基于財務共享的智能財務大數據分析模型構建

| 張玉缺

隨著科學技術的發展，大數據管理、社交媒體、移動應用等數字新技術的快速發展，企業在創新管理思想、實施流程再造、完善經營模式、提升管理效率等方面取得了較好的成效。作為企業管理的重要組成部分，財務管理也迎來了創新性變革，財務共享服務中心的建設應運而生。隨著技術越來越成熟，平臺也日益完善，這在一定程度上幫助企業節約成本、信息共享、加強內控和提高效率。但基礎的財務共享中心功能還是不能滿足企業數字化轉型的需求。基于此，本文認為企業應充分利用數字化新技術，構建基于財務共享平臺為基礎的大數據分析模型平臺，這個模型平臺是鏈接企業價值創造、模型建構和數據治理的基礎，是一個交叉立體化多維度平臺，可以對企業價值創造實現多維度、多角度和多渠道展示，為企業價值增值助力。

一、財務共享的發展現狀及應用前景

財務管理要跟上企業全球化擴張的腳步，共享服務必不可少，財務共享服務將分散的全球業務釋放到一定的資源和管理，從而進行相應的管理優化和經濟全球化。 最早的“共享服務”開始于20世紀80年代，當時大型跨國公司全球擴張規模擴大，出于對降低成本、改進控制、提高服務水平和獲取戰略價值考慮，開始在全球實行資源的整合與共享，開始建立共享服務中心。近年來，財務共享服務在中國蓬勃發展，越來越多的企業，尤其是大中型企業或者國有企業選擇將共享服務作為財務轉型的契機。目前，世界500強中有90%的企業已經采用財務共享或外包服務，我國投入運營的財務共享中心也已超過1000家，共享與外包服務的范圍與深度正在不斷擴大。而且越來越多的中小企業考慮到獨自建設共享服務的成本問題，通常會選擇采用社會財務共享外包服務的形式，改進自身的財務管理流程和運作效率。財務共享服務從管理、組織、數據和人員四個方面為企業財務數字化轉型奠定了基礎，它使得企業內部流程制度標準化、財務職能專業化、數據利用高效化和人工成本降低化，這些都為企業實現數字化轉型提供了良好的開端。

理論研究方面，針對財務共享和人工智能與財務會計的結合，學者們也是從不同角度提出了自己的觀點。劉勤等（2018）將智能財務的應用分為財務核算全流程自動化系統、智能財務決策支持系統、企業智能財務共享服務平臺以及人機智能一體化的業財融合管理平臺。陳虎等（2018）提出財務工作應大致劃分為三個層次的專業分工: 戰略財務、業務財務和基礎財務。劉梅玲等（2020）認為在智能財務建設過程中，應注重體現智能財務本質特色的智能化應用場景設計和相應新技術的匹配運用，應充分利用財務共享平臺來實現財務智能化的技術與場景利用。張慶龍（2021）指出，人工智能本質上是人們開始結合高性能計算能力和大數據分析技術，在會計領域探索人工智能的更多應用場景和應用方式，來洞察業務痛點，提升運營效率，識別、控制并防范財務風險，尋求更大范圍的財務智能化。王曙光（2021）指出，從資源編排理論角度分析認為財務共享服務可以劃分為流程化能力、覆蓋能力和開發能力，這三個能力是循序漸進的，是不斷成熟與完善的過程，其中開發能力體現在企業關注根本性變革和顛覆性創新，從而洞察市場時機和識別市場機會，以技術創新和實現來為企業創造價值。陳虎（2018）指出，財務共享中心發展過程與創建企業類似，需要經歷一個從初創到成熟的過程，其發展可以歸納為幾個階段，具體分為集中整合階段、優化服務階段、內部運營階段和獨立運營階段。

根據相關理論文獻總結，本文認為，財務共享服務的建設過程必將經歷三個階段（圖1）。第一個階段是建設初期，這個階段主要是對會計的核算工作進行流程化和規范化管理，是會計業務的執行職能階段，這個階段主要的具體工作是核算職能、結算職能、稅務申報、財務報表和檔案管理等工作，這個階段以被逐漸廣泛應用的RPA、REA等為代表的機器人流程自動化技術，代替人類完成重復性強、業務量大、相對較為穩定的財務工作為特點；第二個階段是財務共享服務的成長階段，這個階段主要是財務管理執行層面工作，具體工作包括預算分析、費用分析、項目損益分析和績效數據統計等，即財務或者業務人員可以通過語音、視頻、圖片或者文字等非結構化數據的形式與機器交互，智能財務系統可以處理多模態數據形式，如結構化數據、半結構化數據和非結構化數據，實現更為廣闊的數據記錄、轉換、搜集、分析和整理能力，最終完成智能報表制作和智能問詢等財務功能；第三個階段是財務共享服務的成熟階段，這個階段主要是構建數據中臺階段，具體工作包括大數據中心、數據挖掘分析、數據可視化和職能決策支持等，它主要是機器通過深度學習，模擬了財務人員應對不確定信息能力和邏輯思維，從而能夠模仿財務人員根據大數據信息進行分析、管理和決策的能力，形成對財務專家腦力的輔助，從而最終實現運營管理、投資決策、風險預測、預算管理、成本控制及資金管理等決策支持的職能。整體而言，我國目前的財務共享服務和運營管理還處于上升期和成長期，還有較大的提升空間，比如通過信息技術的不斷更新、運營管理的不斷改進、新興技術的不斷廣泛應用和數據中臺的搭建等，逐步提升財務共享服務中心的成熟水平，從而助力企業財務數字化轉型，為企業創造更大的價值。

據2020年中興新云和廈門國家會計學院聯合開展的中國共享服務領域調研顯示，95.2%的受調研企業已經有初步或成熟的財務數字化戰略和計劃，在數字化的戰略背景下，共享服務中心將不再僅僅是業務處理中心，更是企業數據的匯集中心、算力和算法的集成中心，未來在共享服務基礎上，通過一系列財務組織重構、業務流程優化、運營模式創新、智能化技術應用等改變，財務結構將演變為“財務部門的職能+IT部門的工具+數據管理的科學”，用數據描繪企業運行軌跡，解碼企業運行機制，成為企業數字化轉型的競爭優勢。尤其是在國務院國資委發布的《關于開展對標世界一流管理提升行動的通知》國資發改革(2020)39號文中指出，企業應以數字化智能化升級轉型為主線，進一步強化頂層設計和統籌規劃，充分發揮信息化驅動引領作用，促進業務與信息化的深度融合，推進信息系統的平臺化、專業化和規模化，實現業務流程再造，從而促進以數字化轉型為支撐的管理變革。

圖1 財務共享中心發展階段

二、相關技術及理念支撐

現代信息技術的發展帶動了以“互聯網+”為基礎的移動互聯技術，如大數據、云計算、物聯網等技術，使得我國企業信息化程度不斷提升。如果離開了信息技術的支持，針對大數據的收集、處理、輸出、分析等將受到重重阻礙。張慶龍（2021）提出，財務的技術場景需要體現在以下四個方面：（1）特定財務工作場景的數據化（簡稱“數據化”）；（2）基于財務工作邏輯的算法化及其迭代優化（簡稱“算法化”）；（3）將數據智能與財務工作場景融合實現產品化（簡稱“產品化”）；（4）實現智能財務應用的平臺化（簡稱“平臺化”）。因此，現代信息技術已經成為現代企業競爭中獲勝的重要手段、成為擊敗對手的重要武器。財務作為企業管理中的重要內容，應順應企業發展方向，不斷提升信息化程度，為企業價值增值提供支持。

（一）新興技術的應用情況

據2020年中興新云和廈門國家會計學院聯合開展的中國共享服務領域調研顯示（圖2），企業正在或者希望在財務共享服務中心利用的新興技術或者較為成熟的新興技術包括：（1）RPA（機器人流程自動化）作為應用較為廣泛并且較為成熟的技術，占比高達55.2%，該技術幫助財務共享服務中心完成大量重復且規則明確的流程的基礎業務，幫助企業實現優化財務流程、提高業務效率、規避財務合規風險，提高企業資源有效配置等功能；（2）大數據技術即基于對數據的沉淀、清洗、存儲、管理及分析等相關技術占比48%，所謂的大數據管理是基于傳統數據而言，大數據的數據處理大大超出傳統數據庫的存儲及處理范圍，是指企業對海量的數據規模和多樣的數據類型進行采集、存儲、處理和分析等方面的技術，主要解決傳統數據加工流程解決不了的問題，利用數據科學中的數據治理，對價值密度低的海量數據進行整合歸集、篩選和價值鏈分析，從而轉化成有商業價值的商業決策，提高經營效率和質量；（3）可視化技術占比達到27.6%，如Power BI在數據分析中的應用，即利用計算機圖像處理技術，將復雜的數據信息通過圖形或者圖像的方式清楚、直觀和多緯度地展現出來，幫助企業管理者一目了然企業的數據發展趨勢和重大事項決策等；（4）智能識別技術也是在財務共享服務中心應用較多且逐漸成熟地技術，占比達到24%，比如（OCR）光學字符識別技術和卷積神經網絡技術等的應用，會計核算最基礎的工作就是識別原始憑證，進行記賬憑證登記工作，也是會計信息化的第一步，智能識別技術通過圖像識別、預處理、文字識別和檢測等具體方式，實現對原始憑證如發票等紙質圖片等原始資料進行文字提取，形成結構化數據和信息，極大提高了財務單據核算和審核的效率；（5）高級分析相關技術占比達到23.2%，財務分析一直是財務管理中的一項核心工作，但傳統的財務分析主要是基于對企業報表數據資料進行分析，數據較為有限，分析方法主要是基于比率指標分析，通常體現的是“事后”分析，無法實現“事前”預測的能力。在算力和算法模型等新技術的應用下，高級分析可以基于企業級的內外部環境大數據進行采集、歸集和分析，利用復雜的算法模型為企業提供歸納性分析、預測分析、預防分析和風險分析等，為企業預先提供新的商品需求、新的產業方向、新的商業模式和風險評估預測等前瞻性信息，從而實現導航最新發展方向的作用.除此之外，在現有的財務共享服務中心使用還比較少，也是未來還有較大發展空間的新興技術，包括云計算、機器學習、移動和社交技術、物聯網、區塊鏈、知識圖譜、NLP（自然語言處理）等技術也多有被提及，比如云計算、機器學習和區塊鏈如何運用到財務中，也是很多研究學者研究的方向，如何充分利用這些新興技術，將成為未來較長一段時間理論界和實務界共同關心的話題。

總之，這一系列數字化工具可以幫助企業充分挖掘數據潛力，自動化、智能化等新興技術可以實現財務的多域多場景應用，最終實現成本節約、經營效率提升、管理能力提高和財務響應提速等需求，從而為企業提高價值服務。

圖2 共享中心正在或將來運用的新興技術

（二）人機協同共生理念

陸興鳳（2021）認為，“人機物”應在不同工作場景中體現協同關系，新型財務管理模式的實現需要目標協同、數據協同、流程協同、系統協同和組織協同。因此，企業財務管理的內容也不應只關注數據資料，而應以企業發展戰略為出發點，合理匹配企業內外部資源，與企業業務和IT技術協同合作來審視企業資源，重構企業競爭優勢，積極應對行業和技術的飛速發展（圖3）。

人工智能的終極目標是“人機物”的多元協作，這也是智能財務的終極目標。Lacity M(2016)指出，未來的會計工作應該是具有個性化、價值甄別、專業判斷特點的會計工作與人工智能并存的過程。物聯網的興起，做到了將事/物與人連接起來，這只是萬物互聯的開始，智能化需要將人通過機器(系統)與事/物連接起來，用機器(系統)去驅動人和事/物，從過去基于經驗的思維模式轉變成為基于大數據的事實依據的運行模式，人們并在這個過程中不斷優化機器(系統)，最終實現人機有機融合。傳統的財務管理模式及業務流程已經不能適應智能財務，所以新興的管理與文化必將產生，如管理理念、管理目標、管理流程及管理內容等都會隨之而發生改變。最后要明確會計人員與智能財務機器人各自的工作界限和職能范圍，這樣才能保證人機智能一體化的高效、高質量協同完成。人機物有效協作共生是人們面臨的新的課題，如何發揮各自優勢，實現共贏，并通過移動化的企管文化與應用打破地理邊界，使協同更加高效，是目前需要我們共同面對和努力解決的。

圖3 人機協同共生理念

（三）搭建企業數據價值框架

價值創造是企業管理的終極目標，企業的所有管理活動都要基于為企業創造價值來展開。即通過運用管理工具對數據進行整合，將分析結果反饋指導業務操作，促使企業價值優化，即以數據價值信息指導業務活動為企業創造價值的活動，由此可見，連接企業業務信息和數據信息，是企業保值增值的基礎。

陳虎（2021）指出，數據是資產，是具有價值的，數據資產的價值不體現在數據本身，體現在決策的有效性上。企業數據價值框架的搭建需要完成三個方面的工作：（1）數據基礎和數據治理，數據治理是對數據進行標準制定、質量檢查、數據架構和數據安全方面進行管理的部分，這是數據發揮價值的基礎，也是進行智能決策的基礎。（2）數據價值鏈，即數據價值的發揮是有途徑可循的，即從最初的數據采集、加工、整理、分析和展示的整個信息過程，可以分解為數據采集、數據存儲、數據清洗、數據探索、數據算法和數據可視化等環節，這個鏈條就是數據發揮價值的途徑。這個數據價值鏈起到承上啟下的作用，一方面可以利用數據治理的數據基礎，另一方面可以為智能決策系統提供可用的數據資源。（3）智能決策場景，這是數據發揮價值的場所，是財務本身和業務決策所需要的場景，這個場景是業務與財力融合的基礎，可以了解業務決策需要什么樣的數據，利用什么樣的模型，如何進行展示，可以將財務信息更好地為業務和企業戰略服務。

圖4 基于財務共享的大數據分析平臺

圖5 立體式大數據分析模型平臺

三、基于財務共享的大數據分析模型平臺構建

企業數字化轉型是企業未來發展的長期戰略，財務數字化轉型是其中重要的一個環節，我國企業尤其是集團企業或者國有企業，要打造適合自身業務特點的財務共享體系，借助大數據分析技術手段和智能化不斷提升，實現業務、數據、價值的全流程貫通，匯集全量財務數據，打造集團企業的財經數據中心，以企業價值變現為目標，從而為企業經營管理數字化和產業數字化建設提供重要支撐。

企業數字化轉型平臺是人機協同發展的進一步成熟階段(圖4)，它以管理與文化變革為出發點，探尋適應智能財務平臺的管理與文化，比如重新架構組織結構、改變管理思維、規范管理流程、培養適應新技術的管理人才和文化重塑等方面，為企業數字化轉型構建健康的內部環境。具體大數據模型平臺有三個部分組成，分別是大數據平臺、財務數據模型平臺和價值變現主題平臺，這三個子平臺互相依托，互相影響，構成一個成熟的大數據模型分析平臺，為企業實現數字化轉型奠定信息化基礎。以價值變現平臺為導向，將企業價值分解為一個個方向與主題，根據不同價值主題將財務數據分析方法進行模型建構。而模型建構所需要的數據資源均來源于大數據平臺，這個平臺將所需大數據資料進行基礎整合，再進行數據治理和數據價值整合，從而將標準化和高質量數據提供給其他兩個平臺，最終助力企業的價值增值。這種企業數字化平臺解決了企業的“信息孤島”問題，而且可以實現數據的多緯度、多場景和交叉性展現，是實現業務、財務、戰略、價值等最好融合和體現。

（一）大數據平臺

數據的質量是進行智能決策的關鍵，大數據平臺主要是對企業的海量數據進行匯總、處理和轉換的過程，具體包括數據基礎、數據治理和數據價值鏈分析三個部分。(1)數據基礎主要是運用大數據相關技術對數據的采集、整理存儲、整合、集成和提供服務的過程，比如與企業相關的公共數據、行業數據、經濟數據和環境數據等宏觀范圍的大數據資料，同時還有如業務數據、管理數據和最基礎的多形態財務數據，對其進行采集、整理和集成的過程，它是大數據的儲蓄池和歸整工廠。(2)數據治理主要是解決數據困境問題，即海量的數據因為標準不統一、不規范和類型多樣等問題，導致其質量比較低，在智能決策過程中不能提供有力支持，數據治理過程主要就是解決這一問題，通過制定數據標準、數據規范和數據安全等，來提高數據質量。比如可以將數據分類為主數據和元數據，針對不同數據主題來設置數據標準，如根據業務特點編制具有統一定義、口徑、名稱、參考標準及來源，形成一套一致、規范、開放、共性的業務數據標準，為實現智能決策提供支持。或者根據企業本身的管控要求，明確數據標準的管理和維護工作的責任主體，保障數據標準能夠持續地進行更新和改進，從而滿足企業經營管理的需求。通過設定技術標準，確定數據類型、數據長度、數據格式和來源系統，從而對信息系統建設和使用提供指導和約束。(3)數據價值是指按照價值實現目標來對數據進行整合利用，從而為企業創造價值的過程。數據本身是沒有價值的，只有將其進行充分利用，才能為企業價值增值服務，如何充分發揮大數據的作用，將大數據技術落地應用，是企業未來進行數字化轉型亟需解決的問題，也是企業的長期發展戰略。本文認為從最初數據庫的建設、到對數據進行必要的清洗，再到利用統計方法、算法等大數據技術和智能技術對其進行合理建模，到最后的大數據分析及可視化展示，這個基于價值創造為目標的數據價值鏈環節是數據實現價值的有效途徑，是打通人機物互融互通協同發展的根本，也是企業數字化轉型的關鍵。

圖6 成本預測大數據模型構建

（二）財務大數據模型平臺

財務大數據模型平臺需要有相關技術和信息化或者財務共享服務平臺為依托，大數據相關技術和智能化發展不斷推動企業數字化轉型，作為企業重要組成部分，財務的數字化轉型也在不斷深化。財務大數據模型平臺主要是利用財務大數據資源，通過對數據的挖掘，使得數據可見、可懂、可用和可運營，從而實現技術在財務應用場景關聯與落地，為企業發展提供前瞻性、有價值的信息與決策依據。該平臺通過對多源數據進行統一歸集，打破數據孤島，廣泛連接財務與業務數據，統一數據口徑，提升數據質量，進行數字建模和算法建模，實現多維分析，保障數據資產的有效利用與價值最大化，從而使數據資產保值和增值。

大數據及智能化相關技術是實現大數據分析和智能建模的工具和基礎，如前文所述，雖然一些技術在財務共享中得到了一些應用，但總體而言，應用范圍和應用深度都還遠遠不夠，還有更大的空間可以繼續開發。而對于算法模型的具體應用，是實現業務到財務再到價值的關鍵，如何根據價值變現主題反饋到財務信息，再從財務信息導向數據模型構建，實現自上到下的價值實現的目標。比如對于收入預測，可以通過對業務分析與訪談、數據探索和數據準備等工作，整理原始數據資料，再可以根據隨機森林模型和時間序列模型等為主，以建立的大數據統計和多維分析模型為輔助，最終對收入進行預測，幫助管理層把控企業經營走勢，輔助企業進行有效決策；再比如對于應收賬款管理，傳統財務會從客戶資信管理、事前管理、事后監控和催款政策等幾個方面進行管控，而在大數據分析模型平臺，可以通過匯聚企業內外部數據和互聯網數據，構建數據倉庫，然后根據信用評分法如5C評分法等，實現對客戶的授信模型建模，實現對客戶信用畫像，再利用內外部數據驅動模型分析、預警客戶信用風險、監控回收等方面進行實時監控分析，針對客戶信用水平進行差異定額、定期限和定折扣等信用政策的制定，可以在提高應收賬款回收率的同時，還可以維護客戶關系，助力企業發展。

企業的財務數字化轉型也不是一蹴而就的，需要一個發展過程，這個過程就是會計信息化的過程，也就是財務共享服務不斷發展的過程。本文認為，對于前沿技術和模型算法運用到財務共享發展的階段過程，是企業數字化轉型的必經之路。隨著大數據技術及智能技術的不斷研發和創新，模型算法的不斷落地，運用技術不斷成熟，運用成本不斷降低，促使財務共享從建設期的業務流程化已基本實現，成長期的業財融合也在不斷實現，而最終的智能決策及人機智能一體化也終將實現。

圖7 聚焦企業經濟分析重點事項

（三）價值變現平臺

價值變現平臺主要是企業戰略目標的實現，是將較為抽象的戰略目標分解成一個個清晰的價值實現主題，基于具體價值主題來分析如何為企業創造價值，它向上承接企業戰略目標，向下導向財務模型建構，在企業數字化轉型中具有承上啟下的紐帶作用。具體可以劃分為對內管理賦能和對外市場化運作。

1.對內業務管理賦能包括業務主題、產品主題、經濟活動主題等。(1)業務主題可以聚焦在財務數據的收入增長、盈利質量和現金流貢獻等方面，可以分類成不同業務場景，根據不同業務場景梳理出相關指標并進行模型建構。數據方面可以根據不同業務主題明確標準所屬組織部門、事業、業務主題及業務概念、規則及相關來源，統一業務定義、口徑、名稱、參考標準及來源，形成一套一致、規范、開放和共性業務數據標準，評價各業務經營表現，支持業務擴張或者收縮等決策。(2)產品主題可以將財務數據聚焦在產品定價、采購成本、人工成本和產品毛利率等指標，通過不同產品的場景分類，根據智能化相關技術，進行發票場景、供應商、人員構成、稅收籌劃等方面的分析。數據建模可以構建比如本量利分析模型、杜邦分析模型、比率分析模型等對產品的盈利性、發展性和可持續性進行分析。數據方面可以對接數據端口的HR系統、采購系統、稅務系統、客戶系統等，將各種產品數據進行口徑和標準的規范化梳理，精準識別銷售收入、成本費用和稅務風險等異常變動，從而支持產品優化。(3)經濟活動主題可以聚焦經營成果、財務狀況、現金流量、宏觀經濟等方面梳理出眾多指標，可以納入歷年的數據支撐分析整個公司經濟活動，構建數據模型來實現企業價值。

2.對外市場化運作部分包括供應鏈主題和市場分析主題等。(1)供應鏈主題將供應鏈管理中的上游供應商、企業、下游客戶及金融機構等納入管理平臺，打通鏈條信息通道，實現上下游全鏈條分析，而且應聚焦在產業鏈的深度分析，數據分析可以更加注重產業鏈的具體環節，比如原材料采購可以從供應商信用管理、運輸過程管理、材料成本分析、原材料存儲等環節進行數據整合和分析，了解供應商的融資需求和應收款項管理政策等，實現對供應商的多角度分析，從而打造良好的關系和降低采購成本。對下游客戶可以將其應收應付信息及時提供給金融機構，根據大數據模型和算法模型了解客戶的市場需求，構建大數據模型來對銷售量和銷售單價等進行預測分析，更好地為客戶提供高質量產品或服務。對金融機構應及時溝通信息，用大數據技術及時了解利率等金融指標的最新變化，合理規劃資金使用效率，提高資金周轉，對投融資進行決策支持。(2)市場分析主題方面主要聚焦在行業宏觀發展狀況、行業市場容量、行業競爭環境、競爭格局、市場動向、市場潛力評估等方面，可以借助大數據分析技術和智能建模，對企業所處的國內外宏觀環境和產業發展趨勢進行分析，了解國家和行業的最新政策和發展趨勢，從而為企業戰略目標提供決策支持。

四、多緯度立體化大數據分析模型平臺的場景應用

基于財務共享的大數據分析模型平臺，是企業實現數字化轉型的途徑，它以企業的價值創造為終極目標。該平臺應體現如下幾個方面的特點：(1)全面共享，包括整個企業對于智能財務相關平臺、智能財務相關數據、智能財務相關人員和智能財務相關組織的共享。(2)高效融合，在政策、規則、流程、系統、數據、標準統一的基礎上，實現企業業務、財務和管理的一體化融通。(3)深度協同，在新型財務管理模式下，基于智能財務相關平臺，實現財務專業分工、各級財務組織，以及業財管各部門之間的深度協同。(4)精細管理，借助智能財務建設的契機，采集最細顆粒度的交易數據和過程數據，實現基層業務單元層面和流程環節層面的精細化管理。(5)力求智能，在智能財務建設過程中，應注重體現智能財務本質特色的智能化應用場景設計和相應新技術的匹配運用(圖5)。

將企業價值最大化的戰略目標根據價值變現途徑，分解成一個個價值變現主題，根據價值主題需求進行模型推導和數據梳理，這個線索非常清晰明了，明確了數據的方向、實現途徑及所需要達到的目標，這是一條主線。第二條主線以財務管理的主要內容為依托，財務管理的終極目標也是企業價值最大化，所以所有財務管理的決策過程都是以為企業創造價值為出發點，傳統財務管理決策往往因為數據處理有限和財務信息流轉不暢等問題，并沒有發揮其最大效用。在大數據分析模型平臺下，有了高質量數據和先進算法為依托，決策的流程和方式都將發生較大變化，因此基于財務會計全部自動化基礎上進行的預算管理、成本控制、稅務籌劃、風控管理、績效管理等管理會計內容，效能將得到更大的發揮。第三條主線是以“數據價值鏈”為依托，這條鏈條是數據實現價值的途徑，從最初的數據采集到最終的數據可視化展示，不同于傳統財務管理的實現途徑，它是以數據管理和整合為分析對象，基于企業價值體系建立數據價值鏈，從而實現數據驅動智能決策的過程。這三條主線互相交叉，互相依托，互相成就，形成復雜的神經網絡，多緯度立體化實現價值創造的目標。

（一）以成本預測方案的應用場景為例

對于成本預測，基于傳統作業成本法的原理，利用神經網絡算法，探索動因與成本之間的相關關系，幫助企業建立并完善作業成本庫，提升模型準確率，節省企業人力財務成本，實現提質增效。

對于間接費用占比較高的產品企業，用作業成本法進行成本溯源，探尋資源消耗與產品成本之間的關系無疑是比較好的一種財務方法，但基于傳統財務對數據處理的局限性，很多企業并沒有采用這種先進的成本管理方法。在大數據模型分析平臺，結合大數據技術相關應用，作業成本法的效用可以得到更好地發揮(圖6)，可以構建基于神經網絡的作業成本法成本預測和管理模型。這個模型可以通過四個步驟來實現作業成本法，第一步，整理資源動因、作業動因，生成模型數據；第二步，根據已有的樣本數據訓練神經網絡，探究動因與成本之間的非直線關系；第三步，根據訓練效果，調整參數，減少預測誤差；第四步，模型上線，監控運行結果，優化模型，最終實現期望結果。除了成本預測，銷售預測、全面預算管理、風險管理、稅務管理、投融資管理、資金管理和資產管理等財務管理的內容，都可以通過這樣的大數據分析、數據建模和財務方法結合等分析來實現。

（二）以價值主題即經濟分析的應用場景為例

精益化運營需要將企業經營管理活動進行分環節分階段轉換成細微顆粒度數據，聚焦企業經濟活動分析重點月度事項，從經營成果、財務狀況、現金流量、單位成本、宏觀經濟等梳理幾百個指標，然后將歷年的經濟業務數據建模成趨勢分析、歸因分析、比率分析、SWOT分析等模型，通過對標數據自動獲取、靈活直觀展示差異、系統模型共享應用、分析報告自動生成等，為板塊精細化管理提供有力支撐，同時評價企業可持續增長能力，為投融資安排提供數據支持，為營運管理控制提供數據基礎(圖7)。

五、總結

當今時代，大數據、云計算、人工智能、區塊鏈和物聯網等（大智移云物區）新興技術已經席卷全世界，計算機強大的存儲和計算能力，高效地處理海量大數據能力和語音圖像識別等技術的發展，正在重構已知世界，撞擊未知世界，新技術已然真實地改變了現實社會。毋庸置疑，新興技術的影響力已經滲透到企業管理的各個環節。在企業數字化轉型的過程中，傳統流程已無法適應智能環境的運作，因此，在智能環境下研究企業大數據模型構建，主要是努力做到引導、利用、控制相關技術和方向的發展，堅守信息系統發展中的倫理和道德底線，盡可能實現人和技術的平衡協同發展，讓科學技術為財務會計服務，更好助力企業轉型和高質量發展，從而促進社會經濟的繁榮發展。保證完整的智能財務循環管理，從設計、執行、評估、分析到再設計、再執行，對數據治理的規范化和實現對智能財務平臺進行動態管理，從而能夠對數據進行全生命周期質量把控和管理，最終形成良性循環，是本文亟待解決的問題。