俞映君
（北京映翰通网络技术股份有限公司，北京 100102）
近年来信息技术高速发展，大数据、人工智能等技术渗透到人们工作、生活的方方面面。2017年德勤财务机器人得到应用之后，人工智能在财务领域的应用越来越普遍，财务管理系统经过多年的发展取得了一定的成就。但是在当前，财务智能化的应用还不够深入，有必要针对财务智能化系统的应用进行进一步分析，结合人工智能系统的应用为财务工作的优化提供支持。
人工智能是用于模拟、延伸、拓展人的智能的理论和方法，是计算机科学的重要分支。数据挖掘是对大数据进行分析和整理，从大数据中提炼出对决策有价值的信息的过程。大数据时代，传统的数据处理方法逐渐失效，需要利用数据挖掘技术对数据进行分析，为机器学习提供数据支持。机器学习是人工智能中的重要概念，是计算机自我学习、自我优化的过程。在此过程中，计算机通过不断完善自身的数学模型，提高判断和预测的准确度。
传统管理模式下计算机的应用只能辅助财务决策，人工在财务决策中起主要作用，导致财务管理的质量、真实性、可靠性较低。在财务决策方面，将人工智能系统和大数据结合，能够解决传统管理模式下“信息孤岛”以及管理效率低下的问题，提高财务决策的质量［1］。在财务智能化管理模式下，信息系统通过对各类数据进行深入挖掘和分析，能够更好地为财务决策工作的开展提供支持，提高财务决策的有效性与及时性，保障财务信息的质量。在海量的信息中收集财务决策所需要的数据之后，后续的决策就不再需要反复收集数据，从而降低了单次决策的成本。此外，信息系统通过大数据技术自动收集数据，节约了人工处理的时间，提高了决策的效率和质量。
（一）系统层面的搭建
1.明确财务智能化系统的功能与结构
财务智能化系统包括数据层、分析层、交互层三个层面。数据层包括数据收集、清洗、挖掘、储存等工作，主要借助数据传输和自然语言处理技术，从企业内部的数据库中获取财务、审计、业务等方面的信息，并从互联网的海量数据中获取税务、利率、宏观经济等方面的信息。接着通过对各类信息的全面分析与整理，形成对决策有价值的信息并储存在数据仓库中，为财务决策提供支持，为数据的分类管理提供保障。分析层负责财务分析与财务决策活动，财务分析是在财务预测的基础上开展的。分析层包括知识库、方法库、模型库，储存相应的知识、方法、模型。系统收到人工智能分析的指令之后，从相应的数据库中调取知识、方法、模型，并结合画像开展分析与决策。画像指的是通过推理和分析对某事物的全面描述与刻画，例如在对企业组织架构、治理环境、风险偏好等因素进行分析的基础上形成企业画像，继而对企业外部的政策环境、经济环境、市场环境等进行分析的基础上形成外部画像。画像是高度概括的分析，通过企业画像和外部画像的匹配能够开展财务预测，并在此基础上进行分析，得出科学的财务决策，进而提高财务决策效率。交互层则是连接信息系统和决策者的纽带，应用语言处理技术将自然语言处理为机器语言，并通过机器的分析生成财务分析报告，为决策者的决策提供支持。
2.明确信息系统的决策驱动机理
大数据中的各类数据结构混乱，质量参差不齐，需要经过数据清洗、挖掘之后才能形成对决策有价值的信息。例如，从产品的产量、销量等方面提取出对决策有价值的信息，并关注产品的情况，结合企业的偿债能力、盈利能力、成长能力、风险偏好等要素进行评价，在此基础上能够促使决策工作更加高效，保障财务决策的质量。通过信息系统，深入分析企业的偿债能力、盈利能力、营运能力，在此基础上构建企业画像，通过对其他维度有价值的信息进行全面分析，例如判断企业的客户画像、资产画像等，通过画像之间的相互匹配得出财务预测数据，在此基础上最大限度地满足财务决策需求。为了提高企业财务决策质量，决策者应通过交互层对输出的财务决策进行修正和调整。在得出满意的财务决策之后，通过输出通用的财务决策报告或制定个性化的决策报告，使决策更加科学。财务报告的生成意味着海量大数据转化成了财务决策，通过这一过程能够为企业管理层的工作提供有效支持。
3.构建信息系统的决策模型
对大数据中各类信息的全面分析，能够帮助企业形成投融资、成本等方面的决策，有利于企业各项财务工作的有序开展。
首先是筹资决策。企业在分析企业画像、外部环境画像的基础上开展筹资决策，分析筹资决策的目标，判断不同筹资渠道的成本等方面的信息，从各类画像中分析有价值的信息，判断企业的偿债能力、盈利能力、风险偏好、外部借款利率、税收政策等信息，在此基础上借助深度学习算法对各类信息进行匹配，以分析不同筹资路径下的筹资成本及筹资时间，实现对筹资工作的合理分析。如表1所示，A企业在开展投资决策时，结合不同的画像，对各类画像下的指标进行分类，由人工智能系统自动根据各类指标进行分析之后，结合权重分析筹资决策。
表1 A企业的筹资决策分析
其次是投资决策。企业投资决策是企业在投资时，结合企业的营运能力、偿债能力、市场环境、法律合规性等方面的指标，结合新产品画像、新设备画像等内容，判断不同投资工作的可行性，并在此基础上开展财务决策。
最后是成本决策。开展成本决策需要分析企业在人力资源、生产经营、资金使用等方面的成本。例如在确定销售成本时，建立分销商画像，在此基础上判断产品、服务、质量等方面的要求，对画像进行匹配，以得到优化成本管理的决策。
4.明确信息系统管理的重点
大数据中数据较多，只有实现对数据的有效挖掘，才能获取对决策有价值的信息，确保决策更具有科学性。同时，财务决策对数据管理的要求较高，且随着训练次数的增加，方法和模型会日趋复杂。在这一过程中，相关人员需要根据人工智能系统分析的结果，对人工智能系统的相关数据设置不断进行调整，使财务决策工作更加高效。
（二）系统环境构建
1.支持系统构建
首先，构建基础业务系统。企业原有的ERP系统等是企业内部数据的重要来源，通过计算机对各类数据进行统筹管理后，企业的自动化程度越高，信息系统中数据的质量越高。通过基础业务系统能够大幅提高数据导入的效率，因此在构建财务智能化系统之前要加强对基础系统的构建。
其次，构建数据仓库。数据仓库是各类信息经过清洗、加工、归类后的储存地点，能够为财务决策提供有效支持。数据仓库是企业开展财务智能化决策中不可或缺的部分，企业可以选择云端设置仓库支付使用费用，减少维护成本和人力成本。
最后，构建人才体系。财务智能化系统作为对企业工作的重要变革建设，需要加强对财务人员的培养，要求其掌握系统的使用方法和操作技巧，提高员工的工作能力和综合素养。
2.完善制度支持
第一，优化授权制度。财务智能化系统要求为不同层次的人员提供财务分析、财务预测、财务决策等方面的工作支持，各项工作涉及企业大量的数据机密，因此需要加强制度建设，合理设置不同层级人员的权限，确保人员的权限与其工作要求相匹配。通过合理设置权限，落实授权审批流程，避免管理过程中出现错误。第二，优化追责制度。财务管理作为财务决策主体，要想提高财务决策的质量，就要加强对相关人员的管控，在财务决策体系中发现错误时需要进行追责，要求相关责任人承担责任［2］。
（三）完善财务决策体系
1.常规决策
常规决策指的是在企业日常经营活动中频繁发生的决策事项，例如采购时间点的确认、应收账款的催收，针对这类决策工作，通过人工智能系统的训练能够获得最佳的决策模型。例如，在确定采购时间点的过程中，信息系统通过收集业务和财务等方面的信息，监控原材料剩余情况，结合供应商送货时间、采购合同、企业销售情况等信息预测采购的需求量并做出采购决策。
2.复杂决策
复杂决策指的是在企业日常生产经营活动中不经常涉及的财务决策，这类决策的发生频率低但影响较大，因此对决策质量的要求较高。为了确保决策的质量，在信息系统作出决策之后，需要对决策结果进行检验和评价，并要分析知识、模型、决策工作是否合理，不断优化与完善决策，从而形成合理的决策方案，确保决策质量得到提高。
（四）优化财务决策评价
1.明确财务决策评价的原则
首先，财务决策需要与决策目标具有匹配性，围绕合理的决策目标建立恰当的决策体系。在市场开发决策、收并购决策、供应商选择决策、采购时间决策等决策中，都需要明确决策的目标以及具体规范和方案，以便财务决策工作能够更加有效地开展。
其次，落实财务决策方案。财务决策对企业的发展具有重要的影响，在系统制定财务决策的过程中，需要加强可行性评价研究，关注企业的财务决策能否实现既定的管理规划，判断企业的关键资源能否得到有效利用，分析财务决策是否符合成本效益原则，确保企业的各项决策工作都在可接受范围内，保障财务决策合理。
再次，财务决策的过程要符合规定要求。财务决策的程序是保障财务决策高效执行的基础，在财务决策开展过程中，要加强对财务决策目标的分解细化，明确财务决策执行的影响因素，确保财务决策的方式更加科学。通常而言，数据收集得越全面，分析内容越详细，财务决策质量就越高。如果成本高于效益，那么财务决策就是失败的。
最后，财务决策要符合高效原则。财务决策的目标是帮助企业把握发展机会，如果财务决策效率过低，导致企业错过发展机会，那么财务决策就失去了应有的价值。因此，财务决策需要符合高效原则，节约企业资源，提升决策效率。
2.持续完善财务决策
财务决策应贯穿财务管理的全部环节，在开展财务决策的过程中，需要向信息使用者收集相应的反馈，并对决策效果进行分析，以不断提高决策管理水平，保障企业决策高效。企业的管理层要结合决策管理中存在的问题与成因进行分析，在财务决策实施之前，对财务决策的科学性进行判断，分析决策目标和决策要求是否匹配。若在财务决策过程中发现管理环节存在问题，则要找出财务决策过程中存在问题的环节，不断修正财务决策，通过分析出现错误的原因，不断提高财务决策效率，动态优化财务决策［3］。
（五）改进人机协同
人工智能下的财务信息化建设要求提供自动化的财务决策支持，通过人机协同系统使财务决策质量得到保障。
首先，信息系统在掌握决策者的财务决策目标之后，要对决策目标进行分析，判断决策工作的要求。若出现新的复杂决策导致系统自动决策的效果不理想，就要在决策方案生成之后由人工判断是否需要对决策工作进行调整。
其次，完善财务决策方案的制订与反馈。在财务决策完成之后，由信息系统分析财务决策目标，调动企业画像判断财务决策结果，并形成相应的规划。在这一过程中决策者不需要参与到信息系统的决策中，仅需要在结果输出之后对财务报告进行审阅，并对决策过程进行修正。
最后，决策方案的制订需要人员和机器高度配合，在决策完成之后，要求决策者根据自身的经验和知识，分析决策输出的报告是否存在重大偏差，若存在重大偏差，则要对决策方案进行修正，通过反复完善和人工智能系统的自动学习提高决策的科学性。
本文对大数据时代财务智能化系统的建设进行研究，重点探讨了大数据时代财务智能化系统的构建，认为财务智能化系统能够为财务决策带来积极的影响，使财务分析工作更加准确，提高财务信息的全面性和及时性。通过人工智能技术搭建财务智能化管理体系，能够为企业的决策者提供有价值的决策支持，提高财务决策的科学性和客观性，提高财务管理的整体质量，帮助企业实现健康发展的目标。大数据时代，企业在搭建财务智能化系统时，除了要考虑本文探讨的相关内容之外，还要结合时代的发展以及人工智能技术的进步，进一步优化财务智能化系统，从而提高自身的财务管理工作水平。
猜你喜欢 画像信息系统决策 建设工程招投标管理中智能化信息系统的运用建材发展导向(2022年6期)2022-04-18基于信息系统的计量标准管理科学与财富(2021年35期)2021-05-10基于项目化+翻转的物流信息系统课堂教学设计与实践现代信息科技(2021年21期)2021-05-07做决策也有最佳时间段青少年科技博览（中学版）(2019年2期)2019-06-20决策大数据决策(2018年8期)2018-12-10诸葛亮隆中决策小天使·四年级语数英综合(2018年1期)2018-07-04画像瞭望东方周刊(2018年16期)2018-05-04画像瞭望东方周刊(2017年7期)2017-03-01《管理就是决策：第一次就把决策做对》中国报道(2015年6期)2015-06-19莫尼卡的画像小火炬·阅读作文(2014年2期)2015-03-11