陈虎数据价值体系推动财务数字化转型

核心提示财务的四次跃迁纵观财务的发展历程,财务经历了四次跃迁,这四次跃迁既是工具的变革,更是理念的变革。第一次跃迁是从手工转向会计电算化,随着计算机在财务领域的应用,财务从使用算盘、纸、笔转向了使用计算机的键盘、存储,转向了会计电算化。第二次跃迁是

四次金融转型

纵观金融的发展,金融经历了四次转变,不仅是工具的转变,更是理念的转变。第一个转变是从手工会计到计算机会计。随着计算机在金融领域的应用,会计从使用算盘、纸和笔到使用计算机键盘和存储再到会计电算化。第二次转变是伴随着互联网的出现,企业内联网和BS架构的出现,业务和财务一体化概念的出现,ERP的出现。财务部门与业务进一步紧密结合,业务的发生意味着财务凭证的生成。第三个转变是金融共享服务的组织模式和金融云信息系统架构的出现。

我们正在进入第四个过渡期。在DT时代,出现了大数据、物联网、人工智能、区块链、AR、VR、元宇宙等一系列新技术和新概念,其中大数据和人工智能给金融部门带来了革命性的变化。这个时期是一场数据革命,企业需要面对各类内外部数据的融合。外部数据包括宏观经济数据、行业市场信息、政府信息、知识产权管理信息、工商信息,内部数据包括员工、供应商、客户、税务、投资、资产、合同、账户、资金。海量数据“吹在我脸上”,财务部门如何收集、加工、处理这些数据,真正发挥数据的价值,是摆在财务面前的一个非常重要的课题。

业务经理的需求和痛点

从企业管理的角度来说,管理的重点是决策,而决策非常需要数据。企业的管理就像驾驶车辆。管理者对财务的要求不仅仅是作为后视镜,更希望财务能够实时反映企业的经营状况和资源安排,充当仪表盘。希望财务部门能够根据企业的战略方向,预测和安排相应的资源、收入和现金流,扮演好领航员的角色。因此,企业管理需要多维度的分析。例如,就收入分析而言,要分析的维度包括哪些客户、合同、区域、项目组、业态、产品类别和子类别等。,以及多维度的采购分析、多维度的成本分析、多维度的收款分析和多维度的视角。而多维度分析仅仅使用会计科目和会计维度是无法实现的,也无法满足企业对业务过程中关系的探究和对未来做出预警和预测的要求。

财务数据困境和决策困境

面对运营管理的需求和痛点,财务部门面临着巨大的数据困境和决策困境。数据困境是指财务部门存在数据孤岛、数据离线、数据口径不一致、数据质量差、数据清理困难、主数据不规范、数据采集范围有限等诸多问题。决策困境是指面对经营者的需求,财务需要多维度的分析,会面临分析维度复杂、分析需求多变、分析滞后、分析体系僵化、价值含量低、缺乏有效可视化等问题。这些问题对财务部门来说是巨大的挑战。

从金融信息化到金融数字化

对于财务部门来说,需要从财务信息化走向财务数字化,从IT技术走向DT技术,实现理念、模式和能力的转变,解决数据困境和决策困境。如何理解金融信息化和金融数字化?

信息化是指建设信息系统,把联通的数据孤岛连接起来,把线下信息搬到线上,把内控点嵌入到整个流程中,使流程更高效,成本更可控,促进企业各部门之间的协作。而流程信息化的应用会带来大量的数据沉淀,当内部数据和外部数据沉淀汇聚在一起,就会产生数字化的诉求。数字化是指金融依靠数据发挥价值,进而驱动决策。要将数据科学理念和数字化平台工具引入金融领域,通过数据治理提升数据质量,通过数据价值链创造数据价值和沉淀数据资产,最终形成面向业务和管理的数据服务。

数据价值系统

如何依靠数据在金融中发挥价值,需要一套完整的数据价值体系来帮助自身利用好数据。数据价值体系包括数据治理体系、数据价值链和决策场景。

在《金融数据价值链:数据、算法、分析和可视化》一书中,提到了两个亮点:“将数据科学的思想融入金融”和“将数字平台的技术引入金融”。“数据科学融入金融”主要包括两个内容:数据治理体系和数据价值链。这两个概念是我们第一次把它们引入金融领域。

数据治理系统

数据治理体系是数据发挥价值的基础。包括主数据、元数据、数据安全、数据标准、数据质量和数据生命周期的管理,以及数据治理机制、数据治理应用和数据治理对象。其最终目标是使所有数据可见、可理解、可用和可操作。从数据追溯和定义主数据,到定义数据标准、数据质量和数据标签,到定义数据指标和数据建模,再到升级到主数据2.0和实现数据可视化,直到实现数据安全管理和数据资产管理,这是金融数据治理“五个升华”的过程。

数据价值链

数据价值链是数据科学和数字技术的综合应用。它包括六个步骤:业务需求分析、数据收集、数据清洗、数据探索、数据算法和数据可视化。是数据处理的过程,是从零散的数据中产生有价值的知识和智慧的过程。把这个过程应用到金融领域,就是金融数据价值链。

会计是围绕着“会计循环”和“会计恒等式”来进行的,工作中的一切活动都是基于这两者而衍生和迭代的。会计身份源于会计主体,“有借必有贷”等具体的会计实践。同时,会计建立了一套分类体系,通过围绕会计科目增加会计维度来反映经济业务过程。

a·C·利特尔顿在《会计理论的结构》中提到,会计方法本质上属于统计学,因为它的核心功能是由账户组成的,账户是用来浓缩和简化大量业务交易的分类目录。它们的主要功能是分类、浓缩和简化数据。歌德的会计是一门伟大的艺术,因为在没有计算能力的情况下,会计用极简的方法实现了企业经济业务的统计、分类和展示。所以会计本身就是一门数据的科学,与数学、统计学有着密切的联系。

会计循环本身就是一个极小的数据价值链,从日常经济业务的采集,到会计凭证的生成,以及账户的登记和报表的形成,是财务数据的采集、清理、加工、处理和输出的过程。然而,在过去,这种数据价值链只关注原始凭证和会计科目。如果财务部门仍然只通过人工或最小价值链来处理数据,那么处理后的数据只占企业拥有数据的10%,其余90%的数据处于“深度睡眠”状态。因此,财务需要转变观念,关注企业的整个经营管理过程,构建全面丰富的数据价值链,在数据技术的支持下广泛收集数据,将数据沉淀为资产,形成数据服务和数据产品,发送到各个业务部门和管理层,服务于企业内部管理决策和价值创造。

决策场景

如果把释放数据价值的过程比作制造黄金产品的过程,那么数据治理就好比选择了一座含金量很高的“金矿”。数据治理越好,越干净,含金量越高。数据价值链就像黄金的开采和提炼,决策场景就是数据加工后最终做出的数据产品和服务,比如把黄金打磨成戒指、项链等一系列消费品或奢侈品。

未来的财务决策场景可以概括为“四横四纵”。第四,有四种工作模式,包括操作记录、规则计算、统计分析和模型算法。备案工作,也就是常说的“账单账税”,可以通过财务共享服务+自动化、智能化的手段实现。一些计算工作可以由数字计算引擎完成,一些规则灵活的复杂计算可以由管理会计平台完成。统计工作可以通过多维分析的财务云图来实现。更重要的是,模型算法的工作需要通过大数据聚合平台实现内外数据的采集,利用模型算法的能力进行自动定义、内外关联、挖掘和分析的模糊计算。

第四,金融功能有四种类型。未来,财务不仅要完成财务会计和管理会计的工作,还需要延伸到业务发展支持和管理支持。以财务拥有的数据为基础,帮助企业建立运营算法和模型,分析运营和管理,最终以可视化的形式呈现给管理者。财务部门需要深入业务价值链,贯穿市场-客户-供应链-产品的各个环节,用“场景+数据+算法+模型”的能力支持业务做出相应的管理决策和行为选择。同样,财务可以帮助企业构建多维度的经营分析体系。从企业的战略目标出发,解构企业需要设定哪些子目标,这些子目标应该由哪些数据指标组成?这个多维经营分析体系包括场景、分析维度、期间、组织结构、关联方、分析方法。其最终目标是支持企业决策,驱动企业创新。

未来金融发展的两大趋势

未来金融的发展会有两大趋势:一是从数据到决策。数据不仅仅是财务部门的数据和报表,更是为企业决策、企业利益相关者和管理者服务的。二、从财务到财经,财务部门不仅具有会计、资金、税务等财务会计职能,还具有预算、成本、绩效、经营分析、管理报表等管理会计职能。更重要的是,它帮助企业更科学地进行商业决策和企业管理,将管理从经验主导转变为数据和算法主导。

在这种趋势下,财务人员不仅要学习财务知识,还要学习如何整合财务知识、业务知识和数据科学知识。希望《金融数据价值链:数据、算法、分析和可视化》这本书能够帮助金融学习新的概念和知识,认识到数据科学及其在金融领域应用的重要性,进而把握新的方向和机遇,为金融的发展开辟一片新天地。

 
友情链接
鄂ICP备19019357号-22