北京2017年8月14日電 /美通社/ -- 信息技術的每一次變革，都會引起經濟社會各個領域的“蝴蝶效應”，會計行業也是如此。
管理會計加速邁向“智能化”
當前，伴隨著大數據、智能化、移動化和云計算等信息技術的飛速發展，會計信息化邁入“大智移云”時代。新技術的出現給現代會計的兩個分支 -- 財務會計與管理會計都帶來了深遠影響。
當備受企業界關注的管理會計遇上時下最火熱的商業智能（BI）、人工智能（AI）等智能化技術，會碰撞出怎樣的火花？
元年科技總裁韓向東表示，管理會計的本質是建立在數據收集、分析基礎之上的精細化量化管理，它的使命是為管理者提供決策支持、促進管理精細化，但無論是管理會計理念與方法的落地，還是管理會計功能的發揮和價值實現，都離不開信息技術的支撐。而商業智能（BI）的本質是一套商業方面輔助決策的信息化解決方案，它利用人工智能、數據倉庫、數據挖掘等技術，按企業既定的業務目標，對大量數據進行分析和挖掘，從而支持企業的智能管理與決策，提高企業核心競爭力。商業智能對決策支持的影響度較大，對交易業務處理的影響度較小。
“由此可見，商業智能、人工智能等智能化信息技術的出現與迅猛發展，將對現有的管理會計及管理會計信息系統的構建帶來一場徹底顛覆。”韓向東表示。
2017年以來，智能化技術在管理會計領域的應用與發展速度之快，遠遠超出人們的預期。年初，全球領先的商業智能領導者IBM與深耕管理會計信息化17年之久的元年的“牽手”發力管理會計智能化市場；年中，數據挖掘、機器學習入選2017影響會計從業人員的十大技術……這些熱點事件引發了會計界對智能化新技術的高度關注，也印證了管理會計發展的一個趨勢 -- 2017年是智能化管理會計落地 “元年”。
管理會計智能化需要“模型”
早在幾年前，我國管理會計行業“領航者”元年科技就提出觀點并付諸實踐：管理會計需要從商業智能（BI）入手，管理會計信息系統的構建需要基于商業智能強大的建模能力。
韓向東認為，管理會計“智能化”主要體現在管理會計需要模型支持。這是因為管理會計的較大價值就是為管理者的科學決策提供量化信息支持，而量化管理離不開模型化，模型化是對量化管理的升華。
一方面，管理會計需要通過構建模型來模擬企業商業模式和運作流程，進一步體現各個量化管理因素之間的復雜關系和相互影響程度，使企業管理者能夠透過模型化看清商業模式和盈利模式，進而使企業的運營可預見、可計量、可控制。
以全面預算管理為例，其本質上是通過對未來經營情況的模擬“算贏未來”，是一套涵蓋從業務預算到財務預算，從目標制定、預算編制、預算執行和控制、分析反饋、調整和評價的閉環體系。比如，如何將目標定得更加科學合理？模型構建為我們提供了一條科學確定企業目標的途徑。構建目標測算模型大體有這么幾個步驟：（1）對象的選擇；（2）指標選擇；（3）目標值確定；（4）權重設定；（5）模型測試。通過對不同情景設置不同的權重，企業可以獲得一個相對合理的經營目標。實踐中，不管是預算模型中的預算目標測算和分解模型、產銷銜接模型、滾動預測模型，都要求企業管理會計信息系統具備強大的建模功能。
另一方面，管理會計需要模型也是由新經濟時代商業模式的日益復雜化決定的。隨著市場的成熟、競爭的加劇以及互聯網經濟的來臨，企業商業模式進一步虛擬化和復雜化，企業主業務線和各條業務線間的聯系更加松散，盈利模式更加隱蔽，管理者需要借助模型才能厘清各種復雜關系，才能分析、評價各業務板塊的真實狀況。
以成本管理為例，基于互聯網和商業智能等技術，企業可以聚集內部財務小數據、業務中數據和社會大數據，建立多維成本數據庫，實現對結構復雜、數量巨大的成本數據的分析處理。這不但有利于推動成本管理方法在更多企業落地和應用，還有利于提升成本管理方法應用的價值。
“智能化”管理會計模型怎么建？
從國內外的應用企業案例情況來看，多數應用深入、效果明顯的管理會計信息系統是基于商業智能的管理會計系統。
元年研究院認為，基于商業智能的管理會計智能化系統，首先需要組建一個全面的企業級數據倉庫（Data Warehouse），得到企業數據的“全局視圖”；在此基礎上，再利用數據挖掘（Data Mining）、聯機分析處理（OLAP）等工具對數據進行分析處理，形成有用信息；最后，通過數據可視化工具為管理者展現出數字化儀表盤，為決策提供智能化支撐。
首先，構建底層數據倉庫。管理會計是對企業各種經營數據的分析，是給企業內部管理層決策使用的，因此，數據幾乎是一切。數據倉庫技術的核心在于數據建模，通常按不同的主題建立業務模型和財務分析模型。通過數據倉庫的建立，管理會計能夠解決以下問題：進行全面業務梳理，改進業務流程；建立一個集財務小數據、業務中數據、社會大數據于一體的集團級數據平臺，消滅信息孤島和數據差異；解決業務的變動和數據倉庫的靈活性。
其次，深入數據挖掘分析。數據挖掘對于以數據分析為核心的管理會計而言，是一項不可或缺的利器，它使數據數據倉庫進入一個更高級的階段 -- 不僅能對數據進行匯總和查詢，還可以發現數據之間的潛在聯系。管理會計的數據分析路徑，就是從企業核心的財務數據延伸到業務數據，從企業內部數據延伸到外部數據。數據挖掘能幫助財務人員發現企業運營數據中的潛在聯系，進而更好地服務業務發展、服務管理決策。此外，OLAP也是商業數據分析的重要工具，它通過對數據的切片（Slice）、切塊（Dice）、鉆取（Drill-down和Roll-up）、旋轉（Pivot）等各種分析動作，使不同層級的管理者能夠從多個角度、多個側面獲得對數據的更深入了解。
譬如，對于企業管理者關注的銷售數據，時間周期是維度，產品類別、分銷渠道、地理分布、客戶群類等也是維度。一旦多維數據模型建立完成，管理者可以快速地從各個分析角度獲取信息，也能動態地在各個角度之間切換或者進行細致的、多維度的綜合分析。
最后，搭建數據可視化展示平臺。在數據建模和數據分析的基礎上，管理會計智能化平臺還需要為管理者提供直觀的數據可視化展現平臺。按照各級管理者對業務運營的不同管理要求，定制的交互式界面能快速、準確、全面、靈活的體現公司業務運營實際的數據信息，并且支持文本、表格、曲線圖、柱狀圖、面積圖、餅圖、雷達圖、儀表盤、散點圖、氣泡圖、地圖等多種數據展現方式，最終為業務管理、決策支持提供有效數據信息支撐。
未來，基于商業智能的管理會計智能化平臺必將成為企業管理者經營決策的必備“外腦”。
