本文作者:女性创业网站

管会人员必看!2022企业管理会计应用九大趋势

女性创业网站 2022-03-21 13:30

  项目招商找女性创业网站 快速获取精准代理名单

数据驱动背景下,依托财务共享、数据中台、人工智能、云等,传统财务体系将被重构,利用数据主动赋能业务的智能管理会计势在必行。

我们研判,2022年管理会计应用将有九大趋势:

趋势一:以数据驱动为主轴进行智能化转型

数据是数字化的基础。随着数字化转型的推进,企业的数据生态发生了极大的变化。企业内部数据与外部数据的边界正在逐步消融。随着数据信息日益丰富,如何利用数据驱动企业发展成为企业数字化转型过程中的核心问题。

管理会计用数据说话、用量化管理。数据则是管理会计发挥职能的重要支撑。随着企业内外部所面临的不确定性增加,管理会计的量化功能日益凸显。管理会计从财务视角来审视业务的效益和价值,通过对业务环节信息的量化处理,以预算、成本、费控、数据分析、管理会计报告等工具多层次、多维度地量化企业经营成果和效益,是应对不确定环境的利器。而在数字化背景下,仅以过去的管理会计系统和工具所执行的量化管理已无法满足企业需求,以数据驱动为主轴、利用数据主动赋能业务的智能管理会计势在必行。

智能管理会计不仅是传统管理会计在数字化时代的创新和发展,也是对传统财务体系的革命性迭代。从本质上来说,传统财务是准则导向、披露导向,不是业务导向、管理导向,ERP 系统主要为流程操作服务。近年来,随着互联网商业模式以消费侧为主导、以模式为核心的资本经济蓬勃发展,很多企业在业务端已经应用了线上线下融合的新思想,传统采用与交易分离,以事后报账为主的财务支撑体系‘以管控风险为目标的传统模式,存在流程复杂、效率低下等诸多问题,显然已无法匹配前端快速响应的管理要求,必须进行重构。而智能管理会计正是新一代财务体系的核心内容之一。

趋势二:依赖企业内外部海量数据的深度融合开展数据应用

数字化时代将扩大企业有用数据的边界。传统管理会计所应用的数据主要局限于财务数据和部分业务数据,智能管理会计则需要依赖涵盖内部数据和外部数据的大规模数据产生价值。

企业在经营活动中会产生大量内部数据,包括以收入、成本、利润、资产、负债等为代表的财务数据和与产品、客户、渠道、生产、研发等相关的业务数据。这些数据直接反映企业经营情况和财务状况,是企业在经营和管理决策中长期应用必不可少的重要依据。以预算管理为例,在从目标、计划、预算到资源再到行动的整个过程中,首先用到的数据就是生产计划、销售计划等业务数据和收入、费用等财务数据。

同时,在整个企业运行过程中,随着企业壁垒变得越来越薄,获取资源的过程和内部交易的过程,都会更依赖大数据来定义客户、完成交易。企业不再只是产品的制造者,而要整合外部平台,需要利用大数据涵盖与企业所处行业相关的竞争环境、盈利模式、业务模式、客户消费模式等一系列内外部经营相关的信息流,形成可利用的大量外部社会数据。

成功的数据应用是深度融合内外部数据的应用。无论是某快消企业在供应链决策中综合协同销售、生产、采购、财务等部门内部数据以及竞争对手状况、区域天气、市场环境等外部数据,还是某房地产企业在投前测算中综合采用运营计划、项目成本、销售进度等内部数据以及地块基本情况、竞争对手拿地情况等外部数据,内部业财数据只有与大数据相结合,才能触发真正令人满意的数据应用效果。依托大数据、物联网等新一代信息技术采集到的海量内外部数据,智能管理会计获得了前所未有的绝佳数据基础支撑,能够开展更有价值的数据应用。

趋势三:依托数据治理来确保数据高质量

随着数据作为基础性战略资源的地位日益凸显,数据确权、数据质量、数据安全、隐私保护、流通管控、共享开放等问题日益受到高度关注并引发深度思考,数据治理成为企业IT系统建设中的一个新热点。

企业在生产经营中不断产生的数据往往以杂乱无序、口径不一的状态隐没在企业内外部的各个信息系统中,数据质量参差不齐,数据价值难以被挖掘和释放,极大地限制了管理会计价值的发挥。新一代信息技术的发展和应用使数据治理方式获得了极大扩展,数据治理的效率也得到了显著提升。

基于强大的数据治理技术,系统可以在确保数据安全的前提下,对来自不同应用系统的结构化、半结构化、非结构化数据的数据标准进行实时动态梳理,开展主数据、元数据、数据质量管理,提高各类数据的质量,将大量杂乱无章的数据转变为清晰、有序、有条理、有脉络的数据资产,赋能前端应用,并将前端应用产生的新数据再次回归到整个数据全生命周期中。

在高效的数据治理体系支撑下,管理会计将更加依赖内外部的高质量数据开展工作,更好地赋能企业经营管控和业务决策。

趋势四:利用中台化的数据建模加工数据

数据中台在历经了2019年的概念普及期、2020-2021年的探索应用期,在2022年将有望进入大规模应用阶段。从目前的情况来看,很大一部分企业已经在建设或在规划建设数据中台。防疫的长期化,进一步推高了企业对数据中台建设的需求。构建基于数据中台架构的管理会计系统,正在成为管理会计应用的大势所趋。

数据中台连接各类场景下的数据源,整合大数据的计算和存储能力,通过提供标准化数据服务连接将数据与应用场景,接着进行数据采集、清洗、管理和分析,最终形成一套让企业可持续利用数据的机制。在中台化的新一代企业信息化架构下,来自ERP、SRM等各个信息化系统中的业务数据、财务数据、大数据,结构化和非结构化数据全部汇入数据中台,实现统一、集中的数据建模,形成服务化的数据应用,输出到前端预算管理、成本管理、数据分析等各个应用系统中,开展丰富的场景化应用,并以多样化的形式展现数据分析应用的结果。

对于管理会计应用而言,数据中台技术的应用不仅打破了企业内部的信息壁垒,有力提升了数据采集和数据转换的效率和质量,为数据存储和数据管理带来便利,而且为管理会计的数据建模、分析提供实实在在的源头活水,让管理会计报告对企业经营决策更具有针对性的指导价值,大大对冲外部市场不确定性带来的负面影响。

趋势五:提供实时化和动态化的数据服务

实时化和动态化是市场环境对管理会计提出的新要求,也是在新一代信息技术推动下智能管理会计应用创新的新发展。在进入数据爆炸的移动互联网和大数据时代后,成熟企业的管理会计应用的数据量急剧增长,如何提升数据处理、数据分析和数据响应的速度成为智能管理会计的新挑战。

智能管理会计系统基于对内存计算技术的全面应用,能够把数据完整保留于内存中,并通过优化的存储结构和算法处理海量数据和复杂逻辑,将用户的数据读写请求快速转换为内存读写和内存计算,使得系统性能不会因数据量的持续增加而发生衰减,从而使数据处理的频度和速度获得大幅度提升。企业从原来被动的事后分析转变为主动的实时决策,并可以此为基础创建基于预测,而非响应的业务模型。

依托智能管理会计实时化和动态化的数据服务,企业可以打通和汇聚多源数据,实现数据资产化和内外部数据的整合,将实时动态的共享和复用给前端应用系统,实现场景化的数据应用。例如:亚马逊利用机器学习算法动态定价,每天有约250万次的价格调整,整体提升利润达25%;银行利用强化学习算法探索需求收益率最大化,机器不仅学习大数据场景进行贷款定价,还面向不同客户进行贷款定价。

趋势六:以数据场景化应用直接赋能业务

传统管理会计系统由于数据采集、数据整理、数据加工比较缓慢,相关信息不够重复,所以更多地强调用数据支持管理层的决策,对一线业务部门的赋能,对运营端的支持相对较为薄弱。相比传统管理会计更多地强调用数据支持企业决策,数字化环境下的智能管理会计将会更注重以数据直接赋能。智能管理会计对企业发展的赋能既包括为企业管理赋能,更重要的是为业务运营赋能,与此相适应,管理会计应用也将从全面化向场景化转变。

企业管理离不开各类经营场景下的具体业务问题,理解场景是解决问题的前提。智能管理会计为业务赋能,也必须依托企业一个个的具体业务场景。场景化的管理会计应用是针对企业业务经营的具体场景开展的数据应用,如零售企业基于场景化应用开展区域单品的销售预测,制造企业针对重点产品开展产销协同分析,服装企业依据某季服装销售额做出的库存/物流优化决策,房地产企业对所持有房产的价值分析等。

随着数字化时代数据的数量、数据治理能力、数据建模能力和数据分析能力的大幅提升,智能管理会计能够更多地应用于销售、生产、供应链和研发创新等价值链环节的具体业务场景中,直接为业务运营赋能。

趋势七:数据应用更加转向对未来的预测

数据应用可以帮助企业感知现在和预测未来。感知现在即基于历史数据看当下,包括描述性分析和诊断性分析,表现为将历史数据与当前数据融合,挖掘潜在线索与模式,展现企业的经营状况和背后的原因。预测未来则是应用模型开展对未来态势的判定与调控,包括预测性分析、优化性分析和自主性分析,表现为基于数据模型来解释事件发展演变规律,进而对发展趋势进行预测,不仅要展示企业可能发生的变化、更要帮助企业制定适应变化的对策。从价值创造的角度来说,预测未来的应用致力于解决问题,更符合数据洞察“向前看”的发展趋势。

传统管理会计主要是感知未来的数据应用,而智能管理会计则更加重视预测未来的数据应用。以对历史数据的分析为例:企业可以利用隐形关联的历史数据,如企业内部运营数据(订单数量、投诉数量等)和外部数据(天气、社交网络情绪指数等)来训练机器学习模型。企业内部利用完成训练的模型对在线数据进行预测,从而让对历史数据的静态分析变成一个动态的预测模型。在智能管理会计领域,基于对新一代信息技术的充分应用,企业将获得更充分的业务决策信息,从而更好地支持计划预算和经营预测。

趋势八:应用AI实现自动化决策和数据平权

AI技术赋予了智能管理会计自动化决策的基础。通过应用自然语言识别技术,系统能够具备感知并认知自然语言的能力。用户可以通过语音给系统发出指令甚至与之进行对话。通过应用知识图谱和智能推理技术,系统可以自动检索、阅读,并与用户进行智能问答。应用机器学习可以令系统具备自助分析的能力。系统基于对业务知识的理解,科学预测、合理控制、智能分析,真正成为管理和财务人员的智能助手。

依托初期的智能技术,企业已经可以实现对主体的财务预测、经营推演和风险量化等。未来,随着人工智能技术的深度发展和在财务领域的高阶应用,拥有高级人脑智慧的财务平台将基于对业务知识的理解,科学预测、合理控制、智能分析,甚至直接代替管理者进行自动化决策。

同时,随着后续智能管理会计实现自动化决策,企业业务中的判断可以由模型做出,原本在流程节点由人做出决策、强调工作流先后顺序的组织结构将更倾向扁平化。在“数据+模型”的加持下,企业员工将在自身所在业务环节实现数据平权,企业管理重点更多落在如何促进数据搜集、发布,进而作用于业务经营,实现运作全过程、客户全触点。

趋势九:依托管理会计报告形成一整套追溯和跟踪体系

作为管理会计方法应用的最终结果和管理会计信息的终端产品,管理会计报告是智能管理会计应用的最后环节。随着智能管理会计带来的数据获取、数据处理和数据分析能力的巨大提升,长期制约管理会计报告发展的技术瓶颈获得了突破,管理会计报告的应用和发展开始发生全面的变革,管理会计报告也进入智能化时代。

对管理会计报告而言,智能化带来的最大改变就是令其从单纯的报告进化到报告、推演、模拟、行动、反馈的组合。管理会计报告以数据为基础,但并不应将其仅仅看作单纯的数据展现。传统分析是数据分析单一,组织单一、人员单一、流程单一、职能单一、输出结果单一,缺乏反馈的流程、路径和机制,使管理会计报告成为单纯的报告,尽管能够为用户提供数据分析的结果和相关改进建议,但无法跟踪后续改进行动的落实。智能管理会计系统下的数据分析更贴近具体业务的场景化。业务化分析往往是团队协作,有管理人员领导,可以调集生产、销售、研发、财务人力等多部门联动协作,站在全公司的整体视角解决场景中的业务问题,做出相应决策并上下协同实施。

同时,在智能管理会计系统中形成的数据一定要回归业务前端,反向指导业务运营。这些都使得管理会计报告不再是单纯的报告,其有条件形成一整套追溯和跟踪体系,从报告、推演、模拟行动到反馈,通过广泛的自上而下的团队参与和推动,确保报告内容能及时、精准地赋能业务发展。

文章版权及转载声明

文章来源:女性创业网站【http://www.qgtynld.com】