數據驅動背景下，依托財務共享、數據中臺、人工智能、云等，傳統財務體系將被重構，利用數據主動賦能業務的智能管理會計勢在必行。

我們研判，2022年管理會計應用將有九大趨勢：

趨勢一：以數據驅動為主軸進行智能化轉型

數據是數字化的基礎。隨著數字化轉型的推進，企業的數據生態發生了極大的變化。企業內部數據與外部數據的邊界正在逐步消融。隨著數據信息日益豐富，如何利用數據驅動企業發展成為企業數字化轉型過程中的核心問題。

管理會計用數據說話、用量化管理。數據則是管理會計發揮職能的重要支撐。隨著企業內外部所面臨的不確定性增加，管理會計的量化功能日益凸顯。管理會計從財務視角來審視業務的效益和價值，通過對業務環節信息的量化處理，以預算、成本、費控、數據分析、管理會計報告等工具多層次、多維度地量化企業經營成果和效益，是應對不確定環境的利器。而在數字化背景下，僅以過去的管理會計系統和工具所執行的量化管理已無法滿足企業需求，以數據驅動為主軸、利用數據主動賦能業務的智能管理會計勢在必行。

智能管理會計不僅是傳統管理會計在數字化時代的創新和發展，也是對傳統財務體系的革命性迭代。從本質上來說，傳統財務是準則導向、披露導向，不是業務導向、管理導向，ERP 系統主要為流程操作服務。近年來，隨著互聯網商業模式以消費側為主導、以模式為核心的資本經濟蓬勃發展，很多企業在業務端已經應用了線上線下融合的新思想，傳統采用與交易分離，以事后報賬為主的財務支撐體系‘以管控風險為目標的傳統模式，存在流程復雜、效率低下等諸多問題，顯然已無法匹配前端快速響應的管理要求，必須進行重構。而智能管理會計正是新一代財務體系的核心內容之一。

趨勢二：依賴企業內外部海量數據的深度融合開展數據應用

數字化時代將擴大企業有用數據的邊界。傳統管理會計所應用的數據主要局限于財務數據和部分業務數據，智能管理會計則需要依賴涵蓋內部數據和外部數據的大規模數據產生價值。

企業在經營活動中會產生大量內部數據，包括以收入、成本、利潤、資產、負債等為代表的財務數據和與產品、客戶、渠道、生產、研發等相關的業務數據。這些數據直接反映企業經營情況和財務狀況，是企業在經營和管理決策中長期應用必不可少的重要依據。以預算管理為例，在從目標、計劃、預算到資源再到行動的整個過程中，首先用到的數據就是生產計劃、銷售計劃等業務數據和收入、費用等財務數據。

同時，在整個企業運行過程中，隨著企業壁壘變得越來越薄，獲取資源的過程和內部交易的過程，都會更依賴大數據來定義客戶、完成交易。企業不再只是產品的制造者，而要整合外部平臺，需要利用大數據涵蓋與企業所處行業相關的競爭環境、盈利模式、業務模式、客戶消費模式等一系列內外部經營相關的信息流，形成可利用的大量外部社會數據。

成功的數據應用是深度融合內外部數據的應用。無論是某快消企業在供應鏈決策中綜合協同銷售、生產、采購、財務等部門內部數據以及競爭對手狀況、區域天氣、市場環境等外部數據，還是某房地產企業在投前測算中綜合采用運營計劃、項目成本、銷售進度等內部數據以及地塊基本情況、競爭對手拿地情況等外部數據，內部業財數據只有與大數據相結合，才能觸發真正令人滿意的數據應用效果。依托大數據、物聯網等新一代信息技術采集到的海量內外部數據，智能管理會計獲得了前所未有的絕佳數據基礎支撐，能夠開展更有價值的數據應用。

趨勢三：依托數據治理來確保數據高質量

隨著數據作為基礎性戰略資源的地位日益凸顯，數據確權、數據質量、數據安全、隱私保護、流通管控、共享開放等問題日益受到高度關注并引發深度思考，數據治理成為企業IT系統建設中的一個新熱點。

企業在生產經營中不斷產生的數據往往以雜亂無序、口徑不一的狀態隱沒在企業內外部的各個信息系統中，數據質量參差不齊，數據價值難以被挖掘和釋放，極大地限制了管理會計價值的發揮。新一代信息技術的發展和應用使數據治理方式獲得了極大擴展，數據治理的效率也得到了顯著提升。

基于強大的數據治理技術，系統可以在確保數據安全的前提下，對來自不同應用系統的結構化、半結構化、非結構化數據的數據標準進行實時動態梳理，開展主數據、元數據、數據質量管理，提高各類數據的質量，將大量雜亂無章的數據轉變為清晰、有序、有條理、有脈絡的數據資產，賦能前端應用，并將前端應用產生的新數據再次回歸到整個數據全生命周期中。

在高效的數據治理體系支撐下，管理會計將更加依賴內外部的高質量數據開展工作，更好地賦能企業經營管控和業務決策。

趨勢四：利用中臺化的數據建模加工數據

數據中臺在歷經了2019年的概念普及期、2020-2021年的探索應用期，在2022年將有望進入大規模應用階段。從目前的情況來看，很大一部分企業已經在建設或在規劃建設數據中臺。防疫的長期化，進一步推高了企業對數據中臺建設的需求。構建基于數據中臺架構的管理會計系統，正在成為管理會計應用的大勢所趨。

數據中臺連接各類場景下的數據源，整合大數據的計算和存儲能力，通過提供標準化數據服務連接將數據與應用場景，接著進行數據采集、清洗、管理和分析，最終形成一套讓企業可持續利用數據的機制。在中臺化的新一代企業信息化架構下，來自ERP、SRM等各個信息化系統中的業務數據、財務數據、大數據，結構化和非結構化數據全部匯入數據中臺，實現統一、集中的數據建模，形成服務化的數據應用，輸出到前端預算管理、成本管理、數據分析等各個應用系統中，開展豐富的場景化應用，并以多樣化的形式展現數據分析應用的結果。

對于管理會計應用而言，數據中臺技術的應用不僅打破了企業內部的信息壁壘，有力提升了數據采集和數據轉換的效率和質量，為數據存儲和數據管理帶來便利，而且為管理會計的數據建模、分析提供實實在在的源頭活水，讓管理會計報告對企業經營決策更具有針對性的指導價值，大大對沖外部市場不確定性帶來的負面影響。

趨勢五：提供實時化和動態化的數據服務

實時化和動態化是市場環境對管理會計提出的新要求，也是在新一代信息技術推動下智能管理會計應用創新的新發展。在進入數據爆炸的移動互聯網和大數據時代后，成熟企業的管理會計應用的數據量急劇增長，如何提升數據處理、數據分析和數據響應的速度成為智能管理會計的新挑戰。

智能管理會計系統基于對內存計算技術的全面應用，能夠把數據完整保留于內存中，并通過優化的存儲結構和算法處理海量數據和復雜邏輯，將用戶的數據讀寫請求快速轉換為內存讀寫和內存計算，使得系統性能不會因數據量的持續增加而發生衰減，從而使數據處理的頻度和速度獲得大幅度提升。企業從原來被動的事后分析轉變為主動的實時決策，并可以此為基礎創建基于預測，而非響應的業務模型。

依托智能管理會計實時化和動態化的數據服務，企業可以打通和匯聚多源數據，實現數據資產化和內外部數據的整合，將實時動態的共享和復用給前端應用系統，實現場景化的數據應用。例如：亞馬遜利用機器學習算法動態定價，每天有約250萬次的價格調整，整體提升利潤達25%；銀行利用強化學習算法探索需求收益率最大化，機器不僅學習大數據場景進行貸款定價，還面向不同客戶進行貸款定價。

趨勢六：以數據場景化應用直接賦能業務

傳統管理會計系統由于數據采集、數據整理、數據加工比較緩慢，相關信息不夠重復，所以更多地強調用數據支持管理層的決策，對一線業務部門的賦能，對運營端的支持相對較為薄弱。相比傳統管理會計更多地強調用數據支持企業決策，數字化環境下的智能管理會計將會更注重以數據直接賦能。智能管理會計對企業發展的賦能既包括為企業管理賦能，更重要的是為業務運營賦能，與此相適應，管理會計應用也將從全面化向場景化轉變。

企業管理離不開各類經營場景下的具體業務問題，理解場景是解決問題的前提。智能管理會計為業務賦能，也必須依托企業一個個的具體業務場景。場景化的管理會計應用是針對企業業務經營的具體場景開展的數據應用，如零售企業基于場景化應用開展區域單品的銷售預測，制造企業針對重點產品開展產銷協同分析，服裝企業依據某季服裝銷售額做出的庫存/物流優化決策，房地產企業對所持有房產的價值分析等。

隨著數字化時代數據的數量、數據治理能力、數據建模能力和數據分析能力的大幅提升，智能管理會計能夠更多地應用于銷售、生產、供應鏈和研發創新等價值鏈環節的具體業務場景中，直接為業務運營賦能。

趨勢七：數據應用更加轉向對未來的預測

數據應用可以幫助企業感知現在和預測未來。感知現在即基于歷史數據看當下，包括描述性分析和診斷性分析，表現為將歷史數據與當前數據融合，挖掘潛在線索與模式，展現企業的經營狀況和背后的原因。預測未來則是應用模型開展對未來態勢的判定與調控，包括預測性分析、優化性分析和自主性分析，表現為基于數據模型來解釋事件發展演變規律，進而對發展趨勢進行預測，不僅要展示企業可能發生的變化、更要幫助企業制定適應變化的對策。從價值創造的角度來說，預測未來的應用致力于解決問題，更符合數據洞察“向前看”的發展趨勢。

傳統管理會計主要是感知未來的數據應用，而智能管理會計則更加重視預測未來的數據應用。以對歷史數據的分析為例：企業可以利用隱形關聯的歷史數據，如企業內部運營數據（訂單數量、投訴數量等）和外部數據（天氣、社交網絡情緒指數等）來訓練機器學習模型。企業內部利用完成訓練的模型對在線數據進行預測，從而讓對歷史數據的靜態分析變成一個動態的預測模型。在智能管理會計領域，基于對新一代信息技術的充分應用，企業將獲得更充分的業務決策信息，從而更好地支持計劃預算和經營預測。

趨勢八：應用AI實現自動化決策和數據平權

AI技術賦予了智能管理會計自動化決策的基礎。通過應用自然語言識別技術，系統能夠具備感知并認知自然語言的能力。用戶可以通過語音給系統發出指令甚至與之進行對話。通過應用知識圖譜和智能推理技術，系統可以自動檢索、閱讀，并與用戶進行智能問答。應用機器學習可以令系統具備自助分析的能力。系統基于對業務知識的理解，科學預測、合理控制、智能分析，真正成為管理和財務人員的智能助手。

依托初期的智能技術，企業已經可以實現對主體的財務預測、經營推演和風險量化等。未來，隨著人工智能技術的深度發展和在財務領域的高階應用，擁有高級人腦智慧的財務平臺將基于對業務知識的理解，科學預測、合理控制、智能分析，甚至直接代替管理者進行自動化決策。

同時，隨著后續智能管理會計實現自動化決策，企業業務中的判斷可以由模型做出，原本在流程節點由人做出決策、強調工作流先后順序的組織結構將更傾向扁平化。在“數據 模型”的加持下，企業員工將在自身所在業務環節實現數據平權，企業管理重點更多落在如何促進數據搜集、發布，進而作用于業務經營，實現運作全過程、客戶全觸點。

趨勢九：依托管理會計報告形成一整套追溯和跟蹤體系

作為管理會計方法應用的最終結果和管理會計信息的終端產品，管理會計報告是智能管理會計應用的最后環節。隨著智能管理會計帶來的數據獲取、數據處理和數據分析能力的巨大提升，長期制約管理會計報告發展的技術瓶頸獲得了突破，管理會計報告的應用和發展開始發生全面的變革，管理會計報告也進入智能化時代。

對管理會計報告而言，智能化帶來的最大改變就是令其從單純的報告進化到報告、推演、模擬、行動、反饋的組合。管理會計報告以數據為基礎，但并不應將其僅僅看作單純的數據展現。傳統分析是數據分析單一，組織單一、人員單一、流程單一、職能單一、輸出結果單一，缺乏反饋的流程、路徑和機制，使管理會計報告成為單純的報告，盡管能夠為用戶提供數據分析的結果和相關改進建議，但無法跟蹤后續改進行動的落實。智能管理會計系統下的數據分析更貼近具體業務的場景化。業務化分析往往是團隊協作，有管理人員領導，可以調集生產、銷售、研發、財務人力等多部門聯動協作，站在全公司的整體視角解決場景中的業務問題，做出相應決策并上下協同實施。

同時，在智能管理會計系統中形成的數據一定要回歸業務前端，反向指導業務運營。這些都使得管理會計報告不再是單純的報告，其有條件形成一整套追溯和跟蹤體系，從報告、推演、模擬行動到反饋，通過廣泛的自上而下的團隊參與和推動，確保報告內容能及時、精準地賦能業務發展。

數據驅動 洞見未來，點擊右側，即可與元年研究院一起共討企業數字化轉型新機遇http://www.zhiding.cn/special/yuannian_2021