管理会计与信息化技术应用趋势探讨

管理会计与信息化技术应用趋势探讨

管理会计的概念早在上世纪60、70年代就产生，为什么近几年才会迅速火热？管理会计的理念是尽可能结合各种数字推动业务以及管理决策，伴随科技的发展，尤其是国内财务管理的信息化这几年的迅速发展，管理会计的理念才会进一步潮喷，上世纪末国内还在普及电算化，如果这个时候让财务通过纸质的账表来提供管理会计的分析与支持，那难度肯定较大，就是因为随着技术的发展，财务才能从基础记录到传统核算进而进入现在的管理会计应用。管理会计应用的基础是信息系统，首先保证数据来源和数据质量，而后才能对数据进行进一步的应用。鉴于最近管理会计内容的火热，所以特地结合FSSC专家的分享、访谈，就信息化结合管理会计的应用有如下3个方面的发展，也望与更多FSSC、信息化方面的专家共同探讨，同时给到企业的CFO、准CFO们参考：

一、业财税一体化

传统的财务管理模式下，受限于技术和业务模式，大多数企业的财务与业务交易隔离，以事后报销报账为主线的财务处理管理甚至是财务共享模式仍是主流。会计工作存在大量的人工审核合同、订单、发票的简单重复劳动，这个差异尤其体现在二、三线城市以及中小型企业中。

业财税一体化财务共享平台是现代企业拥抱互联网、移动应用和大数据技术的全新理念和模式，核心思想是全面无缝连接。虽然大部分企业业务、财务之间尚未实现自动打通，但不乏走在前沿的企业通过结合PC端、移动端，各种软件、APP、应用等各个可收集到业务数据的直接、间接工具间，打通业务数据与财务数据的进一步融合，完全实现对所有管理活动的数据收集并统一汇总到系统内处理，一方面便于业务相关的费用、资源调用、更高效地处理与管理供应商、同时也能第一时间让业务、管理掌握所有管理措施后产生的财务影响，并根据现有的业务数据分析给到前沿决策参考分析依据。例如孩子王、美菜网这些结合互联网的独角兽企业，借助本身信息管理的优势，率先实现了业财税融合以及一体化（关于孩子王的更多详情可浏览官网，关于美菜网的内容请关注6月共享课堂）

企业运营全流程、全业务实现一体化打通是数字转型的绝对趋势、各环节数字实现的无缝对接，就好像河流一样汇集到海洋，在统一一个平台上交互融合。而打通了交易端与业务流程衔接，企业因为具有更多快速反应和改变的时间，也提升企业内控管理的能力。在此技术上，可应用大数据和人工智能技术，进一步优化流程提升效率。

二、实时内存计算方式

基于内存多维计算引擎是管理会计实时化的新一种应用方式，这是基于新一代ERP实时内存计算方式，同时利用中台技术嫁接前后业务与财务数据。数据建模和计算是管理会计的核心功能，管理会计系统的功能满足度、可扩展性，都依赖系统的建模计算能力。

现在的流行概念是多维数据库、多角度思考模式，预先为用户组建多维的数据模型。维度指的分析角度更多维度、更多层级，并且各层级之间还会交叉、并能体现在多场景上。一方面能够具备时效性，一方面又能细化到支撑各种业务，包括新业务。从数据处理能力上，关系型数据库主要面向单笔交易进行数据处理，多维数据库则是对大量交易数据进行多维度汇总计算，大数据处理能力上远高于关系型数据库。就FSSC访谈与走入的企业中，少部分企业已进入该领域但仍有很大改善空间，大部分企业没有如此的竞争能力，信息系统还停留在一个大的数据池角度甚至可以说数据都不够全面与完整。

企业建设财务共享中心不光要看效率、成本，更要看到其适应性和延展性，不少目前已经建设财务共享中心的企业，财务共享中心的职能多停留在核算，即便结合了税务、人力资源、法务等，不少还是把管理会计职能、战略财务、业务财务的职能划分在共享中心以外，由于新一代ERP技术以及大数据的技术、区块链技术以及新技术的不断推出，未来战略财务、管理会计、甚至业务财务都有可能囊入共享中心，传统核算功能都有机器自动处理，财务共享本来就是一个名称，重要的还是企业的战略定位以及期望财务或者共享部门实现的价值。

三、大数据和人工智能

通过管理会计数据的采集和建模计算后，会产生大量的数据。近年来，数据的展现、分析和利用呈现出移动化、自主分析、进一步深挖的趋势。

1.移动化，4G网络和H5技术的普及，促进了移动端应有的快速扩展，传统企业信息系统正在快速地向移动端迁移。需求者对信息获取的实时性要求，推进了分析报表移动化的普及。

2.自动分析，借助后台的多维数据模型，提供更灵活的自助数据分析功能，自动化和智能化技术会在数据分析领域发挥更大的作用。从结构化数据到非结构化数据（利用语音、视频等）采集，采用类搜索引擎的方式向系统提问，系统理解问题并在后台数据库中探索数据，并以适当的形式呈现给用户。

3.深度挖掘数据价值，“数据科学平台”旨在提供各种工具，帮助用户对多个来源的数据进行整合和研究，并建立和部署数据模型，利用这些模型处理实时数据，发挥更大价值。例如：利用一些具有隐形关联的历史数据，如企业内部的运营数据（订单数量，投诉数量等）和外部的数据（天气、社交网络情绪指数等）来训练机器学习的模型。利用训练完成的模型来对在线的数据进行预测，从而让历史数据的静态分析变成一个动态的预测模型。可以进一步提高透明度、可重复性和可扩展性，能将动态的结果（比如广告活动的预测结果）推送给基于这些结果做决策的人，替代静态的历史数据报告。金融、零售和科技公司对此应用越来越多。

对于当下企业而言，无论技术发展的程度如何，都必须保持对技术的尊重以及对数据的重视，即便未完全实现信息化都