智能管理会计有两层含义:一是以“大智慧动云事”和区块链为代表的数字技术的充分应用；其次，要全面改革传统的管理会计模式，包括组织、流程和工作模式，使管理会计体系更好地支持企业的业务发展。与传统管理会计相比，智能管理会计呈现出五个显著特征。
内外部海量数据深度融合
数据是重要的战略资源，是管理会计应用的基础。智能时代将拓展企业有用数据的边界。传统管理会计使用的数据主要局限于财务数据和部分业务数据，而智能管理会计依靠覆盖内部数据和外部数据的大规模数据来产生价值。
大数据是一种规模巨大的数据集合，其获取、存储、管理和分析远远超出了传统数据库软件工具的能力。具有数据规模海量、数据流转迅速、数据类型多样、价值密度低四大特点。
对于企业而言，大数据主要涵盖企业所处行业相关的竞争环境、盈利模式、商业模式、客户消费模式等一系列与内外部运营相关的信息流。它是来自企业外部的社会数据。
万物互联时代，大数据的演进已经成为不可逆转的浪潮。我们可以看到，在企业运营的整个过程中，企业壁垒越来越薄，甚至可能瞬间被打破。无论是获取资源的过程，还是内部交易的过程，都会依靠大数据来定义客户，完成交易。企业不再只是产品的制造商，而应该整合外部平台。这将使大数据的价值日益凸显，也是近年来企业大数据应用趋势不断增长的根本原因。
同时，企业在经营活动中也会产生大量的内部数据，包括以收入、成本、利润、资产负债为代表的财务数据，以及与产品、客户、渠道、生产、RD等相关的业务数据。这些数据直接反映了企业的经营状况和财务状况，是企业进行经营和管理决策的长期应用和不可缺少的重要依据。
以预算管理为例。在从目标到计划到预算到资源再到行动的整个过程中，首先使用的数据是生产计划、销售计划等业务数据和收入、费用等财务数据。
成功的数据应用是内外部数据深度整合的应用。无论是房地产企业在投资前计算中综合采用运营计划、项目成本、销售进度等内部数据，以及地块基本情况、竞争对手拿地等外部数据，还是快消品企业在供应链决策中综合配合销售、生产、采购、财务等部门内部数据，以及竞争对手状况、区域天气、市场环境等外部数据，只有将内部产业、财务数据与大数据相结合，才能引发真正令人满意的数据应用效果。
依托大数据、物联网等新一代信息技术采集的海量内外部数据，智能管理会计获得了前所未有的优秀数据基础支撑，可以开展更有价值的数据应用。
提供实时、动态的数据服务。
实时性是市场环境对管理会计的新要求，也是新一代信息技术驱动下智能管理会计应用创新的新发展。
进入数据爆炸、移动互联网、大数据时代后，成熟企业的管理会计应用的数据量急剧增加。如何提高数据处理、数据分析和数据响应的速度，成为智能管理会计面临的新挑战。
智能管理计费系统基于内存计算技术的综合应用，能够将数据完整地保存在内存中，通过优化的存储结构和算法处理海量数据和复杂逻辑，将用户的数据读写请求快速转化为内存读写和内存计算，使系统的性能不会因为数据量的不断增加而下降，从而大大提高数据处理的频率和速度。企业已经从被动的事后分析转变为主动的实时决策，并以此为基础创建基于预测而非响应的商业模式。
以预算管理为例。以前中国企业大多强调年度预算，一年考核一次，一年评估一次。然而，随着环境和技术的快速变化，数据业务的发展变化呈现出一个重要趋势:年度预算在实际操作中的指导作用越来越小，动态滚动预算能够更好地支持决策和预算控制。
因此，从三到五年的长期预算到年度预算，再到月、周、日滚动预测，再到实时业务预测，预算管理从年化到滚动再到实时，是基于智能管理会计信息系统的典型应用。
直接授权企业业务发展
由于传统的管理会计系统在数据收集、数据整理和数据处理方面速度较慢，相关信息不充分，更多地强调用数据支持管理层的决策，在对一线业务部门的赋能和对运营端的支持方面相对薄弱。
在数字化时代，数据的数量和质量，管理、计算和分析数据的能力都大大提高，管理会计与企业管理的融合更加紧密。这使得智能管理会计能够更多地应用于销售、生产、供应链、RD创新等价值链环节的具体业务场景，直接赋能业务运营。
比如零售企业基于场景应用进行区域单品销售预测，房地产企业分析其物业价值，制造企业针对重点产品进行产销协同分析，服装企业基于某季服装销售做出库存/物流优化决策等等。
人工智能技术的深度应用
智能管理会计涵盖了信息系统自动化、智能化、业务流程在线化、实时化、数字化的要求。其中，智能技术无疑是其完全实现的底层技术和前提条件。
人工智能在管理会计中主要应用在三个方面:操作智能、感知智能和认知智能。智能允许系统保存和计算；感知使系统“听、说、看、认”；认知智能使系统“理解并思考”，即可以通过联想进行推理。智能会计涵盖了人工智能深入应用的方方面面。
通过在内存中应用多维数据库和分布式计算，系统可以实现数据时效性的革命性突破和数据计算速度的革命性提升。用户可以获得新的见解，并以前所未有的方式完成业务流程。通过应用自然语言识别技术，系统可以具备感知和识别自然语言的能力。
用户可以通过语音向系统发出指令，甚至与系统进行对话。通过应用知识图谱和智能推理技术，系统可以自动搜索阅读，并与用户进行智能问答。应用机器学习可以使系统具有自助分析的能力。该系统基于对业务知识的理解、科学预测、合理控制和智能分析，真正成为管理和财务人员的智能助手。
以数据分析为例，传统的分析工作需要依靠人按照一定的路径浏览、挖掘管理数据，并与预算、经营目标进行对比，发现数据异常，从而发现经营管理中的问题，形成分析结论。智能管理会计可以对数据进行自助、快速、多维度的分析，输出或保存分析报告。
目前，依靠早期的智能技术，企业已经可以实现主体的财务预测、业务推演和风险量化。未来，随着人工智能技术的深度发展及其在金融领域的高层次应用，拥有先进人脑智慧的金融平台将基于对业务知识的理解、科学预测、合理控制、智能分析，甚至直接代替管理者进行自动化决策。
更有前瞻性
数据可以帮助企业感知现在，预测未来。感知是根据历史数据来看待当下，包括描述性分析和诊断性分析。它通过融合历史数据和当前数据，挖掘潜在的线索和模式，向用户展示企业“发生了什么”和“为什么会发生”。
未来预测是应用模型对未来情况进行判断和调控，包括预测分析、优化分析和自主性分析。表现在基于数据模型解释事件的演化规律，进而预测发展趋势，既告诉用户可能发生的事情，又帮助用户理解企业应该做什么，如何适应变化。
从价值创造的角度，预测未来应用致力于解决问题，更符合数据洞察“向前看”的发展趋势。传统管理会计主要感知未来的数据应用，而智能管理会计更注重预测未来的数据应用。
例如，企业可以利用看不见的相关历史数据，如内部运营数据和外部数据，来训练机器学习模型。利用训练好的模型对在线数据进行预测，使历史数据的静态分析成为动态预测模型。
在智能管理会计领域，基于新一代信息技术的充分应用，企业将获得更加充分的经营决策信息，从而更好地支持计划预算和经营预测。
主编:韩向东来源:全面赋能产融结合实践指南
声明:本文由《管理会计知识集》编辑
