企业财务智能化：要素·路径·阶段

      [中图分类号]F275 [文献标识码]A [文章编号]1004-0994(2020)17-0007-5

      随着工业4.0时代的到来，财务部门在企业中的地位与经济发展水平之间的倒U型关系日益明显：在很长一段时期内，这二者之间是正相关关系，经济越发展，财务越重要；然而拐点可能已经到来，二者之间越来越呈现出负相关关系，即随着经济的发展，财务部门的地位逐渐下降，被边缘化的趋势比较明显。要扭转这一局面，财务职能必须从“核算型”与“弱管理型”向“强管理型”转型，而财务智能化是实现这一转型的绝佳路径。财务智能化通过提升财务信息的完整性、及时性、准确性与科学性，讲好“数据故事”，为企业科学管理与决策提供必需的高质量信息，提升决策者对财务部门的依赖性，唯此，财务部门的地位才会逐渐提升，让倒U型关系变为持续的线性正相关关系。

      一、智能财务的核心要素

      在分析财务智能化实施路径之前，首先需要厘清的一个关键问题是：何为智能财务？关于这一问题，目前学术界和实务界尚未进行认真讨论，远未达成共识。有人认为，在企业财务管理中应用机器人流程自动化(Robotic Process Automation，RPA)等工具便是智能财务。这属于一种广义的智能财务观。以RPA为例，它是一种用来模拟人类员工操作的快速开发的软件或平台，以实施基于规则的、高度重复的劳动密集型工作，达到优化企业流程作业、降本增效等效果。实际上，目前大多数的RPA产品属于自动化产品，而非智能化产品，因此，严格来说，RPA只是智能财务工具而已，智能财务有更深刻的内涵。

      笔者认为，智能财务至少应包含三大核心要素：人工智能(Artificial Intelligence，AI)、智能工具[如RPA和BI(Business Intelligence，BI，又称商业智能)]以及大数据分析。具体如图1所示。

      

      图1 智能财务流程

      首先，AI在智能财务中扮演着大脑的角色。其主要任务有两项：其一，接收人的指令，并将其分解落地；其二，向智能工具下达指令，将财务工作分配给具体的智能工具来完成。AI是智能财务的核心，缺少AI的智能财务只能称之为自动化财务。

      其次，智能工具类似于人体的内脏或四肢，它们可以根据AI的指示自动运行，从而完成财务工作，降低人工参与度。诸如RPA、BI等工具具有高度模仿性、自动化特征，能够承担大多数传统的人工财务中需要大量人力的、重复性高的工作。可以预见，传统的大量“核算型”“弱管理型”财务人员将被这些工具所替代。

      

      图2 传统模式下的银行考核及预算

      最后，大数据分析就如同人体的血液。没有血液，大脑和内脏将无法运转。将大数据分析应用于企业决策的全过程，不仅可以为企业创造更多的价值，提升决策效率和效果，甚至能改变企业的商业模式与管理模式。在智能财务流程中，大数据分析模块如何进化将直接决定智能财务的未来。

      如图1所示，AI+智能工具模块解决的是财务管理效率提升问题，而大数据分析阶段生产的决策信息直接解决的是企业价值提升问题。决策信息与企业价值提升的正相关关系越强，智能财务的未来就越光明。

      二、企业财务智能化的路径

      1.基于财务中台的企业财务智能化转型。企业的财务智能化系统可以基于财务中台进行构建。中台这一概念最早源于阿里巴巴在2015年提出的“大中台、小前台”的中台战略，通常包括财务中台、业务中台、数据中台、技术中台等，意在整合企业的数据及技术，以支撑前台业务的变革与发展。

      举例说明基于财务中台的财务智能化系统的构建与运行如下：

      一家大型国有银行财务部门主管曾经向笔者提出过一个“如何让客人转化为客户”的问题，即如何借助智能财务，帮助银行业务部门提升由客人向客户的转化率，这是一个典型的业财融合场景。客人进入银行后，有可能会成为客户，在银行办理存款、贷款或者理财等业务，从而在银行系统中留下记录；也有可能未成为客户，未在银行系统中留下记录。在传统财务管理模式下，银行只对成为客户的这部分业务量进行考核，并与预算进行比较。这一过程如图2所示。

      在传统管理模式下，从客人进入银行到成为客户或未成为客户的过程因为未能数字化，所以是一个黑箱，导致银行无法对客人未能转化为客户的这部分业务进行分析。因此，银行对业务部门的考核只能基于结果进行，忽视了过程。同时，传统模式下的预算是基于推测形成的。将基于结果的业绩与基于推测的预算进行比较，所得到的差异显然是不可靠的信息，基于这种不可靠的信息进行决策，大概率会导致考核系统的失灵与决策的失误。这就是数字化程度低所带来的典型问题。这与统计学上关于“生存偏差”的一个经典案例非常类似。二战时期，英国军方为了提升战斗机的存活率，派统计学家沃尔德去研究战斗机哪些部位需要加固。沃尔德研究了众多战斗机的中弹部位，发现只有机舱、油箱和发动机等几个部位从未中弹。军方认为应该加固除这几个部位之外的其他所有地方。而沃尔德认为正好相反，应该加固这几个未被击中过的部位。原因很简单：这几个部位被击中的飞机都未能飞回来。这就是统计学中著名的“生存偏差”问题。如果不考虑未能生存的样本，只基于生存样本得到的结论进行决策必然会导致决策失败。在企业管理实践中，数字化程度低导致的“生存偏差”问题非常普遍。