智能财务背景下的数据治理研究

智能财务背景下的数据治理研究

冯友谊

河南省公路工程局集团有限公司   邮编     450000

摘要：随着数字经济的高速发展，数据作为一种战略性资源已经成为了企业和国家竞争力和创新发展的重要保障。但同时数据的管理和治理也变得愈发复杂和困难。本文结合企业智能财务转型的背景，以数据治理为研究对象，分析了数智化时代企业内部财会监督呈现出的变革趋势，聚焦于内部控制，分析新兴技术赋能下企业可实现的发展目标与核心要点。

关键词：智能财务 数据治理 数据要素

数字经济时代“大智移云物区”等新技术蓬勃发展, 智能化技术对各行各业均产生了广泛且深远的影响，智能财务也逐渐成为学术界和实务界共同关注的热点问题。但当前企业存在的数据质量参差不齐、数据标准不统一、数据之间互通信息不明确、“数据孤岛”等问题都极大限制了智能财务体系建设过程中数据要素价值的释放，导致智能财务体系建设无法有效达到优化运营能力、赋能业务发展、洞察管理风险、支持战略决策的目标。由此智能财务背景下，企业应同样借力数智化工具进行财会监督和风险防范，各类智能化技术被引入企业财会数据的治理体系，构建科学完整的数据治理体系，以充分释放数据呈现出新的变革趋势。

二、企业智能财务体系建设中的数据问题

（一）企业财务部门面临的数据困境分析

新时期企业内部财会信息数据工作既要实现全方位覆盖，又要做到重点突出。人为总结财务部门汇聚了企业从业务前端到财务管理后端的大量数据，是企业“数字神经系统”的核心部分。并且随着业财融合的推进，财务分析所关注的数据维度也由财务“小数据”扩展到涵盖财务以及业务经营、内外部环境等维度的业财“大数据”。以审核监督为契机提升内部控制规范化标准化程度，以财报监督为核心优化企业财务信息和数据管控能力。

（一）企业财务部门面临的数据困境分析

财务部门作为企业的“数据中 枢”，需要将众多部门的数据进行全局性管理。在该过程中可能面临以下数据集成问题：一是由于大部分企业尚未实现数据的全面无感采集，因而仍需手动将某些数据由“线下”搬至“线上”。手动录入存在效率低和易出错的特点，可能影响智能财务系统建设。例如，受限于手动采集发票信息，企业无法实时监控进项税、销项税等财务数据，将会阻碍智慧税务系统的建设。

（1）数据集成的困境。企业大部分尚未实现数据的全面无感采集，因而仍需手动将某些数据由“线下”搬至“线上”。手动录入存在效率低和易出错的特点，可能影响智能财务系统建设。例如，受限于手动采集发票信息，企业无法实时监控进项税、销项税等财务数据，将会阻碍智慧税务系统的建设。还有会计软件、销售系统、采购收集相关的数据，而这些系统往往是缺乏协同和连通的“烟囱式”系统。“烟囱式”系统 间“数据孤岛”会导致数据检索和溯源困难。当来自不同系统的数据在财务部门汇聚成一个宽表之后，由于前期 缺乏明确的上下游数据血缘梳理，导致数据定位困难， 核查数据合理性的过程中还需投入大量的时间成本。

（2）数据标准是指为了保障数据定义和使用的一致性、准确性和完整性而设置的规范性约束。财务部门可能面临以下数据标准问题：

一是数据的指标含义口径计算不一致。由于业务本门和财务各执一套话语体系，对于同一指标含义的理解可能不同。比如业务部门会将“销售额”视为实际销售总额，而财务部门会将其定义为在《企业会计准则第14号——收入》下允许确认的收入，这将导致收入和实际销售总额之间存在差异。还有两部门之间核算的口径不统一，可能导致对于相同的指标会有不同的输出结果，例如同样对于“利润率”的计算，销售部门会根据产品或服务的售价和成本来计算毛利率，并以此来评估销售业绩和制定销售策略。而财务部门会考虑所有的收入和支出，而计算净利率，并以此来衡量公司的整体盈利能力和财务健康状况。二是基础数据的格式、单位、精度的不统一。例如企业在实际交易业务管理数据，在ERP系统中管理库存、物流和订单等数据。两个系统间就可能存在数据格式不统一，两个系统可能分别使用MM-DD-YYYY和DD/MM/YYYY作为日期记录格式；数据的单位不统一，如果存在跨国业务，在子公司业务 系统中可能分别使用“﹩、￥、沂”等作为货币单位，而在 集团ERP系统中统一使用“￥”作为货币单位；数字精度不统一，不同系统间小数点后保留精度的不统一可能导致会计上结账不平。由于基础数据指标存在不一致问题，财务部门需要先对数据进行整合和清洗，以确保数据的一致性和可靠性。这就额外增加了数据处理的时间和成本，还可能会导致数据的错误和滞后。

（3）数据质量困境。

数据质量是否准确、准确、完整、一致、及时等因素。财务人员需要处理企业的账目、收支、财务报表相关的大量数据，因此可能面临以下四个方面的数据质量问题： 一是准确性。会计信息需要真实公允地反映企业务状况，如果数据存在错误或失实，将会产生严重的经济甚至法律后果。

二是完整性。人工审核模式下，审核监督工作耗费了财会部门大量的人力物力等。智能技术

财务涉及的数据通常源自多个系统。 当其中任何一个系统出现故障，将会导致数据不完整的情况。

三是一致性。会计上的一致性原则是指企业各个会计期间所用的会计方法和程序应当相同，不得随意变更。违反一致性原则将导致各类指标缺乏可比性，降低 会计信息的使用价值。

四是时效性。企业的决策的基础，例如预算、投融资及财务计划需要准确和及时的财务数据的支持。同时公司管理层也需要通过财务数据监控业务变化，例如新增业务、订单变更、产品促销等。如果财务数据不能及时反映这些变化，管理层将难以了解企业发展的真实的经营状况。

（4）财务主数据困境。主数据是企业中最重要、最基础、最权威的数据，因此也被称为核心数据。财务主数据通常包括公司信息、账户信息、客户信息、供应商信息、 资产信息、成本中心信息、利润中心信息等。 但是大型集团公司财务管理模式的主流发展趋势是通过设立财务共享服务中心（FSSC）来实现规模经济以及标准化的财务管理。在该过程中如果不同子公司间主数据编码不统一、来源不一致、定义不规范、信息不准确，将极大阻碍财务共享服务中心的建设和高效运作。

（5）数据安全困境。财务数据包含大量敏感数据，例如客户身份数据、银行账户数据、信用卡数据、合同信息等，因此需要保证安全存储和传输。同时，企业在智能财务建设阶段面临的信息安全风险除了传统意义上的基 础设施、系统应用、网络安全和数据安全层面外，更多的风险则源于对新一代信息技术的创新应用以及开展数据赋能过程中对海量、多维、异构数据的安全储存、传输、挖掘和使用，这也为财务数据安全管理工作带来了更艰巨的挑战。

三、智能财务背景下的数据治理体系建设措施

（一）提升数据的质量

系统能够将企业繁琐的财会审核监督规则进行简化与总结，构建起完整的审核规则库，使得审核规则既能够覆盖法律法规要求，又能够满足企业内部控制的个性化需求。因此数据治理体系需要确保数据的准确性、完整性、 一致性、时效性和可信度。企业需要通过建立一套切实可行的数据质量监控体系，设计数据质量稽核规则，加强从源头控制数据质量，形成覆盖全生命周期的数据质量管理，实现数据向统一数据标准。智务体系建设需要整合多个部门和系统的数据，并将其转化为可用于分析和决策的格式，因此数据治理体系需要制定一套统一的数据分类、命名、定义标准，确保数据可以被有效集成和利用。还可以通过推广RPA等自动化技术将大量前期的数据准备和交付的时间缩短，提升数据的获取和服务效率，加快数据价值的释放。对数据发掘和分析，提取有意义的信息和价值，因此数据治理体系需要制定一套数据共享和操作标准，促进不同部门和应用间数据的共享和利用，最大化数据资产的价值。

(二）强化数据事前、事中质量管理

企业在管理活动时围绕事前、事中、事后三个时间节点展开的。事前：进行数据质量管理前，对已有的数据进行评估和识别，审查了解数据的来源及用途和价值质量的状况，确定数据质量管理的目标和计划。在此基础上采取各种手段收集数据，包括直接从数据源采集、从第三方获取、手动输入等方式，确保数据的完整性、准确性和一致性。

事中：在数据质量管理的过程中，首先对收集到的数据进行分析，识别数据中存在的问题和隐患，并对问题进行分类和排序，确定需要优先处理的数据质量问题。其次需要通过建立监控机制和告警机制，及时发现和修复数据质量问题，防止问题恶化和影响业务开展。

事后：在实施数据质量管理之后，根据所发现的数据质量问题，采取相应的纠正和改进措施，包括修改数据源、数据清洗、数据抽样验证、加强管理、优化流程等。同时企业需要意识到数据质量管理是一个连续的过程，需要定期维护和更新，持续监控数据质量是否符合企业的要求，及时发现和修复问题，确保数据质量始终保持在高水平。

（三）加速了数字化人才队伍培养

在数据治理实施后，企业将数据价值放在更加重要的位置，加强了对数据的投入和管理，激发了员工对数据的兴趣和热情。同时，企业引入了一些新的企业级数据管理工具和技术，从而需要有一支具有数据分析、数据挖掘、数据建模技能的数字化人才队伍来支撑，这也刺激了企业对数字化人才的培养和提升,另外，财务人员已由之初的会计核算转变为EP财务数据分析为主，因此会计人员要具备熟练的财务管理外，还应该具备与时俱进学习大数据综合处理企业财务信息数据的能力，使企业数字化素养得到更加全面的提升，进一步提高了企业的竞争力和业务水平。

（四）要实现人机协同的智能审核模式

企业首先需要建设相应的信息系统工具，打好信息化基础。构建起完整的审核规则库，使得审核规则既能够覆盖法律法规要求，又能够满足企业内部控制的个性化需求。审核规则库包含票据合规性、报销规范性、标准合规性、付款合理性、合同合规性五大类内容，各类规则中又涵盖多条细则，例如票据合规性包含发票抬头校验、发票合规敏感词校验、有效期校验等，标准规范性包含差旅补贴标准校验、住宿费超标校验等。其次企业将审核规则全部内嵌至智能审核系统中，同步做好结构化信息采集工作，利用智能识别、解析工具从电子和纸质单据凭证中自动获取结构化数据，利用审核算法实现对各项合规事项的自动识别和控制，对审核结果进行可视化展现；财务人员如需对系统审核结果进行人工复核和确认，系统可基于特定审核场景智能提示相应的审核要点，辅助财务人员完成审核工作。

结 语

在智能财务背景下，数据治理工作的有效开展是企业构建数据驱动的财务决策支持体系、充分释放数据价值的基础。企业在开展数据的过程中，需要关注数据的质量管理，还应注重技术层面、流程与制度层面及人员层面的配套建设。通过开展规范的数据管理、构建清晰的数据架构，企业将拥有更加精准、高效的决策和运营能力，也将带来更为持久、稳健的商业竞争优势。

参考文献：

［1］刘勤.智能财务的发展体系及其核心环节探索［J］.财务与会计，2020（10）：11-14.

［2］金源.新技术驱动的财务数字化转型:方向、理念与框架体系［J］.新会计，2021，No.148（4）：45-48.

［3］金源，李成智.智能财务背景下的财务信息安全研究［J］.财会通讯，2023，No.915（7）：136-144.

［4］金源，李成智.数据驱动下的财务决策支持研究［J］.财会通讯，2023，No.911（3）：140-147.