數智化與成本管理創新

徐玲 唐豐收

DOI：10．19641/j．cnki．42-1290/f．2023．24．011

【摘要】產業大腦是浙江省數字賦能實體產業生態的創新舉措， 是一種新型的數智化組織。本文選取浙江省五個典型產業大腦作為研究對象， 從成本管理的視角對產業大腦運用新一代數字技術降本增效進行研究。研究表明， 運用數字資本支撐模式層面的大成本管理、 形成集成優勢、 進行虛實資源轉換以挖掘新價值是實現降本增效的機制。在此基礎上， 進一步提出關于模式層面的源流管理、 成本風險管理、 成本管理可拓分析工具等數智化背景下成本管理的新思考。

【關鍵詞】數智化成本管理；產業大腦；源流管理；成本風險管理；集成優勢；虛實資源轉換

【中圖分類號】 F275.3? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）24-0075-7

在數字化改革背景下， 浙江省對“八八戰略”^①， 進行再深化、 再實踐， 創造性地提出， 產業大腦的建設思路是數字賦能實體產業生態的創新舉措， 是“堅持把發展經濟的著力點放在實體經濟上”“促進數字經濟和實體經濟深度融合”^②的先行嘗試。產業大腦建設從工業領域出發， 以細分行業為切入點， 推動產業數字化發展由“平臺賦能”向“生態構建”躍升（胡勝蓉和黃學，2022）， 組織構成除了上下游產業鏈企業， 還包括數字產業企業、 金融企業、 中介服務企業、 科研院所等， 由此可見， 產業大腦是一種新型的數智化組織， 是浙江省塊狀經濟以新一代數字技術為引擎向融合集群發展的演進。實體與虛擬制造資源以及服務資源在產業大腦中獲得跨部門、 跨層次、 立體化的延伸， 使整個大腦集群降本增效初見成效。那么， 產業大腦成本管理創新舉措有哪些？實現降本增效的內在機制又是怎樣的？對這些問題的研究， 對于數智化賦能運營管理創新具有重要意義。

一、 產業大腦及其降本增效的共性

（一）產業大腦

產業大腦是以工業互聯網為支撐， 以數據資源為核心， 運用新一代信息技術， 綜合集成產業鏈、 供應鏈、 資金鏈、 創新鏈， 融合企業側和政府側數據， 貫通生產端與消費端， 為企業生產經營提供數字化賦能， 為產業生態建設提供數字化服務的新型數智化集群組織（蘭建平，2021）。

賦予大腦之名， 體現了其產業鏈高效協同智能治理能力。相較于一般意義上的數字平臺， 產業大腦不僅體現了數字技術支持下的多邊交易屬性， 更強調數字技術分層架構下對核心實體產業的統籌服務屬性與治理屬性。從網絡結構來看， 一般意義上的數字平臺更類似星型結構， 參與者均通過平臺企業進行關聯互動， 而產業大腦的結構則更類似樹形結構， 組織構成除了上下游產業鏈企業， 還包括數字產業企業、 金融企業、 中介服務企業、 科研院所等多個種群， 雖然可能各自建立了數字平臺， 但各站點平臺的數據均發送到根部的大腦中臺進行處理分析， 最終形成統籌的經營調度指令。

（二）產業大腦降本增效的共性

本文選取浙江湖州的童裝大腦、 浙江溫州的智能電氣大腦、 浙江臺州的泵閥大腦、 浙江紹興的織造印染大腦、 浙江寧波的化工大腦等五個典型產業大腦作為研究對象， 對其降本增效的舉措進行梳理分析（見表1）， 發現產業大腦的成本管理具有以下共性特征：

1. 成本管理范疇擴展。產業大腦以產業互聯網為支撐， 由“政產學研金介用”^③等多方主體通過互組織方式形成多元協同生態體， 通過運用新一代信息技術， 將一二三產業數據匯聚起來， 從而推動產業鏈、 創新鏈、 供應鏈融合應用。這種多元網狀協同使成本管理在時間和空間上得到拓展， 并通過產業大腦成員企業的協同作業， 實現跨越企業組織邊界和生命周期且關注未來成本信息的“大成本管理”（孟凡生和張高成，2011）。以浙江湖州的童裝大腦為例， 童裝款式豐富但原材料品類較為集中， 單個企業采購量級小且頻次高、 議價能力差， 通過智能抓取用戶在線實時交易動態數據， 歸集整合原材料集采需求， 以集采方式實現成員企業采購成本的降低。通過建設采銷一體數字化平臺， 浙江溫州的智能電氣大腦、 浙江臺州的泵閥大腦、 浙江紹興的織造印染大腦以及寧波的化工大腦均實現了從市場調研、 材料采購到包括擴展銷售渠道以及售后運維在內的銷售成本大幅降低。其中， 智能電氣大腦、 織造印染大腦建設的設備管理云平臺還幫助集群企業進行設備運行監測， 有效評估設備的生命周期并預測備件更換時點、 提升設備管理效率、 降低設備運維成本。

2. 對隱性成本管理的作用突出。伴隨著高度定制和個性化產品需求的日益增長， 產品多樣性和生產復雜度不斷提高， 引發生產擾動的不確定因素來源范圍和頻繁程度都不斷加大（喬非等，2023）。隨著不確定性增大， 一些隱性成本對企業生產經營效率的影響日漸凸顯， 如與關系維度相關的搜索成本、 溝通成本、 等待成本（時間成本）等， 而這些隱性成本并未納入傳統成本管理的范疇。各產業大腦構建的產銷一體數字化平臺， 一方面幫助集群企業篩選合格的供應商、 撮合上下游交易， 從而降低對供應商與信用客戶的搜索成本與購銷溝通成本， 另一方面通過訂單、 物流、 資金等端到端的業務可視化， 降低各環節間的等待成本。環境不確定性的增加還使中小企業融資面臨新的困難， 浙江湖州童裝大腦將企業訂單、 合同、 生產數據上傳到公共區塊鏈， 銀行根據上鏈數據進行信用評級， 動態評價企業償貸能力， 形成無抵押授信， 在實現集群企業資金成本下降的同時， 極大地降低了貸款過程中的搜索成本、 試錯成本以及等待成本。

3. 制度設計功能增加。產業大腦在數字化催生下形成了多種產業要素與知識體系融合的新價值創造范式： 單個產業鏈被打破， 上下游產業鏈、 金融產業鏈、 服務業產業鏈在新節點上進行重新連接以提升顧客體驗。以浙江湖州童裝大腦為例， 該大腦由服裝設計行業、 印染紡織行業、 童裝制造行業、 數字服務行業、 金融行業等的企業或者產業聯盟構成產業生態系統， 重構商業模式， 通過“一鍵集采”“一鍵設計”“一鍵智造”“一鍵金融”等途徑實現降本增效。其他幾個產業大腦均有類似的產業生態結構， 通過資源共享、 數字集采、 數字營銷、 協同智造、 數字運維、 數字金融授信等方式實現對顯性成本與隱性成本的管理。可以發現， 在這種機制下， 產業大腦的成本管理面臨著兩個問題： 一是吸納誰作為產業生態的成員， 二是各個產業鏈如何拆解重構。這兩個問題的實質是制度安排， 即產業大腦的成本管理增加了制度設計功能， 能夠依據對顧客價值的貢獻來決定成員的吸納， 并實現整個體系全面成本的合理性， 從而完成對核心競爭力的塑造。

二、 產業大腦降本增效的機制

（一）運用數據資產支撐戰略成本管理

產業大腦以智能設備為主要節點， 節點之間的連接既有單向的， 又有雙向的， 既可能是強連接， 還有可能是弱連接， 可以認為產業大腦是一種復雜網絡組織。組織的復雜性使戰略因素變得非常重要， 因此產業大腦的成本管理更加注重對戰略成本動因的考慮， 如結構動因層面的規模、 成員結構、 整合度等， 以及執行動因層面的成員節點間的聯系、 資源利用率等。一方面， 一個復雜組織進行戰略成本動因分析的支持數據既有結構性的也有非結構性的， 具有大量、 多維度的特點， 這需要實時的數據收集與前置數據分析進行支撐。另一方面， 數字化技術的應用使產業大腦掌握著足夠的數據資產， 為戰略成本管理的實施提供了支持： 以工業互聯 網為支撐，? 通過SAAS層面的集成工業APP的開發實現供應、 生產、 庫存、 銷售、 交貨、 設備運維、 客戶偏好等多維度數據實時采集， 大腦側中臺進行各成員企業多維數據的匯集、 計算與分析， 根據分析結果形成調度指令， 實現大腦內部生態網絡鏈接節點的排序以及網絡連通性的優化， 達成戰略層面的成本管理。另外， 通過數字孿生技術， 不僅能提供節點的利用率、 堵塞率信息， 還可以識別瓶頸節點與擾動原因， 在新成員篩選的基礎上， 仿真模擬成員結構、 鏈接方式、 鏈接時序等調整對大腦整體成本與風險的影響， 從而實現商業模式層面的前置性成本管理。

（二）形成集成優勢以提升成本效益

從空間上看， 產業大腦是一個涵蓋了規劃、 設計研發、 制造、 裝配、 銷售、 運維等產品全生命周期產業鏈成員的生態系統； 從任務上看， 制造不再是組織的單一任務， 而是形成了數智化環境下制造與服務不斷相互滲透的格局（喬非等，2023）， 因此產業大腦實質上是一種服務型制造生態組織。在產業大腦中， 通過形成集成優勢達到降本增效目的是實施戰略成本管理的一個重要路徑， 具有兩重機制。

1. 通過集成形成規模效應。形成集成優勢實質上是化零為整的機制， 又可以分為以下三種途徑： 一是采集成員企業采購需求信息， 進行集成采購， 形成大宗采購從而提高議價能力， 實現零星采購無法企及的低采購成本。這種途徑同樣適用于設計需求的集成， 零星的設計需求往往招不到設計供應商， 或者設計價格非常高昂， “抱團”的設計需求提升了需求方的話語權。二是采集成員企業產供銷數據， 在中臺進行計算， 估算倉儲需求， 并根據倉庫庫容使用信息進行供需匹配， 一方面解決成員企業零星庫存的高成本儲存問題， 另一方面降低產業大腦內部倉庫空置率。三是采集研發需求， 識別共性需求， 進行共性技術開發， 一方面大大降低成員企業的研發成本， 另一方面提升技術開發的效率與效益。

2. 通過集成實現資源整合再利用。這種機制的實質是通過協同實現產業大腦成員企業的服務價值拓展， 可以分為以下兩種途徑： 一是冗余資源的利用。例如通過基于產業大腦層面的排產調度， 將訂單派給具有剩余產能的成員企業， 加快生產節奏、 縮短交貨時間， 從而提升產品服務附加值。再如通過集成與匹配檢驗需求信息和鏈主企業實驗室空置信息， 利用實驗室空置時間完成其他成員企業的檢驗工作， 將單個企業層面生產服務擴展為產業大腦層面的生產服務， 創造實驗室的服務價值。二是資源轉化利用。資源轉化利用作為資源編排的一種形式， 是指通過資源的調動、 協調或者拓展， 開發資源的新功能（Carnabuci和Operti，2013）。本文認為， 通過擴展資源的使用空間或者使用對象轉變使用形式， 從而實現新價值或者成本的降低， 也屬于資源轉化利用的范疇。例如鏈主企業的優質信用資源， 通過產業大腦搭建的貿易信用傳遞機制， 以“鏈主企業+其他成員企業”的抱團方式形成融資主體， 實現鏈主企業優質信用向成員企業的傳遞， 進而降低其他成員企業的融資成本。

（三）轉換虛實資源挖掘潛在價值

大智移云物等新技術應用使“研供產銷融”形成互相交織的信息、 物理融合系統， 在這種系統中物理實體資源與虛擬資源互相滲透。從動態視角來看， 虛實資源的互相滲透表現為虛實資源的轉化， 新的價值則在虛實轉化中產生， 可以分為以下三重機制：

1. 通過虛實轉化改變資源屬性從而創造新價值。從物質性考慮， 本文將具有實體物質性的資源界定為“實”， 將非物質性的資源界定為“虛”。數智化背景下， 物質性資源可以借助數字技術向非物質性資源轉化， 形成物質對象的虛擬映射， 對轉化虛實屬性后的資源進行再利用， 可以擴展資源的價值創造領域。例如童裝產業大腦成員企業的訂單、 合同、 生產單據等通過上傳公共區塊鏈轉化為數據， 銀行根據上鏈數據進行信用評級和無抵押授信， 實體單據轉化為數據再轉化為信用， 從而實現融資成本與時間成本的降低。

2. 將冗余的能力資源轉化為實體投資的節約或效率提高。這一途徑往往通過共享的形式實現， 例如泵閥大腦通過“協同云制造” 體系， 利用成員企業生產能力差異， 根據訂單對產品規格、 數量等生產要素拆解重構， 進行大腦內部協同排產， 實現最大限度的產能釋放。再如智能電氣大腦共享大企業和第三方實驗室大型精密實驗設備的冗余檢驗能力， 為中小企業成員智能化安排檢驗服務， 從而節約中小企業相關設備的高昂投資與等待檢驗的時間成本。

3. 通過虛擬資源擴展應用創造新價值。虛擬資源的特點是在使用過程中不會產生資源本身的損耗， 因此可以通過使用對象的轉換或者使用范圍的擴展等途徑創造新價值。例如泵閥大腦鏈主企業優質的貿易信用通過向其他成員企業傳遞， 形成以鏈主企業為核心的虛擬融資主體， 實現成員企業融資成本的降低。再如產業大腦所采集到的智能設備信息， 若用于協同制造方面， 則可以掌握設備利用率， 通過協同排產釋放最大產能； 若用于運維方面， 則將事后運維轉變為預測性運維， 不僅能夠減少例行維護次數， 還可以預測備件更換時點， 降低備件庫存成本。信息這種資源的轉化更重要的體現是可以實現成本與風險控制前置， 避免隱性成本， 如可以預防由于設備故障維修、 產能受損造成的違約損失， 或者失去其他訂單的機會成本。

三、 數智化下的成本管理創新

通過對產業大腦降本增效特征與機制的分析， 可以發現相較于傳統成本管理， 數智化下的成本管理具有三方面創新。

（一）成本管理理念創新： 與價值創造相融合的模式層面的源流管理理念

數智化背景下， 成本管理采用在模式層面與價值創造相融合的源流管理理念。首先， 傳統成本管理基于線性價值創造方式， 這種價值創造方式下顧客是產品使用價值的接受者， 因此傳統成本管理思路是以材料和物資的消耗為管理重點、 以資源節約為目的， 管理的成本對象為產供銷中的顯性成本。而數智化背景下， 顧客在價值創造中的地位不斷提升， 顧客的滿意度直接影響到所有成員企業的盈利， 甚至決定了成員的生存， 這種價值創造模式的變化要求成本管理由成本削減思路轉變為提升成本價值貢獻的成本增值思路。新的價值創造模式使鏈接、 共享、 體驗等成為價值創造的驅動因素的同時， 也使成本管理對象擴展為由這些價值驅動因素而產生的關系維度、 信息資源獲取維度、 不確定性維度的隱性成本與潛在未來損失。

其次， 數字化技術引擎下商業模式、 價值創造模式在不斷創新， 價值創造體是一個企業界限模糊、 多行業價值鏈交織的中間性組織， 其價值創造的系統視角必然使成本控制跨越企業的邊界， 成為從產品層面提高到流程層面、 擴延至企業的生命周期甚至整個行業的生命周期的一種更高層次的源頭性成本控制。

組織結構是企業戰略執行、 成本控制的基礎（潘飛和趙藝博，2022）。值得注意的是， 一旦新模式的組織結構、 聯結方式確定， 那些由結構性動因和執行性動因驅動的成本將被固化， 難以通過后續手段進行控制， 并且非優化的結構和方式還可能進一步向下降低作業和產品層面的成本效率。關聯對象以及新的連接點的選擇要考慮兩方面問題： 一是如何創造顧客價值， 二是組織結構重構中的成本合理性。成本控制不但貫穿于價值創造的全過程， 而且其控制過程本身就是價值創造體系構建、 運轉與優化的過程， 二者合而為一， 不可分割。產業大腦降本增效的實踐證明了這一點： 不同行業有各自特征， 根據這些特征， 案例產業大腦構建了不同的生態組織結構， 結合數智化舉措， 形成了各具特色的降本增效模式。這說明數智化背景下的成本管理采用源流管理理念， 將成本控制從產品層面提升至模式設計層面， 將實施成本控制的時間提前至模式形成之前， 實現成本控制與價值創造設計的融合， 從系統的角度考察成本的發生對價值的貢獻。

（二）成本管理方式創新： 大數據技術支撐下的生態式成本協同管理

傳統成本管理是企業內部的成本管理， 即單邊管理。隨著組織結構扁平化發展， 成本管理逐漸突破企業邊界發展為組織間成本管理， 但此時往往是雙邊管理， 如以豐田公司為代表的日本公司與其合作企業開發的價值工程（VE）、 功能—質量—價格 （FQP）權衡、 組織間成本調查（ICI）以及并行成本管理（CCM）等組織間成本管理工具（Cooper和Slagmulder，2004）。而數智化背景下的成本管理則是多邊的生態式管理。生態式成本管理需要集群內部某個種群所有企業甚至多個種群的企業進行協同， 主要體現為利用大數據技術提升資源編排能力， 從而將成本管理內容由成本管控向價值挖掘拓展， 最終實現整個集群生態組織的協同價值（馮巧根，2022）。以存貨成本管理為例， 本文將從采購、 物流、 倉儲三個環節， 闡釋大數據技術下的存貨成本多邊協同管理， 見圖1。

1. 存貨成本管理相關大數據的抓取與存儲處理。大數據抓取的信息來源既包括集群內部不同種群（上游產業鏈企業種群與核心制造商種群）， 也包括集群外部信息源。生產作業環節采集的信息包括核心制造商種群的訂單信息、 排產信息、 所需物料消耗種類及數量、 時間信息等， 以及上游產業鏈企業種群的原料消耗種類、 數量信息； 采購環節采集的信息包括采購種類、 數量、 時間信息等， 另外還有從外部信息源獲取的前端供應商資質、 貨源種類、 實時報價等信息； 倉儲環節采集的信息包括物料種類、 庫存量、 倉位信息、 貨位信息以及各種群倉庫實時剩余容量信息等； 物流環節采集的信息包括運輸方式、 運輸路線、 運輸數量等運輸需求信息。

采集到的相關成本大數據信息來源于多種類型渠道， 如不同客戶端、 不同訂單系統等， 造成數據格式的多樣性， 通過ETL工具可完成不同數據類型的清洗、 轉換、 分類與集成， 從而實現符合成本管理需求的關聯的、 適宜分析的數據， 并存入目標數據倉庫。Hadoop技術則可以通過對這些海量的結構化、 半結構化、 持續實時數據進行交互式和批處理， 實現數據挖掘與預測分析。

2. 存貨成本的大數據分析與決策。大數據技術下的存貨成本管理通過存貨成本優化模型， 實現數據比對分析、 成本優化分析與智慧調度。

（1）采購環節成本的協同管理。采購環節成本主要由交易成本（前端供應商談判成本）、 機會成本（因信息不對稱選擇非優供應商導致的損失）、 原料或零配件的價格、 采購人員工資、 訂貨成本（包括訂貨處理費、 運費、 裝卸費、 保險費等）五類構成。

利用大數據技術對集群內部上游企業種群與核心制造商種群各企業共享的原料或零配件類型和數量信息， 合并同類需求， 化零為整形成議價優勢， 同時結合對比前端供應商產品類型、 報價、 供貨地址以及資質等大數據， 通過成本優化模型， 綜合考慮產品質量、 價格以及運輸等因素， 形成最優采購策略。

在補貨環節， 利用大數據分析與預測技術， 綜合分析銷量、 生產速度、 原料配件運輸時間、 采購價格等數據， 合理預測不同種群企業的庫存量， 模擬運算、 對比同種群企業間存量原材料/零配件協同調配策略與擇優外購策略的成本， 形成最優成本策略， 并通過智能補貨系統實施最優策略。

（2）倉儲、 物流環節成本的協同管理。倉儲環節的成本主要由持有成本（包括倉儲成本、資金占用的機會成本、風險成本等）、 缺貨成本、 倉庫管理人員工資等三類構成。物流環節的成本除了包括倉儲成本， 還包括物流運作成本（如運輸裝卸成本、包裝成本、流通加工成本等）以及物流管理成本（如物流信息成本、物流管理成本等）。

數智化背景下集群內倉庫的企業權屬邊界被打通， 形成各實體倉庫協同管理的虛擬共享倉庫。運用大數據技術分別計算各類原料、 零配件、 產品間的關聯度， 將高關聯的貨物存儲在一起， 優化揀貨路徑， 不僅能降低倉庫管理能耗， 還能減少倉庫管理人員的需求。另外， 通過實時監控各倉庫的倉儲量， 結合實時生產與銷售數據進行智能調配， 實現倉儲環節成本最優的部署策略。

物流環節貫穿于供應鏈各個環節。如上文集采策略中通過大數據技術對所需物料的種類、 存儲地點、 數量、 體積、 形狀以及運輸工具容量的綜合分析， 形成裝卸成本最優的打包方案， 運用大數據技術對物料的運輸方式要求、 運輸時間、 運輸路線等數據綜合分析與成本優化計算， 形成最優的配送方案， 最終形成物流成本最優的運輸策略。再如倉儲的智能調配策略中， 運用大數據技術對貨物關聯度、 庫存存量、 產銷需求量、 產銷地點等進行綜合分析， 形成費用最低、 耗時最短的調撥物流方案。

（三）成本管理實現路徑創新： 基于數字孿生的全生命周期成本管理

數智化背景下， 產品的設計論證、 研發、 生產、 銷售、 運維等各個階段， 均可以通過物聯網、 大數據等技術的應用形成一個與物理空間產品全生命周期各階段相對應的“數字鏡像空間”。該數字鏡像空間是物理對象各類數據的集成與映射， 可以同步物理對象迭代進化， 即物理空間的數字孿生。基于數字孿生的成本管理將傳統成本管理從單一的物理空間擴展到物理與數字鏡像的交互空間： 數字鏡像空間來源于物理空間的海量歷史成本數據， 能夠描述刻畫物理空間， 同時在數字鏡像空間又可以通過成本建模， 運用機器學習技術進行迭代， 進而優化物理空間的成本。基于數字孿生的全生命周期成本管理有以下兩種實現路徑。

（1）數字孿生技術消除物理空間某些階段中的成本動因。傳統成本管理局限于物理空間， 雖然可以識別部分作業為非增值作業或低價值作業， 但由于受物理空間的流程條件限制， 無法將這些作業去除， 從而產生成本冗余。如服裝行業中打版與試樣是必不可少的工藝流程， 由于需要反復調試尺寸甚至更換面料進行展示才能滿足客戶需求， 將產生大量料、 工成本。運用數字孿生技術， 在數字鏡像空間進行調試， 并可以展示高度仿真的上身效果， 從而消除這部分成本動因。再如電氣設備類行業的產品運維階段中， 傳統的流程是客戶報修——人員出差診斷故障原因——回公司取替換配件或郵寄替換配件——維修， 而運用數字孿生技術， 可以實時掌握產品運行狀況， 線上診斷故障原因后直接攜帶替換配件前往維修， 不僅可消除“出差診斷”與“返回取替換配件或郵寄替換配件”兩項非增值作業帶來的成本， 還能大大降低客戶的等待成本以及停工損失， 從而提升客戶滿意度。

（2）構建全生命周期各階段數字鏡像空間， 利用仿真分析及機器學習迭代預測技術提供成本優化方案。數字孿生技術能夠映射、 仿真物理對象， 并與物理對象進行交互， 因此利用數字孿生技術能夠實現產品設計與成本設計的并行工程（見圖2）。

首先， 提取全生命周期中的成本要素作為成本建模的基礎。其次， 將物理世界各階段的建模數據、 模型優化數據均轉換為成本建模數據， 實現成本建模。再次， 利用仿真分析系統對產品全生命周期各個階段過程進行模擬仿真， 將模擬仿真結果與物理對象動態運行結果進行比較分析， 生成的對比差異數據傳輸至成本分析系統， 確定物理對象運轉中的問題。然后， 通過進一步對仿真結果的分析調整， 確定最優成本方案， 并確定低效環節， 生成協同調整策略。最后， 物流空間的協同優化產生新的業務數據與成本數據反饋， 與仿真數據交互， 形成迭代機制， 從而實現全生命周期成本的動態化管理。

四、 進一步思考

基于上述分析， 本文對數智化背景下的成本管理提出以下兩點思考。

（一）數智化背景下成本管理應加入風險維度

數智化背景下， 多個產業價值鏈在新節點上重新連接， 從而使組織結構異常復雜。一個節點上的成本控制由多個成員企業協同實施， 而由于成本控制所產生的對顧客價值減損的可能性也同時存在于多個成員企業之中， 并由于“多米諾效應”被層層傳遞， 還會由系統復雜性產生的“蝴蝶效應”放大。可見， 成本管控導致顧客價值損失的風險在新型生態組織中非但沒有消失反而變得隱蔽起來， 由其產生的風險不容易被識別出來。因此， 有必要將成本管理與風險管理相結合， 運用數智化手段實施成本風險管理， 如通過數字孿生技術對成本措施對于組織的影響進行仿真模擬， 結合現有流程與節點數據進行調查分析， 定位風險存在原因， 發現潛在風險威脅， 通過算法對風險發生后造成的損失及對組織戰略造成的影響進行推演， 權衡成本管控措施的回報與風險帶來的損失， 評估成本措施的可行性， 提出適當解決方案。

（二）數智化背景下成本管理需要一套可與智能化相融合的可拓分析工具

數字化技術提升了信息共享程度， 使不同地理分布的資源具有了“可被搜索性”， 為企業以顧客價值創新為目的的自組織關聯奠定了基礎， 同時也為模式設計層面的成本管理提供了途徑， 比如前文中對“閑置資源”的重新整合。從產業大腦的案例中可知， 數字化為顧客價值創新體系的自組織形成過程中的成本管理途徑提供了更多關聯選項和組合可能性。多元協同和成本與價值的對立統一性使數智化背景下的成本管理成為一個解決復雜矛盾問題的過程， 而眾多選擇和整合的可能性則令成本管理的途徑具有可拓性。因此， 數智化背景下的成本管理需要一套可進行資源、 方法、 路徑挖掘拓展的工具， 并且由于數智化背景下成本管理的復雜性， 該工具還應該能與智能算法相結合。可拓學就是這樣的一套工具。可拓學由我國學者蔡文教授于1983年創立， 包括可拓論、 可拓方法、 可拓邏輯等， 研究核心是如何通過變換解決矛盾問題。可拓學是用形式化的模型研究事物拓展的可能性以及開拓創新的規律和方法， 目前已在人工智能、 管理、 控制、 機械、 中醫、 設計等多個領域進行應用研究， 一些財會學者也在成本管理領域進行了嘗試（張秀芳，2019）。可見， 如何運用可拓思維、 可拓集合、 可拓變換、 轉換橋方法等量化方法（Yang和Li，2012）為數智化背景下的成本管理提供解決方案， 應成為將來的一個研究方向。

【 注 釋 】

① 指的是中國共產黨浙江省委員會在2003年7月舉行的第十一屆四次全體（擴大）會議上提出的面向未來發展的八項舉措，即進一步發揮八個方面的優勢、推進八個方面的舉措。

② 習近平總書記在黨的二十大報告中提出的。

③ 具體指政府、產業、大學、科研、金融、科技中介、市場應用七個方面。

【 主 要 參 考 文 獻 】

馮巧根．嵌入數字技術的管理會計實踐［ J］．財會通訊，2022（9）：3 ～ 10．

馮圓．數字化改革背景下的成本管理創新［ J］．財會月刊，2021（23）：68 ～ 75．

胡勝蓉，黃學．浙江推進產業大腦應用建設的路徑探索［ J］．信息化建設，2022（2）：21 ～ 24．

蘭建平．以產業大腦建設助推高質量發展［ J］．社會治理，2021（4）：48 ～ 51．

孟凡生，張高成．雙重動態成本控制機制研究［ J］．會計研究，2011（11）：78 ～ 82．

潘飛，趙藝博．平臺經濟生態成本研究——基于海爾的理論創新與實踐［ J］．會計之友，2022（24）：156 ～ 161．

喬非，孔維暢，劉敏，王堅，張浩．面向智能制造的智能工廠運營管理［ J］．管理世界，2023（1）：216 ～ 225+239．

Carnabuci G.， Operti E.. Where do firms' recombinant capabilities come from？ Intraorganizational networks， knowledge， and firms' ability to innovate through technological recombination［ J］． Strategic Management Journal，2013（13）：1591 ～ 1613．

Robin Cooper，Regine Slagmulder. Interorganizational cost management and relational context［ J］．Accounting，Organizations and Society，2004（1）：1 ～ 26．

Yang C.， Li X.. Research progress in extension innovation method and its applications［ J］． Industrial Engineering Journal，2012（1）：131 ～ 137．

（責任編輯·校對： 羅萍? 劉鈺瑩）

【基金項目】浙江省軟科學項目（項目編號：2023C35017，2021C35032）；2020年度浙江萬里學院科研創新團隊項目

【作者單位】浙江萬里學院商學院， 寧波 315100