財務共享模式下基于數據中臺的數據治理動機及路徑研究

劉根霞（教授）

（河南工程學院會計學院 河南鄭州 451191）

一、引言

近年來，移動互聯網、大數據、云計算、物聯網、人工智能、區塊鏈等信息技術的深入發展和廣泛應用，促進了數字技術與人們生活工作場景的深度融合，而這種融合反過來推動了數字化轉型和數字經濟發展。數字化轉型能提高全球要素資源配置效率，重塑全球經濟結構，重構全球競爭格局，推動生產生活方式和治理方式的深刻變革，是產業新業態、新生態及新商業模式的關鍵力量。數據作為數字經濟的核心生產要素，對提高生產效率的乘數作用日益凸現，但同時存在著數據產權、數據安全和隱私保護等日益突出的問題，如何通過數據治理、數據挖掘來實現全方位、全鏈條降本增效和高質量發展，進而形成市場創新新動能，是數字經濟發展的關鍵問題。

財務作為企業天然的數據中心，財務數字化轉型適合作為企業數字化轉型的著手點和突破口。國資委發布的《關于中央企業加快建設世界一流財務管理體系的指導意見》中建議企業積極探索依托財務共享實現財務數字化轉型的有效途徑，創新共享模式、流程與技術。目前我國多數大中型企業通過財務共享服務模式進一步重構財務組織，優化業務流程，加強財務管控，統一會計核算標準，釋放了核算資源，通過連接和協同內外部數據，提升了財務數據質量和財務運營效率，一定程度上達到了數據集中和數據治理的效果，但是由于組織變革不到位、流程再造不徹底、員工數據挖掘與分析能力不強、業財融合程度不夠、數據質量不高等原因，數據應用一度陷入困境。

2022年7月30日，上海國家會計學院等機構發布了2022年影響中國會計人員的十大信息技術，中臺技術（數據、業務、財務中臺等）作為十大信息技術之一，其通過業財深度融合打破系統間的信息壁壘，通過數據匯聚與治理，挖掘數據價值形成數據資產，把數據資產應用于經營管理，實現數據資產價值變現。把中臺思想與財務共享服務相結合是財務數字化轉型的新型手段，利用中臺技術，將業務資料轉化為數據生產力，實現數據賦能業務，對于解決數據應用困境具有重要意義。

二、財務共享模式下數據應用的困境

企業在生產經營過程中產生大量數據，沉淀在財務共享中心的財務數據是其重要組成部分。由于企業數據管理意識不強，存在數出多門、標準不一、碎片化存儲、業務與財務系統割裂等問題，導致包括財務數據在內的大量數據在應用過程中存在三大痛點。

（一）數據分散，碎片化存儲——有數不能用、不會用

企業在財務共享建設過程中往往更重視流程需求，容易忽視數據之間的關系。在科層制組織管理體系下，不同部門在同一個經濟活動中從各自的角度理解和定義數據，按照流程、專業和應用分類的數據分散于不同部門，以碎片化形式存儲在不同系統中，不僅物理形式上分散，邏輯上也缺乏應有的可比性，容易形成信息孤島，進而割裂企業集團內部的信息溝通機制，導致財務數據與其他數據之間相關性缺失，融合困難，從而降低了企業數據的整體價值，即出現“有數不能用、不會用”的現象。

（二）數出多門，缺少統一標準，數據質量不高——有數不好用

企業經營管理產生的數據類型多樣，既有結構化數據，也有半結構化、非結構化數據。財務共享服務中心采集的主要是結構化財務數據，這些數據僅占企業可利用數據的“冰山一角”，大量來自于企業內外部的多類型異構數據無法通過財務共享服務中心來匯聚和處理。由于缺乏統一標準，不同部門、不同系統對數據項屬性定義不統一，存在著同一數據項在不同系統中的類型和長度要求不一致等問題，造成數出多門各不相同，數據質量不高，難以為管理決策服務，即出現“有數不好用”的現象。

（三）缺少安全管理機制，數據安全無法得到保障——有數不善用

企業經營管理中存在一些機密關鍵數據或敏感數據，財務共享模式下，如果沒有明確數據安全責任部門，未設置數據安全相關崗位，缺乏完善的分類分級管理、訪問與控制權限管理、安全合規評估、全生命周期管理、安全應急響應管理等數據安全管理制度，當發生數據泄露、信息被篡改等數據安全事故時，會出現數據生產、運營、管理人員權責不清晰、安全事故無法追責、數據難使用等問題，即出現“有數不善用”的現象。

三、財務共享模式下數據治理的動機

隨著“數據即資產”理念得到廣泛認同，加強數據治理、提升數據質量被提到前所未有的高度，但并不是所有沉淀在財務共享服務中心的數據都有價值，數據價值與數據質量有關，不同的企業開展數據治理的動機不同，大體包括：

（一）實現“一數一源，一源多用”

由于企業不同信息系統間集成度往往不高，各業務及財務數據分散在不同信息系統中，同一數據項從不同系統采集到的數值不一致的情況時有發生。數據多源不僅增加其采集、報送、儲存成本，而且反復收集數據造成資源浪費和數據冗余。同時，由于數據責任主體不明確，數據的安全性、完整性、一致性、準確性也無法保證，不完整、不準確的數據無法真實反映企業生產經營情況和財務成果，也無法支撐企業經營管理和決策，數據的資產屬性無法發揮。財務共享模式下要真正發揮數據的作用，必須開展數據治理，通過制定完善的數據管理制度，明確數據各責任主體的責權利，嚴格執行數據標準，建立數據共享機制，做到“一數一源，一源多用”，提升數據利用效率和應用水平，切實實現數據向業務賦能。

（二）實現數據管理風險可控

隨著數據價值越來越大，數據管理風險問題越發嚴峻。“大智移云區”等信息技術在企業財務共享中心數字化中的廣泛應用，使網絡架構設計更加高速靈活開放，虛擬網絡設備、虛擬網絡存儲管理難度增大，從而造成數據管理更不可控，容易遭受更多的黑客攻擊、惡意代碼感染或數據竊取與篡改等信息安全風險，數據造假、數據濫用、敏感數據被泄露等道德風險貫穿于數據生命周期，數據存在不完整、不準確等質量低下風險。因此，企業有意愿通過數據治理，構建完善的數據治理組織體系和管理制度體系，從組織和制度上防范風險的發生；建立數據治理文化，開展數據倫理道德風險評估；加強數據監管，嚴格數據管理制度、標準與流程的執行，使得數據風險在可控范圍之內，從而保障企業營運合規。

（三）實現數據價值創造

2020年4月國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，首次明確指出數據是一種生產要素，提出要加快培育數據要素市場，讓數據成為企業創新發展的原動力。如果把數據比喻成水，有效數據則是為人體提供源動力的飲用水，無效數據就好比污水，會給人體健康帶來傷害，甚至危及生命。企業數據源自于生產經營各項業務活動，通過掃碼、智能感知、OCR識別等信息或數字化技術采集技術實現了業務數據化。如何從沉淀在不同業務系統、財務共享服務中心的數據中挖掘有用數據，讓數據賦能業務，答案是開展數據治理。通過開展數據治理，企業可以把采集到的內外部數據進行標準化、規范化處理，經過清洗、建模等流程，剔除掉無效的噪音數據，按照業務場景需要形成相應的數據資產包，實現數據資產化。在開展預算管理、績效管理、成本管理、銷售預測等業務處理時，企業借助資產化的數據，做出科學合理的經營管理決策，從而降低成本、提升經營業績、擴大企業影響力、形成企業核心競爭力，真正實現數據驅動業務、輔助經營、支持管理、支撐決策。

四、財務共享、數據中臺對數據治理的影響

（一）財務共享對數據治理的影響

數字經濟時代，財務共享服務在推動企業數字化轉型時，不僅提升財務業務流程效率，還通過對會計政策、會計科目、業務流程等的標準化處理，提升數據價值，達到對財務數據治理的目的，并基于此為財務數字化轉型搭建了數據基礎、技術基礎、組織基礎以及服務基礎。

隨著中臺戰略思想的興起，數據中臺作為企業實現數字化轉型的新型手段，通過在前、后臺之間搭建“數據立交橋”，可以此來實現業務核心基礎能力沉淀、可持續能力迭代、提升用戶需求市場響應速度等。財務共享服務中心建設之初通過將各分子公司、分支結構的簡單重復業務集中起來處理，實現核算標準的統一和處理效率的提升。隨著企業外部經營環境不確定性增加、內部經營環境日趨復雜，經營管理對經營決策所需數據及時性、多樣性、多維化要求增高，簡單的財務共享服務中心無法快速支持業務前端對信息的廣泛需求，因此應構建基于中臺架構與理念的財務共享服務中心（其架構如圖1所示），利用中臺架構對數據進行集成及標準化、規范化處理，形成數據資產，提升財務共享對管理決策的服務支撐能力。基于中臺架構的財務共享服務中心包括數據源、財務中臺、業務前臺三層。

圖1 基于中臺架構的財務共享服務

底層是數據源層，通過銷售管理系統、采購管理系統、存貨管理系統、固定資產管理系統、生產管理系統和人力資源管理系統等業務系統采集、集成企業內外部業財數據。

中間層是財務中臺，包括財務業務中臺和財務數據中臺。會計核算服務、資金管理服務、管理報表服務、費用報銷服務、稅務管理服務、電子影像管理等通用、普適的核心財務核算能力沉淀在財務業務中臺，實現集團企業不同業務單元財務服務能力的復用和共享。財務數據中臺把沉淀在財務共服務中心的業財數據進行加工，開展主數據管理、元數據管理、數據模型管理、數據安全管理等數據治理工作，提升業財數據質量，形成各類數據產品，服務于業務前臺。

業務前臺是財務職能在業務部門的延伸，包括預算管理、績效管理等，利用財務中臺形成的數據產品或服務，通過實施預算管理、績效管理、投資決策、成本管理等管理會計工具，快速相應業務需求，賦能業務發展。

隨著“智能+平臺+生態”的發展，財務共享服務中心由企業內部業務集成，逐步轉向基于價值鏈、生態圈的企業內外部資源整合與優化，這也成為數據中臺的技術基礎以及計算能力、存儲能力的來源。財務中臺中的數據治理介于數據體系和數據應用之間，起著承上啟下的作用，有助于解決共享服務中心在數據應用和管理上的缺陷；構建完整的數據治理框架成為財務共享服務中心轉變為大共享中心并向數據中臺轉變的關鍵一步。

總之，財務共享服務模式為企業數據治理提供長效保障機制，通過數據治理，打破系統間信息壁壘，業財實現真正融合，建立起統一的業財數據地圖，提高了財務管控能力和工作效率，推動管理創新。

（二）數據中臺對數據治理的影響

VUCA時代商業模式不斷創新，市場需求快速變化，業務邊界日趨模糊，企業經營管理對數據質量和數據治理能力提出更高的要求。傳統數據治理方式已經無法滿足需求，需要建立企業級數據共享與能力復用平臺（即數據中臺），多終端采集全業務、多類型的數據，通過集成及標準化、規范化處理，去中心化和服務場景的數據治理方式，消除企業信息管理中的數據孤島問題，提高數據完整性、一致性、有用性，有效發揮數據治理對前臺業務的支撐作用，助力企業實現業務數據化、數據資產化、資產價值化。

去中心化的數據治理理念就是踐行“數據源于業務、用于業務”，即構建基于數據中臺從數據生產到消費、消費后產生的數據再回流到生產流程，實現“業務數據化→數據資產化→資產服務化→服務業務化”的閉環過程。

場景是一個產品或者應用被用戶使用時所處的最可能的環境，數字經濟時代，對于許多數字化應用需要考慮其使用場景，數據治理作為一種數據應用服務，數據中臺是其服務場景化分析得以開展的前提條件，通過數據管理和數據服務模式，來實現數據治理服務于業務場景的目的，為場景化數據分析帶來強大的生命力。

五、財務共享模式下基于數據中臺的數據治理路徑分析

根據上述企業數據治理動機以及財務共享、數據中臺對數據治理影響的分析，考慮到數據治理需遵循的原則，本文構建了企業財務共享模式下基于數據中臺的數據治理體系，并提出一般企業的數據治理路徑。

（一）財務共享模式下基于數據中臺的數據治理體系

數據治理是一項涉及到管理、技術等多個領域的復雜系統工程，企業實施數據治理，構建較為完整的數據治理體系是關鍵。構建基于數據中臺的數據治理體系時，應遵循戰略一致、風險可控、運營合規、績效提升的基本原則，幫助企業確定數據治理的范圍，制定可執行的實施和評估方法，以實現企業成本、收益、風險三者的最優化控制目標，并做到持續迭代和優化。數據中臺的數據治理體系如下頁圖2所示。企業內外部大量多類型的數據通過數據實時或離線采集，匯聚數據中臺，依據數據標準，構建數據模型，制定數據安全管理規則，開展元數據、主數據、業務數據等數據管理和數據安全管理，根據統一的數據模型和數據授權訪問，形成相應的數據資產，提供給業務場景使用，實現數據驅動業務，賦能管理。

圖2 財務共享模式下基于數據中臺的數據治理體系

（二）財務共享模式下基于數據中臺的數據治理路徑分析

數字經濟時代，有效數據正在成為企業業務差異的一個關鍵影響因素，數據治理有助于企業以決策相關成本和風險最小化來獲得有效數據，增強企業靈活性。數據中臺為數據治理提供平臺環境支持，數據治理介于數據開發和數據應用之間，基于數據中臺開展數據治理的一般路徑如圖3所示。

圖3 基于數據中臺的數據治理路徑

1.理需求、繪藍圖——制定數據戰略，開展數據治理成熟度評估，找準數據治理切入點。制定數據戰略是開展數據治理的首要工作，企業根據業務發展戰略與IT戰略來制定企業的數據戰略，保持戰略的一致性。數據戰略明確了企業數據治理的愿景、目標、原則等。以科學的數據戰略指導數據治理工作，循序漸進，持續優化，最終達到經營合規、風險可控、價值創造的目標。然后，通過資料查閱、調研訪談、調查問卷等方式，對企業的數據治理現狀、組織架構、制度流程、數據質量等進行現狀調研，構建數據治理評估指標體系，從數據風險與合規性管理、數據安全與隱私、數據架構完整性、全生命周期管理、數據質量、數據目錄與元數據管理、價值創造等維度進行數據治理成熟度評估，形成數據治理成熟度儀表盤，找出當前企業數據管理和數據建設中存在的問題與不足，確定數據治理內容、范圍以及切入點。最后，結合企業實際情況決定是選擇“打好數據底座，建設數據資產”模式，還是選擇“典型場景，做數據治理試點”模式，有針對性地展開數據治理步驟。

2.定職責、建體系——設計數據管理體系，建立完善數據治理保障機制。數據管理控制體系是一套以數據治理相關組織和人員為核心，包括數據治理組織、制度、流程、考核等各個方面的執行保障機制，是企業開展數據治理的重要基礎性保障和基石。一般來說，企業數據管理體系包括數據治理的組織架構、管理流程、管理制度等要素。

（1）數據治理組織架構。數據治理工作涉及企業各部門的業務和資源，需要各部門通力協作才能有效實施，構建有效的數據治理組織架構是企業數據治理能夠成功的有效保障，需要充分考慮企業內部IT系統、數據資源、人力資源以及業務應用現狀，形成自上而下完整的組織體系。企業的數據治理組織架構一般包括決策層、管理層、執行層和監督層。數據治理委員會屬于決策層，一般由董事會及數據治理專家組成，有權決策企業數據治理相關重要事項。數據治理小組屬于管理層，由歸口管理部門和各業務部門的數據治理負責人組成，負責組織開展數據治理日常工作。數據治理執行層由歸口管理部門下屬治理團隊成員和專業分支機構中具體負責數據治理工作的人員組成，主要執行具體的數據治理措施。數據治理監督層通常由企業監事會、內部審計、法務等部門相關人員組成，監督數據治理是否按照企業數據戰略科學開展。

根據企業數據管理力度、范圍、標準化程度不同，數據治理組織模式通常分為分散模式、歸口模式、半集中模式和全集中模式四種。分散模式，也叫離散模式，通常是企業集團各業務條線或事業部中的數據管理人員按照其制定的數據治理相關政策和標準分別開展數據治理工作，這種模式下數據治理相關人員主要為本業務條線或部門人員，熟悉相應的制度流程、業務流程、控制要點、考核要求等，數據治理無須對組織架構做大的改變，因此容易推動，但同時存在著業務條線中數據治理技術性強的管理工作不容易實現、不同業務條線數據治理不協同的缺點。歸口模式主要是確定企業數據治理牽頭部門（歸口部門），由牽頭部門（通常是科技部門）負責數據架構、共享機制設計與管理、元數據管理、主數據管理、數據安全管理等數據治理中技術性強的各項工作，新的技術方法和數據管理思想容易實施，但該模式下數據治理人員對于業務部門的數據應用場景理解不深入，可能無法滿足業務需求，且組織架構需要調整，推動力不強。集中模式是企業通過數據治理委員會、數據治理辦公室、各業務條線數據治理執行團隊形式建立自上向下的數據治理組織，這種建立企業級數據治理組織模式，有利于協調不同業務條線或部門之間數據治理沖突，增強數據治理執行力，但對原有組織架構影響較大。半集中模式介于分散模式和集中模式之間，企業建立數據治理組織，有利于各業務條線或跨部門的數據治理的協同性和一致性，各業務條線或部門設數據管理崗負責本條線或部門的數據治理，增強了數據治理的靈活性，但由于數據治理機構層級多，關系協調事務繁重，企業數據治理時無論采用哪一種組織模式，團隊中都要包含決策、管理、執行等成員，并且各層級崗位職責分工明確，這樣方能確保數據治理工作有序開展。

（2）數據管理制度。數據管理制度是保障企業組織架構正常運轉以及數據治理工作有據、可控、可行的前提，包括：數據政策、管理制度、實施細則以及操作執行手冊四個梯次，制度體系各層級制度的級別、制定者、內容見表1。數據管理制度與企業準備開展的數據治理實際工作密切相關，需要結合企業組織和業務特點按照職能域制定，通常包括：數據標準管理辦法、數據質量管理辦法、元數據管理辦法、主數據管理辦法以及數據安全管理辦法、數據生命周期管理辦法等。

表1 數據管理制度體系

（3）數據治理管理流程。數據治理的核心目標就是將數據變成數據資產，實現價值創造。數據治理在各階段、各環節要求業務辦理人員均應遵循相應的治理流程，做到任務銜接與協調、治理控制與監督相關要求。數據治理管理流程包括標準與規則的制定，問題的發現，數據的清洗、查詢、修改、分析，數據建模、授權與頒布等，歸納起來，企業數據治理工作包括定義、發現、實施、衡量與檢測四大核心流程，這四大核心流程可重復執行，形成一個數據治理閉環流程體系。不同企業數據治理時由于職能域、數據范圍、業務領域不同，存在著不同的數據治理場景，四個環節如果有哪個環節缺失，則會影響數據治理的預期效果，但通常情況下定義、發現環節可迭代并行。

3.定標準——設計數據標準體系，制定或完善數據治理標準規則。數據標準是保障數據在內外部使用與交換時一致性和準確性的規范性約束。主數據是數據標準落地的關鍵載體，也是企業開展全面數據治理的核心基礎。進行數據標準體系設計，主要是對主數據從業務管控、歷史業務數據、行業標桿企業的經驗、業務支持四個角度進行標準體系設計，其核心目的是通過統一數據標準的制定和發布，結合制度約束、系統控制等措施，來實現企業數據的規范性、完整性、唯一性、有效性、一致性和共享性。

一般來講，主數據標準體系包括主數據業務標準（編碼規則、分類規則、描述規則）和主數據模型標準（主數據邏輯模型、主數據物理模型），并衍生出一套代碼體系表（也叫主數據資產目錄）。在數據治理實務中，有企業把數據標準體系分為技術標準、數據標準、應用標準、信息化標準管理規范和信息化標準管理系統等五部分。

4.定位置——數據分布設計。數據分布是數據在業務流程和IT系統中流動的全景視圖。通過數據分布設計，可以理清企業數據的來龍去脈，明確數據在系統中的位置及其應用，確定系統中數據間的關聯關系，從而識別數據源中的關鍵數據和敏感數據，發現關鍵數據在不同數據源之間的重疊情況、血緣關系以及轉換邏輯，進而找出不同數據源之間數據的不一致性或異常，為后續有針對性地開展數據治理工作打下基礎。

5.搭平臺——數據整合設計。在確定了數據位置及走向之后，企業要搭建幾個層面的數據管理平臺，進行數據整合，確定主數據集中在哪里，為哪些業務系統所應用、如何來使用。首先搭建集中產品、人員、合同、客戶、項目等主數據的主數據管理平臺，它是企業數據標準落地實施的載體。通過主數據管理平臺發布主數據標準文件，企業可以有效實施主數據全生命周期管理、數據服務等。然后搭建核心業務支持平臺，通過業務主題中的數據文件、數據間的邏輯關系等來支持業務系統場景化應用。最后，在業務數據層之上構建決策支持平臺，利用主數據層、業務數據層的數據進行指標分析和輔助決策。通過對多個數據平臺數據的結構化集成，形成數據整合體系。

6.洗數據——進行數據清洗。在明確企業數據的源頭在哪里，數據標準有哪些，確定數據管理機制、數據如何分布以及如何整合之后，就要對采集到的歷史數據進行清洗。數據清洗就是按照一定的清洗規則對零散、重復、缺失、錯誤、無用的原始數據進行管理性驗證，通過數據清洗，去除或補全缺失數據，刪除或修改格式內容錯誤數據，去除無用數據等，實現數據的唯一性、完整性、準確性、一致性以及有效性。只有經過清洗的數據才能形成數據資產，為預算管理、績效管理、成本管理、客戶管理、財務分析、經營分析等經營決策業務提供場景化的應用支持。

7.接服務，促應用。“業務數字化→數據資產化→資產服務化→服務業務化”是基于數據中臺開展數據治理的基本邏輯。通過數據采集進入系統的各類數據，經過清洗、建模之后，其完整性、一致性、有效性、共享性等得到保障，數據質量得到提升，形成各種業務主題數據文件，即數據資產；將主題數據應用于業務系統，如根據銷售主題數據和客戶主題數據進行營銷預測、客戶畫像，根據財務數據和投資數據進行投資預測等，進而實現數據資產服務化；然后用數據服務指導業務，實現服務業務化，如此實現數據治理體系持續改進優化。

六、結論

當前正處于第四次工業革命時期，數據的戰略資源屬性日益顯現，企業的數據狀態、數據管理水平與數據需求不相匹配，經營管理中的數據痛點難點問題也愈發突出，開展數據治理必要而且迫切。國內企業數據治理成功案例表明企業開展數據治理是有路線可循的。企業要想成功實施數據治理，應遵循治理一般路徑，圍繞公司發展戰略和業務需求，準確定位數據治理問題，建立完整的數據治理管理體系和保障機制，確立各類數據標準和數據治理流程，搭建數據治理平臺。

企業在開展數據治理時，應結合宏觀經濟環境、行業發展及企業自身的情況，確定數據戰略與數據治理目標，并搭建數據治理組織體系，建立較完善的數據治理保障機制，包括組織、制度、流程等。《關于中央企業加快建設世界一流財務管理體系的指導意見》提出以數字技術與財務管理深度融合為抓手，以財務數字化轉型為突破點，以“規范、精益、集約、穩健、高效、智慧”為標準，注重效率與質量，突出財務戰略支撐、決策支持、業務服務、價值創造、風險防控等職能，來提升企業財務管理能力，構建世界一流財務管理體系，而構建基于數據中臺的數據治理體系，是實現數據賦能、價值創造的財務基礎。

數據中臺作為連接前臺和后臺的數據橋梁，是企業數據資產管理和服務的中樞，在數據治理、財務數字化轉型以及構建世界一流財務管理體系中發揮著重要作用，因此，要搭建數據治理平臺或數據中臺，應用專門工具和方法論，選擇合適的實施路徑，開展主數據管理、元數據管理、數據質量管理、數據安全管理等，進而提升數據質量，服務經營決策，實現數據驅動發展。