談大數據背景下企業管理會計的重點和難點

陳達偉

（上海海外聯合投資股份有限公司，上海 200052）

一、引言

傳統的管理會計是企業內部運用財務及相關數據為滿足管理需求而衍生出的一系列財務邏輯的分析、管理應用，是把財務會計從單純的核算擴展到一種將解析過去、控制現在、籌劃未來有機結合的管理活動。其職能包括：預測、決策、規劃、控制、考核。

近年來，物聯網元件被大量運用、數據存儲成本大幅降低、電腦算力不斷翻倍，都促使大數據時代成為必然。隨著大數據技術日趨成熟，管理會計將與企業運營結合得更緊密，將更深地嵌入企業整體架構中。

本文旨在從大數據的特點切入，結合當前管理會計的主要問題，展望一下管理會計接下來的發展。

二、管理會計的現狀

管理會計在過去的二十多年里完成了與ERP系統的融合，使得整個管理會計體系調動數據的能力有了質的飛躍，這些數據涵蓋了財務范疇的所有金額與數量，并且具有有限調閱ERP其他模塊下數據的能力，例如：生產日期、考勤時間、耗電量等。管理會計充分地完成了“電子化”。

然而，“電子化”仍然存在以下的問題：

（一）管理會計頻率太低、沒有規律

財務信息生成并非全自動，仍需作周期性的操作（如審核、結轉等）才能生成確定的財務報表。這些操作往往以最小的會計周期“月”為單位，使管理會計很難以更小的時間單位做數據處理，阻礙了向更高效管理的發展。

（二）管理會計過程程式化

在“電子化”情境下，以上提及的某些周期性操作被集中在月末進行，失去了獲得“實時數據”、做“實時分析”的機會。例如：成本模塊每天產生的數據只在月末才被一次轉入總賬模塊供報表編制使用。

（三）管理會計模型一成不變

當前電子化架構下財務數據往往只能用于單一模型，使企業財務管理人員無法深層次、多角度來審視運營活動。例如：一些財務系統或ERP財務模塊導出成本數據主要用于實際成本法或標準成本法，在進行本量利分析時，財務人員需要額外從不同部門獲得口徑不同的數據進行拼接組合后，方能開始分析，既耗時又不準確。

三、大數據背景下管理會計的重點

隨著智能化程度的提高，企業通過智能方式收集或生成的數據越精細，單位時間內產生的數據量就越大、種類越多。以上即“大數據”的三大特點：大量、快速、多樣化。管理會計當前的重點是基于物聯網系統所生成的大數據進行更復雜、更快速、更廣泛的財務管理應用。

（一）企業全域數據的覆蓋

目前，財務數據抓取和記錄只是局限在保存于財務系統或ERP財務模塊中的數據，如：總賬分錄、序時賬、日記賬等。管理會計基于這些數據進行著預測及分析活動，它們已經被財務系統或財務模塊接口篩選和整理，只是對傳統財務工作有意義的數據，如：借記/貸記金額、余額、科目代碼、數量等。這樣的“篩選和整理”是依據一定的會計原則進行的，目的是將數據呈現出企業在一段時間內運營的歷程，如：明細賬、日記賬、利潤表；或者某時間點所處的狀態，如：資產負債表。這樣的好處是能從“企業價值鏈”產生的信息中言簡意賅地歸納企業運營狀態，并做出分析，但與此同時剔除了許多數據。

這些被剔除的數據在傳統財務管理中沒有一席之地，而恰恰是它們，可能蘊含著對管理會計很有價值的信息。例如：倉儲環境溫度與生鮮庫存變質之間的關系；關聯方交易合同的簽約時間、簽約數量、已經交付數量等。

管理會計能夠運用的“企業價值鏈”所產生的數據越豐富，分析結果就越準確、分析模式就越多樣。換言之，如果管理會計能夠調用整個企業每天所形成的數據：時間、溫度、尺寸，甚至是圖像、聲音、圖像，那么理論上就有能力分析一切財務現象、解釋一切財務問題。

（二）多維度展開

管理會計歸根到底是對企業的各種資源進行的各種“向前看”的管理，由一些量化的目標倒推計算出未來每個節點企業資源“理想中”的狀態。這個理想中狀態被不斷地與企業已達到的狀態作對比，形成管理的“路線圖”。管理會計能夠使用的數據越精細、越多樣，進行對比分析的維度就越多樣、能生成的“路線圖”就越具體，這樣呈現的“多維度”分析能更全面地反映企業的狀態和存在的問題。

作業成本法可以充分地展示以上多維度特征帶來的優勢。作業成本法，將直接成本和間接成本作為產品（服務）消耗“作業”的成本同等地對待，將“產品”向下依次細分，形成產品-成本動因-作業-資源自上而下的樹狀結構。根據作業活動耗用“資源”的情況，將“資源”耗費分配給“作業”；再依照成本對象消耗“作業”的情況，把“作業成本”分配給“成本對象”。它是使獲取產品成本信息質量更高的一種成本核算及分析方法。作業成本法的關鍵在于做好：資源（最小的成本單元）成本分配算法，定義作業（最小的成本歸集單元），以“成本動因”來選取作業。

傳統企業財務實踐中運用業成本法的難點是：企業財務層面的數據往往以“部門維度”采集的。不同部門的數據記錄方法、口徑、甚至系統各有不同。而作業成本法需要打破以部門維度的數據采集體系，以“成本動因”下的“作業”維度定義成本。這就需要統一記錄來自不同部門數據的標準。這會涉及大量對每個部門的薪資數據換算與分配的計算，在此類數據基礎上執行作業成本法非常耗間，效費比低，違背了使用的初衷。

在“大數據”情境下，企業利用各種物聯網元件組建起猶如神經系統的物聯感知網絡，時刻自動地產生企業運營每個角落的數據，并被獲取。在獲取這些數據的同時，系統已經給所有數據加上了許多預設的“標簽”，如：1克A原料對應的：供應商、生產日期、領用出庫時間、領用生產線、領用人、作業代碼等，從而形成“原數據”庫。

“大量”和“快速”的特性結合強大算力，“原數據”瞬間被導入設計好的“作業成本法”模型中，實時產生每個“一‘作業’對多‘資源’”的數據集；多個“作業”又按照模型的定義集成在一起，組成“成本動因”數據集；然后，多個“成本動因”又形成“產品”。這樣，一個“產品-成本動因-作業-資源”的樹狀結構數據集就此誕生。該數據集能夠實時按照時間切片向下挖掘，直至每種最小單位計量“資源”的具體信息為止，如：1克某原材料、1小時某員工工時等。

同時，如果以上“原數據”庫導入“以部門維度核算”模型中，又可以產生“部門-產品-成本”的樹狀數據集，用于部門維度的分析。這樣多維度的管理報表可以立即被導出，管理會計維度的多少不再受管理維度和人力資源的制約，而取決于能設計出多少個維度模型。

（三）高頻率管理會計

“大數據”高速特性主要得益于過去30年計算機算力以及存儲能力的不斷提升。目前商用服務器能夠滿足一般企業對于高頻率數據運算的要求。高頻率的定義應該小于會計最小的報表周期：一個月。過去的經驗是管理會計報表由于需要使用財務報表的數據，所以往往周期不小于一個月。但是大數據采集智能化以后，管理會計報表的編制周期將可以進一步縮短，直至逼近1小時，甚至更短。

這種改變讓管理向更精細的方向邁進：可以按小時甚至分鐘分析每條生產線的產能和成本耗費，結合每個產品的需求量和各個作業的精確生產時間， 24小時的生產調度變得游刃有余。而且整個數據更新、管理調度、任務下達的過程是實時的。

（四）快速精準預測分析

計算機高算力除了能使管理會計報表編制頻率提高以外，也能使預測性工具使用更多的歷史數據并具備更多的變量配置。例如：利潤表預測分析中，如果將某些有線性發展趨勢的成本費用通過各自獨立的線性趨勢法計算出未來每月的增長趨勢，并加入利潤表預測的話，這樣編制的預測將比給予這些成本費用一個固定的增長率而編制的預測要更接近真相。

四、大數據背景下管理會計的難點

（一）大數據構架的鋪設

大數據天然與規模經濟相契合，因此，大型企業天然具有進行大數據改革的欲望，他們也擁有進行這種改革的資源。一旦大型企業在完成大數據底層布局后，管理層必然希望財務管理能夠以財務報表為起點更深入地向下挖掘，去解釋一個接一個在運營中困擾管理層的難題。

然而，大型企業由于普遍性的部門系統林立及行事慣性而無法完全地對整個企業完成大數據底層采集和整理的布局。這使得一個大而統一的大數據系統難以形成，“大數據”管理會計也就無從談起了。

（二）“變成大數據”或“被大數據”

目前一臺商用服務器中存儲器可以堆疊至萬億字節級別（T字節），而且價格是中小企業可以承受的。于是，即時全局數據運算普及已成現實。數據的采集首次成了瓶頸，而非運算。

對于中小型企業，在大數據時代能否在自身運營中找到能夠源源不斷地產生“大數據”的“大數據源”并且對其采集是關鍵命題。數據已經成為新的一元生產要素，若不能變成“大數據”的源泉，那么就只能被并入一個“大數據”系統中，成為“大數據”的一部分，“大數據”這一生產要素就無法惠澤該企業管理會計。

（三）財管人員職業要求升級

擁有“大數據源”以后，如何充分利用它就成了關鍵。對管理會計的充分理解并不足以駕馭它，財務管理崗位還需具備采集、挖掘“大數據”的相關知識及相關工具的應用能力。財務專業知識與“大數據”知識結合運用的能力將決定財務人才的價值高低。

綜上所述，若以上重點及難點被恰當地處理及解決，管理會計將利用大數據“多次使用價值”的特性，不斷地為企業運營管理中快速、多維度、精確的財務管理工具體系。管理會計將發生質變，并在企業運營中釋放巨大能量。