谈大数据背景下企业管理会计的重点和难点

陈达伟

（上海海外联合投资股份有限公司，上海 200052）

一、引言

传统的管理会计是企业内部运用财务及相关数据为满足管理需求而衍生出的一系列财务逻辑的分析、管理应用，是把财务会计从单纯的核算扩展到一种将解析过去、控制现在、筹划未来有机结合的管理活动。其职能包括：预测、决策、规划、控制、考核。

近年来，物联网元件被大量运用、数据存储成本大幅降低、电脑算力不断翻倍，都促使大数据时代成为必然。随着大数据技术日趋成熟，管理会计将与企业运营结合得更紧密，将更深地嵌入企业整体架构中。

本文旨在从大数据的特点切入，结合当前管理会计的主要问题，展望一下管理会计接下来的发展。

二、管理会计的现状

管理会计在过去的二十多年里完成了与ERP系统的融合，使得整个管理会计体系调动数据的能力有了质的飞跃，这些数据涵盖了财务范畴的所有金额与数量，并且具有有限调阅ERP其他模块下数据的能力，例如：生产日期、考勤时间、耗电量等。管理会计充分地完成了“电子化”。

然而，“电子化”仍然存在以下的问题：

（一）管理会计频率太低、没有规律

财务信息生成并非全自动，仍需作周期性的操作（如审核、结转等）才能生成确定的财务报表。这些操作往往以最小的会计周期“月”为单位，使管理会计很难以更小的时间单位做数据处理，阻碍了向更高效管理的发展。

（二）管理会计过程程式化

在“电子化”情境下，以上提及的某些周期性操作被集中在月末进行，失去了获得“实时数据”、做“实时分析”的机会。例如：成本模块每天产生的数据只在月末才被一次转入总账模块供报表编制使用。

（三）管理会计模型一成不变

当前电子化架构下财务数据往往只能用于单一模型，使企业财务管理人员无法深层次、多角度来审视运营活动。例如：一些财务系统或ERP财务模块导出成本数据主要用于实际成本法或标准成本法，在进行本量利分析时，财务人员需要额外从不同部门获得口径不同的数据进行拼接组合后，方能开始分析，既耗时又不准确。

三、大数据背景下管理会计的重点

随着智能化程度的提高，企业通过智能方式收集或生成的数据越精细，单位时间内产生的数据量就越大、种类越多。以上即“大数据”的三大特点：大量、快速、多样化。管理会计当前的重点是基于物联网系统所生成的大数据进行更复杂、更快速、更广泛的财务管理应用。

（一）企业全域数据的覆盖

目前，财务数据抓取和记录只是局限在保存于财务系统或ERP财务模块中的数据，如：总账分录、序时账、日记账等。管理会计基于这些数据进行着预测及分析活动，它们已经被财务系统或财务模块接口筛选和整理，只是对传统财务工作有意义的数据，如：借记/贷记金额、余额、科目代码、数量等。这样的“筛选和整理”是依据一定的会计原则进行的，目的是将数据呈现出企业在一段时间内运营的历程，如：明细账、日记账、利润表；或者某时间点所处的状态，如：资产负债表。这样的好处是能从“企业价值链”产生的信息中言简意赅地归纳企业运营状态，并做出分析，但与此同时剔除了许多数据。

这些被剔除的数据在传统财务管理中没有一席之地，而恰恰是它们，可能蕴含着对管理会计很有价值的信息。例如：仓储环境温度与生鲜库存变质之间的关系；关联方交易合同的签约时间、签约数量、已经交付数量等。

管理会计能够运用的“企业价值链”所产生的数据越丰富，分析结果就越准确、分析模式就越多样。换言之，如果管理会计能够调用整个企业每天所形成的数据：时间、温度、尺寸，甚至是图像、声音、图像，那么理论上就有能力分析一切财务现象、解释一切财务问题。

（二）多维度展开

管理会计归根到底是对企业的各种资源进行的各种“向前看”的管理，由一些量化的目标倒推计算出未来每个节点企业资源“理想中”的状态。这个理想中状态被不断地与企业已达到的状态作对比，形成管理的“路线图”。管理会计能够使用的数据越精细、越多样，进行对比分析的维度就越多样、能生成的“路线图”就越具体，这样呈现的“多维度”分析能更全面地反映企业的状态和存在的问题。

作业成本法可以充分地展示以上多维度特征带来的优势。作业成本法，将直接成本和间接成本作为产品（服务）消耗“作业”的成本同等地对待，将“产品”向下依次细分，形成产品-成本动因-作业-资源自上而下的树状结构。根据作业活动耗用“资源”的情况，将“资源”耗费分配给“作业”；再依照成本对象消耗“作业”的情况，把“作业成本”分配给“成本对象”。它是使获取产品成本信息质量更高的一种成本核算及分析方法。作业成本法的关键在于做好：资源（最小的成本单元）成本分配算法，定义作业（最小的成本归集单元），以“成本动因”来选取作业。

传统企业财务实践中运用业成本法的难点是：企业财务层面的数据往往以“部门维度”采集的。不同部门的数据记录方法、口径、甚至系统各有不同。而作业成本法需要打破以部门维度的数据采集体系，以“成本动因”下的“作业”维度定义成本。这就需要统一记录来自不同部门数据的标准。这会涉及大量对每个部门的薪资数据换算与分配的计算，在此类数据基础上执行作业成本法非常耗间，效费比低，违背了使用的初衷。

在“大数据”情境下，企业利用各种物联网元件组建起犹如神经系统的物联感知网络，时刻自动地产生企业运营每个角落的数据，并被获取。在获取这些数据的同时，系统已经给所有数据加上了许多预设的“标签”，如：1克A原料对应的：供应商、生产日期、领用出库时间、领用生产线、领用人、作业代码等，从而形成“原数据”库。

“大量”和“快速”的特性结合强大算力，“原数据”瞬间被导入设计好的“作业成本法”模型中，实时产生每个“一‘作业’对多‘资源’”的数据集；多个“作业”又按照模型的定义集成在一起，组成“成本动因”数据集；然后，多个“成本动因”又形成“产品”。这样，一个“产品-成本动因-作业-资源”的树状结构数据集就此诞生。该数据集能够实时按照时间切片向下挖掘，直至每种最小单位计量“资源”的具体信息为止，如：1克某原材料、1小时某员工工时等。

同时，如果以上“原数据”库导入“以部门维度核算”模型中，又可以产生“部门-产品-成本”的树状数据集，用于部门维度的分析。这样多维度的管理报表可以立即被导出，管理会计维度的多少不再受管理维度和人力资源的制约，而取决于能设计出多少个维度模型。

（三）高频率管理会计

“大数据”高速特性主要得益于过去30年计算机算力以及存储能力的不断提升。目前商用服务器能够满足一般企业对于高频率数据运算的要求。高频率的定义应该小于会计最小的报表周期：一个月。过去的经验是管理会计报表由于需要使用财务报表的数据，所以往往周期不小于一个月。但是大数据采集智能化以后，管理会计报表的编制周期将可以进一步缩短，直至逼近1小时，甚至更短。

这种改变让管理向更精细的方向迈进：可以按小时甚至分钟分析每条生产线的产能和成本耗费，结合每个产品的需求量和各个作业的精确生产时间， 24小时的生产调度变得游刃有余。而且整个数据更新、管理调度、任务下达的过程是实时的。

（四）快速精准预测分析

计算机高算力除了能使管理会计报表编制频率提高以外，也能使预测性工具使用更多的历史数据并具备更多的变量配置。例如：利润表预测分析中，如果将某些有线性发展趋势的成本费用通过各自独立的线性趋势法计算出未来每月的增长趋势，并加入利润表预测的话，这样编制的预测将比给予这些成本费用一个固定的增长率而编制的预测要更接近真相。

四、大数据背景下管理会计的难点

（一）大数据构架的铺设

大数据天然与规模经济相契合，因此，大型企业天然具有进行大数据改革的欲望，他们也拥有进行这种改革的资源。一旦大型企业在完成大数据底层布局后，管理层必然希望财务管理能够以财务报表为起点更深入地向下挖掘，去解释一个接一个在运营中困扰管理层的难题。

然而，大型企业由于普遍性的部门系统林立及行事惯性而无法完全地对整个企业完成大数据底层采集和整理的布局。这使得一个大而统一的大数据系统难以形成，“大数据”管理会计也就无从谈起了。

（二）“变成大数据”或“被大数据”

目前一台商用服务器中存储器可以堆叠至万亿字节级别（T字节），而且价格是中小企业可以承受的。于是，即时全局数据运算普及已成现实。数据的采集首次成了瓶颈，而非运算。

对于中小型企业，在大数据时代能否在自身运营中找到能够源源不断地产生“大数据”的“大数据源”并且对其采集是关键命题。数据已经成为新的一元生产要素，若不能变成“大数据”的源泉，那么就只能被并入一个“大数据”系统中，成为“大数据”的一部分，“大数据”这一生产要素就无法惠泽该企业管理会计。

（三）财管人员职业要求升级

拥有“大数据源”以后，如何充分利用它就成了关键。对管理会计的充分理解并不足以驾驭它，财务管理岗位还需具备采集、挖掘“大数据”的相关知识及相关工具的应用能力。财务专业知识与“大数据”知识结合运用的能力将决定财务人才的价值高低。

综上所述，若以上重点及难点被恰当地处理及解决，管理会计将利用大数据“多次使用价值”的特性，不断地为企业运营管理中快速、多维度、精确的财务管理工具体系。管理会计将发生质变，并在企业运营中释放巨大能量。