大數據背景下財務公司數字化轉型探討

□文/李 璇

（蘭州財經大學長青學院 甘肅·蘭州）

［提要］企業集團財務公司是源生實體經濟的金融機構，自成立以來就被賦予“依托集團、服務實體”基本功能定位，在企業集團進一步深化改革和高質量發展新形勢下，財務公司應充分發揮金融服務專長，助力企業集團體制改革和產業轉型。本文回顧現階段財務公司大數據技術應用基本現狀，探討集團財務公司數字化轉型問題，并針對財務人員迎接大數據技術沖擊提出建議。

一、前言

近年來，我國企業集團財務公司發展迅速，但現有發展模式也帶來了業務結構單一、風險管理較弱等弊端。銀監會在中國企業集團財務公司行業發展2019年年會上對當前我國財務公司工作做了總結，在2018年世界經濟形勢發生重大變化之后，2018年我國企業集團財務公司行業整體仍能繼續保持良好的發展態勢，繼續深化業務結構轉型，繼續守住不發生系統性金融風險的底線，整體取得了較好的發展業績。財務公司堅持服務實體經濟的基本定位，深化金融供給側結構性改革，通過產業鏈金融服務更好地服務集團主業，改善產業鏈上下游企業融資難融資貴的現狀，促進了產業鏈整體健康發展。

企業集團財務公司作為與企業集團一榮俱榮、一損俱損的“內生性”非銀行金融機構，是產融結合的一種特殊存在形式，雖然不對社會公眾吸收存款或發放貸款，業務范圍限定在本企業集團內，但各大企業集團和權屬單位可得可用可共享的數據信息豐富，借助大數據技術的應用與發展，以財務公司為支點，打造企業集團數據信息“橋頭堡”。作為我國金融體系的重要組成部分，近年來集團財務公司與企業集團主業深度融合，并呈現出傳統業務持續發力、產業鏈金融持續深化創新等特征，進一步凸顯了財務公司與集團發展的共生性。集團化管理的盛行以及集團財務公司的建立，為企業集團的投融資活動和企業發展提供了資金保障和支持，確保了內部資本市場有效性的發揮。集團財務公司的設立為企業集團及成員單位帶來了巨大的便利，通過合理調配、使用各成員單位的資金流，有效降低集團的融資約束，提高資金使用效率，從而使籌建集團財務公司成為支持企業集團發展的重要舉措，對企業集團持續健康發展起到了重要作用。

經濟新常態下，我國財務公司面臨機遇與挑戰并存，尤其是大數據技術的出現對財務公司的發展提出了更高的要求，本文主要探討大數據背景下集團財務公司的數字化轉型問題。

二、大數據概念、特征和思維方式

“大數據”概念直到2009年才逐漸開始在西方國家流行，“大數據”引起全世界高度重視，是源于2012年美國奧巴馬政府宣布實施“大數據研究和開發計劃”，該計劃希望應用大數據解決政府部門面臨的各種問題，這使“大數據”思維和技術開始進入工作和生活中來。“大數據”是指所涉及的數據量大到無法使用目前的計算機能力，在一定的時間內完成搜集、整理、處理或轉化成為使用者的可用信息。“大數據”的各種定義中，以互聯網數據中心（IDC）的最為權威：“大數據”是用來描述和定義信息化社會所產生的海量數據，所設計的新架構和技術，并進行技術發展與創新，目的是為了更經濟、有效地從高頻率、大容量、不同類型和結構的數據中獲取相關價值。隨著大數據時代的來臨，人們利用數據的方式和方法發生了根本的改變，形成了大數據的思維方式。大數據的思維方式主要有總體性思維、容錯率思維和相關性思維，這些思維將改變人們認識、理解和研究社會經濟現象的方式和方法。

（一）在大數據時代，應有總體性思維。IT技術、互聯網和云計算等科學技術手段得到了普遍應用，人們處理數據的能力得到了很大提高，而且可記錄、儲存的數據越來越多，從TB級向PB級躍升。隨著大數據時代的來臨，總體性分析將取代抽樣分析，總體的性質和特征不再依賴于抽取的樣本數據及其特征，現在可以搜集幾乎全部的數據，從而對事物的認識可以更全面、更深刻。

（二）在大數據時代，應有容錯率思維。所謂容錯率，是指在大數據中無需要求每一個數據都有很高的精準度，盡管存在數據優劣摻雜，但因數據量巨大，最終還是能得出事物的總體性質和特征。大數據時代，無需深究每一個數據的精確性，應該容忍一定的數據誤差，只要認識和了解總體性質和特征的基本趨勢即可，而應追求數據的及時性和利用率。

（三）在大數據時代，應有相關性思維。自古以來，人們總是通過深入分析事物的原因，從而得出事物的結果，透過事物的現象來認識事物的本質。大數據時代的來臨，人們可以通過互聯網和云計算技術搜集、挖掘和分析數據中的相關性，應用事物間的相關性分析來幫助捕捉現在和預測未來。

三、大數據技術在我國財務公司應用現狀

截至2019年末，全國已經開業的財務公司共有258家，行業資產總額7.02萬億元，較上年同期增加10.87%。不斷發展壯大的財務公司行業已成為我國金融體系的重要組成部分。按照《企業集團財務公司管理辦法》財務公司所能開展的業務涵蓋存貸款、結算收付、同業、投資、債券發行和承銷債券等十余項的業務資格，是企業集團名副其實的“內部銀行”與“錢袋子”。盡管財務公司在穩健發展，但大數據技術仍對現有財務公司運行管理模式帶來了沖擊：

（一）目前信息共享的速度和廣度不足以滿足生產經營的需求。大數據技術正在滲透到各個行業，企業的生產、管理、控制等環節也在越來越多地應用相關技術，整個社會信息更新的速度都在加快，如果不能及時捕捉到有用信息，企業在行業中就會處于不利位置。在此環境下，管理層希望財務信息能夠實時呈現，以便更快更好地作出決策；基層員工則希望通過微信等即時通訊軟件更加方便快捷地了解上下環節的工作動態，以提高效率。同時，由于技術條件的約束，之前的財務共享服務往往局限于企業內部信息，而在大數據發展非常迅速的情況下，企業搜集和處理的信息就不應該拘泥于企業內部，而是將來自競爭對手、合作伙伴、稅務部門、工商行政部門等的外部信息納入共享范圍。再者，基于目前經濟全球化及國內經濟下行的新常態，企業還需要將資本評估、現金流動性管理、匯率及利率風險納入財務共享范圍。

（二）信息安全受到威脅，商業秘密受到侵犯的可能性增大。2013

年爆發的“棱鏡門”事件，斯諾登揭開了大家心照不宣的秘密，但人們卻驚訝地發現美國的監控技術已經具備了大數據時代的顯著特征。網絡時代的信息安全問題由來已久，大數據技術的發展使數據的傳輸、共享更加便利，也使信息安全問題愈發嚴重。從技術層面來看，首先是信息開放和關聯度增加，大數據更容易成為攻擊目標。大數據不僅意味著數據量大，還意味著數據更加復雜、敏感，這對于攻擊者來說極具吸引力；同時，數據大量聚集其關聯密切，使得每次的攻擊都能夠有著巨大的“收益率”。其次是新型的攻擊手段很難被發現和控制。大數據時代下的信息傳遞和存儲成為高級可持續攻擊的載體，而目前的安全檢測手段更多局限于單點檢測，很難做到持續、實時監控，這為高級可持續攻擊的攻擊制造了漏洞。大數據信息安全問題不僅是一個技術問題，還是一個社會學問題。從法律層面來看，當前我國還沒有出臺有關大數據安全保障方面的法律法規，甚至網絡安全及商業秘密保護方面的法律也不夠健全，企業信息受到侵犯后很難訴諸法律，這些灰色地帶的存在降低了犯罪成本。比如，日常生活中我們經常因為個人信息泄露而不堪其擾。大數據技術的發展除了帶來正面效應還可能增加犯罪手段，如果不能及時有效地填補法律空白，信息泄露造成的不法犯罪會愈演愈烈。而對于企業來說，可能會造成更大的經濟損失。綜上，大數據環境下，信息來源更廣，存儲卻非常集中，這些存儲介質里包括財務數據、客戶信息等在內的大量商業秘密面臨著更加嚴重的泄露風險。

（三）管理層對于財務轉型的認識存在誤區，組織機構調整勢在必行。在很多企業的管理層看來，轉型意味著共享，而共享=集中，或是共享之前必須實現集中。這種看法大多基于對現有的支撐財務共享服務的工具認識不足，在傳統思路中，財務共享就是前臺人員將財務信息收集起來，傳遞至后臺進行集中處理，即建立起來一個“會計工廠”，把財務人員集中起來完成工作。但在大數據時代，以金蝶EAS（集團型企業ERP）為代表的財務共享服務專業信息系統已經可以做到全流程的分散處理，實現核算處理的自動化。根據以往的成功經驗，在實施財務共享服務的進程中，組織機構調整是一個漫長、艱難，而又必不可少的環節。例如，中興通訊經過十年探索和實施，才形成了現在的組織模式，即借助先進的信息系統工具，將財務核算工作打造成一條流水線，按照有效的方式重新分配財務崗位，合并所有子公司和外派機構具有相同職能的業務，劃分為分工明確的專業組，效率得到顯著提升。在組織結構的調整中，可能會存在各種阻力，如新部門領導權的問題、各部門工作量分配是否合理以及部門間是否能做到很好的銜接和流暢的運作等。這就需要在進行組織結構設計時充分考慮本企業業務和財務工作的實際情況，同時人力資源部門應做好事前溝通和財務共享實施后的績效評估工作。

（四）人員轉型問題。大數據處理技術正在改變著當前計算機運行模式，按照其生命周期，大數據處理技術包括采集與預處理、存儲與管理、計算、分析與挖掘、可視化分析、隱私與安全等多個方面。越來越成熟的技術幾乎能夠處理各種類型的海量數據，并且實時高效。技術的發展和組織結構的變革，減少了對人工作業的需求。據統計，建立起財務共享服務中心之后，該中心所需的財務人員大約只相當于原來分散核算時人員總數的1/3。其余大部分人員則被重新分配至管理會計崗位，他們的主要工作不再是會計核算，而是轉向立足業務的財務分析，為公司提供決策支持，即提供“增值服務”。在此之前，大部分財務人員只需要具備財務會計知識就可勝任工作，分流后，對員素質提出了更高的要求，不僅要具備財務分析、財務報告、成本管理等知識，還要懂業務，兼具營銷管理、公司治理等相關技能。而對大多數企業來說，現有的會計人員結構很難達到實施財務共享服務之后崗位和人員的匹配程度，如果不能妥善解決，人員轉型問題將成為財務共享服務實施過程中的一大阻礙。

四、運用大數據技術建設數據分析平臺

（一）平臺搭建。完成數字化轉型，就是要貫徹運用大數據技術，搭建大數據分析平臺。企業建設數據分析平臺，應從業務和財務管理實際需求出發，從結構內容上應具備查詢分析、線索核對、總體分析、預警分析和系統管理五大基本功能，能基本滿足業務和財務管理要求。

1、查詢分析系統。該系統主要提供對企業內部的業務和財務以及外部的銀行、稅務、供應商和客戶等單位的信息查詢，并在此基礎上深入分析業務和財務方面是否存在重大問題及重點外部單位的往來情況是否正常，全面掌握企業的內外部情況。

2、線索核對系統。該系統在查詢分析系統基礎上開展工作，主要針對企業內部業務和財務方面存在的重大問題以及與外部單位的異常往來情況進行各種線索核對，以核實和弄清數據信息的真相。

3、總體分析系統。該系統以企業定期財務報表和生產經營管理數據為基礎，根據主要業務的增減變化和財務指標的變化趨勢和結構占比，分析和確認企業生產經營中存在的問題及重大風險，并對企業生產經營進行預測和規劃，為企業決策提供及時、可靠的依據。

4、預警分析系統。該系統以企業生產經營管理數據和財務報表為依據，通過對業務和財務數據與指標的閥值設定，實時或定期對財務風險、經營風險或供應商、客戶風險進行分析與識別，自動顯示各種預警信號，提醒企業及時采取措施防范和化解風險。

5、系統管理系統。該系統是根據大數據分析的需要，對企業各部門大數據分析小組和分析人員的登錄訪問、權限設定、傳輸數據、自動生成報告以及與外部信息系統的連接等權限的控制和管理。

（二）建設要求。大數據分析平臺應以IT技術、數據分析軟件和智能化工具為基礎，將業務和財務緊密結合起來，滿足企業決策和改進生產經營管理的需要。

1、大數據分析平臺應具有全面性。該平臺應覆蓋企業內部各部門和子公司以及外部的供應商、客戶和其他利益相關者，其分析內容包括：以時間為維度對財務狀況、經營成果和現金流量進行分析；以子公司為對象對其生產經營業務及其風險情況進行分析；以與外部單位資金往來為尺度對其財務指標及風險情況進行分析；以現金流為核心對業務流進行分析，實現風險的及時預警。

2、大數據分析平臺應具有聯通性。企業的財務共享服務中心已將業務與財務數據匯集成大數據，供大數據分析平臺使用。因此，大數據分析平臺應與財務共享服務中心聯通，這是大數據分析平臺建設的基礎。另外，大數據分析平臺還應與外部的相關分析平臺進行聯通，獲取宏觀數據、行業數據、競爭對手數據和客戶數據等。財會人員通過讀取企業的基礎數據進行深入研究，形成分析問題、決策支持所需的數據，實現數據分析平臺的互聯互通。

3、大數據分析平臺應具有先進性。為了保障大數據分析平臺具有穩定性，能在較長時間內安全使用，企業在基礎設施、技術方法、軟件和智能設備的選擇方面應具有一定的先進性，這也為后續的大數據分析平臺升級創造了條件。

4、大數據分析成果應具有多樣性。企業內部各類人員使用大數據的目的各不相同，所提要求也存在很大差異。因此，要求用大數據分析平臺形成的成果具有多樣性，可以通過在平臺上設計專用的界面、圖形、表格等方式將不同的信息顯示出來，企業內部各類人員可以直觀的“看見”分析結果，以滿足企業內部各類人員對數據分析的需要。

5、大數據分析平臺應具有安全性。企業大數據分析平臺分析和處理的是業務與財務數據，應確保分析所使用數據的安全性和分析結果的安全性。大數據分析平臺的安全性是一個復雜的系統工程，涉及人、技術、操作等要素，單靠技術或單靠管理都不可能實現。因此，企業應將各種安全技術與運行管理機制、人員思想教育與技術培訓、安全規章制度建設相結合，形成一個完整的確保安全的體系和機制。

五、財務公司數字化轉型過程中對財務人員的建議

財會人員應將搜集到的數據，通過大數據分析平臺進行分析，利用大數據提高會計服務能力，充分發揮會計工作在促進企業轉型升級中的作用。提升大數據會計服務能力，財會人員需要做大量、細致的基礎性工作。

（一）深入數據挖掘，確定重點。在信息爆炸的年代，人們可以隨時隨地接收各類數據，而報紙、雜志、電視、廣播中散布的各種數據良莠并存、真偽同在。另外，如數據被濫用，將會出現對事實的歪曲、顛倒黑白、是非不分，還往往對讀者形成誤導。因此，財會人員應運用大數據思維與技術，加強對數據的深入挖掘，尋找事物間的相關性，找出隱藏在數據背后的事實。企業的大數據挖掘應將財務數據挖掘分析與業務數據挖掘分析結合起來，將遺傳算法、神經網絡算法以及滿意分析算法等用于數據挖掘，為及時確定分析重點、進行科學合理的分析創造條件。

（二）實施特征分析，發現線索。人們經常會發現媒體利用數據得出千奇百怪的結論，其實不然，大多是媒體違背常識解釋數據，或是斷章取義利用數據。每當此時，多數人會二話不說，就開始謾罵或嘲笑做出這些結論的專家和媒體。其實，往往這些數據本身并沒有錯，錯的是媒體不實施特征分析，發現不了其中的線索，甚至刻意利用數據得出嘩眾取寵的結論。比如，很多數據顯示的關系只是“相關”而非“因果”，但媒體通常不會特別指出，而是錯誤地把相關關系認做因果關系，從而得出很多荒謬的結論。把相關關系當成因果關系，這是事后歸因；從小樣本得出大結論，這是以偏概全。財會人員應加強對企業業務與財務數據的深度挖掘，尋找某些數據之間的相關性，及時發現業務與財務存在的風險特征，歸納、分析各種風險特征的表現形式，為企業決策和改進生產經營管理提供依據。

（三）應用權重分析，揭示隱患。雖然數據本身還涉及來源和真實性問題，但比這更容易產生誤導的是數據的結構與權重。比如，中國消費占比低的說辭，就來源于國家統計局數據結構與權重，具體說就是在經濟統計中，買房并不計入消費，而是計入投資，以至于現實中人們在住房上的消費越多，統計局公布的消費數據占比就越低。這明顯違背現實中人們的觀感，因為在現實中人們是將買房看作消費行為。財會人員可以通過對企業業務和財務的波動及權重分析，揭示企業主要產品或服務收入的增減對總收入的影響及程度，提出針對性的管理建議和措施。

（四）追蹤資金流向，查找證據。資金是企業的血液，資金流向綜合反映了企業生產經營活動的發生與結果。以資金流向數據為導向，企業財會人員應查找、監控異常的資金流向，尋找、發現、核對來自企業內外部的相關證據。根據資金流向追蹤至業務流程和內部控制執行，從內部控制要求、預算安排、資金撥付一直追蹤到項目實施過程，直至追蹤到責任人。對企業基本建設投資項目，應加大對大額資金流向的監督，強化對工程立項審批、招投標管理、建設進度、施工質量管理等重點環節的監督；對金融市場投資事項，要關注政策要求、投資方案、風險管控、資金投向和潛在風險隱患等，重點關注非法集資、違規拆借，以及債券市場和資本市場中的利益輸送等重大違法違規問題。

（五）加強趨勢研究，重在預測。從理論上講，大數據主要是對過去的數據進行分析和計算，通過一定的模型來預測未來某些事件的走勢。有了大數據，財會人員不僅有了更多的數據可以利用，也擁有了更強大的處理大量不同屬性數據的能力。大數據與計算功能的結合使財會人員能夠挖掘企業生產經營過程中的行為數據，得到業務和行業的發展趨勢，既能做實時分析，又能做預測模型。對于事物發展的預測，有時影響因素會有成千上萬，解釋的理論更加是多如牛毛，強找因果關系，對要求快速反應的事件（如股票價格預測），人們更迫切的是想知道接下來要怎么做，而并非要找因果關系。從這個角度來說，大數據的分析、得出結論、預測趨勢的速度要求快速，可以為企業決策及時提供參考依據。

（六）提高認識水平，重在運用。財會人員從企業內外部收集到的各種數據，存在各種誤導和濫用，如選擇性使用，就是有些數據使用，有些數據不使用；只談表面現象，不談深層原因，用表面現象來掩蓋深層原因；通過“追加定語”來進行限制，也可能是一種“忽悠”。在大數據時代，業務與財務數據種類多、數量大，而且存儲和分析快捷和電子化，財會人員只有提高對大數據思維與技術的認識，加強大數據技術及其在會計工作中運用的培養和指導力度，才能加快大數據思維與技術在財會工作中的廣泛應用。財會人員只有擁有了良好的大數據思維與技術，才能充分發揮大數據在會計工作中的分析和預測作用，促進企業生產經營的持續、健康、穩定發展。