财务人的办公软件技巧论文(智能财务理论、标准与人才培养 | 财智干货)

数智化在中国有必然的发展趋势。基于信息化角度的财务转型大体上经历了三个阶段。第一个阶段是电算化阶段，上世纪八九十年代最典型的财务单机版软件，中国第一次将信息技术与会计融合是在1979年，之后不断研究、挖掘、探索会计与技术之间的融合。

第二个阶段在1998年左右，ERP广泛进入到中国，第一次将单机版财务软件和部分业务功能在一个系统中融合，因此，1998年左右也标志中国进入到了会计信息化阶段。

第三个阶段从2016年开始，人工智能技术引入到中国会计、审计、税务、金融等各个领域，因此在2016-2018年中国财务应用场景更多是自动化，谈不上智能化和数字化。

直到2019年开始才有了一定的数智化应用实践场景和财务产品。目前来说中国已经局部进入数智化发展阶段，未来借助于数智化思维、技术、工具、方法，帮助理论界开展财务职能研究，帮助企业进行财务职能实践落地，具有非常重要的指导意义。

数智化时代的财务职能包括三大块。第一是业务驱动财务。业务驱动财务更多通过财务共享服务中心解决财务大量基础交易工作，中国企业建设财务共享服务中心不管大型企业、中型企业，共享中心的流程基本上是一百多个，诸如应收、应付、总账、成本、存货、报表、费用报销等，将交易处理基于共享的理念，提升财务工作的效率。

第二是财务规范和指导业务，更多是财务管控与服务。所有财务职能仍然是财务本身应该完成的本职工作，比如管理会计的各种内容。

第三是财务赋能管理，数智化理念的核心价值是财务赋能与创新，更多是基于财务角度如何赋能管理、经营决策、对标管理，在数智化背景下，财务部门是价值创造的核心。

根据三个不同的财务相关职能，在财务基于信息化的四十多年转型过程中，赋予财务未来的发展趋势是不一样的。一定要解决数智化时代财务到底如何发展。未来在数智化转型过程中，需要注重财务赋能管理创新价值，这是当下和未来在数智化转型过程中核心思想。财政部发布的《会计信息化“十四五”发展规划（征求意见稿）》九大任务当中，大部分重要的任务也与数字化相关。

中国四十多年来会计和信息技术融合发展过程中，每一个时代赋予财务的职能和财务的角色是不一样，同时每一个时代造就的会计相关法规体系也是不一样的。数智化之下首先明确数智化的显著特征，再考虑法规体系如何与它相吻合。在数智化转型过程中，有两个重要的指标可以评价整个数智化的过程。

第一个维度，数据赋能，更多是提到的大中型央企和国有企业在数字化转型过程中的重要数据治理指标，如果把企业整体财务转型作为整体架构，数字化思维在财务转型过程中更多是底层数据资产、数据治理等问题。

第二个维度，应该强调数字技术的应用和智能技术的应用，而不是传统统计学的技术。许多企业用统计学方法，诸如随机森林、时间序列等，这些方法也很好地帮助企业进行了预测和决策。2016年AlphaGo问世后，企业财务局部应用场景开始使用了深度学习的人工智能技术，最典型是混频神经网络、深度神经网络等技术。

目前中国会计法规体系分为三大类，第一大类法律层级，全国人民代表大会及其常务委员会发布的《中华人民共和国会计法》；

第二大类国务院发布的会计行政法规，诸如《总会计师条例》；

第三大类是相关部门发布的一些相关制度、规范、办法、通知等，诸如《会计基础工作规范》《企业会计信息化工作规范》《电子会计凭证报销入账归档》等。

中国会计法规体系大体上是这三个层次，未来的会计法规体系，财政部、国家税务总局等相关部门会根据职能而决定数智化转型的作用。财政部在 “十四五”期间的核心工作之一是单位会计数字化转型，按照财政部管理会计指引，不断加强管理会计职能和数字化的融合。

另外是解决企业的内部控制，也包括企业可持续发展报告的社会责任管理机制，将借助于数字化来实现单位会计对内职能的拓展。

另外一个核心问题是对外职能拓展。会计信息化除了考虑传统会计基本职能外，还要对内对外职能拓展，管理会计与内部控制通过绩效管理和风险管理角度，把数字化思维对内进行拓展以及政策制定、政府监督、资源配置等对外拓展。

智慧财务与数据治理

智能财务将模糊财务与其他业务职能间的边界，由财务推动业务合作，促进全面分享、深度协同、业财融合，更强调财务对于分析与业务见解的预测性和前瞻分析，更关注资源配置的精准、精细管理，更关注全流程数据管理智能化。

而数据治理（Data Governance，DG）是组织中设计数据使用的一整套管理行为。是对数据资产管理过程中行使权力和管控的活动集合，包括计划、监控和实施，是关注与管理信息的质量、一致性、可用性、安全性和可得性的过程。

应对智慧财务的场景和需求，数据治理需要通过建立完整的数据治理过程，应用系列数据治理技术与工具，实现对于主数据、业务数据与分析数据的三类数据的整合治理，达到业务协同，提速运营管理，进而为智能决策做出贡献。

在具体治理方法上，数据形成资产要进行完整的顶层设计，同时依托于信息化设计需要同步进行的。数据治理也不是单独的过程，而是需要结合日常业务、结合场景、结合需求，对财务数据进行业务财务共享、实现财务战略与财务数据的完整梳理。

作为智慧财务数据治理核心部门，财务人员需要向复合型人才转型，除了自身财务技能外，需要强化信息化技能、数据分析技能，并始终保有数据安全意识。

智能财务数据治理中，数据标准是关键的基础性问题，需要在遵循国家、地方与行业等标准的基础上，建立机构内部的数据生产、流转、装载过程中各类数据标准与质控规范，保障数据质量，包括完整性、时效性、唯一性、正确性、精确性、参照完整性、依赖一致性等。

此外，应关注数据安全治理，包括存储安全、传输安全、使用安全。结合对数据属性、周期性、价值、法律要求等建立安全等级，实现数据的系统性安全管理。

数据治理是持续闭环的过程，需要从设计、执行、评估、分析到再设计、再执行，要遵循PDCA循环管理，对于主数据、业务数据、分析数据，进行持续不断的动态管理，对数据进行全生命周期质量把控和安全管理，最终形成数据资产，同时要确保互联互通，协同运作，动态平衡。

在技术工具方面，智慧财务数据治理需要建立由多工具构成的数据治理整体技术平台，重点关注数据集成工具、主数据管理工具、数据模型管理工具和数据资产管理工具，并实现数据治理与数据分析阶段的工具衔接与整合。实现以应用驱动治理，治理支撑应用的持续循环。

医院智慧财务数据治理的落地路径

以医院作为典型领域看，深化医疗体系改革在不断倒逼医院精细运营管理。但在医院内部，医院临床业务、职能管理与财务整合互联不足，各系统数据质量参差不齐，众多系统数据生产频次不一，临床业务实时发生，而资源支持类系统按日结算，成本核算等则以月甚至更长频率进行，导致职能管理、财务业务的更新速度无法跟上临床业务，数据时效性无法支撑事前预测与事中控制。

智能财务要求从临床到凭证、账簿、报表、分析、决策所有业务流程处理的时效性，对技术支撑、数据采集转换效率提出了更高的要求。

新会计准则需要财务核算信息颗粒度细化，既要满足核算和信息披露的要求，又要保证内部管理和分析需要，对基础数据和指标的多样性、多维度都提高了要求，这些都为数据治理和数据服务提出更高要求。

应对上述挑战，中国科技大学第一附属医院在推进医院智慧财务信息化体系建设中以运营数据中心（ODR）的建设作为关键支点，将数据治理作为信息化建设与完善的关键驱动环节，通过对体现医院收入、支出的各类业务活动相关数据信息的整合治理，建立智慧财务的基石与底座。在此过程中，特别关注了如下数据治理问题：

（1）数据治理标准体系：以国家、行业、地方标准为基础，建立整合临床系统、人力资源系统、药品物资系统、设备系统以及财务自身系统的整合数据标准体系，并将各类数据按照其产生、流转、应用的数据血缘关系，建立规范的贴源层、标准层、应用层与共享层等分层数据规范，实现对各类数据的系统化与规范化。

（2）主数据规范治理：主数据作为跨系统数据语义控制的关键内容，项目研究中作为关键问题进行规范与治理。重点开展了主数据识别、主数据血缘梳理、主数据管控流程数据，并以此为基础建立主数据协同的业务数据识别、主数据质控与主数据跨系统分发体系。

以科室主数据为例，建立了人事系统、临床系统、预算系统、成本系统、物流系统、绩效奖金系统等多系统科室主数据血缘管理关系。

（3）数据治理整合工具体系：针对医院内部多系统协同的复杂情况，在数据治理实践中构建了以运营管理数据集成平台、运营主数据管理系统、数据模型管理、数据资产管理为基础的数据治理系列工具套件，并结合AI算法引擎、BI可视化分析建立数据分析体系，结合服务集成引擎建立多业务系统集成整合框架。

数据治理对智慧财务的支撑与驱动价值

引入数据治理方法，建立运营数据中心，对智慧财务主要形成了如下的支撑与驱动作用。

（1）实现智慧财务与相关业务工作的整合协同

通过引入数据治理方法，建立多系统主数据协同与业务数据整合管理，建立以财务为纽带的多业务协同流程。以医院耗材管理为例，实现了从HIS系统收费、扫码耗材核销、预算执行核销、耗材结算申请与三单匹配、业务保障、对外付款、会计凭证生成的全流程系统，并自动留存成本核算基础数据。多系统整合共享、数据一致，实现物流、资金流、控制流与信息流的四流合一。

（2）保障管理一致性

通过数据治理，实现管理会计三大工具“预算、成本、绩效”的主数据打通以及三者所需的内外部数据的统一集成，建立三大管理工具之间的承接性与一贯性，并辅以内控审计的过程控制，构建预算管理、成本管理、绩效管理、内控审计管理的协同体系。

（3）建立智慧财务的数据穿透能力与循证决策能力

通过数据治理并建立运营数据中心打通业务与财务系统，建立业财融合的数据体系，并为组织内部各相关环节，形成财务运营的数据穿透能力提供基础，并为进一步开展基于智能算法驱动的循证决策支持提供保障。

以本项目实践为例，面向决策层，提供医院实时运营动态监测识别与重点业务监测分析；针对管理层，主要提供了各职能领域具体监测、分析与评价工作的分析情况；针对临床科室，构建以科室损益为着眼点，穿透分析科室医疗业务、人员、运营效率，资产配置、药耗使用、科室收入、成本等各类业务数据，实现以财务分析串联业务分析。

智慧财务的数据治理还是一个新的研究领域，其内容既包括财务业务，也涉及信息技术、数据方法，并且实践性较强，需要复合交叉的研究与实践团队，本项目进行了一些探索，但仍有不少问题需要进一步深化和细化。

智慧财务的数据治理带来新问题

此外，数据治理与数据应用是持续的双螺旋协同过程，基于数据治理形成的数据资产，如何持续深化数据应用能力，也有待进一步研究和探索。

从2021年6月30日，滴滴在美国纽约证券交易所上市，到2021年7月2日，国家互联网信息办公室发布公告，对“滴滴出行”实施网络安全审查并停止新用户注册。接下来，7月4日、7月5日、7月9日网信办接连加大审查力度，要求各网站、平台不得为“滴滴出行”和“滴滴企业版”等25款已在应用商店下架的APP提供访问和下载服务。

滴滴事件引发了人们对人工智能所带来的伦理讨论，比如数据安全、隐私、公平性的问题。于此同时，作者在长期跟踪智能财务决策支持系统建设过程中，在与大量开发人员、用户、监管机构的接触过程中发现，各个主体的行为或多或少存在着一定的隐形动机，或者说各自的行为原则，于是产生了信息系统伦理或人工智能伦理问题。

大数据与人工智能技术应用带来的伦理问题不仅出现在个人层面，也会出现在政策、社会或组织层面，而且伦理常常是一个隐性的动机，而不是明确的动机，强调财务人员在技术使用中的行为原则。

在适当的时候防止对他人、组织和社会的伤害。与会计的其他领域相比，在财务分析决策领域使用大数据智能技术将对组织产生深远的影响，更可能引起道德问题。

在大数据环境下，决策从传统的主观判断到依托数据再加上职业判断，更强调的是人机协同。人机协同的系统往往是更会引起伦理问题的讨论。

讨论的时候有几个前提：一是智能财务决策系统伦理研究的目的和前提是理解行为对他人、组织和社会是否会带来危害。

二是伦理研究的范围，可能会涉及智能财务决策系统全周期，从系统设计、开发、实施、最终应用，不仅仅关注短期，还会关注长期，伴随不同场面的伦理问题。

三是责任伦理学，基于利益相关者的视角，人机协同中人是最关键的，高层管理者、监管者、使用者以及其他人都会在决策过程中带来风险，因此要建立问责制。

研究之前，首先应明确智能财务决策系统相比于传统ERP系统的区别。ERP更多是产品化，智能财务决策系统是半定制化产品，根据基本的需求与不同行业需求开发共同形成，其中所解决的技术，更多是规则性的。

而且财务会计领域有会计准则等规则和规范进行约束，决策领域乃至管理会计领域则相对较少。智能财务决策系统可以运用大数据分类、聚类、优化对数据进行处理，揭示过去所发生的事情，诊断问题发生的原因，不仅仅融合财务人员的职业判断，还引入外部的数据进行对标，或者设置风险阈值，由此数据决策与人的决策共同进行融合，在此过程中难免会出现一些伦理问题。

智能财务决策系统伦理主题范畴界定共分为四部分。首先是人机伦理。虽然系统不同于机器人所带来的道德行为主体要求，但是智能系统产品是否要承担道德责任？是否影响人间伦理关系？比如数据隐私是否达到预期问题，系统会不会传递专家偏见？系统透明度、可理解性会不会给人带来依赖？对系统带来不信任感会不会带来技术的压力、给财务人员带来不舒适感等，都是人机伦理讨论的范畴。

其次是责任归属的伦理，分析责任主体的伦理目的、行为方式、结果和成因，就智能财务决策系统而言，主要讨论的是不同行为人在哪一个环节或者在哪一个节点应该承担哪些伦理责任以及建立必要的问责制。

另外是伦理价值失衡问题，人类社会发展在于追求文明社会的和谐，维护社会公平正义，这也是社会价值的基本取向。不能因为信息技术或智能系统产品的使用而出现伦理价值的失衡，比如偏见往往产生于不同学历背景以及年龄段，对于年长的财务人员会不会不具备可操作性，对财务人员会不会带来转型、失业的问题，会不会带来沟通或者更深层次了解业务场景的新要求等。

最后是系统应用对人的伦理行为影响。系统应用之后，是否会产生长期依赖继而影响职业判断，以及是否会产生系统质疑。另外是路径依赖问题，更关注系统显示的异常、风险，以至于减少对未知的认知，这是否带来其他风险，是否会产生信息茧的问题。

其他利益相关者之间的关系也会产生影响，按照系统结果进行考核及责任追究时会不会带来人与人之间的隔阂，减少线下人与人之间的交流见面会不会产生孤立感等。

基于此，对于智能财务决策系统伦理风险防范的政策建议主要有以下几点：伦理规范与法律约束协同发力，法律的有效实施离不开道德的支持，道德的践行也离不开法律的约束。

建立利益相关者共担责任机制，例如建立第三方验证和监测机制，在系统上线有专门的机构判断是否践行财务领域相关行为准则、实施规范。确保合乎伦理设计的开发原则，在设计开发时事先把伦理问题转化为具体设计标准和约束，使系统更具可靠性、安全性。除此之外，还要培训提升利益相关者素质与伦理意识、完善利益相关者沟通与反馈机制。

信息系统伦理是一个有趣、有意义但有难度、有深度的话题，需要持续深入的研究。由于AI仍在快速发展，因此随着新算法和方法的引入，更多的道德问题和挑战可能会在以后出现，这方面的研究应具有连续性，以帮助防止道德风险并保护人类、组织和整个社会的权利。

智能财务研究院研究人员考核机制与持续发展研究

数字经济迅猛发展，对财会行业来说，面临巨大的挑战和发展机遇。“业财税审控管治”深度融合，财务的信息化、数字化、智能化亟需持续向前推进与发展。需要财会人主动拥抱变化 ，用科技赋能财务，人机协同、共创价值。

2018年12月上海国家会计学院联合金蝶软件、元年科技、中石油成立智能财务研究中心。2021年10月，中心升级为智能财务研究院。三年来，十多家极具行业代表性的机构加入，成员构成更趋于综合、多元、合理，研究人员数量已达到341名，来自高校约占21%，来自软件类企业占12%，约67%的来自于其他企事业单位，研究力量不断增强。

智能财务研究院是在体制和机制上的大胆尝试与创新，它是“无行政级别、无学科边界和无组织边界”的“三无”研究院，灵活高效。研究院实现了虚拟和实体的结合，理论与实践并重。

无组织边界的新机制激发了研究团队和合作伙伴共同推进研究，推进中国会计行业的进步。两年来，智能财务研究院一直被模仿，但从未被超越。

智能财务研究院具有前瞻性、整体性和开放性，无学科边界和组织边界，未来必须要由松散、灵活向有序、集聚、高效转变，有必要建立健全研究人员考核激励机制，高效地开展相关研究工作和业务活动，多出好的研究成果，促进研究院的持续高质量发展，适应高度不确定性、颠覆性创新频发、迭代速度极快的外部环境。

研究思路与方法方面，通过分析研究人员的需求表明，研究人员希望借助智能财务研究院高大上的平台，获得学习培训与指导的机会，参与相关活动和课题研究，提升科研能力，发表论文，获得职业发展契机，了解前沿知识，与业界精英交流等。

研究思路设计方面，借鉴非政府组织、非营利组织及其他智库考核管理办法，通过问卷调查、访谈获得考核指标相关关键信息；综合运用几种绩效考核工具的优点，基于OKR理念尝试建立研究人员简洁的考核指标体系，建立易操作的考核模型。

其中OKR是目标与关键成果法，是一套明确和跟踪目标及其完成情况的管理工具和方法。它的适用场景包括：在新领域下，只有一个大致的方向，需要所有成员共同描绘、创造未来，充分调动每个人的积极性，找到突破性的方法；在数智变革时代，需要更快速地做出反应并做出正确的决策；动态的内外部环境需要组织不断创新，更需要组织成员之间、团队之间能够高效的协作。

本次研究的难点主要集中在以下几点：一是对研究院和研究人员的目标及需求难以精准把握，需要站在研究院和研究人员的角度进行综合考量。

二是与科技智库的兼职研究人员相关的考核指标文献较少。

三是研究人员分布广泛，难以做到全面调研与访谈。四是关键考核指标的确立、指标权重的确定存在困难。五是对研究人员的日常管理、参与相关活动的过程以及科研过程，难以衡量与考核。

经整理分析相关访谈问题的结果，在申请加入智能财务研究院的主要想法方面，在受访谈的46位研究人员中，自我能力提高占比最高为59%，其次是探索学习智能财务新知识，占54%，再次是研究智能财务方面的课题占52%。谈到与其他专家交流的仅占访谈人数17%。

成为智能财务研究院研究人员后，对自身发展需求方面，其中自我能力提高占比最高，达52%，参与智能财务方面课题研究占35%，探索学习智能财务新知识占22%，与其他专家交流仅占7%。

资源支持方面，希望获得培训学习资源的占比最高，达67%，其次是获得课题参与研究的机会占50%，获得物质和精神激励的占26%，获得参与调研机会的占20%。对研究院和研究人员的持续发展的意见建议方面，74%的受访者建议提升研究人员和研究院的研究能力，仅有11%的受访者建议进行考核。

对研究人员的激励措施方面，47%的受访人员希望采取奖励措施，41%希望用参与课题研究方式进行激励，此外，29%希望用经费支持，包含调研差旅补贴等方式进行激励，要求提供培训机会进行激励的人员占24%。

对于重要且可行的考核指标方面，比例占比靠前的主要有以下五项：主持或参与课题研究、参与相关活动；相关专业论文发表数量；自身能力提高；智能财务推广应用和案例实践。

课题组根据相关理论分析、结合研究院和研究人员的实际，通过深度访谈、综合运用几种考核工具的优点，经过归纳，构建了简单易操作的研究人员考核模型，能够实现对研究人员进行年度量化考核，便于根据考核结果对研究人员进行分类管理。

从研究院持续发展展望的角度，研究院需要增加专业的智库运营管理人员，未来制定针对不同类别研究人员的分类考核指标体系。

同时不断完善考核指标，建立一套有效的人才选拔、考核和激励机制，加强智能财务研究院人才队伍建设，增强培养高端研究人才的能力。另外改善智库运营模式，形成多渠道的经费保障机制，大力鼓励研究人员开展智能财务自主选题研究、构建开放型研究格局。

来源：财会智能化