杨宏：关于财务数据赋能、大数据辅助决策的思考

这次主题教育的总要求是“学思想、强*性、重实践、建新功”，本轮主题教育以来，我们理论联系实际、大兴调查研究，坚持学思用贯通、知信行统一，切实把学习成效转化为做好本职工作、推动事业发展的生动实践。特别是通过集中学习参观，授课老师和同事们讲述了很多关于人工智能技术、大数据、创新发展等方面的内容，从中得到一些对财务工作的启发。

财务数据赋能、大数据辅助决策的思路

经济运行是有周期因素的，每年设定经济效益目标极度考验决策和执行能力。那具体什么样的增速是最优的，以往我们更多地还是依靠经验，但是随着宏观经济形势波动、集团内新业态不断涌现，而新业务营收利润不稳定不易测算，以往的经验正在被打破。这就需要我们以更加科学合理的方式来增强决策科学性、可持续性：建立一套符合集团发展规律和未来趋势的“智慧大脑”即财务决策数据模型，从四个方面丰富管理的深度和维度，为提高决策能力、推动高质量发展提供有力支撑。

一是宏观维度。宏观经济运行是衡量考核目标划定档次的依据，也是考核指标的参考值，要将宏观经济指标量化纳入数据模型，作为模型的参数之一。

二是组织维度。数据模型既要有顶层设计，也要有战略纵深。目标的制定要考虑“上下结合”，充分发挥集团这几年来积累的财务数据的价值，通过科学合理的测算分析，既要合理制定集团整体目标，也要按照业务板块分解目标，层层分解到最小单元，形成各级企业、各项资源要素的系统集成，形成集团全年经济效益目标路线图。

三是时间维度。经济效益目标不是一年的事，要考虑前后衔接，既要与历史数据衔接，也要为未来发展做铺垫，也要分季度、分月跟踪分析执行情况，及时预警纠偏。

四是微观维度。集团考核指标主要是“3+3”营业总收入、净利润、保值增值率+资产负债率、流动资产周转率、净资产收益率，这是省里对集团的考核指标。集团现在达不到行业优秀水平的指标是净资产收益率和流动资产周转率，只有“抽丝剥茧”般分析才能找到问题根源。通过建立科学合理的指标体系和数据模型，通过业财融合，推动高质量发展。

大数据、人工智能等技术与财务智能化的融合

财务信息系统作为财务数据处理的中枢，汇聚了企业从业务前端到财务管理后端的大量数据，是企业“智慧大脑”的核心部分。要想发挥财务数据更大的效能，优化财务信息系统是绕不过去的。由于集团财务信息系统是2012年上线的浪潮GS5.0系列，原先预留的数据接口也随着版本升级、不同品牌软件难以共享数据导致数据接口不再通用，数据接口不能用，像银企直联、凭证自动生成、自动对账、报表数据推送功能也就无法实现，核算工作依靠大量人工操作，就不可避免的出现信息迟缓、质量不高等情况，这点从我们平时统计财务数据信息就能感受得到。之前，集团几次考察调研，准备升级财务信息系统，但最终均因为技术问题暂时搁置。随着大数据、AI等技术的兴起，让信息系统处理复杂数据的能力大大提升，为集团财务信息系统升级提供了可能。通过财务信息化升级来实现两个目标：

一是实现财务智能化转型，提高财务信息效率和质量，逐步实现会计核算智能化、报表编制自动化和报告分析精准化，同时统筹推进与业务系统对接融合，推进核算、预算、资金、税务等各财务子系统的连接贯通。

二是以智能化作为技术手段，充分释放业财数据价值，通过将人工智能技术、机器学习等技术引入财务领域，对业财大数据进行挖掘，以达到赋能业务发展、洞察管理风险、支持战略决策、升级价值创造的目标。