2017，智能化管理会计落地“元年”

（原标题：2017，智能化管理会计落地“元年”）

北京2017年8月14日电 /美通社/ -- 信息技术的每一次变革，都会引起经济社会各个领域的“蝴蝶效应”，会计行业也是如此。

管理会计加速迈向“智能化”

当前，伴随着大数据、智能化、移动化和云计算等信息技术的飞速发展，会计信息化迈入“大智移云”时代。新技术的出现给现代会计的两个分支 -- 财务会计与管理会计都带来了深远影响。

当备受企业界关注的管理会计遇上时下最火热的商业智能（BI）、人工智能（AI）等智能化技术，会碰撞出怎样的火花？

元年科技总裁韩向东表示，管理会计的本质是建立在数据收集、分析基础之上的精细化量化管理，它的使命是为管理者提供决策支持、促进管理精细化，但无论是管理会计理念与方法的落地，还是管理会计功能的发挥和价值实现，都离不开信息技术的支撑。而商业智能（BI）的本质是一套商业方面辅助决策的信息化解决方案，它利用人工智能、数据仓库、数据挖掘等技术，按企业既定的业务目标，对大量数据进行分析和挖掘，从而支持企业的智能管理与决策，提高企业核心竞争力。商业智能对决策支持的影响度较大，对交易业务处理的影响度较小。

“由此可见，商业智能、人工智能等智能化信息技术的出现与迅猛发展，将对现有的管理会计及管理会计信息系统的构建带来一场彻底颠覆。”韩向东表示。

2017年以来，智能化技术在管理会计领域的应用与发展速度之快，远远超出人们的预期。年初，全球领先的商业智能领导者IBM与深耕管理会计信息化17年之久的元年的“牵手”发力管理会计智能化市场；年中，数据挖掘、机器学习入选2017影响会计从业人员的十大技术……这些热点事件引发了会计界对智能化新技术的高度关注，也印证了管理会计发展的一个趋势 -- 2017年是智能化管理会计落地 “元年”。

管理会计智能化需要“模型”

早在几年前，我国管理会计行业“领航者”元年科技就提出观点并付诸实践：管理会计需要从商业智能（BI）入手，管理会计信息系统的构建需要基于商业智能强大的建模能力。

韩向东认为，管理会计“智能化”主要体现在管理会计需要模型支持。这是因为管理会计的最大价值就是为管理者的科学决策提供量化信息支持，而量化管理离不开模型化，模型化是对量化管理的升华。

一方面，管理会计需要通过构建模型来模拟企业商业模式和运作流程，进一步体现各个量化管理因素之间的复杂关系和相互影响程度，使企业管理者能够透过模型化看清商业模式和盈利模式，进而使企业的运营可预见、可计量、可控制。

以全面预算管理为例，其本质上是通过对未来经营情况的模拟“算赢未来”，是一套涵盖从业务预算到财务预算，从目标制定、预算编制、预算执行和控制、分析反馈、调整和评价的闭环体系。比如，如何将目标定得更加科学合理？模型构建为我们提供了一条科学确定企业目标的途径。构建目标测算模型大体有这么几个步骤：（1）对象的选择；（2）指标选择；（3）目标值确定；（4）权重设定；（5）模型测试。通过对不同情景设置不同的权重，企业可以获得一个相对合理的经营目标。实践中，不管是预算模型中的预算目标测算和分解模型、产销衔接模型、滚动预测模型，都要求企业管理会计信息系统具备强大的建模功能。

另一方面，管理会计需要模型也是由新经济时代商业模式的日益复杂化决定的。随着市场的成熟、竞争的加剧以及互联网经济的来临，企业商业模式进一步虚拟化和复杂化，企业主业务线和各条业务线间的联系更加松散，盈利模式更加隐蔽，管理者需要借助模型才能厘清各种复杂关系，才能分析、评价各业务板块的真实状况。

以成本管理为例，基于互联网和商业智能等技术，企业可以聚集内部财务小数据、业务中数据和社会大数据，建立多维成本数据库，实现对结构复杂、数量巨大的成本数据的分析处理。这不但有利于推动成本管理方法在更多企业落地和应用，还有利于提升成本管理方法应用的价值。

“智能化”管理会计模型怎么建？

从国内外的应用企业案例情况来看，多数应用深入、效果明显的管理会计信息系统是基于商业智能的管理会计系统。

元年研究院认为，基于商业智能的管理会计智能化系统，首先需要组建一个全面的企业级数据仓库（Data Warehouse），得到企业数据的“全局视图”；在此基础上，再利用数据挖掘（Data Mining）、联机分析处理（OLAP）等工具对数据进行分析处理，形成有用信息；最后，通过数据可视化工具为管理者展现出数字化仪表盘，为决策提供智能化支撑。

首先，构建底层数据仓库。管理会计是对企业各种经营数据的分析，是给企业内部管理层决策使用的，因此，数据几乎是一切。数据仓库技术的核心在于数据建模，通常按不同的主题建立业务模型和财务分析模型。通过数据仓库的建立，管理会计能够解决以下问题：进行全面业务梳理，改进业务流程；建立一个集财务小数据、业务中数据、社会大数据于一体的集团级数据平台，消灭信息孤岛和数据差异；解决业务的变动和数据仓库的灵活性。

其次，深入数据挖掘分析。数据挖掘对于以数据分析为核心的管理会计而言，是一项不可或缺的利器，它使数据数据仓库进入一个更高级的阶段 -- 不仅能对数据进行汇总和查询，还可以发现数据之间的潜在联系。管理会计的数据分析路径，就是从企业最核心的财务数据延伸到业务数据，从企业内部数据延伸到外部数据。数据挖掘能帮助财务人员发现企业运营数据中的潜在联系，进而更好地服务业务发展、服务管理决策。此外，OLAP也是商业数据分析的重要工具，它通过对数据的切片（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等各种分析动作，使不同层级的管理者能够从多个角度、多个侧面获得对数据的更深入了解。

譬如，对于企业管理者关注的销售数据，时间周期是维度，产品类别、分销渠道、地理分布、客户群类等也是维度。一旦多维数据模型建立完成，管理者可以快速地从各个分析角度获取信息，也能动态地在各个角度之间切换或者进行细致的、多维度的综合分析。

最后，搭建数据可视化展示平台。在数据建模和数据分析的基础上，管理会计智能化平台还需要为管理者提供直观的数据可视化展现平台。按照各级管理者对业务运营的不同管理要求，定制的交互式界面能快速、准确、全面、灵活的体现公司业务运营实际的数据信息，并且支持文本、表格、曲线图、柱状图、面积图、饼图、雷达图、仪表盘、散点图、气泡图、地图等多种数据展现方式，最终为业务管理、决策支持提供有效数据信息支撑。

未来，基于商业智能的管理会计智能化平台必将成为企业管理者经营决策的必备“外脑”。

图片 - https://photos.prnasia.com/prnh/20170814/1919366-1