财务智能化的创新框架

【摘要】财务智能化，已经成为当下企业会计信息化发展的重要趋势。它不再是只停留于理念阶段，而是越来越多地出现在企业管理实践中，为企业经营在洞察业务痛点、提升运营效率、识别并控制风险等多方面带来重要价值。本文基于对传统财务工作现状的痛点分析，分别从财务智能化的核心要素、关键技术、技术补充和应用场景四个角度，提出了财务智能化的创新框架，旨在为研究和探索财务智能化在企业管理经营中应用提供借鉴。

传统财务工作面临的痛点

财务科技在我国发展至今经历了会计电算化、财务信息化和财务智能化三个重要阶段。在会计电算化阶段，一个重要的改变是将传统的纸笔簿记转变为计算机簿记。这一改变重在形式，并未改变会计簿记的实质。在财务信息化阶段，随着ERP的发展和信息集成的盛行，企业内部信息系统深度集成，财务结果直接来源于业务系统信息的会计规则化转换，实现了深度的业财集成和一体化。基于BI模式的财务分析体系盛行，财务的决策支持能力得到显著提升，但这些并未彻底解放财务人员，从会计电算化到财务信息化，财务工作仍然面临以下四大痛点。

一是财务分析面向过去，分析视角有限，预测能力显著不足。财务预算即使具有简单的预测能力，但多数情况下仍处于听业务部门“讲故事”的尴尬境地。财务分析时效性差，信息滞后，导致分析结果经常不具有对经营决策的指导价值。

二是财务运营仍建立在重人力的模式之上。尽管财务共享服务模式在国内已经普及成熟，但传统财务共享还是建立在大量人力集中的基础之上。此外，在分散的基层机构中，财务运营同样在消耗大量人力，如何在后共享时代进一步削减运营人力成为重要课题。

三是业务交易变得愈发复杂，交易安全保障和交易核对愈发困难。合同、资金结算中潜藏大量安全隐患，关联交易及内部交易核对长期以来就是一大难题，且在交易复杂化的背景下愈演愈烈，企业集团急需找到解决此类问题的新方法。

四是渗漏舞弊手段不断升级进化，传统财务审核和风险管控体系难以高效定位并应对复杂的舞弊行为。财务风险控制缺工具、缺手段。财务稽核往往需依赖大量的现场调查，方能发现蛛丝马迹。

以上诸多现实财务工作中存在的问题，驱动企业财务管理人员必须深入思考解决方案。而近年来随着智能化技术的快速发展，为解决上述问题提供了契机。财务智能化并非单一概念，其背后是多种技术的组合，将这些技术能力进行综合应用并深度嵌入财务场景，才能获取重大价值。本文将尝试从相对全局的视角，来构建财务智能化体系，具体包括三大核心、三大技术、一个补充和四大应用，简称为“3-3-1-4模型”。

财务智能的创新框架

构建财务智能的整体框架，能够帮助我们从宏观视角更加清晰地认识到财务智能化体系的构成和逻辑。对财务智能的“3-3-1-4模型”分别论述如下。

（一）三大核心：数据、算力和场景

财务智能化的实现依赖于三大核心——数据、算力和场景。如果把财务智能化比作一辆越野车，那么数据就是这辆车的燃料，没有足够的数据，如同缺油的汽车难以走远；算力如同引擎，好的引擎能够让车的动力更加充沛，轻松应对各种复杂路况；而场景是车的导航，如果没有清晰的应用场景，车会如同在无人区行驶，找不到方向。

在财务智能化的进程中，企业集团应当高度重视在这三个核心要素方面的基础建设。

在数据方面，需要实现三个扩展。

1.从财务数据到业务数据的扩展

这个过程的实现需要建立在业财一体化的基础上，财务核算结果能清晰追溯至业务交易过程，通过对业务交易信息的丰富记录，扩充财务核算的信息维度。此外，与财务结果并不直接相关的业务数据的积累也不容忽视。

2.从企业内部到外部的扩展

在财务智能化时代，内部数据已无法满足分析预测、风险控制的需求，市场数据、同业数据、舆情数据等外部数据的引入能更好地优化预测及风控模型，支持更多应用场景的实现。

3.从结构化到非结构化的扩展

无论是财务还是业务，内部还是外部，传统模式下对数据的需求主要集中于结构化数据。但实际上，大量数据是以非结构化的形态存在的，如发票要素、合同要素等。若能充分发挥智能技术的应用价值，通过技术工具如影像识别、自然语义识别等将非结构化数据进行结构化，必然能够将财务智能化的数据基础提升到新的高度。

在算力方面，云计算是核心解决方案。云计算本身有多种形态，如SaaS（软件即服务）、PaaS（平台即服务）及IaaS（基础设施即服务）。不同形态解决不同问题，SaaS可以理解为财务系统的即租即用，PaaS可以理解为开发工具的即租即用，IaaS则是算力的即租即用。因此，企业能自建或使用IaaS有效解决算力问题，就能为财务智能提供强有力的引擎。

最后是场景的问题，一方面需能深刻地理解业务场景，清晰地洞察业务痛点；另一方面需要明晰各种智能技术的特点和优势，将技术优势与业务痛点的解决相结合，从而形成场景。因此，场景是一个持续发现和提炼的过程，需要由专业团队夯实基础。

数据、算力、场景构成了实现财务智能的基本框架。但是，要让财务智能化的能力与价值得到彻底发挥，还需要引入一系列新技术作为其催化剂。

（二）三大技术：大数据、人工智能和区块链

技术的引入是实现财务智能化的关键。技术是持续进步和发展的，在不同时期有着不同的技术焦点。在财务智能化阶段中，产生重要影响的有三大技术：大数据、人工智能和区块链。

大数据技术的出现，使得财务所能够使用的数据量级发生改变。传统财务的数据受到技术条件的约束，仅能在有限的维度上进行信息的记录承载，而大数据技术的出现使得海量数据以高效、低成本的方式进行记录。如上文所述，数据从财务向业务、结构化向非结构化、内部向外部的三个扩展能够得到有力的技术支持。此外，大数据技术能够提供相关性的发掘能力。这使得传统财务分析的视野得以扩展，能够基于大数据分析发现更多影响经营结果的关键因素，并使得财务人员有机会对这些关键因素的影响程度进行识别，通过干预影响关键因素，达到改善经营绩效的结果。

另一项重要的技术是人工智能。广义的人工智能范畴非常广泛，当下应用相对广泛的核心技术是机器学习。机器学习中的监督学习方法能够找到给特定对象打上特点标签的方法，无监督学习能够实现聚类或分类，这些都创造了解决传统财务问题的新思路和新方法。如监督学习方法能够在财务的运营流程优化方面发挥重要作用，无监督学习的聚类能力，能够在风控方面发挥作用。此外，在广义的人工智能领域还有更为丰富的应用场景。

最后是区块链技术，区块链的本质是一种去中心化的共识记账模式。它的价值在于能够大幅提升交易信息记录的安全性和可靠性。在区块链模式下，信息在多个账簿中被同步重复链式记录。这种记录方式不易被窜改，可信度得到了保障，解决了交易或信息传递过程中的信任问题，降低了信任成本。但需要意识到的是，这种安全性和可靠性的提升是建立在信息被大量冗余记录的基础之上，因此使用区块链技术需要关注场景的投入产出比。区块链技术通常应用于财务交易的安全和一致性提升、交易核对等场景。

以上三大技术的创新应用，能够有效实现财务智能化场景的落地，使得财务的各类主线流程发生颠覆式变革。与此同时，不容忽视在流程细微之处的局部创新。

（三）一个补充：RPA（机器流程自动化）

如果说上文谈到的三种技术是重型装备，那么作为补充的RPA（机器流程自动化）可以被看作是一个轻量级的补充技术，也是实现流程局部创新的重要工具。RPA的全称为Robotic Process Automation，即“机器流程自动化”。它主要用于在不侵入现有系统的基础上将流程的断点衔接起来。整个过程模拟人工操作，在财务领域又被称为“财务机器人”。RPA有以下七个特点：（1）以跨应用系统的外挂形式存在；（2）能够进行可视化的监督管理；（3）可以通过简单的开发实现；（4）部署周期很短；（5）基于设定自动执行流程；（6）善于解决复杂应用场景；（7）能够模拟人的行为串行执行。

从RPA的特性来看，它的定位是企业在信息化集成之外的一种补充。在条件允许的情况下，企业可以优先考虑通过系统的集成建设来打通系统之间的流程和信息断点。但这并非否定RPA的价值，在特定场景下RPA仍然有其重要的意义。一方面，不少企业的确存在客观难以解决的系统或流程对接问题。比如面对企业外部的强势组织，如税务、交易所、银行等，很多时候系统就是做不到无缝集成。另一方面，企业信息系统的建设要有一个过程，尽管高度集成是理想目标，但在这个目标实现之前会有很长的等待时间。这个时候RPA的人工模拟就能够发挥重要的价值。它可以解决大量零碎的、暂时性的、小的流程需求，从而快速释放出不必要的人力消耗。从某种意义上讲，这符合长尾经济的理论。

构建核心框架奠定基础，引入典型技术颠覆流程，应用补充技术局部创新，财务智能化已初现雏形。而技术的革新最终体现为应用。至今，实践中，各种应用已层出不穷，下文选取典型应用展开介绍。

（四）四大应用：大数据分析预测、智能运营、交易可靠一致、数字风控

财务智能化的技术发展和财务应用实现深度融合，基于大数据、人工智能、区块链和RPA技术，可以实现以下四大应用。

1.大数据分析预测

传统的财务分析重过去轻未来，很难提供预测性的决策支持。其中一个重要因素是支持预测分析的数据有限，而基于这些有限数据所提炼的预测模型因素也显著不足，且数据之间的相关性难以量化。在这种情况下，预测模型的应用价值受到严重限制。

基于大数据的分析预测能够改善这一情况，基于海量历史数据的积累和分析能够结合应用场景（如项目的投入产出预测）构建起更为完善的预测模型。和传统模型相比，大数据预测模型中会形成一个支持预测的关系网络，网络的节点是影响该场景预测结果的各种因素，而网络之间的链路关系是因素与因素之间的量化影响权重。这些因素的发现除依靠传统的经验识别外，还可以依靠大数据技术通过数据分析来主动发现。此外，因素与因素之间的量化关系会建立在大数据分析的基础之上。这样的新型预测模型能够更加有效地反映经营行为与经营结果之间的量化关系，帮助财务的决策支持能力从事后向事前进行有效延伸。

财务智能不仅能通过预测提升财务洞见能力，也能够提升财务的运营效率。

2.智能运营

财务运营一直以来是企业财务转型的重点，在共享服务模式下，通过人员集中、流程再造、系统集成和运营优化，实现了运营水平的显著提升及运营人力的优化。而智能化技术的普及可以进一步优化财务运营能力，实现重科技、轻人力的智能运营模式。

智能运营的实现方式和应用场景是多样的。由于财务运营的背后是应收、应付、资产、费用、总账、资金等一系列流程，不同流程的背后所需要解决的问题和工具方法也不尽相同。本文以财务共享服务中心这个流程的汇集点来看运营的智能化。

共享中心作业的本质是将各种输入通过规则处理形成各种输出。传统模式下，中间的规则处理过程需要大量的人工干预。而在智能运营模式下，输入被充分结构化和标签化，包括报账单据、发票、单证、合同等输入信息通过数据的直接提取、图像采集、自然语义识别等技术，形成高度结构化的标签。而之前依靠人工处理的经验规则，通过专家分析或者机器学习的方法，能够转换为基于标签的自动化处理规则，实现人机协同的智能运营。同时，共享中心中必然存在流程的集成断点，采用RPA对现有的作业流程进行自动化，也能够进一步提升运营效率。如在资金流程中通过RPA打通企业系统与网银之间的断点，实现自动对账信息的下载和核对，优化银企对账流程。智能运营是场景驱动的，要发挥智能技术的价值，需要提升一线运营人员的敏感性，积极主动、自下而上地挖掘应用场景。

运营效率的提升，还需佐以风险控制。财务智能在此领域亦有重要应用。

3.交易可靠一致

一些财务管理工作需要消耗大量人力或信任成本来保证交易的一致性。如关联交易核对、内部往来核对、业财一致性核对、合同一致性核对等。针对这一类问题，可以考虑使用区块链高度安全和不可窜改的特性来进行优化解决。

对于关联交易、内部往来，通常存在两个或多个交易对手。基于区块链技术在每个交易参与方建立点对点对等的共享账簿，当交易发生时在共享账簿中同步记录交易，同步记账将有效杜绝信息窜改，交易的一致性在记账的过程中已经得到保障，从而后续已经没有必要再进行复杂的关联交易和内部往来核对。

对于业财一致性，其原理和关联交易、内部往来相似，只是共享账簿建立在业务和财务双方。而对于合同签订，基于区块链技术合同的签订各方能够构建起可信且不可被窜改的智能合约。而基于这种先天安全可靠的智能合约，能够触发财务结算、会计核算等流程的自动化处理，极大简化财务处理，有力支持财务智能化的实现。

风险控制的智能应用除了交易可靠一致外，还体现于数字风控。

4.数字风险控制

最后一类重要的智能化应用体现在财务的风险控制方面。传统财务风险控制以事后的监督发现为主，很难将风险控制手段介入事前和事中，且事后监督缺少更加高效的工具，难以发现隐藏的关联风险。

在数字风控的思路下，财务交易在源头实现结构化和标签化，大量的风险控制可以通过自动化规则前置在交易过程中。比如，依托采购需求的标签，能够进行价格合理性、黑名单供应商、交易对手不正常关联关系等风险的事前控制。再如，基于发票标签，能够进行跨组织机构的发票真实性、发票重号、发票连号等风险控制。

在事后风险控制方面，基于大量企业内外部数字化的交易信息和背景信息的采集和集中，能够展开更为丰富的风控分析和管控。如通过构建员工、领导、供应商、客户多方的社会关系网络图谱，能够在网络中出现风险节点时，快速对网络中该节点的周边节点实施预警监控。还能够使用无监督学习的方法，对交易信息进行聚类分析，找到风险线索。同样，数字风控以场景驱动为主。要发挥智能技术的优势，持续的场景发现和风控模型的建立是必由之路。

如上文所述，财务智能的框架在核心层、技术层、应用层实现了完整的呈现，为企业集团的实践落地提供了宏观指引。

结论

财务智能化发展势不可当，本文仅描述了未来蓝图的一隅。随着技术的发展及企业内部财务智能化团队的建立和成长，各种财务智能化的应用场景将不断涌现。财务智能化在企业管理中将发挥越来越重要的价值，能够带动企业的决策支持具有更强的预测能力、动态决策能力，能够驱动财务的运营实现高效、自动化，能够保障业务交易的安全性和一致性，能够提升风险控制的全面性和复杂风险的预见能力。

结合本文所谈到的框架思路，企业集团应当积极行动，研究和探索财务智能化在企业管理经营中应用的可能性，并充分发挥其价值，帮助企业在未来的商业竞争中争得先机。

责任编辑：屈涛

......