如何理解金融数字化?在“是什么”、“为什么”和“怎么做”中,我们简单介绍了金融数字化的三个部分。在本文中,我们将继续阐述“如何做”——“1221”金融数字化转型方法论的数据治理、数据价值链、数字化应用场景、数字化技术平台和保障体系。
▲图1“1221”金融数字化转型方法论

“掘金之旅”——数据价值体系
数据系统是指金融将数据转化为价值的方法和路径。由金融数字化转型方法论中的数据治理、数据价值链和数字化应用场景三部分组成。其中,数据治理是数据发挥价值的基础,数据价值链是数据发挥价值的途径,数字化应用场景是数据发挥价值的场景。这三者是构成数据价值体系的关键。
▲图2数据价值体系
作为DT时代的“金矿”,它依靠持续的数据管理来提高质量,对数据价值链的价值进行加工和分析,最终为不同的应用场景打造数字化的产品和服务。这个过程就像创造黄金制品。数据治理就像选择一座含金量很高的“金矿”。企业数据治理越好,数据质量越高,含金量越高。数据价值链就像金矿开采、提纯冶炼,数据加工处理;最后根据市场需求打磨锻造出不同的黄金产品,同样的数字化应用场景就是最终的“数据产品和服务”。
▲图3说明了数据值释放的全过程。
数据治理
数据治理是对数据本身的管理,促进数据质量的不断提高。可靠的数据对数据价值的利用有决定性的影响。数据治理的目标是保证数据资产的质量,建立统一的、可执行的数据标准,保证数据的安全性,实现企业各部门之间的数据资源共享,促进数据资产的价值创造。明智的决策需要可靠的数据作为支撑,良好的数据治理是保证数据可靠的必要环节。
数据价值链
数据价值链是指以业务需求为导向,有针对性地提取、组织和利用数据,以盘活数据资产、开发数据功能和发挥数据价值,通过科学直观的可视化表达,清晰传达和沟通数据分析结论,实现数据向信息、知识和智慧的逐步升华,最终赋能企业进行经营决策的一系列过程。
数字应用场景
数字化应用场景是金融以需求为导向,应用数据价值的场景,将赋能金融支持科学决策和企业管理。不同场景下的决策需求直接影响数据治理体系和数据价值链的应用。数据治理的发展和数据价值链的构建,最终都要面对具体的决策需求,从而实现数据价值的精准释放。在数字化应用场景下,财务将以新兴技术提升工作质量和效率,以数据的科学思维激发数据的活力,重新定义管理会计的价值,深度融合产融结合运营,进而科学驱动管理决策。
实践-数字技术平台
技术是金融数字化实施的核心要素,支撑数据治理和数据价值链的流程实现,帮助企业提升数据质量,释放数据价值。
数字金融科技平台由金融运营商平台和金融数字化应用场景组成。财务操作员平台可以实现企业内外部数据的采集、处理、计算、建模等数据管理相关任务,并提供数据服务,主要包括数字计算引擎、数据建模、数据工厂、可视化功能模块。财务数字化的应用场景是财务操作员平台的成果,通过形成直观的可视化分析和展示,帮助企业高效决策和快速运营。
▲图4金融数字技术平台架构图
数字计算引擎
数字计算引擎模块包括五个部分:数据报告、数据采集、数据质量、财务操作员和数据服务。
数据采集功能支持CRM、PLM、ERP、OA系统等数据源的对接;数据填充功能支持海量线下数据的聚合,数据表可通过导入或手动填充功能进行高效管理,帮助企业实现内外部数据的一站式聚合,高效解决数据采集问题。
数据质量检查可以对字段类型、重复值、缺失值、字段长度、字段数据范围等进行规则配置和质量检查。系统提供多样化的数据质量规则和控制策略,为企业输出数据质量报告,并设置通知策略。当数据质量不符合要求时,会自动提醒相关用户进行整改,提高数据质量管理效率,实现企业数据质量闭环管理。
操作员使财务人员能够通过操作员拖动、排列、可视化配置传统财务公式、表格等复杂计算,精简大数据工具的使用流程,降低大数据分析的专业技术门槛,帮助业务人员高效、简单地分析和挖掘数据,赋能业务,支持决策。
▲图5操作员流程示意图
数据支撑企业根据实际业务需求灵活增加与异构系统的接口,充分满足系统集成需求。通过数据服务总线的监控和统计分析能力,还可以清晰洞察被访问数据服务的数量、服务之间的调用关系、服务的调用状态,从而实现企业数据服务从无序管理向数字化量化管理的转变。

数据建模
数据建模提供丰富的数据处理操作符,用户无需编程、可视化、流水、拖拽即可完成数据导入、数据处理、操作符建模、图表生成。在配置操作员时,可以指定使用的数据,选择算法和配置参数,这样就可以进行数据计算或数据训练,让企业所有员工都可以探索算法,挖掘数据的潜在价值。
数据工厂
数据工厂包括标签工厂、索引工厂和模型算法工厂。企业可以根据需求定制标签规则和索引排序规则,构建标签工厂和索引工厂,用算法自动标注数据,用数据索引和数据标签刻画数据画像,抽象出业务实体的整体信息。而且企业可以将历史上构建的模型进行整理收集,形成自己的模型工厂,可以帮助企业在未来面对新的业务需求时打开盒子。
形象化
可视化模块通过数字报表+报表+BI展示,满足各级可视化分析需求。
智能报表系统可以提供Excel操作和智能公式向导,支持参数、宏和所有常用表达式的应用,实现复杂多样报表的快速下发。BI可视化系统支持多维数据展示、图表联动、数据钻取等功能。当业务需求发生变化时,BI系统可以快速重组并生成新的可视化报表,帮助管理层实时掌握业务状态。可视化模块的应用使企业管理者和财务人员无需编写代码即可完成业务数据的可视化分析,从而提高管理效率,帮助企业挖掘数据价值的潜力。
制度——文化先行,组织赋能,人才支撑,标准规范。
除了由数据治理、数据价值链、数字化应用场景组成的数据价值体系,金融还需要一定的保障和基础来为数字化转型保驾护航,包括建设数字化文化、组建数字化组织、培养数字化人才、建设标准规范等。
文化第一
数字文化建设是数字化转型的第一步,需要不断的培育和发展。数字文化包括企业高管和员工的价值观、态度和行为,影响着数字化转型的顺利开展和实施。财务部门可以通过以下方法持续培养数字文化。
高级管理人员的推动:高级管理人员对金融数字化转型的价值和意义的认可,可以对数字化文化的建设起到关键的推动作用。管理层的认可和支持会促使财务人员认可和支持与转型相关的工作,并积极学习转型过程中所需的知识和技能。
培训和宣传:面对新事物有一定的抵触和怀疑是很常见的。通过培训和宣传,管理者可以帮助财务人员理解数字化转型的意义和好处,掌握数字化转型所需的相应技能,帮助员工适应变化,从而获得更多支持。
试错提升:在掌握一定的数字化转型所需的知识和技术后,可以开始在一些金融场景中进行尝试,建立快速试错和敏捷反应的机制,不断总结提升。当财务人员体验到数字化转型带来的好处,就能迅速提升信心,增加支持财务数字化转型的主动性和积极性。
组织授权
数字化金融转型建设不仅仅是一项技术工作,还需要将数据科学引入金融领域,创新金融思维模式。因此,为了支持金融的数字化转型,需要组建一支业务+金融+数字化能力的团队,负责数字化转型相关的政策、流程、标准、制度和方法的制定,规划数字化转型的战略和目标,实时监控和评估数字化转型和建设过程中的里程碑式成果。
人才支持
为了支持数字化转型的顺利开展和实施,面对新的发展要求和新的功能定位,财务人员应抓住变革的机遇,积极应对数字化转型的需求。所以财务需要是企业数据的分析师和企业运营的描述者,是既有财务知识又有数字技术的综合型会计。因此,财务需要不断优化能力结构,学习数据科学,发展成为符合企业需求、懂会计规则+管理方法+技术工具+数据科学+经营战略的“五面”综合型人才,以支撑数字化转型的有效落地。
了解会计规则:企业将复杂的业务操作集中在会计科目中形成一套数据体系,按照会计准则和其他政策法规的要求,以财务报表为载体披露企业价值。会计规则作为财务人员的基础,是所有财务从业人员必须掌握的内容。
了解管理方法:管理会计侧重于企业战略的实施、计划和预算、产品和服务的交付、风险和控制、绩效和评价,进而提供一系列基于价值目标的科学管理活动和方法,帮助企业看透管理的全过程。
了解技术工具:在金融数字化转型的趋势下,财务人员必须更好地了解和应用技术工具,以便在每一个业务场景中选择合适的工具来提高工作效率和质量,并扩大他们可以收集和存放的数据的范围和数量。

了解数据科学:财务人员需要具备数据科学知识,包括数据治理和数据价值链。通过充分利用数据治理和数据价值链,财务可以将数据加工成不同业务和决策场景下所需的数据产品和数据服务,满足业务支撑和决策支持的需求,财务职能的范围和能力也将相应扩大。
了解经营战略:在金融数字化转型过程中,财务人员应积极提升自身在经营战略方面的知识和技能,使其能够参与企业战略的制定和规划,对战略的实施过程进行控制和整改,对实施结果制定评估和改进措施,最终为企业资源配置和风险防控提供建议,实现更高层次的业务支持和决策支持,为实现金融数字化转型奠定基础。
标准规范
为了保证金融数字化转型的顺利开展和实施,企业必须规范相关制度、流程和标准,从整体层面进行规划,形成完整的标准体系来指导金融数字化转型,并与其他相关部门合作,保证金融数字化转型相关工作的顺利开展。整个公司从上到下都需要按照统一的系统规范和标准的要求,通过标准化的流程,生产出规则和逻辑一致的数据。只有这样,金融才能获得高质量的数据,从而保证流入数据价值体系的数据能够被金融人员充分挖掘,进而保证金融数字化转型的顺利开展。
本文部分内容来源于金融数据价值链:数据、算法、分析和可视化。


