浅析数智创新驱动下财务智能决策支持系统建设思路

随着国有企业经营管理精细化水平的逐步提高，打造创新、智能、高效的财务分析决策支持平台的意义愈发重大。一种优秀的决策支持工具，能够从海量数据中“披沙拣金”，便于管理者掌握关键指标和重要信息；需要对复杂的业务“解剖麻雀”，确保对经营策略的准确执行；需要将晦涩的信息转化为易于理解的语言，为管理者提供更可用、更深入的业务分析；同时还要有助于发现成本节约机会，揭示效益增长的潜在途径，为企业的战略决策提供坚实的数据支持。本文着重探讨数智创新驱动下财务智能决策支持系统的建设思路，提出适合国有企业当下财务发展趋势和企业需求的方案。

一、引言

2022年2月18日，国务院国资委发布《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》（国资发财评规〔2022〕23号），提出财务管理要突出“支撑战略、支持决策、服务业务、创造价值、防控风险”的功能作用，要体现“规范、精益、集约、稳健、高效、智慧”标准，要实现数字技术与财务管理的深度融合。在数字化转型浪潮下，数字技术在企业经营决策中的作用越发重要，所谓“工欲善其事、必先利其器”，融合数字化和智能化的财务分析平台，能够以更高的效率从企业生产经营海量信息中攫取有用数据，经过对数据筛选、转换、加工，实现数据的可利用和可视化，进而实现辅助企业管理者经营决策的目的。建立一个科学的财务决策支持体系、搭建一个高效的财务智能分析平台，既是推动企业经营管理精细化的必由之路，也是推进财务转型的有益尝试。目前，国内许多大型国有企业正在加快智能分析决策的步伐，财务智能决策支持系统具有广泛的市场应用前景。定制开发符合中国企业特点的财务智能决策支持系统，对于推动我国企业财务管理智能化进程将产生重大的影响。

二、财务智能决策支持系统建设的必备条件

（一）搭建底层数据仓库

底层数据仓库的搭建需要进行多元化的数据收集、自动化的数据挖掘、高效的数据处理。

1.数据来源方面。财务智能决策支持系统应是基于企业生产、财务、研发、安环等企业内部信息以及国资、工商、税务等企业外部信息的综合性分析平台，因此，决策系统数据仓库的构建，不仅要考虑交互接口与已在用的内部系统兼容，还要从企业外部信息平台获取数据，仓库也要具备电子报告识别或表格导入的功能，确保数据获取来源的多元化。

2.数据挖掘方面。系统要尽可能自动抽取数据，减少人工录入对时间的浪费。对于必须人工录入的非常规性信息，要保证填报信息及时发布、录入界面易于理解，且能够保障信息使用者向各数据来源方发送补充数据的指令。

3.数据处理方面。系统能够通过集成企业经营沉淀的业务数据、财务数据和第三方平台外部数据，形成数据仓库，对数据仓库中的数据进行清洗、分析和加工。同时，系统要具备存储和分析能力，能够建立起数据索引、查询历史数据、重置历史口径、实施数据安全控制等。高效的数据仓库可以为建设多功能、动态化、深层次的财务智能决策支持系统打下良好的基础，为财务决策分析提供有力支撑。

（二）适度融合人工智能前沿技术

打造多场景化的财务智能决策支持系统，需要充分运用深度学习、支持向量机、文本挖掘等人工智能算法。以深度学习算法为例，其可以从海量的财务数据中提取有用的信息，便于理解数据的内在规律和模式。多种算法的有机结合，能够多角度、全方位分析各类数据的应用价值，深层次挖掘历史数据，充分理解并建立起数据间的内在联系，从而使不同类型数据相互协同、共同增效。例如，将销售数据与成本数据相结合，能够更精确地评估产品的盈利能力；将供应链数据与财务数据相结合，可以更便利地监控库存水平和现金流状况。人工智能技术与财务信息化平台的结合，是当前财务信息化的最大特征，二者的结合确保了财务信息化平台真正突破财务的固有领域，实现多维信息的融会贯通，有助于企业资源优化配置和战略目标的实现，有利于风险管控和企业可持续发展。

（三）科学构建指标体系、规则库和分析模型

指标和规则的构建，需要准确、完整的基础会计科目数据，而这些基础数据也是建立各种预测模型的基础，它们为模型提供了必要的数据信息，并确保预测结果的准确性和可靠性。在系统中融入模型，可以为企业提供一个多视角、全方面的财务分析框架，这些模型不仅能够基于历史数据进行趋势分析，还可以结合企业的战略计划和市场动态，对企业未来的经营状况进行预测。为了进一步提升系统的智能化水平，将专家建议和行业最佳实践融入到模型中，通过机器学习算法和模式识别技术，系统能够从历史数据中进行学习，不断优化预测模型的参数，提高预测的准确性。同时，系统可以提供交互式的分析界面，让用户根据自己的需求调整模型的假设条件，进行定制化的财务预测。模型的深度介入，能够帮助系统使用者更好地了解企业的经营状况，分析企业未来的发展前景，为管理决策保驾护航。

（四）明确决策支持系统的建设原则

1.长期性原则。正如前面所说，数据是决策的基础，财务智能决策支持系统的应用效果取决于采集到数据的质量，数据要具有准确性、相关性、可比性、多元性等一种或多种特征。随着信息化的发展，数据的质量经历了由人工把控到人工与智能把控结合的过程，企业发展阶段不同、信息化程度不同，则数据质量也不同、财务智能决策支持系统的应用效果也不同。因此结合企业发展的长期性，当主数据库统一，内外部系统打通融合，各系统覆盖完整，财务智能决策支持系统的作用才能真正发挥。

2.协同原则。明确财务管理模式与决策支持系统的关系，财务智能决策支持系统的引入，将带动财务管理在前、中、后台的调整，一是前台向前端迁移，参与到前置化的业务服务、费用管控、系统直连等环节，实现交易发生、业务数据产生和财务数据的同步记录，弱化业财界限；二是中台通过智能化和记账规则、预算管控的嵌入，实现自动化记账、报账、算账；三是后台专注数据的整理和可视化呈现，实现财务支持决策的功能。

3.分层原则。财务智能决策支持系统根据用户需求内置模块和权限。系统面向高层时，高层利用信息进行宏观经营调控，因此在信息呈现上不必太细，包括目标管理、全景图等功能；系统面向中层时，中层主要强调策略的执行，利用信息进行调控，因此在信息呈现上主要提供财务分析报表、报告及预测模型；系统面向基层人员时，则主要解决基层找数据、计算指标、工作盲目被动等问题。分层适应规则是建立高效决策支持系统的基本原则。

三、数智创新驱动下的多功能设计

在具备财务智能决策支持系统建设条件后，需要充分分析企业的实际情况，依托于智能创新的设计思路，完成功能模块的建设。功能主要包括管理驾驶舱、智能报表、智慧报告、预测模型、智能对标五大类。

（一）管理驾驶舱

管理驾驶舱是一种高效的商业智能工具，它以用户为中心，能够满足企业对于财务管理的各种需求。

在功能实现上，一是管理驾驶舱的优势要体现在灵活度和深度上，需要通过分公司、分板块、分客商等多维度、有重点地向使用对象展现企业的经营状况，便于其直观掌握企业的经营情况。这种多角度的视野不仅有助于企业内部决策的制定，也有助于对外业务的拓展和合作；二是管理驾驶舱需要具备下钻功能，以进一步增强其实用性，用户可以通过一键式的操作，实现模块之间的衔接和穿透，全方位、多角度地查看数据。这种无缝的数据整合，不仅能够提高工作效率，也为数据的准确性和实时性提供了保障；三是管理驾驶舱要充分体现分层原则，对于不同使用对象要展现不同的经营信息，有的放矢地展示信息。

（二）智能报表

在现代企业管理中，准确、及时的报表分析是决策的关键，通过精心设计的报表勾稽关系，企业能够快速建立对内、对外报表体系，进行多维度的业财分析。

在功能实现上，一是智能报表要具备多维度、多层次的查询与穿透分析功能，通过“解剖麻雀”，以小见大，确保使用者能够从宏观到微观把握业务状况，真正了解业务实质；二是智能报表要满足各种格式的需求，要实现多种要素的自由配置，要满足不同场景下的数据分析的需求，多样且灵活的智能报表才能提供准确有效的数据支持；三是智能报表要能捕捉和筛选市场动态等大数据信息，以帮助使用者更加深入全面地了解数据变动的原因。

（三）智慧报告

智慧报告通过模块化、标准化的设计理念，能够实现数据填报、数据分析和原因之间的紧密整合，确保集团内同板块、同类型企业报告的一致性。

智慧报告的价值应体现在其内容的全面性和语言的可理解性方面。一是能够满足“普通话+方言”相结合的报告形式，既有通用的标准（即“普通话”），又有针对不同行业、不同规模企业的个性化特点（即“方言”），以满足各类企业的需求。这种设计，不仅提高了报告的准确性，也大大提升了工作效率；二是要全面反映分析过程，内容要涵盖企业的整体运行情况、生产业务情况分析、财务经营成果分析、资产负债及所有者权益状况分析、财务指标分析、专项分析等，分析要涵盖主要财务指标、行业对比、企业绩效指标对比、管控问题及建议等；三是报告要侧重于提升预警能力，基于行业标准或企业阈值，精密监测，着重突出异常值，自动提醒使用者；四是充分揭示分析结果，深入探究异常情况的成因，以平实的语言解释原因，向使用者提供简洁的结论。

（四）预测模型

财务智能决策支持系统既要反映历史数据，也要能够预测未来。一个相对完善的决策支持平台，应融入诸如利润预测模型、资产结构分析模型、偿债能力预测模型、杜邦分析预测模型、资金链预测与融资等模型，集成多种预测模型，才能真正实现对于投资决策、风险管理、战略规划等多个场景的支持，才能够成为帮助企业理解和预测经营战略的先进工具。搭建模型时，要注重历史数据与未来数据的充分结合，比如利润预测模型可以根据企业的历史利润数据，结合企业的收入增长目标、成本费用控制目标、利润率目标等，预测未来的利润情况，进而辅助投资决策和战略规划；资产结构分析模型可以通过分析企业资产构成、假设资产结构调整变量等，确定企业最优资产结构；杜邦分析预测模型可以从多个角度分析企业的经营效率和盈利能力，规避潜在风险；资金链预测与融资模型可以帮助企业统筹资金规划、预测资金需求、制定融资策略、强化资金保障。

（五）智能对标

智能对标需要依据行业数据，嵌套企业评价指标，以实现企业与同行业公司、企业内部公司、企业自身不同时期的比较与分析。因此，通常智能对标至少应当包含三种场景，即预算对标、历史对标和行业对标。其中，预算对标用于检查预算执行的效果，了解实际业绩与预算目标之间的差距，预算执行结果可以作为企业下一年预算编制的基础；历史对标是基于时间维度的财务绩效比较，明确企业在不同时间段的表现，识别出哪些领域有所进步，哪些领域需要改进，同时，历史对标也可用于集团内部不同公司之间的横向比较，以促进内部竞争和资源共享；行业对标是一种更为宏观的比较分析方法，它涉及将企业的关键绩效指标与同行业、经营规模相似的其他企业进行比较。在进行行业对标时，要选择适用的、可信的对标数据库，比如国务院国资委每年发布的企业绩效指标标准值，这样才能全面、系统、客观地了解企业自身的经营状况，找到与同行业其他企业之间的发展差距，从而制定相应的战略调整策略。

结语：

建设财务智能决策支持系统，需要内外部大数据的集中统一，需要人工智能相关算法及模型的运用，需要对数据进行多样化、分层次的展示，既包括对有用信息的发掘与提取，还包括对现有财务基础的夯实，也包括对数字化新技术的运用，能够真正实现财务部门从传统的记账到经营服务、决策支持的蜕变。财务智能决策支持系统引领用户“洞见数据资产价值，驱动企业战略决策”，标志着企业管理从传统的定性分析向基于数据的定量分析转变，从静态的单一视角向动态的全局视角转变。这种转变使得企业能够更加全面地理解市场动态和内部运营情况，从而做出更加明智的战略决策。可以预见，随着人工智能技术在会计领域的应用，企业财务管理的制度会得到极大的完善，企业智能化决策水平也会得到明显提升。