基于智能技术的管理会计理论探索与实践创新及示例分析

原磊磊 张梦晨

（中国林学会 北京 100091）

一、引言

随着“大智移云物区”等新兴数字技术的快速发展和推广应用，企业数字化转型不断加速。财务数智化作为企业数字化转型的先行者，也在有序推动，稳步迈进。同时，学术界也涌现出大量关于财务智能化、财务数字化转型、智能财务的研究和讨论。国内现有研究主要聚焦于智能技术创新和应用场景落地、财务智能化对财务组织、财务人员和会计教学的影响分析，以及智能化背景下的财务管理模式变革和管理活动创新等领域（张庆龙，2021；Hasan，2022），但还存在一定的不足，如整体重财务会计轻管理会计，理论研究与实践应用脱节，研究所涉及的技术或专于某一特定技术细分领域、或已过时有待更新（刘梅玲等，2020；Bromwich和Scapens，2016；Prasad 和Green，2015）。Bromwich 和Scapens（2016）认为，过去三十年间，管理会计研究逐渐充实，理论分析趋于丰富，当前的重要问题在于，管理会计信息主要面向内部使用者，企业没有对外披露信息义务，实证研究相对较少，并且大多数管理会计研究对会计实践的影响相对有限，未来需要拉近管理会计研究与管理会计实践的距离，提高理论研究的实用价值。此外，Knudsen（2020）认为，数字技术迭代快速，其在财务领域的应用也会随之更新，需要开展更多的研究追踪在财务领域应用数字科技的最新动态。Stancheva-Todorova（2018）强调，需要开展更多的跨学科研究来弥合商业和会计领域与计算机科学和人工智能技术领域之间以及会计实践与会计教学之间存在的数字鸿沟。

鉴于此，本文侧重于管理会计智能化领域，兼顾理论分析和实践应用。在研究方法上，本文通过回顾全球和国内顶级期刊的相关文献，追踪国内外行业巨头的最新管理会计实践，具体分析了人工智能（AI）、云计算（Cloud Computing）、大数据（BD）、区块链（Blockchain）四类智能技术在管理会计领域的创新性构思和实践的部分示例，为进一步推动我国管理会计智能化理论探索和实践创新提供借鉴。需要强调的是，因文献检索并非基于全数据库检索、未开展实证研究等原因，本文也存在一定的局限性。

二、管理会计功能和工具方法的演进

国际会计师联合会（IFAC）对管理会计概念的界定已经过数次修订，管理会计最初主要包括成本会计和财务控制，之后陆续引入了管理计划和管理控制信息系统、优化资源利用与降本控费、价值管理等功能（Abdel-Kader 和Luther，2006）。同时，管理会计研究的理论基础也趋于多元化，包括社会学理论和批判理论、经济学理论、管理控制系统、权变理论、心理学理论和社会心理学理论、社会网络理论等（Bromwich和Scapens，2016）。

2013年6月，英国皇家特许管理会计师公会（CIMA）和美国注册会计师协会（AICPA）全球两大会计职业组织联合推出了全球特许管理会计师（CGMA）计划，并发布了《管理会计师的基本工具：支持企业取得可持续成功的工具和技术》（Essential Tools for Management Accountants：The Tools and Techniques to Support Sustainable Business Success），总结并阐明了公司治理与风险管理、战略规划与执行、绩效管理与考核、计划和预测、产品和服务交付、价值识别六类基础性管理会计工具。如下页表1所示。

表1 CIMA管理会计基本工具

2016 年，财政部印发《管理会计基本指引》，指出管理会计旨在通过运用特定的管理会计工具和方法，参与单位规划、决策、控制、评价活动并为之提供有用信息，最终推动实现企业战略目标。管理会计遵循战略导向、融合性、适应性和成本效益性原则，具有解析过去、控制现在和谋划未来的特点。管理会计工具方法具有开放性，随着实践发展不断丰富完善。2017 年起，财政部陆续发布了战略管理、预算管理、成本管理、营运管理、投融资管理、绩效管理、风险管理和其他八类管理会计应用指引。如表2所示。

表2 财政部管理会计应用指引

从中外管理会计制度的演进与创新实践可见，为适应时代发展，管理会计制度规范对管理会计功能和职能进行了重新界定，管理会计工具也不断丰富，从单纯的“控制型导向”拓宽到“价值创造型导向”，管理会计制度从“以工具整合与创新为特征的结算”逐步向“以‘互联网+’和‘全面推进’为特征的阶段”发展，管理会计信息系统也在经营预测、风险预测等未来预测信息的基础上，增加了非财务信息和社会责任信息。然而，冯巧根（2018）认为，我国管理会计应用的分类设置具有开放性特点，体现了政府导向的计划属性与企业自我决定的市场属性的统一。此外，二者对工具的类别划分不完全一致。例如，CIMA 将平衡计分卡划入战略规划与执行，而我国财政部将其划入绩效管理，这体现了管理会计工具的灵活性及其对多管理会计职能的适用性。

三、智能技术及其在管理会计领域的应用

（一）智能技术简述

智能技术是指以“大智移云物区”为代表的新兴数字技术，具有显著的综合性、边缘性和交叉性特征，本文根据“十四五”规划所列分类甄选出在财务领域具有应用潜力的四大数字智能技术——人工智能、云计算、大数据、区块链。就本质而言，上述新兴数字技术是第四次工业革命（IR 4.0）的产物（Reddy 等，2019），是企业数字化转型、智能化转型的技术基础。

其中，人工智能是旨在研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统，包括机器人流程自动化（RPA）、机器学习（ML）、语音识别（ASR）、图像识别（IRT）、文字识别（OCR）、自然语言处理（NLP）、神经网络（ANNs）和专家系统（ES）等。麻省理工学院教授帕特里克·温斯顿（Patrick Winston）认为，人工智能狭义上是指本质上支撑根据思维、感知、行动相关约束条件建模的算法集合。云计算是指通过计算机网络形成的计算能力极强的系统，可存储、集合相关资源并按需配置，向用户提供个性化服务，包括基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产，具有容量大、价值密度低、多样性、高速性、真实性的特点。成熟的大数据技术包括数据挖掘、预测分析、数据可视化、数据校验、数据规约等。区块链技术是利用块链式数据结构验证与存储数据，利用分布式节点共识算法生成和更新数据，利用密码学的方式保证数据传输和访问的安全，利用由自动化脚本代码组成的智能合约编程和操作数据的全新的分布式基础架构与计算范式，具有去中心化、开放性、独立性、安全性和匿名性特点。需要注意的是，本文聚焦智能技术应用，对各类技术仅作简要介绍，其具体的专业术语界定不做赘述。

（二）智能技术在管理会计领域的应用逻辑及潜在问题

根据信息经济学理论，管理会计为企业决策信息系统服务。计算机相关新兴信息技术在财务领域的应用主要体现为对决策支持系统和专家系统的支持。通过决策支持系统（DSS）与人工智能等新兴技术的有效结合，有助于及时收集、汇总分析和报告全面、准确、相关的财务和非财务信息，支撑企业群体决策支持系统（GDSS）和智能决策支持系统（IDSS），最终提高企业整体的决策能力、决策水平和决策质量。数智化转型的结果是，智能会计系统推动财务会计与管理会计的融合，推进业财深度融合和财务业务一体化（SAP），强化了财务的预测和决策职能，拓展了财务的内涵和外延，财务趋于泛化、虚拟化。在此背景下，基于数据驱动的财务决策将为企业经营提供创新性视野（Reddy 等，2019），财务决策信息也不再局限于财务信息，而是包括企业内外部非财务信息。

数字技术的应用将直接影响企业如何获取信息、如何传递信息、如何利用信息。Schneider 等（2015）认为，数字技术从根本上改变了会计业务流程，特别是影响决策的推断、预测和保证类业务，大量研究聚焦于数字技术应用于财务领域将如何影响会计人员在使用会计方法和工具时如何获取信息，如何解读，如何报告。Knudsen（2020）强调，数字技术的应用将对管理会计技术和工具的使用产生影响。例如，云计算服务（CCS）为企业提供了便捷、可及的网络访问，支持多终端接入模式，企业按需使用，计量付费，灵活自主。财务云是云计算、大数据等数字技术与财务共享服务中心协同整合的产物，意在实现企业财务、银行、税务等平台之间的互联互通，国内使用最为广泛的财务云服务包括中兴新云、金蝶财务云、用友财务云等。孙彦丛（2022）认为，财务云沉淀了企业内外部结构化、非结构化的海量数据，借助模型与算法将获取到的数据转化成信息、沉淀为知识、凝结成智慧，为业务财务、战略财务和经营单位提供数据服务，为管理层提供经营决策支持。又如，Stancheva-Todorova（2018）认为，通过应用深度学习模型，可以显著对非结构化数据的分析，这些数据信息包括邮件、合同、图表、视频等。容量大、信息多样化的大数据集为企业经营提供了新视野，有助于强化决策和战略制定。又如，大数据技术应用于数据收集、数据分析和数据评估，财务人员可以将更多精力放在基于数据的战略决策上。2013 年特许公认会计师公会（ACCA）和美国管理会计师协会（IMA）联合发布更新的报告《大数据：其利其弊》（Big Data：Its Power and Perils）指出，基于大数据技术的交互式数据发掘和整合工具可以收集多渠道信息，提供财务分析可视化信息共享服务，为企业决策提供更有效的支撑。有代表性的管理会计数字化解决方案包括Tableau 的差旅费用监测、渠道填塞（channel stuffing）识别、现金流深度分析服务；QlikView 的费用管理、财务预测、预算分配优化、收入和盈利管理、风险和合规性审查服务等。

然而，需要强调的是，智能技术在管理会计领域的应用存在诸多问题。其中，首要问题是人们对管理决策“机器代人”的顾虑。Quattrone（2016）认为，数字化分析工具的应用可能会阻碍会计对话，进而影响企业内部报告效果，因为信息不等同于知识。管理会计的数字化变革对决策制定的助益有待继续研究，目前的情况是，数字驱动的信息和决策与完美信息和绝对理性决策差距尚远。需要清醒地认识到，人类的智慧才是财务决策的核心。Al-Htaybat 和von Alberti-Alhtaybat（2017）同样认为，“数据是原油”，需要经过提纯、结构化和加工后才有用，实践中财务人员需要更新并掌握相关技能才能高效地使用数据分析工具，支持企业决策。另外，相关理论研究的可靠性和技术应用的有效性也需进一步检验。例如，大量的研究强调了机器学习在发现公司欺诈方面的有用性，Bao 等（2020）构建了基于集成学习（Ensemble Learning）的欺诈预测模型，经检验优于两项基准模型——逻辑回归模型和支持向量机模型。集成学习是机器学习最强有力的工具之一，可用于分类问题集成、回归问题集成、特征选取集成、异常点检测集成等。然而，Walker（2020）对该模型进行了检验，并提出多数基于机器学习的反欺诈模型预测价值并不理想，这也导致实践中决策者对模型的适用性持怀疑和审慎态度。又如，Arnaboldi等（2017）认为，大数据的应用以演绎思维为基础，所运用的变量和模型必须具备自洽性，不少会计人员认为海量数据更多带来的是信息冗余造成的负担。

（三）管理会计与财务会计数智化转型实践及差异分析

目前，国内外智能财务方案提供商为企业提供了多场景、全方位的智能财务服务，包括国内的用友财务云、金蝶精斗云、金蝶账无忧等，以及国外的SAP FI/CO/Concur、JD Edwards、Epicor 等。然而，整体而言，财务领域的人工智能应用主要还是停留在为会计提供智能化解决方案的“弱人工智能”阶段，主要包括票据鉴伪、机器视觉技术辅助信息提取、大数据全样本分析辅助审计等（续慧泓等，2021）。

通过仔细分析相关服务商的业务推介资料和相关调查报告可知，相比于财务会计、税务会计，智能技术在管理会计领域的应用稍显滞后。根据上海国家会计学院发布的《2021中国企业财务智能化现状调查报告》，从智能财务系统已上线功能模块看，会计核算（3.69）、费用报销（3.21）、发票管理（3.09）等财务会计模块智能化应用采用程度最高，经营决策支持（2.04）、投融资管理（2.04）、对标管理（1.93）等管理会计模块智能化应用采用程度最低；会计核算（3.13）、费用报销（2.82）和银企互联（2.75）等财务会计模块智能化程度最高，经营决策支持（2.02）、投融资管理（2.02）、对标管理（1.92）等管理会计模块智能化程度最低。2022年3 月，CIMA 针对法国和德国管理会计智能化的一份实证研究报告《从数字化到数字化转型：数字时代法国和德国管理会计师的角色》也显示，在数智化背景下，管理会计可以提供更为个性化、对用户友好和及时的建议。然而，因为企业职能融合不足、资源有限，多数管理会计师并未充分挖掘利用外部数据的潜力，而是更多地依赖内部财务数据。

财务会计和税务会计的智能化应用渐趋成熟，而管理会计智能化转型相对滞后，主要原因包括：一是费用报销、税务申报和税款缴纳、财务报表编报、往来款项对账和核销、银行交易明细查询等多数财务会计工作具有规则明确统一、频次高、重复性强、面向过去、流程数据化、结果可标准化、信息披露具有强制性等特点，可以通过在信息系统嵌入逻辑关系公式等技术手段实现自动化和智能化目标，而管理会计处理的问题多为半结构或非结构化信息，具有个性化、行为化、难以量化、面向未来的特征，非程式化决策智能化难度系数大。二是因为管理会计决策很大程度上依赖于财务会计信息，会计智能化转型整体依照串行组织模式进行。三是审计的数字化转型倒逼企业财务会计数字化转型。“四大”会计师事务所聚焦机器学习和人工智能算法（Kokina和Davenport，2017），大规模投资技术创新，积极推广其机器人流程自动化（RPA）智能审计方案和信息交流平台，包括德勤（Deloitte）基于数字化、动态化、云端化审计服务应用OmniaDNAV和Argus，咨询服务平台，财务分析和咨询服务平台Cortex、Optix、HR Agent Edgy，风险评估助手GRAPA、Signal、DocQMiner 和Eagle Eye，法律和税务工具Sonar等；普华永道（PwC）的人工智能辅助审计机器人GL.ai、Cash.ai、Halo；安永（EY）的审计系统Atlas，审计相关信息交流平台Canvas、Helix、Blockchain Analyzer；毕马威（KPMG）一站式智能审计平台Clara 等，同时推出了税务申报和账务核算等财务外包服务（Ucoglu，2020）。四是随着数字政府建设加速，《中共中央办公厅国务院办公厅关于进一步深化税收征管改革的意见》指出，“全面推进税收征管数字化升级和智能化改造”，倒逼企业加快税务会计数字化转型，以主动应对税务检查、稽查。五是因为管理会计业务相对而言发生频次低，且业务差异大，管理会计信息使用者范围多为内部使用者，信息披露不具有强制性，决策者根据成本效益原则，也可能将智能技术在管理会计领域的应用推延。因此，本文尝试整理智能技术在管理会计领域的部分应用探索，以期为我国财务理论研究和实践提供借鉴。

四、基于智能技术的管理会计理论探索与创新实践示例

（一）嵌入公司治理，数字技术驱动风险管理

在公司治理方面，信息和通讯技术在企业财务及其他领域的深度应用，催生了“IT治理（IT Governance）”的概念，即旨在明确决策权归属和责任担当的框架。通过这种结构安排，平衡信息技术及其应用相关流程的风险收益，确保IT 应用与业务目标一致，最终实现企业价值增值。Wilkin和Chenhall（2010）认为，IT治理重点关注战略一致性、风险管理和资源配置，以及价值交付和绩效管理。国际上通用的IT治理框架和标准包括国际信息系统审计协会（ISACA）的COBIT、VAL IT、Risk IT 等。以财务云的应用为例，Prasad 和Green（2015）认为，云计算服务（CCS）是企业获取和利用IT 技术的重要途径，根据资源基础理论，董事会的协同监督、首席信息官（CIO）的专业能力、财务管理的前瞻性安排、持续性审计是IT 治理的关键，确保IT 技术与企业业务目标的一致性将有助于防控风险，提升企业的整体绩效（Prasad 和Green，2015）。以舞弊识别方面为例，数据挖掘和机器学习因为假设更少，支持非线性决策，应用于舞弊识别方面具有显著优势。赵纳晖和张天洋（2022）认为，针对财务报告管理层讨论与分析（MD&A）章节，应用文本识别技术和深度学习算法，可以更有效地识别企业的财务报告舞弊。又如，德勤推出的一站式区块链平台Rubix 可以实现财务数据的网络同步与实时审计，而区块链技术采用的权益证明机制（PoS）将有效防止数据操控和篡改，进而有效防范舞弊。

在风险管理方面，陈虎和陈健（2022）认为，大数据分析与处理技术有助于企业创建全生命周期、全流程、更加具有预见性的智能风险管控体系，多渠道采集客户产权、资信、涉税信息等，在此基础上建立风险评估模型及算法应用，形成企业风险画像，为企业客户信用评价和应收账款管理提供信息支持。以互联网企业为例，互联网业务平台企业拥有海量用户，每天都有巨大量级的用户事件发生，大数据技术在及时准确发现风险、合理高效处置风险方面崭露头角。如阿里巴巴（Alibaba）针对交易欺诈、红包套现、信息泄露等，基于大数据建立了全链路风险防控体系，利用其强大的“数据+计算+AI 算法”能力，为企业业务保驾护航，其推出的基于大数据技术的风险防控产品“蚁盾”利用RAIN风险模型对各类商家和客户进行信用评分，以实现交易欺诈防控、反洗钱等风险管控目的。又如，财务危机预警经历了“单变量模型——多元线性判定模型——Logistic预警模型”的方法革新，但前提假设和数据样本要求严格，且变量数量受限，容易出现多重共振线等问题。叶焕倬等（2013）构建了基于自适应贝叶斯网络模型（SABNM）的财务预警与诊断模型，利用遗传算法搜索出与样本集合相适应的最优贝叶斯网络，通过正向推理进行危机预警，通过逆向推理进行财务危机原因诊断，并经验证表现出较高的准确性和有用性。自适应贝叶斯网络模型基于贝叶斯理论，不仅兼具传统统计方法和人工神经网络方法的优势，还在一定程度上克服了二者的缺点。又如，目前我国内部控制缺陷评价高度依赖于评价人员的职业素养和专业判断，且评价时间节点靠后，评价周期较长。王海林（2017）构建了基于反向神经网络技术（Back Propagation Network）的内控缺陷识别模型，经检验其总体识别准确率高于90%，可通过缩短识别周期、细化内控缺陷程度等级实现内控风险动态监测和精细化管理。人工神经网络技术模仿人脑神经系统，通过反复模拟训练发掘规律，不断地修正相关权值和偏置值甚至是参数模型本身，最终确保识别准确度满足目标误差率要求。又如，传统的财务欺诈手段的识别方法主要依据财务比率分析和财务报告审计，耗时费力，很大程度上依赖专家的主观判断。Wu等（2022）构建了基于知识图谱（Knowledge Graph）技术的财务欺诈风险分析模型，并经检验模型有效。知识图谱是人工智能的一个分支，可以应用数据挖掘、知识计量等技术提取并分析企业的审计相关信息，通过识别与已知存在财务欺诈的企业之间的异常关联等，分析财务欺诈风险。又如，在风险评估方面，毕马威（KPMG）人工智能平台Ignite在贷款尽职调查和保险领域应用机器学习技术，可以根据企业经营报表和税务材料评估企业信用资质，根据担保物、抵押物和留置权文件评估并控制贷款风险敞口等。又如，宏观经济动荡、资源能源紧缺、政治和社会因素带来的企业外部不确定性愈发突显，有效使用管理会计工具对企业风险管理来说至关重要。《大数据：其利其弊》（Big Data：Its Power and Perils）指出，在此背景下，企业风险控制的重心不再局限于内部控制和合规审查，而是更多地关注外部环境变化。社会媒体等资讯信息是重要的消费者情绪、宏观和社会问题预警系统，然而，海量的外部信息呈碎片化特征，更新快速，单纯依靠人力收集分析，显然不可行。运用大数据技术可以实时追踪监管政策变化和消费意愿，及时获知并评估自然灾害对供应链的风险，都将有效提前研判和有效防范企业外部风险。Duan和Xiong（2015）强调，大数据技术可以提升风险评估模型的预测能力和稳定性。Kumar 等（2022）认为，大数据分析和机器学习可用于收集公众关于可持续发展问题相关舆情信息，有助于挖掘环境、社会和公司治理（ESG）相关风险和机遇，评估企业财务活动的可持续性，最终推动企业践行可持续发展理念。又如，会计数字化转型显著提高了管理流程和控制的自动化水平和透明度，全面实行留痕操作，降低了控制手段被规避的风险，具有更好的一贯性和安全性。然而，孙红梅和雷喻捷（2019）认为，财务数据系统可能面临遭受黑客或商业间谍攻击、未经授权或越权访问、恶意篡改数据、信息系统自身缺陷或漏洞未被及时发现并解决、专业能力不足导致终端操作不当、计算机感染病毒导致系统瘫痪、网络故障等风险。智能财务系统和智能内控系统都面临着新兴技术风险。

在财务人员道德监督和自律方面，随着数字化和财务智能化的不断推进，对财务人员的执业监管愈加严格。例如，针对财务人员失职的信息共享，传统方法是由行业自律组织汇总和报告财务人员的不当行为。我国各级财政部门、证监会等主管部门会通报批评财务人员的违规情况；美国注册会计师协会（AICPA）和美国全国州会计委员会联合会（NASBA）都提供了汇总不当行为的解决方案。然而，Sheldon（2018）认为，这种自上而下的信息汇总方式的固有局限性是收集信息不完整。随着区块链技术的成熟化，未来该技术有望进入主流会计应用程序，实时收集并向行业分享财务从业人员的不当行为，形成全网信息共享，对财务人员形成震慑作用，将有助于防范财务舞弊。

（二）支撑战略管理，强化决策职能

大数据和大数据技术不可避免地改变了会计师的角色，管理会计师与管理者的关系更为紧密，将更多地参与到企业战略管理和管理咨询中（Balios，2021）。同时，数据驱动、技术支撑的企业战略决策依赖于大量的内部和外部、财务和非财务、结构化和非结构化数据。传统实践中，会计人员收集BSC各维度数据，通常以结构化数据为主，如通过问卷调查确认客户满意度，通过五分法将定性数据定量化处理等，然而文字形式的商品评价和客户意见反馈更多需要人工处理。应用大数据技术、自然语言处理和机器学习可以对文本信息进行词性分析和语义处理，用于人工客服文本聚类分析、消费者社区话题检测、消费者需求挖掘、客户情感分析等。闫华红和毕洁（2015）认为，大数据也为企业应用平衡计分卡（BSC）拓宽了数据获取途径，丰富了可用数据的类型，如顾客和学习与成长维度的员工及客户经济行为、消费习惯等数据。Knudsen（2020）认为，大数据技术还有助于实现平衡计分卡等战略管理工具的动态数据可视化。例如，商业智能仪表盘（BIDashboard）适用于多应用场景，不仅可以通过使用图表、仪表盘、地图、状态指示器等方式实现KPIs信息的可视化，还可以通过数据分析聚焦最重要的数据点，帮助业务决策者实时跟踪、分析和报告KPIs及其他指标。目前，商业仪表盘可视化解决方案包括Oracle BIEE、SAP Crystal Dashboard、Microsoft Performance-Point等。

（三）扩充非财务指标，促进绩效实时可视

企业使用关键绩效目标时引入大数据等数字技术，可以结合社交媒体周期访问量、客户转换率等增加新的非财务性指标（Knudsen，2020）。例如，Warren 等（2015）认为，大数据应用于管理控制系统，通过将员工行为与企业目标挂钩，增加新的绩效指标，可以改善企业的成本控制。然而，如果行为监控和信息追踪过度或失当，企业则可能面临伦理和法律问题。Agostino 和Sidorova（2017）针对一家电信公司的研究显示，社交媒体为企业提供了大量的实时数据，基于大数据设置绩效指标，可以增设领域排名、消费者情绪、受众面、参与度和影响力等动因类指标。动因类指标相比于结果类指标具有一定的前驱性。此外，数字技术促进绩效目标的实时计算和推送，通过大数据分析技术化繁为简，通过数据可视化技术呈现，增强了KPIs 的直观性和及时性，进而提升使用关键绩效目标的有效性。Eklund等（2003）认为，自组织（特征）映射（SOM）应用于财务绩效分析和标杆管理，将有助于对大量多维财务数据的结构化、可视化分析。自组织映射是一种基于神经网络的聚类和数据可视化算法，产生的聚类结果具有较高的可视化和可解释性特征。

（四）改进财务预测，优化预算管理

基于海量数据，企业引入大数据分析和处理技术构建财务预测系统，可以提高预测的及时性和精确性。Arnaboldi等（2017）认为，智能技术的发展促使“预测（Forecasting）”向“实时预测（Nowcasting）”转变。数据驱动的财务预测系统可以参考以下设计思路：一是利用Sqoop、Flume 等大数据获取技术等进行数据采集；二是利用Apache Spark、Cascading、MapReduce 数据分析技术等对导入数据进行预处理，包括通过滤波算法进行奇异点过滤，将数据集转化为时间序列格式等；三是算法构建和拟合优选；四是算法预测和后验优选。改进的财务预测算法包括自回归积分滑动平均模型（ARIMA）、基数增长法等。

在预算管理方面，陈虎和陈健（2022）认为，大数据分析和处理技术不仅有助于企业实现资金流的实时预测，还可以促进预算编制精准化、预算管控自动化、预算分析可视化。Warren 等（2015）认为，利用大数据技术将气候预测、人口和劳工、宏观经济数据等外部数据纳入预测和敏感分析模型，能够有效提升企业预算管理效果。

（五）赋能运营管理，助力企业价值增值

在大数据环境下，六西格玛管理法（Six Sigma）的数据驱动特征可以帮助企业实现竞争优势。Koppel 和Chang（2020）创新了这一方法，建议从数据收集和流程监控出发，将传统流程模式的界定、测量、分析、改进、控制（DMAIC）改为测量、界定、分析、改进、控制（MDAIC）流程模式，通过利用大量数据识别制造环境因素，实现项目的持续改进。此外，大数据和社交网络为企业进行产品全生命周期管理提供了信息源，企业应用大数据技术或使用第三方商情服务系统，可以实现语义挖掘、关键信息抽取和情感倾向性分析，实时研判因产品缺陷等导致的负面舆情，实时监测竞品动向，把握行业趋势，通过分级预警，辅助企业产品投放、产品召回、数字化营销、供应链管理等经营决策。以产品召回为例，Lee 等（2015）认为，产品召回如应对不力，将有损企业声誉，企业将面临直接的销售损失和法律责任，企业通过适当披露将减弱产品召回带来的负面反应。当出现需要召回产品的迹象，除产品质检和技术验证之外，还需及时全面了解社交媒体、消费者社区等关于产品缺陷的反馈，化被动为主动，避免公众舆论发酵和走向不可控。

在成本管理方面，作业成本法虽然能够提供更为精确的成本信息，但该方法固有的不确定性在于应用过程中需要凭借专业理解和经验判断输入大量估算数据，将不可避免地影响成本信息的准确性。Nachtmann 和Needy（2003）经过成本效益比较分析，认为模糊逻辑（Fuzzy Logic）和蒙特卡罗模拟（Monte Carlo simulation）可用于作业成本法不确定性处理。此外，基础的本量利分析（CVP）方法忽视了企业的经营风险及其不确定性，Yuan（2009）提出的基于模糊逻辑的本量利分析搭载专家系统将有效解决该问题。模糊逻辑是人工智能的一个分支，通过模拟人脑实施规则型推理，有助于解决因“排中律”的逻辑破缺产生的种种不确定性问题。

在投融资管理方面，Coleman 等（2022）认为，研究表明，人类分析可能存在一定的认知偏狭，或分析师出于经济动机更偏向出具乐观的分析报告。相比之下，机器分析基于大量的披露数据，可提供更为客观、均衡的投资建议。但也应注意到机器分析在信息获取来源及非财务信息分析方面的局限性。

在客户关系管理方面，根据Gartner 历年发布的《成熟度曲线报告》（Hype Cycle for AI），应用机器学习等人工智能技术将有助于为客户提供个性化、高效的服务，增进客户交流，有效改善客户体验，优化销售人员工作。《2022 年Gartner销售自动化魔力象限报告》（The 2022 Gartner Magic Quadrant for SFA Report）显示，Microsoft、Salesforce、SAP、Oracle 等大举投入将人工智能嵌入销售自动化模块（客户关系管理的核心模块）。此外，人工智能应用程序愈加依赖SaaS 形式，2019 年SaaS 云服务支出占企业整体CRM 软件支出的75%。例如，搭载自然语言处理系统和机器学习技术的聊天机器人，完成了从“客户学习聊天机器人的操作界面”到“聊天机器人学习挖掘客户所想所思”的转变，通过即时算法和进化算法将有效改善客户的服务台咨询和终端自助服务，同时将销售人员从重复、简单、无聊的窗口工作中解放。又如，虚拟助手、聊天机器人、增强现实（AR）、虚拟现实（VR）、混合现实（MR）等人工智能和大数据技术在客户获取、开发和保留方面有其显著优势，可应用于客源识别、客户问题和需求捕捉、个性化产品推荐、复杂产品配置报价（CPQ）、客户情绪实时监测等。然而，Lui 和Lamb（2018）认为，不少银行和金融科技初创企业斥资在客户关系管理中引入人工智能，应用优势明显，但同时也带来一些挑战，比如部分算法存在明显的偏见和歧视问题，可能会破坏银行与消费者之间的信任和信心。Grewal等（2020）也强调，企业实施基于人工智能的客户关系管理，将提高对顾客终身价值的预测能力，并据此制定适应性客户待遇，可能会产生客户分级管理和服务歧视，甚至侵犯消费者合法权益，为政府监管带来挑战。为保护个人数据安全，欧盟于2018年出台了《通用数据保护条例（EU-GDPR）》；2020 年以来，我国反垄断委员会、市场监管总局也对大数据杀熟等问题进行了专项整治。然而，如何实施有效监管，如何驯化机器算法，增强智能协作，仍是当前面临的现实难题。

五、结论和建议

当前，相比于其他会计领域，管理会计的智能化转型稍显滞后。大数据技术、区块链技术、云计算、人工智能等应用于防范交易欺诈、财务危机预警、客户关系管理、非结构化会计信息处理、管理会计信息可视化等方面的显著优势已经得到实践验证，但其他领域的研究多局限于理论框架和数据模型的构建，缺乏充分的实证研究。

站在企业角度，企业财务数智化转型应坚持需求导向，以用为本，顶层设计，全员协力。企业应在管理层与财务人员以及相关部门之间进行充分讨论，在向第三方专业机构进行充分咨询的基础上，选择与企业业务特征和资源禀赋适配、与企业数字化转型同频共振的财务智能化转型策略，并定时评估转型成效及合规性，妥善应对转型阻力，确保转型任务稳健有序。如采取技术外包形式策略，科学确定数字技术供应商和智能财务解决方案提供商，通过共建共享、数字上云（SaaS）等方式降低转型成本。另一方面，会计的数字化和智能化转型，虽然增加了自动化数据处理，但财务机器人无法全面替代财务人员，相反可能会增加财务管理活动的不确定性和复杂性，管理会计需要做出更多的专业判断（Bromwich 和Scapens，2016）。鉴于此，企业应建立完善的人才选育用留机制，提高员工对企业财务数智化转型的接受度和配合度，激励企业首席信息官、财务人员及相关人员及时跟踪智能技术在会计领域的应用进展，保持企业相关信息流通顺畅，合理把握入场时机。

站在个人角度，对于财务人员而言，人工智能等技术的应用无疑是一把双刃剑（Hasan，2022），财务人员只有通过保持“终身学习”，及时填补机器学习、大数据分析等方面的知识缺口，加强领导能力、批判性思维和沟通技巧，才能提高职业胜任能力，适应职业变迁要求（Stancheva-Todorova，2018）。