数据价值助推财务数字化转型研究

摘要：DT时代发展日新月异，新技术和应用层出不穷，随着以“大智移云物”为代表的新兴技术的快速发展，企业产生并积累了种类繁多、体量庞大的数据。最大化发挥数据价值，激发数据创新驱动潜能，为企业经营决策提供有价值的信息，实现数字化转型升级，是企业DT时代企业面对竞争激烈的市场环境重塑核心竞争力的关键，也是塑造高质量发展新动能的必然选择。本文结合财务共享在数字化转型中打通数据资产、激活数据价值的应用实践，阐述了如何建立健全数据产生、采集、清洗、整合、分析和应用的全生命周期治理体系，帮助企业真正将数据用起来，为实现财务数字化转型提供了方法。

关键词：数据价值；数据治理；数据思维；财务数字化转型；财务共享

一、数据在财务数字化转型中的作用

传统的财务数据是以单体企业核算为主的“局部”数据，只注重核算，但很难提炼出对管理决策有价值的分析。而数智化背景下的财务共享服务要充分借助智能化的先进技术手段，注重数据的深入挖掘，财务不仅仅要分析财务报表，更要能对企业经营过程中的大数据进行分析和预测，形成企业经营全景图。最终财务共享中心逐渐向大数据中心演变，使数据分析标准化、实时化，实现对企业更及时、高效、精准的决策分析和风险预警，为数据智能提供坚实基础，助力企业数字化转型。

二、数据价值在财务共享中的应用

（一）财务共享数据现状及问题

一是数据互通问题，各种业务系统及财务信息系统缺乏整体规划，未充分考虑系统间的集成关系并建立数据共享制度和共享标准，数据流转不畅、共享难度大，影响了业务协同和一体化运作效率和质量；二是数据标准问题，缺乏全面规范的数据标准，数据编码不规范，在公共数据编码平台上申请提报编码不及时、属性描述不准确，审核编码不及时、不认真，存在“一物多码”、“一码多物”等现象，导致数据跨部门的共享和复用难以实现；三是数据质量问题，数据不及时、不准确、不完整，质量不高，高质量的数据是一切数据应用的前提，数据质量决定了数据分析的有效性，数据完整性不足、存在大量重复记录等数据质量问题，增加了数据使用和分析的难度，严重制约了数据分析应用和经营决策水平；四是主数据管理问题，信息化建设过程中，元数据、交易数据、指标数据等类型的数据资源缺少统一的规范和管控，系统间主数据相互独立，极大地限制了财务业务处理效率和数据处理及分析工作的有效性；五是数据安全问题，受制于数据安全加密管理要求，数据提供方对于数据共享的安全存在疑虑，降低了跨业务部门数据共享的程度。

（二）财务共享数据价值体系构建方案

1.数据治理持续提升数据质量

数据治理的作用是确保企业数据资产得到正确有效的管理，是某一时间段对数据的临时梳理措施和行为，是针对数据质量的干扰动作。数据治理的最终目标是提升数据的价值，是企业实现数字战略的基础，涉及到以企业资产的形式对数据进行优化、保护和利用的决策权利。信息化时代存在的BUG是流程跑不通，而在数字化时代，最大的BUG是数据不准确，信息化建设不完善或缺乏统一规划，以及制度、标准、技术等方面的欠缺都可能导致企业数据存在诸多问题，无法通过数据的分析应用有效指导业务实践，阻碍数据价值的发挥。围绕全面提升数据治理能力，必须采用体系化思维、系统化解决方案，从理念、组织、管理、技术等维度综合施策，构建全面的数据治理体系，为财务共享建设提供高质量数据基础保障。数据治理体系包含四大要素，即以数据共享共治理念为引领，以数据架构管理、质量管理、安全管理、服务管理为主体，以数据治理平台为依托，以组织、制度、流程为保障。一是需建立统一的数据治理体系，形成统一的数据架构，制订统一的数据标准，构建数据资源目录，建立数据质量管控、数据应用服务、数据安全规范；二是制定规范化的数据治理管理制度和操作流程，明确数据治理各方职责分工，指导、监督并考核各信息系统的建设与应用工作；三是搭建有效的技术支撑平台，固化数据治理成果并支撑统—数据治理体系运行，实现数据标准、数据模型、数据源、数据质量、数据安全等管理，持续形成企业可信任、可获取、可应用的数据资源，全面提升数据共享应用水平，充分发挥数据资产价值。

2.数据价值赋能企业经营决策

数据价值是以业务需求为目标导向，通过业务需求分析、数据采集、数据清洗、数据探索、数据算法和数据可视化六个步骤分析数据、挖掘数据价值，并将得出的结论应用于业务实践，驱动业务决策和价值创造。财务共享模式下，通过打造面向业财前端应用的开放性数据中台，实时采集、治理、存储、查询、展示各类业财数据并建立生态连接，高效积累数据资源，丰富数据应用场景，提供自由搭建与个性化定制相结合的管理分析服务，满足“三位一体”新型财务管理模式下不同层级差异化管理需求。数据价值的深层次挖掘更多的是运用数据思维，以账务体系标准化、颗粒化的数据资产为基础，融纳各类业财系统数据源，通过数据库、API（Application Programming Interface，应用程序编程接口）等方式将数据汇聚整合、提纯加工，利用数据算法进行数据规律的深度分析并构建支撑相应业务需求的算法模型，同时，运用计算机图形学、图像处理、人机交互等可视化工具，将数据分析结果转化为可识别的图表、视频、动画等展示形式，深挖数据资产价值创造能力，对数据资产、数据模型、数据应用等实行全链条管理与洞察，实现“业务数据化，数据资产化，资产服务化、服务业务化”应用闭环，将数据变成直接驱动业务行动的核心动能。

3.数据价值体系的保障和基础

一是倡导数据文化，要培育习惯于以数据洞察变化、善于以数据支撑决策、勇于以数据驱动创新的数据文化，善于运用数据思维梳理数字化转型、智能化发展中的各种关系，破解转型中的各项问题，用数据语言传递业务信息，释放企业数据潜能；二是组建数据组织，企业可以设立数据专业团队，负责数据战略规划、数据治理和数据分析效果的监控和考核，明确数据的管理流程和管理责任，保障组织职责清晰健全，加强数据管理和应用水平；三是培养数据人才，企业数字化转型进程中，人的转型是核心，转型的动力根源于思想，要树立全员有责的理念，认识到这不仅是信息专业领域人员的重要任务，也是各业务领域所有岗位人员的重要任务，掌握数据科学和数据技术是企业数据组织人才的重要能力要求之一，企业要建立双向培养模式，加快培养各项能力全面发展的复合型人才；四是掌握数据技术，DT时代下，在新兴技术不断涌现的同时，数据技术也在持续发展完善并催生出更多的创新应用，业务产生数据，数据赋能业务，数据价值在助推企业数字化转型方面起到极其重要的作用，企业不仅要在信息化技术应用上迭代升级，更要在主营业务领域不断增强大数据运营管理能力、用好云平台、数据湖、物联网、区块链、5G等技术和工具，更加高效安全地管理好、使用好数据资产。

三、结语

在数字化转型深入推进的大背景下，加强数据管理、提升数据价值已经成为推动企业数字化转型，促进数字经济发展的重中之重。财务要与企业的价值体系、业务流程、管理机制和指标体系进行融合，要对着决策点，把财经循环通过数字化的手段进行可视化。在这个过程中，要用财务数据去反映经营过程，动态描述过去产生的变化；要通过建模、设置预警阀值监控当下所面临的风险，提前采取举措；要通过内外部大数据的汇聚，进行中长期探究和预测。只有做到对过去清晰的反映，对当下风险的识别，以及面向未来的探索，才能真正赋能整个企业经营的过程。

参考文献：

[1]陈虎,郭奕.数据价值体系推动财务数字化转型[J].财会月刊,2022(8):37-42.

[2]陈虎,孙彦从,郭奕,赵旖旎.财务数据价值链[M].人民邮电出版社,2022(6):1.