企业集团管理会计应用基础的五度修炼

《管理会计基本指引》第七条指出：管理会计应用环境是企业应用管理会计的基础，主要包括与管理会计建设和实施相关的价值创造模式、组织架构、管理模式、资源保障、信息系统等因素。从指引中不难看出企业集团管理会计的深度应用需要业财数据甚至企业全景数据的有效支撑。但是传统企业信息化系统点状建设，各自为政，数据范围较窄，口径不统一，颗粒度不同，处理效率低下，管理会计更多的是基于核算数据的事后分析。

“大智移云物区”等新技术的风起云涌颠覆了传统会计信息加工流程，从数据采集、存储加工到信息输出，呈现出自动化、数字化、网络化、智能化、实时化的趋势和特点，很大程度上提高了数据处理效率和质量。数据的易得性和财务数字化转型使得管理会计应用基础突破传统的财务信息核算成为可能。

如果说管理思想是管理会计的灵魂，多维精细的企业全景数据则是管理会计思想落地的土壤。因此在财务数字化转型的初始阶段，企业集团在管理信息系统规划和全景数据重塑时需要充分考虑管理意图和精细化要求，从“规划高度、数据广度、管理粒度、获取速度、应用深度“上进行数据的五度修炼，通过把管理思想、管理会计工具、管理维度等要素植入到流程再造和数据整合中，聚合高质量的数据资产，为管理会计深度应用和决策支撑打好基础。

01规划高度决定数据可用性

企业信息化建设的传统步骤是先做业务应用系统，解决部门级的运营需求，如财务软件、进销存、ERP等。然后再考虑建设管理信息系统，如全面预算管理，商业智能分析等。这种做法在第一阶段的信息化规划时，没有考虑第二阶段管理信息系统的应用诉求，经常导致信息孤岛、重复建设，海量后台业务系统数据日积月累，却无法整合应用，战略层一表难求。究其根源，主要是缺乏集团统一高度的信息系统规划，导致各子系统目标分散，协调困难。

管理会计的目标是洞察数据背后的逻辑，支撑管理决策，企业集团应站在整个集团的高度全局筹划信息化建设方案，以“满足各层级、各场景的管理需求”为价值导向规划信息系统建设内容和建设路径。需要从集团层面统筹规划管理的内容一般包括：标准的基础会计体系、流程、系统、制度、规范等。

l 统一数据标准：全集团一套主数据体系，统一科目、组织、项目、客户、供应商、部门、人员等公共信息；

l 统一流程体系：统一经济事项标准，统一财务工作流程，统一合并报表流程，一套协同流程与规范，统一财务内部流程的条线划分与衔接；

l 统一管理标准：全集团一套管理体系，从模式、组织、职责到流程等；全财务一套管理标准，统一系统表单，共性业务一套对接标准，统一管理统一维护；

l 统一会计科目：保证集团统管科目，考虑后续经营分析需求，灵活拓展，覆盖新准则变化调整；

l 统一核算方法：从业务视角出发，精细化核算，兼顾新准则维度、内部交易维度，实现全集团统一标准与规范；

l 统一管理维度：从管理会计应用角度抽象集团级和各分层管控级别的管理维度，通过在数据上打标签的方式，丰富管理维度，支持经营统计及多维盈利分析。

02数据广度决定信息全面性

企业数字化转型和管理会计应用的一个关键要素就是数据。传统的财务核算数据信息衰减滞后，和企业经营情况的关联性较差，难以针对决策分析的特定场景延伸出新的指标。数据的广度是突破传统核算数据应用局限性的关键。

企业在数字化转型过程中，沿着企业核心价值链、供应链、前端销售市场及客户行为的业务和数据流向，结合智能技术，大大拓展了企业数据集的广度。除了传统的财务核算数据，还要识别和重构能更清楚地阐明企业运行状况的前端业务数据，同时实现业务数据和财务数据之间的协同和融合；除了时点、区间的静态数据，还要有动态、持续变化发展的数据；除了企业内部经营产生的数据，还要有外部的相关数据。

03管理粒度决定数据精细性

管理粒度指的是企业较小的管理对象，随着管理从粗放到精细的演进，企业的管理粒度突破传统的基于法人的核算单元，在企业内部引入市场化管理机制，依托责任会计划小管理对象，从业务目标上区分利润中心和成本中心，进行独立核算。划小管理对象的背后是权力、责任、利益的同时精细化，通过三者统一促进关键资源下沉，有效引导资源配置。“划小”之后，可以度量每一个业务活动对资源的耗费和对战略目标的贡献，由此按照效益导向原则，进一步优化资源配置。企业在设计管理颗粒度时，要从管理体系、数据质量和管理效益方面进行综合考量。

首先，划小管理对象要从成本、收入、产品、客户等多个层面构建管理会计核算体系，多层级、多维度准确核算和盈利分析。其次，明确具体数据统计标准、统计口径，同时配套IT系统建设、改造，建立数据支撑体系，提高数据质量。当然，管理颗粒度并非越小越好，在追求精细化管理的同时，要遵循管理效益原则，抓大放小。

04获取速度决定数据敏捷性

数字经济时代企业经营面临着很大的不确定性。为了应对瞬息万变的商业环境，企业财务需要变得更加敏捷，用更深刻的、相关的、及时的洞察力支撑决策。除了创新管理工具，还要灵活应用新技术，结合数字化信息技术的自动处理方案，链接系统间的断点，尽可能的避免手工录入、人工校验与账表、表间数据的加工转换，力求实现高度自动化。目前有一些成熟的关键技术已经广泛的应用到不同的数据过程中，具体如下表：

05应用深度决定数据价值性

企业通过数字化转型进入业务数据化时代，海量、异构、实时、多样的数据成为重要的生产资料和业务升级依据。数据自身是没有价值或者说微乎其微的，数据价值是被应用前景或场景赋予的。伴随着业务决策对大量数据实时分析的需求越来越多，如何盘活及深度应用这些数据，形成数据资产，挖掘数据深层逻辑，更好的服务管理决策需要企业根据业务场景需求匹配相应的数据能力。

大数据时代典型的业务场景需求如下：

l 离线和在线的边界越来越模糊，一切数据皆服务化，一切分析皆在线化；

l 越来越多的数据系统直接服务终端客户，具有高并发低延时的特点；

l 一套实时分析系统既要支持数据加工处理，又要支持高并发低延时的交互式查询；

l 对结构化和非结构化数据进行融合场景下的检索和分析；

l 客户群体细分，需要为每个群体量身定制特别的数据服务；

l 模拟现实环境，发掘新的需求；

l 业财数据协同，提高管理链条和产业链条的效率。

需要匹配的数据能力，首先是传输能力。数据传输性能决定了部分应用场景的实现，如数据实时的调用、加工、算法推荐和预测等。

其次是数据算力。数据计算能力决定计算速度，计算速度直接决定了数据应用的场景和时效性，可以从管理需求和成本效益角度考虑数据的实时性和定时性需求。

再次是数据资产。可直接使用的交付数据才能成为数据资产，发挥价值。数据初始聚合时散乱、各自为政、不可知、不可联、不可控、不可取，只有转换成资产才可以更好的服务于数据分析、数据挖掘、算法的训练与验证、知识图谱和风控等。

最后是数据算法。算法是把多元数据通过建模转化为一个判断结果来应用于业务场景。面对越来越复杂的业务场景，可能需要整个数据平台的功能矩阵来支撑和赋能。