大数据环境下财务监控模式的构想——从德国国家发展银行“乌龙指事件”谈起

黄 亮， 汤 岩

(集美大学 a.财经学院， b.地方绩效评价中心， 福建 厦门 361021)

一、引言

随着信息技术(Information Technology，以下简称IT)在各行各业的迅猛发展，传统的“大鱼吃小鱼”“规模经营取胜”的管理模式已经被“快鱼吃慢鱼”“速度胜规模”的新兴模式所取代，这固然是弱小公司的机遇，但也对传统的大公司提出了挑战。忽视了IT带来的实时信息在经营过程中的作用，经验丰富的大公司也会在“变、快、多”的竞争环境中折戟沉沙，甚至被淘汰出局。2008年9月15日上午10点，雷曼兄弟公司向法院申请破产保护，匪夷所思的是，德国国家发展银行在10∶10分居然按照外汇掉期协议，通过计算机自动付款系统，向雷曼兄弟公司的银行账户转入3亿欧元，这笔巨款立刻随着雷曼兄弟的轰然倒塌化为乌有。根据对德国国家发展银行高管的调查，各位高管几乎都知悉雷曼兄弟可能倒闭的事实，因为这些重要信息已随着网络、广播、电视等方式广泛传播，但每个高管都以为公司的风控系统会作出反应，甚至结算部经理德尔布吕克声称：今天按照协议是要交易的，虽然存在风险，但既然现在还没有收到停止交易的指令，那就只能按照原计划转账。

这种愚蠢的错误为什么会发生呢?最重要的原因是公司风控系统没有对雷曼兄弟的相关资料进行及时更新，不管这些信息是人工收集录入，还是系统自行收集，及时更正风控系统中的相关信息是避免这类错误的关键。当资料更新后，计算机风控系统就可以自动查询与该客户相关的资料，并实时向决策部门自动提交预警信息，供决策部门确认。这次大乌龙事件反映了貌似很强大的大公司由于缺少IT带来的实时信息的支持，财务监控机制仍存在很多漏洞。

以上案例生动地说明了IT在企业财务监控中的重要作用。信息系统既是内部控制的对象和内容，更是内部控制的技术和手段[1]。特别是随着以大数据技术为核心的IT的迅猛发展，支撑财务监控的基础数据的质量和数量都得到了极大的丰富和提高，再辅助以人工智能的自动化处理，可以预料，公司传统的财务监控方式势必发生根本性变革。

二、IT环境下的财务监控的两种形式——适时监控和实时监控

计算机网络的出现使信息传递、处理和共享与手工环境相比有了质的飞跃。远在千里之外的生产、业务和管理的信息可以瞬间抵达决策部门手中，从而实现了“集中于咫尺之内，监控于天涯之外”。这种革命性的信息传递方式改变了广大学者对传统财务监控的认识，其中比较有影响力的观点有阎达五、张瑞君提出的实时控制理论[2]，傅元略提出的适时财务监控机制[3]。本文通过对相关文献的梳理认为，实时控制和适时监控并无矛盾之处，它们只是确切性信息和非确切性信息下财务监控的两种反馈机制而已，当风险发生时，两者对风险反馈速度不同，适时监控相比实时控制存在一定的迟滞。本文以为，在确切性信息下，IT可以实现实时控制，当信息不确定时，需要专家对IT提供的结果进行判断，这时只能实现适时监控。但无论是适时监控还是实时监控，它们的主要思想更多体现了相同性。

(一)强调及时性，它是适时监控和实时监控的精髓

在IT环境下，数据来源的便捷和快速以及人工智能算法的使用，让及时甚至实时的财务监控成为可能。这种及时性不仅表现在事中控制环节，甚至可能会实现事前的控制。例如，网上超市经营中，远在千里的顾客的点击记录、购买记录、反馈意见、退换货信息等可以实时反馈到后台数据库，在相关算法的支持下，有关部门可以获得顾客的需求变化、不同地区顾客的消费习惯、滞销产品和畅销商品种类等信息，从而及时调整采购、库存、配送等信息。企业可以未雨绸缪，有了柔性调整的时间和空间，就可以避免浪费，提高管理工作的质量和效率。沃尔玛公司和与其合作的3 500多家公司正是通过这种事前的控制，大大节约了成本。这种前瞻性操作在竞争日趋激烈的现代社会可能决定着企业的生死存亡。

(二)企业内的基础数据共享

为了实现“及时性”要求，财务系统必须与其他业务系统融为一体，必要时应进行流程的再造，从而实现基础数据的共享。企业规模越大，集团成员分布越广，信息量越大，就越能发挥出基础数据共享的重要性。通过共享，财务系统能了解销售、采购、库存和生产的具体环节，从而对其实现相应的监控。如某部门申请报销的招待费，一旦录入系统，公司财务就能实时采集到这笔数据，系统自动把预算值和计划值进行比较，有超过的部分就要暂时搁置，无法报销，或等待相关领导审批确认；再如当企业的某个业务系统发出投资或采购指令时，系统将自动审核该指令是否符合企业预算决策，这样可以使企业全面预算系统真正地发挥出战略功能和资源优化协调配置的功能。

(三)企业外各个相关节点的协调

当企业内部成本的压缩遇到瓶颈时，人们开始用供应链的思想思考降低成本的新方式，“未来企业之间的竞争将是供应链之间的竞争”已经成为共识。供应链中各个节点是相对松散的企业联盟形式，拥有各自独立的财务决策权，在合作的大前提下，为了整体的利益，供应链中的主导企业可以和相关节点建立供应链协议，对资金流进行监督、协调，必要时实施一定的控制性。由于是相对松散的联盟形式，相对于企业的内部监控，联盟之间财务监控的力度较弱，监控的形式应以协调为主[3]。随着全球电子商务的发展，传统的供应链还将进一步转变为开放式的网络供应链形式，企业之间的关系可能变得更加松散，形态和边界更加模糊不清，建立在协调基础上的财务监控将是常态。

三、大数据环境下实时监控和适时监控相结合的财务监控的构想

从2014年开始，作为IT发展的最新成果，大数据(big data)已经连续六年写入政府工作报告，大数据已经上升为国家战略。在大数据环境下，越来越多的信息可以通过各种方式和渠道得到共享，这给财务监控带来了深刻的影响。本文认为，在人工智能的支持下，未来可能是实时监控和适时监控相结合的财务监控模式(如图1)。

图1 实时监控和适时监控相结合的财务监控模式

(一)实时监控和适时监控相结合的财务监控模式的实现思路

当系统中发生业务申请或战略性决策时，系统将自动访问财务监控基础信息库。该信息库数据来源广泛，有企业内的财务业务部门，也有企业外的相关部门，如上下游的供应商和销售商、监管部门、各种公信力平台等，这些海量数据通过网络方式保持实时的更新。当企业发出简单的业务申请，如采购指令时，系统会自动在财务监控信息库中与预算值对比，如符合预算，则自动予以放行，否则直接否决，除非具有权限的决策者进行人工干预，这里体现了“实时监控”的思想；当企业发出复杂的业务申请或者重要的战略性决策时，系统将对财务监控基础信息库中的相关信息运用人工智能算法，由于问题的复杂性和不可确定性，这里往往会产生多种可能的决策行为，系统可以对各种决策行为给出相应的评估结果，供决策层讨论。虽然讨论会迟滞决策的执行，但可以降低重大风险的发生，这里体现了“适时监控”的思想。如在安永(中国)提出的反欺诈预警产品中，就非常强调大数据信息平台的作用，它要求与信息部门合作建立”一”个数据搜集平台，“360度”涵盖各式交易相关数据，建立风险偏好网络分析、监控报表体系、反欺诈预测模型、风险指标更新、社交媒体分析等，系统性地全面进行客户监控[4]。对客户的监控本身就是复杂的判断过程，系统根据大数据信息平台给出的风险提示，比依靠人为经验进行识别要高效得多，也全面得多，这充分体现了大数据和人工智能算法在财务监控中的重要作用。

(二)财务监控基础信息库中数据的收集和处理

实现以上财务监控模式最大的困难是海量数据的收集和处理。在大数据环境下，企业内外存在海量的电子数据，这些电子数据游离在企业内部、供应链、供应网、监管部门(如工商、税务、海关等)、公信力平台、融资机构等，这些数据越多，对决策的帮助越大，但其实现的前提是数据规范、准确且一致。目前企业内外数据有结构化数据(如财务数据、差旅费报告、各式报销资料、供应商和销售商资料等)，也有非结构化数据(如社交网络、产业新闻与评论、声音图像等)，高德纳咨询公司的研究表明，80%-90%的企业数据都没有结构化，完全是零散随意地放置。大多数公司将他们的分析集中于其中的10%-20%结构化的数据。

1.结构化数据的处理。一般而言，结构化数据便于计算机的处理，但也存在着数据的格式和标签不统一的问题，导致数据缺少可比性和不能无缝衔接的问题，这就产生了“信息孤岛”问题。以笔者调研的X公司为例，由于是多元化集团上市公司，各种业务差异较大，考虑自身需求，各业务采用不同的ERP系统，如大宗贸易板块使用SAP的ERP系统，汽车和房地产板块使用金蝶的ERP系统，物流板块采用南北软件的ERP系统，数据格式和字段定义的不同导致各子系统无法实现数据共享[5]，需要手工导出数据，然后进行加工处理，这种信息的迟滞导致实时监控和适时监控强调的及时性难以实现。那么如何解决这种人为产生的“信息孤岛”问题呢？

本文认为，XBRL的标签化思想非常值得借鉴。XBRL技术目前发展很快，各国相关机构也在大力推广应用，虽然其技术上还存在缺陷[6]，但其革命性的思想在于其各种颗粒化信息可以通过标签化被计算机系统识别，这样才有对这些信息可操纵的空间。可以设想一下，如果每个企业内外都流动着规范的、标签化的数据，这些数据就可以无缝地被识别、利用、传送和比较，再配套可操纵这些数据的商务智能、区块链、数据挖掘、大数据分析等技术，未来的财务内部监控将高效、可靠、稳定、及时。

值得注意的是，人们已经不再满足于XBRL的财务报告层次，目前的XBRL GL技术已经尝试突破财务报告领域的限制，支持财务报告、税务报告、社会责任报告、监管报告等汇总报告深入到具体的业务层面[7]，这些标签化业务信息的参与可以构成财务监控的理想数据源。

2.非结构化数据的处理。至于非结构化数据，标准化处理在目前技术条件下仍存在难度，但可以采用语音识别、图像识别、机器学习等更为复杂的人工智能技术对其进行操作。值得注意的是，当前的人工智能技术对非结构化数据的处理已经有了显著的进步，如语音转化成文字，其效率和准确率已经超过了人工；如对于书面层次的自然语言，人工智能技术已经可以对其进行分析和处理，这是目前人工智能领域发展的一个热点。甚至有学者可以对文档中的内容进行情感分析，如人工智能领域学者章成志在2018年全国MPAcc“大数据+会计”师资培训研讨会上详细阐述了其研究成果“对财务报告进行情感分析”，包括句子级情感分析、段落级情感分析、篇章级情感分析[8]，这样就可以由机器自动阅读出研究报告中的情感，从而得出辅助使用者决策的有用信息。

我们完全有理由设想，在大数据和人工智能的参与下，计算机对非结构数据的处理将越来越高效快速，将实现对财务监控基础信息库的实时更新，类似德意志银行的“乌龙事件”有可能得到彻底解决。值得欣慰的是，在实践上已经取得的一些重要研究成果，如丁晟春等人工智能专家提出了“基于大数据的企业舆情分析”，实现了从企业官网及百科类数据、政府公示数据、财经资讯数据、新闻网站和社交媒体舆情数据、企业内部数据等五个方面提供的结构化和非结构化数据对企业进行舆情分析[9]。

四、结论与展望

大数据的出现离不开人工智能的支持，人工智能研究在经历长时间的低迷期之后，伴随着大数据的出现和计算机硬件价格的下降和性能的提高，人工智能已经引起了业界和学界越多越多的重视。根据调查问卷，2018年影响会计从业人员的IT中(多选)，数据挖掘占54.77%，财务专家系统占53.3%，这充分反映了大数据和人工智能技术对会计行业的冲击。我们相信，在这些新技术的支持下，实时监控和适时监控相结合的财务监控模式将是越来越多企业的理想选择。