中兴新云陈东升：解码数智趋势，赋能财务新篇

访问查看视频：中兴新云陈东升：解码数智趋势，赋能财务新篇

1个驱动：数据驱动是核心引擎，推动财务从流程驱动转向战略决策支撑；

2个阶段：构建财务数据价值链，需经历“从上至下设计”与“从下至上生产”两个阶段；

3个层次：未来财务职能将演进为三个层次：处理基础业务的“财务”、从事管理工作的“财管”以及深入企业经营的“财经”；

4个全面：未来财务系统的终极形态，即实现全业务系统支持、全系统自动连接、全场景智慧洞察和全信息自动采集，实现全面数智化。

1个驱动

经营管理从流程驱动向数字驱动转变

今年春节伊始，以 DeepSeek 为代表的国产开源大模型受到广泛关注，并在短时间内实现企业级的成熟应用，这一发展给许多行业都带来了显著影响。一方面，令人惊喜于大模型为工作与生活带来的便利；另一方面，也引发了对未来冲击与挑战的焦虑。

大模型之所以具备推理、分析并生成内容的强大能力，其根本原因在于以Transformer为代表的神经网络架构取得了关键性突破。正是这一创新架构与海量高质量数据的深度融合，才使得大模型涌现出前所未有的能力。当前领先的大模型几乎都是在万亿级token规模的高质量数据上训练而成，数据成为大模型能力构建的主要驱动力量。

事实上，不仅仅是大模型，一切高级形态的自动化与智能化，其本质都依赖于数据驱动。财务工作天生与数据打交道，其数据驱动的特征也尤为突出。2022 年，国务院国资委在《关于中央企业加快建设世界一流财务管理体系的指导意见》中明确提出，企业经营管理与财务管理应实现从流程驱动向数据驱动转变，从经验主导向模型、算法主导转变。未来财务的职责在于支撑战略、支持决策。在这个过程中，无论是宏观长期战略，还是微观短期事项；无论是决定做什么、不做什么，抑或是什么都不做，都属于决策行为，都需要数据、算法和模型作为支撑。

此外，文件还强调，财务需做好风险管控。近年来，风险管理一直是国资委财务工作的重点，从最初“司库监管”到全面的财务“智慧监管”，再到“穿透式监管”，风险管控工作不断深化。这几类监管方式核心逻辑一致：针对所关注的问题，确立相应评价指标，建立模型、算法与阀值，再通过数据校验以识别风险。

在国资委推进司库监管的过程中，中兴新云协助设计了100多个模型及相关规则与算法，实现了全面的资金风险监控。在接下来的穿透式监管中，也将开展类似工作。由此可见，风险管控最终依赖的也是数据，未来，财务工作的最大需求就在于数据、模型与算法，因此财务共享中心还有另一个定位，即财务的“大数据中心”。

2个阶段

从上到下的设计，从下到上的生产

财务人员虽常与数据打交道，但传统角色更偏向于“数据生产者”而非“数据使用者”，重心在于如何“做出”数据，而非如何“运用”数据。典型的做法是每月关账后，出具标准的报表数据。然而，领导需要的并非数据本身，而是直观清晰的信息与建议，从而让决策变得简单直接。这才是真正意义上的支撑战略、支持决策。

提供海量的原始数据并没有意义，数据过多等同于没有数据。我们必须提供的是可落地的决策建议，是加工后的“数据产成品”，而非“数据原材料”。从数据到信息到知识再到智慧，这个过程即构建“财务数据价值链”，可分为两个关键阶段：从上至下的设计过程和从下至上的生产过程。

第一阶段：从上到下的设计

财务人员需树立一个观念：提供数据不应是“我们有什么就给什么”，也不仅是“领导要什么才给什么”，而应视领导为用户、数据为产品，主动站在领导的角度思考他“应该需要什么”。

这就要求财务人员提升视野，与领导同频共振，需要深入理解财务、业务及领导的决策场景，精准定位其关注的核心问题，分析问题背后的相关因素，进而建立相应的模型、算法与取数规则。只有明确了“需要什么数据”、“数据源头在哪”、“取数标准如何”等一系列问题，才能确保后续生产的数据精准契合决策需求。

第二阶段：从下到上的生产

在明确“生产什么”之后，才能实现执行层面的“生产过程”。

1、数据采集：仅凭核算系统与对外报表的数据远不能满足内部经营分析的需求，内部分析要求数据具备更高的丰富度、维度、颗粒度及标签化程度。例如，一笔收入需关联到项目、合同、产品、客户等多个维度；一个客户也需标注其行业、城市、销售模式、产品类型、付费方式等多种标签。这些是对外数据所不具备，但对内决策至关重要的依据。因此，有必要建立一套与原有信息化系统并行的数字化系统，广泛采集所需的全量数据。

2、数据清洗：过去，财务人员耗费大量时间在数据核对与处理上，如今，可借助数字化工具与大模型，实现数据的自动化清洗与修复，将低质量数据转化为合格、可用的数据。

3、数据探索：基于清洗后的数据，财务人员需凭借自身能力、经验及对数据的敏感度进行探索性分析，在简单场景中可得出初步结论，在复杂场景中则能识别数据特征，为后续选择合适的模型与算法奠定基础。这对财务人员提出了更高要求，需兼具财务、业务知识与数据洞察力，并掌握基本的统计学技巧。

4、数据算法：基于数据特征，建立模型、发现规律，从海量信息中发现隐藏的模式与关联，深度挖掘数据价值。

5、数据可视化呈现：通过数据可视化，可以将一些抽象的、复杂的数据，通过恰当的逻辑结构与图形语言，转化为直观的视觉图形，从而清晰传达数据背后的深层信息。

3个层次

财务、财管、财经

随着数字化的发展，虽然财务未来并不会被大模型所替代，但一定会被大模型所改变。未来的财务工作可划分为三个层次：

1、财务（事务层）：聚焦于票、账、表、钱、税等基础业务，此类工作将越来越多地被计算机所替代。

2、财管（管理层）：在基础业务之上，承担成本管理、预算管理、绩效管理等管理职能。

3、财经（经营层）：要求财务全面介入企业经营管理，推动业财融合，在战略、投融资及日常经营中掌握话语权、发挥重要作用。

为实现价值创造型的转变，财务的体系架构需同步调整。国资委提出的世界一流财务管理体系中有两项关键要求：

第一，职责上要做到“三不”：不缺位、不越位、不错位。

“不缺位“要求财务工作超越传统范畴，深入挖掘资金循环、管理循环及业务循环中所有业财交互的环节。”不越位、不错位“则需要在财务与业务之间、财务内部各组织之间，建立清晰、高效的分工协作机制。

而实现“三不”要求的核心在于“纵向分列”与“横向分层”。“纵向分列”是按职责与财务工作的紧密程度划分职责界面：财务核心职能如会计核算必须由财务负责并做好；财务主导流程如预算、成本与绩效管理需财务牵头但不独立完成；财务支持流程如在销售流程中财务可为行业选择、客户评估、风险把控等提供关键支持。“横向分层”则将财务组织划分为战略财务、业务财务和共享服务，一方面，通过运营的标准化与自动化夯实了集约管控的根基，促进了合规与效率，另一方面，通过专业化分工，赋能于企业的战略顶层与业务前端。这一系列举措，为财务数智化转型构筑了坚实的数据基础与组织保障。

第二，组织形态要从“金字塔型”向“纺锤型”转变。

传统财务组织是“金字塔型”，约70%-80%的人力投入基础业务。在新型财务组织下，业务财务人员占比较大，他们深度对接业务，既要承接保证经营目标落地，又要反馈一线业务需求，在成本管控、投融资配合、业务风险防控等方面发挥更大的价值。

未来，判断一个财务组织是否为价值创造型、业财融合型组织，关键指标之一就是真正能够赋能业务的财务人员的占比。

4个全面

未来财务的数字化图景

最后是“4个全面”，它描绘了未来财务工作的核心特征：全业务系统支持、全系统自动连接、全信息自动采集、全场景智慧洞察。

1、全业务系统支持

未来财务系统建设应遵循“应建尽建”原则，实现各类业务场景的系统化覆盖。传统的信息化系统专注于流程与基础业务处理，无法以灵活、可配置的方式满足数据操作需求；Excel表格处理数据量有限，且作为半人工工具，易因人为操作出错；大模型虽能力全面，但不擅长处理海量数据，复杂运算时可能出错，不能当作超级计算器使用。因此，企业可构建统一、可扩展的数字化平台，确保每一项业务都有系统支撑、每一类数据都可被结构化获取。

2、全系统自动连接

系统之间应实现“应联尽联”，打破信息孤岛，推进数据互通与流程协同。只有在系统全面连接的基础上，才能实现数据一次录入、全局共享，避免重复维护与标准不一。未来，随着技术架构演进，系统间的连接将更加智能与自动化，进一步提升数据流转效率与业务响应速度。

3、全信息自动采集

实现数字化需要获取大量信息，传统手工采集方式成本高、效率低、差错多，难以支持大规模、多维度数据分析需求。未来应建立覆盖全业务链的自动化数据采集，从源头上确保数据的完整性、准确性与时效性。

4、全场景智慧洞察

数字化由场景驱动，不同于传统信息化由流程驱动。实现数字化的关键在于先识别各类数字化场景，然后用数据和系统去支撑这些场景，从而更好地实现管理功能。

以上就是今天分享的“1个驱动、2个阶段、3个层次、4个全面”。我相信，未来已来，主动拥抱技术变革是迈向财务数智化新时代的必然选择！

中兴新云陈东升：解码数智趋势，赋能财务新篇

1个驱动#

2个阶段#

3个层次#

4个全面#

1个驱动

2个阶段

3个层次

4个全面