智能管理会计的两层含义和五大特点 | 财智干货

智能管理会计有两层含义：一是全面应用以“大智移云物”和区块链为代表的数字化技术；二是对传统管理会计模式，包括组织、流程和工作模式等进行全方位变革，使管理会计体系能够更好地支撑企业业务发展。与传统管理会计相比，智能管理会计呈现出五个鲜明的特点。

深度融合内外部海量数据

数据是重要的战略资源，也是管理会计应用的基础。智能化时代将扩大企业有用数据的边界。传统管理会计所应用的数据主要局限于财务数据和部分业务数据，智能管理会计则需要依赖涵盖内部数据和外部数据的大规模数据产生价值。

大数据是一种规模大到在获取、存储、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

对企业而言，大数据主要涵盖与企业所处行业相关的竞争环境、盈利模式、业务模式、客户消费模式等一系列内外部经营相关的信息流，是来自企业外部的社会数据。

身处万物互联时代，大数据的演进已经成为不可逆的浪潮。我们看到，在整个企业运行过程中，企业壁垒变得越来越薄，甚至有可能被瞬间打破。获取资源的过程和内部交易的过程，都会依赖大数据来定义客户，完成交易。企业不再只是产品的制造者，而要整合外部平台。这将令大数据的价值日益凸显，也是近年来企业大数据应用风潮日盛的根本原因。

同时，企业在经营活动中还会产生大量内部数据，包括以收入、成本、利润、资产、负债等为代表的财务数据和与产品、客户、渠道、生产、研发等相关的业务数据。这些数据直接反映企业经营情况和财务状况，是企业在经营和管理决策中长期应用、必不可少的重要依据。

以预算管理为例，在从目标到计划到预算到资源到行动的整个过程中，其首先用到的数据就是生产计划、销售计划等业务数据和收入、费用等财务数据。

成功的数据应用是深度融合内外部数据的应用。无论是某房地产企业在投前测算中综合采用运营计划、项目成本、销售进度等内部数据以及地块基本情况、竞争对手拿地情况等外部数据，还是某快消企业在供应链决策中综合协同销售、生产、采购、财务等部门内部数据以及竞争对手状况、区域天气、市场环境等外部数据，内部业财数据只有与大数据相结合，才能触发真正令人满意的数据应用效果。

依托大数据、物联网等新一代信息技术采集到的海量内外部数据，智能管理会计获得了前所未有的绝佳数据基础支撑，能够开展更有价值的数据应用。

提供实时、动态的数据服务

实时化是市场环境对管理会计提出的新要求，也是在新一代信息技术推动下智能管理会计应用创新的新发展。

在进入数据爆炸的移动互联网和大数据时代后，成熟企业的管理会计应用的数据量急剧增长，如何提升数据处理、数据分析和数据响应的速度成为智能管理会计的新挑战。

智能管理会计系统基于对内存计算技术的全面应用，能够把数据完整保留于内存中，并通过优化的存储结构和算法处理海量数据和复杂逻辑，将用户的数据读写请求快速转换为内存读写和内存计算，使得系统性能不会因数据量的持续增加而发生衰减，从而使数据处理的频度和速度获得大幅度提升。企业从原来被动的事后分析转变为主动的实时决策，并可以以此为基础创建基于预测、而非响应的业务模型。

以预算管理为例，过去绝大多数我国企业都强调年度预算，一年考核一次、一年评价一次，但是随着环境和技术的快速变化，数据业务发展变化呈现出一个重要趋势：年度预算对实际经营的指导作用越来越小，动态的滚动预算才能更好地支撑决策和预算控制。

于是，从三到五年的长期预算，到年度预算，到按月、按周、按日的滚动预测，再到实时的业务预测，就是基于智能管理会计信息系统把预算管理从年度化转变为滚动化，再到实时化的一个典型应用。

直接赋能企业业务发展

传统管理会计系统由于数据采集、数据整理、数据加工比较缓慢，相关信息也不充分，所以更多地强调用数据支持管理层的决策，对一线业务部门的赋能、对运营端的支持相对较为薄弱。

在数字化时代，数据的数量、质量，对数据的治理能力、计算能力和分析能力均大幅提升，管理会计与业务经营的融合更紧密。这使智能管理会计能够更多地应用于销售、生产、供应链和研发创新等价值链环节的具体业务场景中，直接为业务运营赋能。

例如，零售企业基于场景化应用开展区域单品的销售预测，房地产企业对所持有房产的价值分析，制造企业针对重点产品开展产销协同分析，服装企业依据某季服装销售额做出的库存/物流优化决策，等等。

深入应用人工智能技术

智能管理会计涵盖对信息系统自动化、智能化、在线化、实时化和业务流程的数字化等多方面的要求。在这中间，智能技术无疑是其得以全面实现的底层技术和前提条件。

人工智能在管理会计中主要应用于三个方面：运算智能、感知智能和认知智能。运算智能让系统能存会算；感知智能让系统“能听会说，能看会认”；而认知智能让系统“能理解，会思考”，也就是可以联想推理。智能管理会计涵盖对人工智能的全方面深入应用。

通过应用内存多维数据库和分布式计算，系统能够实现数据时效性的革命性突破和数据计算速度的革命性提升，用户能够以前所未有的方式获得新的洞察和完成业务流程。通过应用自然语言识别技术，系统能够具备感知并认知自然语言的能力。

用户可以通过语音给系统发出指令，甚至与之进行对话。通过应用知识图谱和智能推理技术，系统可以自动检索、阅读，并与用户进行智能问答。应用机器学习可以令系统具备自助分析的能力。系统基于对业务知识的理解，科学预测、合理控制、智能分析，真正成为管理和财务人员的智能助手。

以数据分析为例，传统的分析工作需要靠人按照一定的路径对管理数据进行浏览和探索（下钻、旋转），与预算、经营目标对比来寻找数据异常以发现经营和管理中的问题并形成分析结论。智能管理会计能够对数据进行自助的快速、多维度分析，并输出或者保存分析报表。

目前，依托初期的智能技术，企业已经可以实现对主体的财务预测、经营推演和风险量化等。未来，随着人工智能技术的深度发展和在财务领域的高阶应用，拥有高级人脑智慧的财务平台将基于对业务知识的理解，科学预测、合理控制、智能分析，甚至直接代替管理者进行自动化决策。

更具有前瞻性

数据应用可以帮助企业感知现在和预测未来。感知现在即基于历史数据看当下，包括描述性分析和诊断性分析，表现为将历史数据与当前数据融合，挖掘潜在线索与模式，向用户展现企业“发生了什么”和“为什么这样发生”。

预测未来则是应用模型开展对未来态势的判定与调控，包括预测性分析、优化性分析和自主性分析，表现为基于数据模型解释事件发展演变规律，进而对发展趋势进行预测，不仅要告诉用户“可能发生什么”，更要帮助用户了解企业“应该怎么做”以及“如何适应改变”。

从价值创造的角度来说，预测未来的应用致力于解决问题，更符合数据洞察“向前看”的发展趋势。传统管理会计主要是感知未来的数据应用，而智能管理会计则更加重视预测未来的数据应用。

举个例子，企业可以利用隐形关联的历史数据，如企业内部运营数据（订单数量、投诉数量等）和外部数据（天气、社交网络情绪指数等）来训练机器学习模型。利用完成训练的模型对在线数据进行预测，从而让对历史数据的静态分析变成一个动态的预测模型。

在智能管理会计领域，基于对新一代信息技术的充分应用，企业将获得更充分的业务决策信息，从而更好地支持计划预算和经营预测。

主编：韩向东 来源：全面赋能业财融合的实战指南

声明：本文由“管理会计知识汇”编辑整理