來，實現(xiàn)賬、卡、物的動態(tài)一致性管理。
  
• 資產(chǎn)數(shù)據(jù)分析：各業(yè)務(wù)部門能夠借助資產(chǎn)管理系統(tǒng)實時查詢、動態(tài)掌握資產(chǎn)當前狀態(tài)信息，根據(jù)需要對資產(chǎn)信息數(shù)據(jù)進行挖掘分析，指導企業(yè)的資源調(diào)配、項目投資決策、資產(chǎn)預算管理、生產(chǎn)運維決策等各項工作。

例如某省政府利用物聯(lián)網(wǎng)技術(shù)構(gòu)建實物數(shù)據(jù)追溯體系，對接現(xiàn)有資產(chǎn)檔案數(shù)據(jù)，建設(shè)資產(chǎn)智能管理云數(shù)據(jù)中心，建立資產(chǎn)編碼云、資產(chǎn)物聯(lián)云、智慧共享云等資產(chǎn)管控云平臺，打造資產(chǎn)動態(tài)管理和績效評價體系，實現(xiàn)資產(chǎn)大數(shù)據(jù)可視化、采購決策有效支持、資源管理一張圖、遠程診斷運營維護、資產(chǎn)共享等目標。該資產(chǎn)云平臺的主要應(yīng)用場景及成效如下：一是打造資產(chǎn)云數(shù)據(jù)中心，構(gòu)建政府資產(chǎn)的智能標準化管理體系，實現(xiàn)資產(chǎn)管理的全程跟蹤，保證信息流、資產(chǎn)實物流和資金流三合一；二是打造資產(chǎn)共享系統(tǒng)，實現(xiàn)資產(chǎn)共享使用運營，避免國有資產(chǎn)重復建設(shè)和投資浪費；三是構(gòu)建資產(chǎn)遠程診斷維護運營中心，對資產(chǎn)運行維護日常數(shù)據(jù)采集、分析、診斷并提供知識庫累積，促進資產(chǎn)的智能維護；四是實施資產(chǎn)管理大數(shù)據(jù)可視化概覽，將資產(chǎn)檔案進行多維度數(shù)據(jù)分析，分類評價資產(chǎn)使用績效。

場景九：多維經(jīng)營分析

業(yè)務(wù)多樣化、管理多元化逐漸成為現(xiàn)代企業(yè)發(fā)展的趨勢，企業(yè)通常利用管理報表來監(jiān)控戰(zhàn)略的執(zhí)行情況，把握企業(yè)經(jīng)營現(xiàn)狀。然而，由于企業(yè)現(xiàn)存的一些痛點導致企業(yè)無法從管理報表中獲取有效信息以支撐決策。

• 信息系統(tǒng)：信息系統(tǒng)繁多復雜，系統(tǒng)內(nèi)部缺乏對接，數(shù)據(jù)信息難以貫通共享，同類業(yè)務(wù)多系統(tǒng)并存，無法支撐報表自動生成；
• 內(nèi)部管理：組織管理層級多，內(nèi)控管理制度不完善，溝通決策鏈條長，管控力度不夠；
• 管理報表：報表數(shù)量多、質(zhì)量低，存在數(shù)據(jù)缺失、填報口徑不一致等問題，無法反映企業(yè)真實的運營狀況。同時，報表由人員手工編制，耗時耗力，且難以保障報表的信息質(zhì)量。

某大型地產(chǎn)企業(yè)為滿足企業(yè)管理需求，以數(shù)據(jù)驅(qū)動經(jīng)營決策為目標，將現(xiàn)有管理報表體系進行優(yōu)化重構(gòu)。該企業(yè)搭建了適應(yīng)集團層面管理需求的管理報表體系，明確報表的指標涵義和計算規(guī)則，拆解報表指標至最小顆粒度，建立多維度、多層次的指標分析體系。同時，利用數(shù)字化技術(shù)與工具，整合企業(yè)內(nèi)外部海量數(shù)據(jù)，基于企業(yè)戰(zhàn)略搭建模型展示表，進而開展數(shù)據(jù)清洗、加工、貼標簽等工作，并建立常用數(shù)據(jù)指標庫。最后針對固定報表進行模板配置，由系統(tǒng)自動定期出具所需報表與指標，并以可視化的形式直觀呈現(xiàn)。管理報表體系的數(shù)字化重構(gòu)能夠?qū)崿F(xiàn)企業(yè)經(jīng)營狀況的多維精益分析與決策場景應(yīng)用，把握企業(yè)現(xiàn)狀，及時監(jiān)控、反饋、解決經(jīng)營管理中出現(xiàn)的問題，促進企業(yè)運營效率的全面提升，全力支撐企業(yè)經(jīng)營管理決策。

場景十：中長期滾動經(jīng)營預測

在企業(yè)中，傳統(tǒng)中長期經(jīng)營預測往往立足于歷史數(shù)據(jù)，實質(zhì)上并沒有真正考慮事物變化的因素，僅致力于數(shù)據(jù)的擬合，對規(guī)律性的洞察收獲甚少，缺乏準確性與指導性，難以支撐企業(yè)的戰(zhàn)略規(guī)劃與決策。DT 時代下，人工智能技術(shù)與應(yīng)用數(shù)學迅猛發(fā)展，應(yīng)用于企業(yè)中長期經(jīng)營預測中，以多模型組合預測，并通過逐期動態(tài)滾動，實現(xiàn)柔性預測，在戰(zhàn)略目標的指引下支持企業(yè)戰(zhàn)略規(guī)劃以及商業(yè)計劃、業(yè)務(wù)規(guī)劃、預算、績效的制定。

• 多模型組合，全面預測
  中長期經(jīng)營預測數(shù)字化將集聚經(jīng)營相關(guān)的全方位數(shù)據(jù)，數(shù)據(jù)越豐富，數(shù)據(jù)間的聯(lián)系越可能被感知和洞察，越能全面反映發(fā)展變化規(guī)律。同時，通過機器學習將BP 神經(jīng)網(wǎng)絡(luò)模型、灰度預測模型、ARMA 模型等多種預測模型進行組合搭建，從而對多種預測結(jié)果進行有機合成，有效獲取多種信息，提高預測科學性和準確性。
  
• 動態(tài)滾動，柔性調(diào)整
  中長期滾動經(jīng)營預測基于計劃、預算、績效完成情況，利用云計算等新興技術(shù)極大提高數(shù)據(jù)的計算、存儲、交互能力，保障數(shù)據(jù)的實時處理與快速響應(yīng)，從而不斷修正、動態(tài)調(diào)整并延續(xù)預測過程，使預測從實際出發(fā)，避免企業(yè)對戰(zhàn)略目標的僵化執(zhí)行，切實指導企業(yè)的經(jīng)營活動。

---

原創(chuàng)聲明：本文作為中興新云·財務(wù)云包括書面研究、社群互動和會議在內(nèi)的持續(xù)性資訊服務(wù)的一部分發(fā)布，相關(guān)內(nèi)容已獲授權(quán)。版權(quán)所有 2023 中興新云。未經(jīng)許可，不得復制。保留所有權(quán)利。

歡迎關(guān)注微信公眾號【財務(wù)云】、訪問財務(wù)云官網(wǎng)（www.ztccloud.com.cn）、訪問FOL財務(wù)云信息系統(tǒng)官網(wǎng)（www.ztcfol.com.cn），獲取更多財務(wù)數(shù)字化、財務(wù)共享服務(wù)相關(guān)資訊。