财务共享模式下基于数据中台的数据治理动机及路径研究

刘根霞（教授）

（河南工程学院会计学院 河南郑州 451191）

一、引言

近年来，移动互联网、大数据、云计算、物联网、人工智能、区块链等信息技术的深入发展和广泛应用，促进了数字技术与人们生活工作场景的深度融合，而这种融合反过来推动了数字化转型和数字经济发展。数字化转型能提高全球要素资源配置效率，重塑全球经济结构，重构全球竞争格局，推动生产生活方式和治理方式的深刻变革，是产业新业态、新生态及新商业模式的关键力量。数据作为数字经济的核心生产要素，对提高生产效率的乘数作用日益凸现，但同时存在着数据产权、数据安全和隐私保护等日益突出的问题，如何通过数据治理、数据挖掘来实现全方位、全链条降本增效和高质量发展，进而形成市场创新新动能，是数字经济发展的关键问题。

财务作为企业天然的数据中心，财务数字化转型适合作为企业数字化转型的着手点和突破口。国资委发布的《关于中央企业加快建设世界一流财务管理体系的指导意见》中建议企业积极探索依托财务共享实现财务数字化转型的有效途径，创新共享模式、流程与技术。目前我国多数大中型企业通过财务共享服务模式进一步重构财务组织，优化业务流程，加强财务管控，统一会计核算标准，释放了核算资源，通过连接和协同内外部数据，提升了财务数据质量和财务运营效率，一定程度上达到了数据集中和数据治理的效果，但是由于组织变革不到位、流程再造不彻底、员工数据挖掘与分析能力不强、业财融合程度不够、数据质量不高等原因，数据应用一度陷入困境。

2022年7月30日，上海国家会计学院等机构发布了2022年影响中国会计人员的十大信息技术，中台技术（数据、业务、财务中台等）作为十大信息技术之一，其通过业财深度融合打破系统间的信息壁垒，通过数据汇聚与治理，挖掘数据价值形成数据资产，把数据资产应用于经营管理，实现数据资产价值变现。把中台思想与财务共享服务相结合是财务数字化转型的新型手段，利用中台技术，将业务资料转化为数据生产力，实现数据赋能业务，对于解决数据应用困境具有重要意义。

二、财务共享模式下数据应用的困境

企业在生产经营过程中产生大量数据，沉淀在财务共享中心的财务数据是其重要组成部分。由于企业数据管理意识不强，存在数出多门、标准不一、碎片化存储、业务与财务系统割裂等问题，导致包括财务数据在内的大量数据在应用过程中存在三大痛点。

（一）数据分散，碎片化存储——有数不能用、不会用

企业在财务共享建设过程中往往更重视流程需求，容易忽视数据之间的关系。在科层制组织管理体系下，不同部门在同一个经济活动中从各自的角度理解和定义数据，按照流程、专业和应用分类的数据分散于不同部门，以碎片化形式存储在不同系统中，不仅物理形式上分散，逻辑上也缺乏应有的可比性，容易形成信息孤岛，进而割裂企业集团内部的信息沟通机制，导致财务数据与其他数据之间相关性缺失，融合困难，从而降低了企业数据的整体价值，即出现“有数不能用、不会用”的现象。

（二）数出多门，缺少统一标准，数据质量不高——有数不好用

企业经营管理产生的数据类型多样，既有结构化数据，也有半结构化、非结构化数据。财务共享服务中心采集的主要是结构化财务数据，这些数据仅占企业可利用数据的“冰山一角”，大量来自于企业内外部的多类型异构数据无法通过财务共享服务中心来汇聚和处理。由于缺乏统一标准，不同部门、不同系统对数据项属性定义不统一，存在着同一数据项在不同系统中的类型和长度要求不一致等问题，造成数出多门各不相同，数据质量不高，难以为管理决策服务，即出现“有数不好用”的现象。

（三）缺少安全管理机制，数据安全无法得到保障——有数不善用

企业经营管理中存在一些机密关键数据或敏感数据，财务共享模式下，如果没有明确数据安全责任部门，未设置数据安全相关岗位，缺乏完善的分类分级管理、访问与控制权限管理、安全合规评估、全生命周期管理、安全应急响应管理等数据安全管理制度，当发生数据泄露、信息被篡改等数据安全事故时，会出现数据生产、运营、管理人员权责不清晰、安全事故无法追责、数据难使用等问题，即出现“有数不善用”的现象。

三、财务共享模式下数据治理的动机

随着“数据即资产”理念得到广泛认同，加强数据治理、提升数据质量被提到前所未有的高度，但并不是所有沉淀在财务共享服务中心的数据都有价值，数据价值与数据质量有关，不同的企业开展数据治理的动机不同，大体包括：

（一）实现“一数一源，一源多用”

由于企业不同信息系统间集成度往往不高，各业务及财务数据分散在不同信息系统中，同一数据项从不同系统采集到的数值不一致的情况时有发生。数据多源不仅增加其采集、报送、储存成本，而且反复收集数据造成资源浪费和数据冗余。同时，由于数据责任主体不明确，数据的安全性、完整性、一致性、准确性也无法保证，不完整、不准确的数据无法真实反映企业生产经营情况和财务成果，也无法支撑企业经营管理和决策，数据的资产属性无法发挥。财务共享模式下要真正发挥数据的作用，必须开展数据治理，通过制定完善的数据管理制度，明确数据各责任主体的责权利，严格执行数据标准，建立数据共享机制，做到“一数一源，一源多用”，提升数据利用效率和应用水平，切实实现数据向业务赋能。

（二）实现数据管理风险可控

随着数据价值越来越大，数据管理风险问题越发严峻。“大智移云区”等信息技术在企业财务共享中心数字化中的广泛应用，使网络架构设计更加高速灵活开放，虚拟网络设备、虚拟网络存储管理难度增大，从而造成数据管理更不可控，容易遭受更多的黑客攻击、恶意代码感染或数据窃取与篡改等信息安全风险，数据造假、数据滥用、敏感数据被泄露等道德风险贯穿于数据生命周期，数据存在不完整、不准确等质量低下风险。因此，企业有意愿通过数据治理，构建完善的数据治理组织体系和管理制度体系，从组织和制度上防范风险的发生；建立数据治理文化，开展数据伦理道德风险评估；加强数据监管，严格数据管理制度、标准与流程的执行，使得数据风险在可控范围之内，从而保障企业营运合规。

（三）实现数据价值创造

2020年4月国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，首次明确指出数据是一种生产要素，提出要加快培育数据要素市场，让数据成为企业创新发展的原动力。如果把数据比喻成水，有效数据则是为人体提供源动力的饮用水，无效数据就好比污水，会给人体健康带来伤害，甚至危及生命。企业数据源自于生产经营各项业务活动，通过扫码、智能感知、OCR识别等信息或数字化技术采集技术实现了业务数据化。如何从沉淀在不同业务系统、财务共享服务中心的数据中挖掘有用数据，让数据赋能业务，答案是开展数据治理。通过开展数据治理，企业可以把采集到的内外部数据进行标准化、规范化处理，经过清洗、建模等流程，剔除掉无效的噪音数据，按照业务场景需要形成相应的数据资产包，实现数据资产化。在开展预算管理、绩效管理、成本管理、销售预测等业务处理时，企业借助资产化的数据，做出科学合理的经营管理决策，从而降低成本、提升经营业绩、扩大企业影响力、形成企业核心竞争力，真正实现数据驱动业务、辅助经营、支持管理、支撑决策。

四、财务共享、数据中台对数据治理的影响

（一）财务共享对数据治理的影响

数字经济时代，财务共享服务在推动企业数字化转型时，不仅提升财务业务流程效率，还通过对会计政策、会计科目、业务流程等的标准化处理，提升数据价值，达到对财务数据治理的目的，并基于此为财务数字化转型搭建了数据基础、技术基础、组织基础以及服务基础。

随着中台战略思想的兴起，数据中台作为企业实现数字化转型的新型手段，通过在前、后台之间搭建“数据立交桥”，可以此来实现业务核心基础能力沉淀、可持续能力迭代、提升用户需求市场响应速度等。财务共享服务中心建设之初通过将各分子公司、分支结构的简单重复业务集中起来处理，实现核算标准的统一和处理效率的提升。随着企业外部经营环境不确定性增加、内部经营环境日趋复杂，经营管理对经营决策所需数据及时性、多样性、多维化要求增高，简单的财务共享服务中心无法快速支持业务前端对信息的广泛需求，因此应构建基于中台架构与理念的财务共享服务中心（其架构如图1所示），利用中台架构对数据进行集成及标准化、规范化处理，形成数据资产，提升财务共享对管理决策的服务支撑能力。基于中台架构的财务共享服务中心包括数据源、财务中台、业务前台三层。

图1 基于中台架构的财务共享服务

底层是数据源层，通过销售管理系统、采购管理系统、存货管理系统、固定资产管理系统、生产管理系统和人力资源管理系统等业务系统采集、集成企业内外部业财数据。

中间层是财务中台，包括财务业务中台和财务数据中台。会计核算服务、资金管理服务、管理报表服务、费用报销服务、税务管理服务、电子影像管理等通用、普适的核心财务核算能力沉淀在财务业务中台，实现集团企业不同业务单元财务服务能力的复用和共享。财务数据中台把沉淀在财务共服务中心的业财数据进行加工，开展主数据管理、元数据管理、数据模型管理、数据安全管理等数据治理工作，提升业财数据质量，形成各类数据产品，服务于业务前台。

业务前台是财务职能在业务部门的延伸，包括预算管理、绩效管理等，利用财务中台形成的数据产品或服务，通过实施预算管理、绩效管理、投资决策、成本管理等管理会计工具，快速相应业务需求，赋能业务发展。

随着“智能+平台+生态”的发展，财务共享服务中心由企业内部业务集成，逐步转向基于价值链、生态圈的企业内外部资源整合与优化，这也成为数据中台的技术基础以及计算能力、存储能力的来源。财务中台中的数据治理介于数据体系和数据应用之间，起着承上启下的作用，有助于解决共享服务中心在数据应用和管理上的缺陷；构建完整的数据治理框架成为财务共享服务中心转变为大共享中心并向数据中台转变的关键一步。

总之，财务共享服务模式为企业数据治理提供长效保障机制，通过数据治理，打破系统间信息壁垒，业财实现真正融合，建立起统一的业财数据地图，提高了财务管控能力和工作效率，推动管理创新。

（二）数据中台对数据治理的影响

VUCA时代商业模式不断创新，市场需求快速变化，业务边界日趋模糊，企业经营管理对数据质量和数据治理能力提出更高的要求。传统数据治理方式已经无法满足需求，需要建立企业级数据共享与能力复用平台（即数据中台），多终端采集全业务、多类型的数据，通过集成及标准化、规范化处理，去中心化和服务场景的数据治理方式，消除企业信息管理中的数据孤岛问题，提高数据完整性、一致性、有用性，有效发挥数据治理对前台业务的支撑作用，助力企业实现业务数据化、数据资产化、资产价值化。

去中心化的数据治理理念就是践行“数据源于业务、用于业务”，即构建基于数据中台从数据生产到消费、消费后产生的数据再回流到生产流程，实现“业务数据化→数据资产化→资产服务化→服务业务化”的闭环过程。

场景是一个产品或者应用被用户使用时所处的最可能的环境，数字经济时代，对于许多数字化应用需要考虑其使用场景，数据治理作为一种数据应用服务，数据中台是其服务场景化分析得以开展的前提条件，通过数据管理和数据服务模式，来实现数据治理服务于业务场景的目的，为场景化数据分析带来强大的生命力。

五、财务共享模式下基于数据中台的数据治理路径分析

根据上述企业数据治理动机以及财务共享、数据中台对数据治理影响的分析，考虑到数据治理需遵循的原则，本文构建了企业财务共享模式下基于数据中台的数据治理体系，并提出一般企业的数据治理路径。

（一）财务共享模式下基于数据中台的数据治理体系

数据治理是一项涉及到管理、技术等多个领域的复杂系统工程，企业实施数据治理，构建较为完整的数据治理体系是关键。构建基于数据中台的数据治理体系时，应遵循战略一致、风险可控、运营合规、绩效提升的基本原则，帮助企业确定数据治理的范围，制定可执行的实施和评估方法，以实现企业成本、收益、风险三者的最优化控制目标，并做到持续迭代和优化。数据中台的数据治理体系如下页图2所示。企业内外部大量多类型的数据通过数据实时或离线采集，汇聚数据中台，依据数据标准，构建数据模型，制定数据安全管理规则，开展元数据、主数据、业务数据等数据管理和数据安全管理，根据统一的数据模型和数据授权访问，形成相应的数据资产，提供给业务场景使用，实现数据驱动业务，赋能管理。

图2 财务共享模式下基于数据中台的数据治理体系

（二）财务共享模式下基于数据中台的数据治理路径分析

数字经济时代，有效数据正在成为企业业务差异的一个关键影响因素，数据治理有助于企业以决策相关成本和风险最小化来获得有效数据，增强企业灵活性。数据中台为数据治理提供平台环境支持，数据治理介于数据开发和数据应用之间，基于数据中台开展数据治理的一般路径如图3所示。

图3 基于数据中台的数据治理路径

1.理需求、绘蓝图——制定数据战略，开展数据治理成熟度评估，找准数据治理切入点。制定数据战略是开展数据治理的首要工作，企业根据业务发展战略与IT战略来制定企业的数据战略，保持战略的一致性。数据战略明确了企业数据治理的愿景、目标、原则等。以科学的数据战略指导数据治理工作，循序渐进，持续优化，最终达到经营合规、风险可控、价值创造的目标。然后，通过资料查阅、调研访谈、调查问卷等方式，对企业的数据治理现状、组织架构、制度流程、数据质量等进行现状调研，构建数据治理评估指标体系，从数据风险与合规性管理、数据安全与隐私、数据架构完整性、全生命周期管理、数据质量、数据目录与元数据管理、价值创造等维度进行数据治理成熟度评估，形成数据治理成熟度仪表盘，找出当前企业数据管理和数据建设中存在的问题与不足，确定数据治理内容、范围以及切入点。最后，结合企业实际情况决定是选择“打好数据底座，建设数据资产”模式，还是选择“典型场景，做数据治理试点”模式，有针对性地展开数据治理步骤。

2.定职责、建体系——设计数据管理体系，建立完善数据治理保障机制。数据管理控制体系是一套以数据治理相关组织和人员为核心，包括数据治理组织、制度、流程、考核等各个方面的执行保障机制，是企业开展数据治理的重要基础性保障和基石。一般来说，企业数据管理体系包括数据治理的组织架构、管理流程、管理制度等要素。

（1）数据治理组织架构。数据治理工作涉及企业各部门的业务和资源，需要各部门通力协作才能有效实施，构建有效的数据治理组织架构是企业数据治理能够成功的有效保障，需要充分考虑企业内部IT系统、数据资源、人力资源以及业务应用现状，形成自上而下完整的组织体系。企业的数据治理组织架构一般包括决策层、管理层、执行层和监督层。数据治理委员会属于决策层，一般由董事会及数据治理专家组成，有权决策企业数据治理相关重要事项。数据治理小组属于管理层，由归口管理部门和各业务部门的数据治理负责人组成，负责组织开展数据治理日常工作。数据治理执行层由归口管理部门下属治理团队成员和专业分支机构中具体负责数据治理工作的人员组成，主要执行具体的数据治理措施。数据治理监督层通常由企业监事会、内部审计、法务等部门相关人员组成，监督数据治理是否按照企业数据战略科学开展。

根据企业数据管理力度、范围、标准化程度不同，数据治理组织模式通常分为分散模式、归口模式、半集中模式和全集中模式四种。分散模式，也叫离散模式，通常是企业集团各业务条线或事业部中的数据管理人员按照其制定的数据治理相关政策和标准分别开展数据治理工作，这种模式下数据治理相关人员主要为本业务条线或部门人员，熟悉相应的制度流程、业务流程、控制要点、考核要求等，数据治理无须对组织架构做大的改变，因此容易推动，但同时存在着业务条线中数据治理技术性强的管理工作不容易实现、不同业务条线数据治理不协同的缺点。归口模式主要是确定企业数据治理牵头部门（归口部门），由牵头部门（通常是科技部门）负责数据架构、共享机制设计与管理、元数据管理、主数据管理、数据安全管理等数据治理中技术性强的各项工作，新的技术方法和数据管理思想容易实施，但该模式下数据治理人员对于业务部门的数据应用场景理解不深入，可能无法满足业务需求，且组织架构需要调整，推动力不强。集中模式是企业通过数据治理委员会、数据治理办公室、各业务条线数据治理执行团队形式建立自上向下的数据治理组织，这种建立企业级数据治理组织模式，有利于协调不同业务条线或部门之间数据治理冲突，增强数据治理执行力，但对原有组织架构影响较大。半集中模式介于分散模式和集中模式之间，企业建立数据治理组织，有利于各业务条线或跨部门的数据治理的协同性和一致性，各业务条线或部门设数据管理岗负责本条线或部门的数据治理，增强了数据治理的灵活性，但由于数据治理机构层级多，关系协调事务繁重，企业数据治理时无论采用哪一种组织模式，团队中都要包含决策、管理、执行等成员，并且各层级岗位职责分工明确，这样方能确保数据治理工作有序开展。

（2）数据管理制度。数据管理制度是保障企业组织架构正常运转以及数据治理工作有据、可控、可行的前提，包括：数据政策、管理制度、实施细则以及操作执行手册四个梯次，制度体系各层级制度的级别、制定者、内容见表1。数据管理制度与企业准备开展的数据治理实际工作密切相关，需要结合企业组织和业务特点按照职能域制定，通常包括：数据标准管理办法、数据质量管理办法、元数据管理办法、主数据管理办法以及数据安全管理办法、数据生命周期管理办法等。

表1 数据管理制度体系

（3）数据治理管理流程。数据治理的核心目标就是将数据变成数据资产，实现价值创造。数据治理在各阶段、各环节要求业务办理人员均应遵循相应的治理流程，做到任务衔接与协调、治理控制与监督相关要求。数据治理管理流程包括标准与规则的制定，问题的发现，数据的清洗、查询、修改、分析，数据建模、授权与颁布等，归纳起来，企业数据治理工作包括定义、发现、实施、衡量与检测四大核心流程，这四大核心流程可重复执行，形成一个数据治理闭环流程体系。不同企业数据治理时由于职能域、数据范围、业务领域不同，存在着不同的数据治理场景，四个环节如果有哪个环节缺失，则会影响数据治理的预期效果，但通常情况下定义、发现环节可迭代并行。

3.定标准——设计数据标准体系，制定或完善数据治理标准规则。数据标准是保障数据在内外部使用与交换时一致性和准确性的规范性约束。主数据是数据标准落地的关键载体，也是企业开展全面数据治理的核心基础。进行数据标准体系设计，主要是对主数据从业务管控、历史业务数据、行业标杆企业的经验、业务支持四个角度进行标准体系设计，其核心目的是通过统一数据标准的制定和发布，结合制度约束、系统控制等措施，来实现企业数据的规范性、完整性、唯一性、有效性、一致性和共享性。

一般来讲，主数据标准体系包括主数据业务标准（编码规则、分类规则、描述规则）和主数据模型标准（主数据逻辑模型、主数据物理模型），并衍生出一套代码体系表（也叫主数据资产目录）。在数据治理实务中，有企业把数据标准体系分为技术标准、数据标准、应用标准、信息化标准管理规范和信息化标准管理系统等五部分。

4.定位置——数据分布设计。数据分布是数据在业务流程和IT系统中流动的全景视图。通过数据分布设计，可以理清企业数据的来龙去脉，明确数据在系统中的位置及其应用，确定系统中数据间的关联关系，从而识别数据源中的关键数据和敏感数据，发现关键数据在不同数据源之间的重叠情况、血缘关系以及转换逻辑，进而找出不同数据源之间数据的不一致性或异常，为后续有针对性地开展数据治理工作打下基础。

5.搭平台——数据整合设计。在确定了数据位置及走向之后，企业要搭建几个层面的数据管理平台，进行数据整合，确定主数据集中在哪里，为哪些业务系统所应用、如何来使用。首先搭建集中产品、人员、合同、客户、项目等主数据的主数据管理平台，它是企业数据标准落地实施的载体。通过主数据管理平台发布主数据标准文件，企业可以有效实施主数据全生命周期管理、数据服务等。然后搭建核心业务支持平台，通过业务主题中的数据文件、数据间的逻辑关系等来支持业务系统场景化应用。最后，在业务数据层之上构建决策支持平台，利用主数据层、业务数据层的数据进行指标分析和辅助决策。通过对多个数据平台数据的结构化集成，形成数据整合体系。

6.洗数据——进行数据清洗。在明确企业数据的源头在哪里，数据标准有哪些，确定数据管理机制、数据如何分布以及如何整合之后，就要对采集到的历史数据进行清洗。数据清洗就是按照一定的清洗规则对零散、重复、缺失、错误、无用的原始数据进行管理性验证，通过数据清洗，去除或补全缺失数据，删除或修改格式内容错误数据，去除无用数据等，实现数据的唯一性、完整性、准确性、一致性以及有效性。只有经过清洗的数据才能形成数据资产，为预算管理、绩效管理、成本管理、客户管理、财务分析、经营分析等经营决策业务提供场景化的应用支持。

7.接服务，促应用。“业务数字化→数据资产化→资产服务化→服务业务化”是基于数据中台开展数据治理的基本逻辑。通过数据采集进入系统的各类数据，经过清洗、建模之后，其完整性、一致性、有效性、共享性等得到保障，数据质量得到提升，形成各种业务主题数据文件，即数据资产；将主题数据应用于业务系统，如根据销售主题数据和客户主题数据进行营销预测、客户画像，根据财务数据和投资数据进行投资预测等，进而实现数据资产服务化；然后用数据服务指导业务，实现服务业务化，如此实现数据治理体系持续改进优化。

六、结论

当前正处于第四次工业革命时期，数据的战略资源属性日益显现，企业的数据状态、数据管理水平与数据需求不相匹配，经营管理中的数据痛点难点问题也愈发突出，开展数据治理必要而且迫切。国内企业数据治理成功案例表明企业开展数据治理是有路线可循的。企业要想成功实施数据治理，应遵循治理一般路径，围绕公司发展战略和业务需求，准确定位数据治理问题，建立完整的数据治理管理体系和保障机制，确立各类数据标准和数据治理流程，搭建数据治理平台。

企业在开展数据治理时，应结合宏观经济环境、行业发展及企业自身的情况，确定数据战略与数据治理目标，并搭建数据治理组织体系，建立较完善的数据治理保障机制，包括组织、制度、流程等。《关于中央企业加快建设世界一流财务管理体系的指导意见》提出以数字技术与财务管理深度融合为抓手，以财务数字化转型为突破点，以“规范、精益、集约、稳健、高效、智慧”为标准，注重效率与质量，突出财务战略支撑、决策支持、业务服务、价值创造、风险防控等职能，来提升企业财务管理能力，构建世界一流财务管理体系，而构建基于数据中台的数据治理体系，是实现数据赋能、价值创造的财务基础。

数据中台作为连接前台和后台的数据桥梁，是企业数据资产管理和服务的中枢，在数据治理、财务数字化转型以及构建世界一流财务管理体系中发挥着重要作用，因此，要搭建数据治理平台或数据中台，应用专门工具和方法论，选择合适的实施路径，开展主数据管理、元数据管理、数据质量管理、数据安全管理等，进而提升数据质量，服务经营决策，实现数据驱动发展。