金融科技背景下商业银行财务分层决策模型研究

■ 中国农业银行咸宁分行 刘 冰

近年来，以区块链、云计算、大数据、人工智能为代表的新一代技术在金融领域的应用不断深化，给金融功能的实现形式、金融市场的组织模式和金融服务的供给方式带来了潜移默化的影响，也给商业银行财务分析决策带来了新的机遇与挑战。当前，商业银行唯有主动应对新形势、新变化，在金融科技应用领域早部署、早发力，方能破解“围城”之困，进而实现高质量稳健发展的长远目标。

一、金融科技下商业银行财务决策存在的问题及迎来的机遇

（一）存在的问题

商业银行通过整合财务管理信息系统、新核算报告系统、管理会计系统、固定资产管理系统和财审会项目管理信息系统等五大财会系统，建立了新财会综合平台。新财会综合平台初步改变原财会系统各自为政、功能缺失、数据分立的缺陷，基本满足现阶段商业银行财会管理体系的要求，较好地支撑现代财会管理体制的运行。但随着业务飞速发展及金融科技不断进步，新财会综合平台仍存在不足之处。

1.数据采集与加工分析功能较弱。一是虽然新财会平台对系统架构、数据标准等作出了规范，但无法实现不同系统模块间交易级的联动，数据交互与深度挖掘仍需要人工切换模块完成。二是数据分析工具依赖外购，实用性和个性化分析功能较弱，无法实现量化信息的自动预警和标准化数据的自动生成。

2.管理流程与决策支持功能有待完善。一是实行人工逐级审批流程，导致管理链条拉长，无法实现端对端的处理模式。二是数据取值的口径不一致，造成提取的信息数据混乱，还需进一步依赖人工进行合理性预测、分析、调整。三是数据同步的时间不一致，使得信息提取滞后，影响了财务决策支持的及时性。

3.事后监督与评价机制有待健全。一是目前虽有财务开支监控模块，但为了满足数据处理、风险预判及监测需求，还需进一步健全数据采集、预警审查等功能，实现财会业务监测分析智能化、常态化。二是后评价工作仍依靠手工统计预测，无法实现效益数据提取自动化、精准化。

（二）迎来的机遇

1.数据共享让决策更有依据。大数据和云计算技术的出现，解决了以往计算机数据存储能力和信息处理能力的限制。通过数据共享中心，可以获取多维、海量的业务信息和财务数据，使基础数据库信息更加真实完整。财务分析数据的相关度、准确度和可靠度不断提升，为财务决策提供了更加系统、全面的支撑。

2.人工智能处理让决策更加高效。随着财务机器人的亮相，财务工作开启了新模式。人工智能在实践应用中，以挖掘数据为切入口，高效处理海量数据信息资源，并创建数据库系统。同时结合实际需求对数据模型的科学性进行实时跟踪处理，进而对各项重大事项进行综合性的分析与预测，最终为经营决策提供更有价值的参考信息，让决策更加高效。

3.管理会计应用让决策更精准。管理会计基于财务会计，但较传统财务会计更加注重信息化和精益化，能更加缜密科学地预测、分析、控制和评价各类财务事项。通过建立完整的预测模型、分析模型和计量模型，从而实现财务与管理充分融合，帮助决策者精准规划和评估各项战略发展计划。

4.智能系统搭建让决策全流程化。以科技信息技术为主要手段，以管理会计模型为基本方法，搭建商业银行智能财务决策系统。一是利用大数据和云计算，实现数据采集、整理、加工自动化，将以往无法采集和正确使用的数据转化为能为决策者所使用的数据。二是利用人工智能和数据模型，实现项目预测、分析、评价流程化，将以往繁琐的数据统计分析转化为能为决策者自主采用的智囊团。三是高层决策者结合实际经验和判断力，对系统提供的方案进行修订完善，然后通过系统将决策发送到相应部门。四是对项目进行系统化跟踪评价，将结果自动反馈到数据库，以实现系统自我更新修复。

二、商业银行财务分层决策模型

在金融科技背景下，构建科学财务决策体系有助于适应公司治理要求、提升股东价值管理和满足外部监管要求。财务分析应充分利用科技化手段，将财务决策程序、流程及授权系统化，实现财务决策的系统操作、控制和归档。同时对各类采购、投资、经营等事项采取事前预算、事中跟踪、事后反馈的方式，进行实时控制、评估、调整，以提升财务决策的智能化水平。

本文提出建立商业银行财务分层决策模型，拟借助金融科技手段，解决信息不对称问题，提高投资效率，减少试错成本，使财务决策规范化、科学化、高效化。该模型分为四层，自下而上分别是数据采集层、模型加工层、智能决策层和高阶管理层。

（一）数据采集层

数据采集层是财务分层决策模型的基础，从总体构架来看，主要包括数据采集储存、数据共享中心和数据挖掘处理三个部分。其中数据采集储存主要是利用数据库和区块链技术对原始数据进行存储分类；数据共享中心用于获取各行各业各部门基础数据；数据挖掘处理是通过对海量的数据进行预处理，获取高精度、低重复、高可用性的数据，为财务决策提供更为科学合理的数据支持。

一是树立信息数据化理念。将电子签名、电子发票、电子档案等及时转化为精准的内外部基础数据，汇总至总部财务数据中心，生成贴合不同层级需要的多维度、立体化的数据信息，以实现财务信息化向信息数据化转型。

二是树立处理自动化理念。利用大数据技术，自动处理各项财会业务的制度设计、流程再造、系统处理，强化制约内控，简化操作环节，优化业务流程。

三是树立技术安全化理念。利用活体识别、人脸识别和语音识别等技术，实时采集对比客户影像、语音，完成活体校验流程。借助OCR 技术（光学字符识别）完成客户证件校验对比，同步调用公安网网纹系统对比人脸照片，最大程度降低身份识别风险。

（二）模型加工层

模型加工层主要是从大数据分析入手，建立完整的预测评估模型和分析评价模型，对数据进行预测、监测和诊断，实现财务与管理充分融合。一是利用分析评价模型，全面监测各项财务事件，加工处理各类工作信息，发现匹配各维度管理问题，生成诊断分析报告。二是借助预测评估模型，对未来财务风险做出相对前瞻性的预测，提升财务管理的预判能力，从而实现数据的增值创效目标。

（三）智能决策层

智能决策层是基于各项财会规章制度和内外部监管要求，利用人工智能、机器学习等技术对财务事件进行分析，使业务数据和经济数据成为“智能决策者”的脑细胞，自助智能地形成辅助决策方案。作为商业银行的财务决策人员，在该层级的重点工作是对决策制度的管理，即只对目标函数、边界条件、人工智能算法、经验案例等进行管理，而不是直接参与财务事件的决策。

（四）高阶管理层

高阶管理层是人工参与最多的层级，其主要任务是解决处理智能决策层未能解决的问题，以及对有异议的辅助决策方案进行人工复议。高阶管理层不能单纯强调提高财务收益等硬性指标，更需注重一些“软结果”，例如客户满意度、业务处理流程和管理制度体系等。

一是以金融产品为中心。金融科技的应用导致渠道电子化、客户普惠化和产品差异化，以及银行业务经营及管理模式的变化，促使财会管理重心由“分支机构”向“金融产品”转变。财会管理要以金融产品为中心，充分发挥预算、核算、考核及资源配置等职能。

二是以精准营销为目标。随着互联网信息技术的迅猛发展，大数据包含了各类群体信息，成为极有价值的资产。商业银行可通过大数据技术，对客户特征、价值和需求进行精准细分，轻松勾勒出客户画像，再利用AI 技术精准预测和精准把握金融服务需求，通过掌上银行APP、微信平台等渠道实时推送个性化营销服务方案。

三、商业银行财务分层决策模型的场景应用

以业务经营用房购置事项为例，传统处理流程如下：一是从购置价格、房屋结构、周边环境、区域规划和产权问题等方面进行现场踏勘。二是在网管会审查内容的基础上，财审会办公室重点从项目准入、尽职调查、项目投资、风险控制和原房产利用或处置方案五个方面进行严格审查，提出初审意见。三是提交财务审查委员会，审议通过后方可实施。四是相关负责部门做好工程进度监督工作，确保按时完工。五是按照项目立项时的经营效益目标做好后评价工作。

通过财务分层决策模型，逐步减少人工处理环节，提升系统自动处理效率，使数据采集和分析评价更加科学。

（一）数据自动采集，使决策有据可循

一是从财务数据到业务数据的拓展。关于经营数据，系统自动在不同模块中提取网点近三年业务数据和财务数据，取代了手工统计环节。二是从内部数据到外部数据的拓展。关于购置价格，信息技术的应用使商业银行迅速从房屋中介公司或房地产公司获取房屋公允价值，省去了现场调查环节。三是从结构化数据到非结构化数据的拓展。关于资料审核，例如发票要素、合同要素等数据均以非结构化的形态展示，通过影像识别、自然语义识别等技术将非结构化数据进行结构化，提高了风险管控质量。

（二）方案智能优选，使决策科学有效

基于前期数据采集确定的有价值数据，搭建大数据分析模型，通过项目预测、诊断、分析直接生成经营用房购置可行性分析报告，然后由决策者通过APP 实时优化调整方案，再反馈回系统模型直接输出优化后的控制参数，实现精准控制优化。

（三）项目实时跟踪，使决策校准改进

一是SMART 原则。在财务事项实施的过程中，通过跟踪评价项目经营收益目标的明确性、衡量性、可接受性、实际性和时限性，在不断完善决策的过程中提升管控能力和创效能力。二是PDCA 循环原则。对财务事项的预测计划、实施监测、分析评价进行不断循环改进，并确定新目标，指引新项目，制定新计划。

面对势不可挡的金融科技发展浪潮，“用数据推动转型发展”已成为商业银行的共识。金融与科技的融合在改变银行传统经营管理模式的同时，打破了固有的财务会计职能边界，会计信息系统从核算型发展为决策型已成为必然趋势。财务信息化建设，以技术为手段、以管理会计为工具、以风险防控为底线，结合内部数据与外部数据，综合核算数据与业务数据，融合结构化数据与非结构化数据，大幅提升财务决策的精准性和针对性，有效提高财务管理工作整体水平，促进商业银行可持续发展。