第三届智能财务高峰论坛郝宇晓：认知智能在管理会计中的应用模式探索

2020年12月6日，由上海国家会计学院、中国石油天然气集团有限公司、金蝶软件（中国）有限公司、元年科技股份有限公司、美国管理会计师协会（IMA）、上海艺赛旗软件股份有限公司、深圳市中兴新云服务有限公司、科大讯飞股份有限公司、用友网络科技股份有限公司、浪潮通用软件有限公司、经邦软件技术有限公司、特许公认会计师公会 （ACCA）共同主办的第三届智能财务高峰论坛在上海国家会计学院圆满落幕。本届峰会以“智能财务促进管理价值重塑”为主题， 围绕智能财务的基础研究、技术与方法、应用实践、产品研发、产业生态、人才培养、标准建设等议题进行研讨，以助推中国智能财务的应用实践和理论研究，促进管理价值重塑。

对此，元年科技董事、常务副总裁郝宇晓进行了分享。

管理会计本质是通过采集数据，建立分析模型，发现运营决策的问题，并调整策略、制定计划改善运营，解决企业决策的问题，用量化的数据和信息为管理决策提供支持。但现实是数据的边界和范围受到较多局限。

管理会计也好，现代财务也好，离不开新技术特别是人工智能丰富的工具和广泛的应用。人工智能发展方向可分成三层。基础层是运算智能，快速运算的能力、强大的数据存储能力。进阶层是感知智能，包括视觉、听觉、触觉等感知能力。机器可以主动接收更多信息，在机器学习的帮助下更具有优势。最上层是能理解，会思考，垂直领域有望达到专家平均水平。认知智能是人工智能未来的发展方向。

认知智能和管理会计结合起来就意味着用人类的智慧和人类思考方式驱动机器、支持领导的决策过程，让企业更便捷的获取数据、洞察数据，进行更高效的决策。例如从预算到成本，从绩效到管理报告，形成丰富的指示体系；从战略到运营，从投融资到风险管理，形成若干的管理场景。

关键技术说明

在Gartner最近两年的十大数据和分析技术趋势报告里面，可以看到AI和智能技术的占比非常高。如果说数据中台帮助管理会计奠定数据质量的基础，那么数据智能就是让管理会计展翅高飞的翅膀。相较于“黑盒模型”直接输出结果，企业更需要可以解释的AI。其中，知识图谱、机器学习、自然语言是三项核心技术。自然语言处理是赋予机器与人类沟通的能力，无需学习复杂的计算机系统，机器通过NLU来识别用户意图，通过NLG来把结果翻译成易于理解的话。机器学习赋予机器从数据中自动总结规律生成算法的能力。机器学习框架与算法的不断发展，普通用户也可便捷的享受到成果。知识图谱赋予机器进行推理的能力，可快速从海量信息中心找到关联信息。从数据中抽取信息融合成知识，可通过推理为决策提供支持与解释。与其他技术相比，这三项应用的领域、范围和丰富度是不一样的。知识图谱、机器学习、自然语言处理也是现在人工智能应用关注的重点。三项核心技术中，机器学习在管理会计研究中的应用最为广泛。以知网文献为数量统计依据，对认知智能三大核心技术进行了研究文献统计。统计结果显示，在最近5年，机器学习在管理会计研究中的应用最为广泛，自然语言处理和知识图谱技术也逐渐成为学者们关注的焦点。

管理会计发展有四个关键的趋势：数据化、智能化、场景化、贯通化。通过资料研究（知网2015-2020）和企业调研等方式开展研究。研究结果表明：认知智能在管理会计应用领域中，战略管理、投融资管理、绩效管理尚处于起步阶段；预算管理的研究聚焦于销售收入预算和预测；大多数研究和企业实践聚焦在成本管理、营运管理、风险管理和管理会计报告领域，具体应用于经营预测、辅助经营决策和风险管理三大领域。学术研究与企业实践在各应用场景上的研究深度不同。体现在学术研究角度会把成本等便于获得有效数据的、更可控制的场景变量作为研究对象。但从企业决策角度，更加关注企业管理者在决策场景下的应用，特别是管理报告的输出、对于预算的模拟、对于滚动预测的实现以及贯通化场景下将企业业务、财务等相关打通的过程。

学术研究的部分场景在企业实践中并未深度应用，例如成本预测受限于成本数据的可解释性和可追溯性；企业实践尝试引入新的合作模式来解决安全库存问题，如 供应商管理库存(VMI)或准时生产(JIT)。企业实践的部分场景从研究深度上已领先于学术研究。智能交互在管理会计报告中的应用包括彻底改变管理者信息获取的方式，管理者通过与机器实时对话的方式获取管理信息，利用机器学习能力习得规律并自动发起预判，辅助管理决策。

智答就是通过自然语言提问的方式，检索、计算数据仓库和数据模型中的数据，秒级呈现结果。用户以微信式聊天、百度式搜索的方式与系统进行互动，随时随地、实时高效与数据进行“无门槛”交互。支持这种搜索的底层是自然语言处理和知识图谱构建，把企业内部关键词和每个管理者习惯使用的关键词以及机器语言表达之间建立有效关联。智能语意模型可识别业务术语、日常用语，非标口语化表达，将有效信息整合形成能够有效关联相关基础信息的工具，既包括内容的匹配，也包括运算方式和工具的匹配以及相关底层数据的整合，支持多轮对话，可继承上文实体，支持高阶递进分析场景。同时打破数仓的物理限制，灵活实时获取分析所需数据，提高使用者的数据决策力。在整合过程中，涉及对于白盒模型的展开，将专家对问题的分析方法教给机器，以增强用户的数据分析能力，提高使用者的数据决策力。

智能问答根据分析对象自动推荐最适合的数据可视化展示，使用AI推荐引擎自动生成可视化图表呈现数据特征。在与使用者的交互中实现模型的迭代升级，挖掘使用者的个性化偏好，使AI成为每个人的专属助手。未来的方式是通过企业商业模式的深入洞察，对当下企业管理经营偏差的一系列搜索形成问题集，通过AI算法重塑人与数据的关系，定位每个人最应关注的指标，并建立预警管理闭环，将数据第一时间推送给适合的人。

结果呈现方面，智能预警支持丰富的预警规则定义，在AI算法的帮助下，不再是单指标的预警，而是更多从挖掘原因的因果追溯到对未来若干情景的悲观乐观模拟以及对于相关驱动要素的整合。企业能够基于量化的数据的信息进行有效的分析，这依赖于数据中台的建设。整个过程中，基础是互联网时代交互式的环境，而不是广播式、发布式单向的。无论是企业上下之间，还是不同部门之间，小到供应链各个环节的互动都可以通过这种方式实现。

数据准备方面，企业无需重整数仓，即可实现快速引入数据智能平台，轻松完成数据智能准备工作。一系列非侵入式数据准备依赖现有数据基础，结合现有工具，形成能够有效控制权限，以及灵活共享、快速迭代的有效方式。这些应用整合成一套方法论，从结构化数据、半结构化数据、非结构化数据的形成，到相关知识图谱的构建，将知识图谱中场景和时间的关系、事件和时间的关系、事件之间的关联关系以及结构化的因素、驱动因素、关联关系因素形成应用于搜索、风险管控、推理等相关的场景。

数据更深度的运用需要从业务场景的关联到管理决策需求的把握以及对于数据的洞察和整合。信息的深度应用既提高决策质量又提高运作效率，同时提高整体数据环境的持续优化。

例如工业企业大宗原材料采购，从原油到农产品，从黄金到煤炭，不同的材料面对不同影响价格的驱动因素，包括全球宏观经济、金融市场的波动、利率政策、汇率政策。过去的预测相对来说有很大的不足，人工智能技术对于不同的应用场景，特别是需要做中长期的价格波动决策预测时有很多可为之处。电信行业涉及对于客户行为模式分析，通过人工智能应用可以有效预测用户的支付方式，形成基于客户行为的精准客户经营程度判断。银行业在资金规模整体庞大的情况下，利率波动对资金成本、运营成本、风险成本会产生重要影响。在市场头寸波动情况下，把人工智能模拟推演与客户的决策需要结合起来，使得银行业在大规模的资金头寸安排和资产负债管理上形成一系列有效的成果。

数据智能的应用可以分成若干个级别，包括辅助分析、部分自主、条件自主、高度自主、完全自主。不同的分析自主水平决定了最后输出报告的质量有效性。不同自主分析的条件对数据改善、模型改善、工具改善和管理场景贴合提出不同要求。这种情况下，更好地发挥认知智能在管理会计的应用需要进一步深入理解管理会计数据化、智能化、场景化、贯通化的要求，特别是贯通化的要求。不仅仅意味着把管理会计和核算贯通，而且意味着业务和财务的贯通，意味着企业内部数据和外部数据的贯通，同时还包括战略决策和日常管理活动之间的贯通。未来，企业依靠认知智能的一系列工具辅助领导者决策。认知智能将会改变企业运行和决策的模式，推动管理会计在企业应用方式的跃迁。

（本文系根据第三届智能财务高峰论坛演讲录音整理，未经本人审阅）

注：本文转载自MBAChina,如有侵权请联系我们删除。

......