财务转型背景下构建智能财务分析的对策研究
陆兴凤
【摘要】 ?随着大数据技术運用与财务加速转型，企业越发重视对数据的分析与运用，智能化财务分析也逐渐受到学术界和实务界的关注。文章主要探讨了大数据时代财务分析存在的问题以及面临的挑战，提出了构建智能财务分析体系的基本对策，这对于进一步提升管理会计的精细化和管理能力有较大的推动作用。
【关键词】 ? 财务转型;大数据;智能财务分析
【中图分类号】 ?F275 ?【文献标识码】 ?A ?【文章编号】 ?1002-5812（2019）22-0109-03
信息化时代下“财务机器人”逐渐普及，更多重复的、流程化的手工操作将会由机器替代，财务人员要向管理转型已经成为必然。财务分析是管理会计的重要工具，在企业管理中有着不可取代的作用。企业在管理中也越发意识到大数据的重要价值，面对海量数据的价值挖掘，智能财务分析应运而生。智能财务分析合理运用大数据技术与人工智能，真正让财务分析人员从繁杂的事务中解脱出来，走向企业价值链的每一个环节，做好经营业务分析，实现实时动态分析，真正挖掘出企业内外部大数据的价值。
一、大数据时代下的财务分析
在大数据时代，财务分析可以定位为综合财务分析，它主要是依据一系列的大数据资料（财务与业务资料），采用专门的方法和技术，对企业经营活动进行分析和评价的一种重要工具。财务分析能为企业管理者提供数据分析和指导意见，同时分析盈利点和风险点及企业管理存在的问题，帮助管理层作出科学决策，提升企业创造价值的能力。财务分析的作用体现在：（1）反馈与评价经营结果。财务分析最主要的职能就是对企业某段时期内的经营结果进行综合反馈与评价，并与预算进行对比，可作为考核依据，找出过去经营管理中的问题与不足，为企业下一步的工作指明方向。这是财务分析比较传统的职能，在后续很长时间内这个职能也是相对比较重要的。（2）动态决策的数据支持。经济越发展，竞争越激烈，企业的经营风险也越大。财务分析总结过去，着眼未来，帮助企业动态经营决策提供数据支持，从而做到精准预测商机和危机。（3）总结运营发展规律。在企业经营发展中的资金运用、资源配置、成本水平、市场份额、业务完成情况及盈利水平等都可以由历史数据分析出基本的运营规律。了解运营规律对于企业在竞争中的准确定位、提升管理效率、保障企业顺利发展有着极大的推动作用。（4）提供全面财务预算参考依据。全面财务预算在企业战略规划中的重要作用不言而喻，而财务预算制定时的很多数据与依据都来自于财务分析。财务分析能为财务预算做好未来的资源配置起到很好的指引，同时也可以为企业预算中的风险预警提供参考，财务分析是财务预算的基石。（5）财务分析帮助挖掘大数据价值。企业所有信息最终都会以各种数据加以呈现，数据的价值是无法估量的。大数据是企业业务的集成，数据蕴藏着企业未来的价值。大数据的变革对财务分析的影响是深刻的。智能财务分析是大数据高效利用的利器，大数据时代下的财务分析体系只有重新构建，实现业财融合的智能化分析，才能提供高效、精准的企业财务分析，帮助提升企业价值创造的效率与速度。
二、大数据时代财务分析存在的主要问题
（一）财务分析技术相对落后
目前财务分析主要还是运用Excel办公软件进行分析，没有更好的财务分析技术与手段，不能快速处理海量的数据，不能实现大数据时代的交互性与实时性分析，分析技术相对落后，无法满足大数据时代对智能财务分析的要求。事实上财务报表数据只是大数据里面很小的一部分，财务数据是对业务数据进行高度概括之后形成的二手数据。这些财务数据有很明显的逻辑规律，而大量的业务数据琐碎而没有明显的规律，这对财务分析技术提出了更高的要求，需要先进信息技术介入帮助财务分析技术实现突破。
（二）财务分析思维存在局限
目前财务分析思维还停留在传统会计账务的基本思维上，绝大多数人都认为财务分析就是对财务数据的分析，因此比较关注预算对比以及考虑事后审计，如每笔账务的原因及去向等。但伴随着财务工作的转型，财务触角必须深入到企业的每一个价值创造环节，将会更多地介入到企业价值管理的全过程，财务分析应该理解为企业价值管理工作的效果分析。所以财务分析思维不能只局限于会计信息，而应该从企业全局出发，获取企业全面的相关数据，同时还应该关注数据之间的相关性，否则将无法满足大数据时代管理的需要。
（三）财务分析数据质量不高
财务分析的基础是数据，但目前数据来源相对单一，基本上是财务部门会计核算的数据，未能搜集业务部门的数据，数据之间也缺乏关联性。由于是人工进行财务数据分析，所以数据加工时间长，无法实现自动化实时分析，导致输出数据信息的数量与质量都不高，满足不了大数据时代对数据分析的要求。
（四）财务分析与业务分析关联度不高
目前财务分析只关注财务报表的定量数据，不能充分与经营业务分析相结合。财务与业务联系不紧密，财务分析只有内部数据，缺乏必要的外部数据，不能关注外部市场环境的变化，没有做深入的行业分析，也不能深入到整个产业链中做分析。
（五）财务分析过程中缺乏多维度
企业经济活动涉及多种维度，从产品维度来看，企业生产的产品有很多种，有的产品相互之间可能没有关联，有的产品之间关联度可能很高，同一产品不同生产阶段情况也可能不一样;从供应商维度来看，渠道供应调整都是有前兆的，加强沟通与分析可以预判后端销售产品线的许多问题;从客户维度来看，分析客户消费偏好数据可以充分挖掘产品的市场潜力和前景;从地区维度来看，不同地区产品消费习惯和偏好也会有侧重。目前财务分析一般能做到对单一维度的产品、供应商、客户或地区进行分析，还不能做到不同地区下的产品分析的多维度、关联性分析。
三、财务转型对财务分析提出的新挑战
（一）财务分析智能化
大数据时代的海量数据加工与处理的工作量是人工难以及时完成的，即便人工勉强完成，但数据的时效性也丧失了，大数据所蕴含的巨大商业价值可能因此而变得没有价值。因此财务分析只有充分利用大数据技术，实现海量数据的智能化、流程化分析，才能帮助提升企业管理效率。
（二）综合财务分析
大数据时代财务分析不仅仅是财务数据的分析，而应能够对财务信息、管理信息和市场信息等进行综合性分析。利用先进技术对接不同的信息系统，获取内外部不同的数据，合理处理量化的和非量化的数据，设计不同的财务、业务指标，提高基础数据的质量与准确性，以实现业务与财务之间的联动分析，帮助企业及时、准确地发现商机。
（三）精细化管理会计
技术改变生活，技术同样改变管理。信息化时代最主要的特征就是精细化与个性化。大数据技术是精细化管理的重要手段，财务分析可以借助新技术实现实时的、个性化管理定制的分析。综合财务分析要求能把分析触角延伸到企业的每一个细节，为精细化管理会计发挥更大作用提供支撑。
四、适应财务转型构建智能财务分析的对策
（一）构建智能财务分析体系
财务分析在企业管理中有着极为重要的作用，大数据时代财务转型背景下构建智能财务分析体系可以为企业可持续发展提供足够的动力。智能财务分析借助于人工智能技术按照一定的业务逻辑实现对海量结构化和非结构化数据的采集、查询、计算与分析，并按设定的模板自动生成分析报告，如预算执行报告、部门运行报告等。
1.以经营为导向。智能财务分析体系设计时要充分考虑企业自身经营特点，以经营为导向，理清業务的基本逻辑以及与财务的关系，可以使用不同的分析方法与手段，同时实现内部数据与外部市场、行业、政策等必要数据的对接。
2.全过程分析。智能财务分析可以实现全过程分析。事前，智能分析系统按照固定的流程、标准及方法对数据进行处理，并模拟设置不同条件下的变量值，最终输出事前预测的目标值。事中，智能分析系统会随时关注指标执行情况，一旦有变化，及时发出预警，有效纠正偏差。事后，与事前预测进行对比差异分析，探讨原因，找出主要因素，并制定出有针对性的解决方案。财务分析利用大数据的先天优势，实现了全过程分析，使得企业经营各个环节都得到有效管控，形成了贯穿整个企业价值链的闭环式智能分析体系，这极大地提升了财务分析的价值。
3.财务与非财务指标相结合。建立科学的财务分析体系，一是要继续完善财务指标，深入分析指标变化的原因及影响因素，以便更好地揭示企业经营规律。二是要充分开发非财务指标，比如技术人才储备、技术研发创新、新技术运用、消费者满意度等。三是财务与非财务指标相结合使用，从而解决企业产品薄利却无法多销、产品政策没变而销量一直下滑等情况。只有结合非财务指标的分析，才会使财务分析更加完善与立体。
4.体现交互与变化。企业经营是一个动态的过程，智能财务分析可以紧密结合企业经营活动，将财务分析结果及时运用到企业经营中去，又能从经营数据中及时感知经营的变化，并对变化有所体现，真正实现了人机交互。比如企业并购后，财务分析要能及时调整，使数据在经营有变化时还具有可比性。
5.创新财务分析方法。智能财务分析支持结构化与非结构化数据分析，实现了业财融合，传统的财务分析方法远远不能满足分析的需要，财务人员要敢于尝试新的方法运用于财务分析，比如标准成本法、质量管理、资源会计、环境会计等方法。
（二）建设融合数据平台
1.业财数据集成与共享。数据是财务分析的基础与保证，实现智能财务分析的前提是借助大数据技术建立财务与业务数据融合共享的平台，打破目前数据框架，全面整合企业所需数据。业财数据实现融合共享才能意味着财务与业务的沟通与传递成为日常，也方便业务前端及时生成所需的业务分析。财务全面深入业务，确保各环节数据信息有效共享，才能实现跨部门的综合财务分析。
2.业财数据同步。智能财务分析要建立适合自己企业特点的分析模型，在业财数据实现集成共享后，能实现业务数据与财务数据的双向传递与同步更新，而不是像传统分析模式那样，数据只是单方向传递到财务部门。经营决策需要数据支撑，同时业务部门执行结果也表现为数据。只有业财数据做到同步无缝对接，智能财务分析才能真正为企业生产经营服务。
3.加大业财指标关联度。业务是企业核心，财务分析是帮助业务提升的，所以财务必须深入理解业务，与业务部门深入沟通，基于业务流程与价值链环节，确保关键节点所设置的指标能体现与业务有较大关联度。如果业务发生调整要及时根据需要重新考虑设置新的关联指标。关联度高的指标才可以帮助业务管理找出薄弱环节，促进业务提升。
4.结合业绩考核。企业管理的一项重要内容就是业绩考核，财务预算是标杆，财务分析可以帮助明确业绩考核的合理性及存在的不可控性。有时业绩不理想并不是员工不努力，也不是预算不合理，而是由于市场变化或其他原因造成的，财务要综合分析出原因，并给出一定的参考意见，这样才能为后续的价值创造贡献力量。
（三）强化大数据库建设与应用
智能财务分析有一套标准化、流程化的分析工具和模型，要想强化大数据分析应用，首先就是处理好数据与企业经营活动的关系，建立大数据库。
1.非标准化数据。智能财务分析不但要更快更好地处理好财务数据和结构化数据，而且要能利用新的财务分析工具和技术，对非财务数据加以反馈，以及对非结构化数据能从多维度加以体现，以解决标准化数据存在的局限性。
2.内外部数据对接。智能化财务分析平台不仅能对接不同部门，实现数据共享与协同，而且可以与必要的外部数据做好对接，比如产业链上下游企业的相关数据、行业数据等，只有获取了决策所需的充分数据，财务分析才算准备到位。
3.数据准确与精确。大数据库的数据准确性可以理解为两个方面，一方面是基础数据的来源要准确，这是确保财务分析质量的前提。另一方面，大数据下的智能化也意味着必然存在人为不可控的因素，也就是说会存在一定的不精确。智能财务分析在强调实时与效率的同时，不能保证绝对的精确。财务分析是面向未来的，所以在基础数据准确的前提下分析结果也可能不精确，财务人员需要加以仔细判断。
（四）实行精细化财务分析
精细化管理需要精细化财务分析作好决策支撑。
1.流程化管理分析。精细化财务分析下的基础数据来源于不同的业务部门，业务数据应该渗透到业务流程的每个环节，这样方便财务分析时按流程环节查找问题，进行提升。
2.全方位业务管理分析。精细化财务分析是为業务服务的，只有对业务管理进行全方位的分析才能把精细化管理的触角延到企业的供应商和客户。比如每一笔应收账款、每一批商品、每一笔付款等具体的数据都有责任人，并定时给出自己的分析，然后相关部门按业务性质统一汇总。
3.岗位化成本管理分析。成本管理对于每个企业来说都是至关重要的，成本是由各个岗位产生的，精细化管理下有必要对成本进行岗位化的精细分析，每一岗位成本都要落实到相应岗位的具体人员。比如订货成本是否合理，要由具体的采购、生产和销售岗位共同负责。在智能财务分析体系中，对于成本的核算与分析也是非常及时的，每日都有反馈，细化成本单元，深入业务前端，动态掌握企业成本管理情况。
4.项目化管理分析。大数据时代企业的管理更趋向于扁平化，决策管理人员直接面向的就是一线的大数据。那么财务人员以什么样的逻辑把分析结果呈现在管理人员面前？除了部门、产品，可能更多是的项目，这样的项目组是依据企业需要随时进行调整的，更加灵活。
（五）丰富财务分析形式
1.多维度分析。智能化财务分析不仅仅满足财务分析需要，还可以满足其他部门从多个维度对企业进行分析。比如业务部门对于客户、地区、产品等角度分析，或企业外部竞争对手分析;人事部门也可以从入职员工基本信息进行分析等。
2.实时分析。智能化财务分析最大的优势就是体现在借助先进的信息化技术能够实施实时财务分析。只有做到实时分析才能体现智能化，信息才不是滞后的，这样才能帮助企业管理层及时应对内外部复杂多变的经营环境。
3.个性化分析。智能化财务分析的分析模型应该是方便扩展的，管理人员可以根据决策的需要，灵活地定制一些具有个性化的财务分析模型，方便管理者主动地、多角度地思考与运用数据，这样才能满足不同数据使用者的需求。
总之，企业的经营管理离不开财务分析，大数据、人工智能时代财务转型已在进一步深化，对财务分析也提出了更高的要求。只有转变财务分析思维，利用信息化技术构建智能化财务分析体系，让大数据发挥应有的价值，财务分析与业务做好同步，做好经营业务分析，才能让企业在竞争中保持优势，推动企业可持续发展。
【主要参考文献】
王中艳.贵州百灵医药上市公司财务分析研究[J].商业会计，2018，（11）.
