基于项目全生命周期管理的财务数字化转型实践——以高新技术企业Z公司为例

作者：郭奕刘雅琼

中兴新云服务有限公司

本文发表于《财务与会计》202311期

摘要：在国家“专精特新”政策导向和数字经济快速发展背景下，中小企业逐渐开始尝试利用数字化手段实现精细化管理。本文以高新技术中小企业Z公司为例，分析项目全流程各环节管理需求与目标，围绕数据治理、数据价值链、典型数字化应用场景的实践过程展开，依托数字化分析平台全面汇聚企业业财数据，利用数据算法与模型以及数据可视化工具挖掘数据价值，帮助企业规范项目管理、加强风险防控、支撑经营决策。

一、项目数字化转型背景

为促进中小企业健康发展，近年来，国家陆续出台了一系列政策及具体措施鼓励中小企业走“专业化、精细化、特色化、新颖化”发展之路。Z公司是深圳一家技术服务型中小企业，向企业客户提供供应链管理信息技术解决方案。随着业务规模的快速发展，企业在项目管理中面临资源配置、人员效率、风险防范以及成本管控等一系列挑战，造成服务质量、交付效率难以控制，交付成本居高不下、业务发展遭遇瓶颈。而高效的项目管理是企业规模发展、客户满意度保障的重要基础。基于“规模与效益并重”的战略需要，Z公司启动了管理变革项目，期望通过标准化、精细化、数字化的管理工具与方法提高企业发展质量和水平。

（一）保证项目交付质量，提升客户满意度

项目管理必须坚持以客户满意为导向，在项目周期内，按计划进度为客户提供优质的服务，通过打造成功案例提升企业美誉度。Z公司期望能在与客户保持良好关系的基础上引入数字化工具，进一步加强项目周期、项目质量的管控，实时监控项目进度、不断提升标准化技术服务能力、合理有效地掌握客户需求，按时保质交付项目，进一步提升客户满意度。

（二）控制项目成本费用，提升企业经济效益

良好的项目成本费用控制能够提升项目盈利能力，增强客户服务能力，促进企业的良性发展。Z公司项目管理团队有能力对项目成本进行准确测算，但项目执行过程中常出现难以预测的变化因素，项目执行成本难以及时监控与预警。管理者期望能够建立准确、动态的成本预算，以及及时、可视化的成本监控，以提升单个项目的盈利能力，保证企业在业务规模不断扩张的情况下，不会发生成本失控。

（三）促进项目及时回款，提升企业经营质量

资金流正常与否及健康程度直接关系着企业的存续发展和经营质量。对于中小企业而言，资金流风险更大。目前Z公司部分项目存在回款不及时的问题，管理层期望能够实时掌握公司项目交付进度与回款进度，并通过多维分析和风险预测，判断客户是否存在回款风险，以及时采取措施，保证企业经营安全。

（四）应用数据分析技术，对目标客户精准画像

Z公司期望能够借助数据分析技术与工具进行目标客户精准画像，从而精准识别企业目标客户，集中公司资源投入，获取有效商机，提升项目合同签订的机会。

为了实现上述管理目标，Z公司基于项目全生命周期进行财务数字化转型的探索与实践，从管理需求与目标出发，深入分析相关数据、指标，通过数字化手段实时监控项目全生命周期动态、及时获取商机、把握目标客户，保证项目质量、周期，及时识别潜在风险、加强经营风险防范，促进高效经营管控，实现企业可持续发展。

二、项目数字化转型实践

（一）数字化探索

Z公司抽调业务部门与财务部门的骨干员工组建数字化变革团队，启动基于项目全命周期的财务数字化转型探索与实践。数字化变革团队对项目全流程进行梳理，将项目分为商机、售前、合同、交付、回款五个关键环节，并梳理每个环节的业务和管理需求。

1.商机。企业通过对商机的挖掘能够发现公司的潜在客户资源。在早期阶段，Z公司使用线下统计的方式对商机进行简单跟踪，商机缺乏统一规范管理、目标客户较难识别、商机转化率较低。企业管理层期望能够建立商机追踪、分析与筛选机制，沉淀商机追踪的全方位数据，通过数字化分析手段定位目标客户、确定商机质量、跟踪商机每一层级的转化数量，以规范商机过程管理、实现资源最优配置、提升商机转化率，进而实现商机数字化管理。

2.售前。售前管理是在深入了解客户痛点与需求基础上吸引客户并与其实现有效沟通的过程，包括方案引导、商务测算、竞争对手及落单评估等。Z公司管理者期望通过售前管理数字化，提高客户需求满足度与关系紧密度，协调资源配置、打通客户关键决策链，并提出有竞争力的商务条件，从而促进落单。

3.合同。在早期阶段，公司对于项目合同的审查、监督和控制主要依赖于合同管理人员，缺乏全过程、动态性和系统性，对合同所涉相关数据的获取较为滞后。管理者期望能够利用数字化技术采集合同中的关键信息，辅助评审人员实现销售合同智能评审，并且能够获取企业年度合同总规模、合同任务完成进度及比例，以及最大合同金额量级、新老客户比例等数据，以判断合同计划完成情况、客户分布情况、项目范围的变化趋势与方向等。

4.交付。项目交付管理是客户满意度管理的重中之重。在早期发展阶段，企业项目交付管理面临项目标准化管理不足、项目执行进度、执行成本难以有效控制等痛点。管理者期望能够搭建项目多维分析指标体系，配置相应的统计分析模型，并利用可视化工具进行多维度分析，实时监控项目预算执行情况、项目收入确认进度、项目成本费用支出和利润规模，以实现对项目成本的管控，促进项目执行的优化升级。

5.回款。项目回款是项目管理流程的最后一个重要环节，项目及时回款能够有效降低企业呆坏账发生，提升企业经营质量。为加强企业回款力度，Z公司管理层期望能够基于对客户的全面资信调查，构建算法模型推演并制定客户信用评价维度、评级指标、分级标准，从而对客户信用风险进行精准分级评价、客户信用风险画像以及获取年度项目回款规模、任务完成进度及比例，实现对项目回款的及时管控，防范经营风险。

（二）数据治理

Z公司在启动基于项目全生命周期管理的财务数字化转型实践后，面临主数据不明确、数据责任不清晰、数据标准不一致、数据质量难保障等系列数据挑战。为了促使财务数字化转型实践深入企业价值链，支持业务流程，支撑经营管理决策，Z公司率先启动数据治理工作，以提升数据质量。

1.治理主数据。主数据是描述企业核心业务实体的数据，具有跨部门、跨流程、跨主题、跨系统和跨技术使用的特点。数字化转型变革团队明确项目全流程的管理需求与目标，针对现有主数据和信息化现状进行评估，摸清现有主数据的真实状况，找出了与目标数据之间的差距，并盘点与商机、售前、合同、交付、回款相关的系统、流程，厘清各环节数据需求，搭建了商机、客户、项目等全方位主数据视图，完善主数据管理体系，防范风险，提升协作效率，降低数据集成与传输成本。

2.设立数据中心。Z公司抽调财务部门和IT部门骨干员工设立数据中心，根据数据加工流程设立专门的数据相关岗位，包括数据采集岗、数据检查岗、数据加工岗、数据算法岗、数据展示岗以及数据安全岗，保障数据加工全流程专人负责，加工操作透明，行为追溯明晰。

3.实行数据溯源。数据中心在数字化变革团队协同下实行数据溯源，明确项目全流程所需要的数据源表、数据元素、提供阶段、提供频次与责任部门，以获取数据原始状态和原始渠道，确保数据从同一源头获取。比如，企业通过调整项目工时系统结构，发布工时填写标准，督促员工及时完成工时录入，以保证人工成本数据录入的准确性。数据溯源能够判断数据的准确性，有助于提升数据质量。

4.规范数据标准。数据标准管理作为数据治理中的基础性工作，是保障数据内外部使用和交换的一致性与准确性的规范性约束。Z公司实施“了解数据基本情况、明确数据解决问题、分析评估与理想标准差异、制定标准并征求意见、发布数据标准”的数据标准管理五步法，建立较为完善的数据标准体系，保证数据一致性，有助于企业厘清数据资产、打通数据孤岛、加快数据流通、释放数据价值。

5.保障数据质量。数据质量是影响系统运行、业务效率、决策能力的重要因素。高质量数据是一切数据应用的基础。Z公司采用事前预防控制、事中过程控制、事后监督控制的方式进行数据质量管控，从完整性、及时性、准确性、一致性、唯一性、有效性六方面进行数据质量评估，实施数据溯源、数据标准体系建立、数据加工专人负责、数据清洗、深度分析等一系列措施持续提升企业数据质量水平。

6.搭建数据指标。Z公司结合企业战略目标、管理需求、业务流程等方面，自上而下、按业务流程、分环节、分层次进行指标体系搭建，建立清晰的分类框架，保证指标分类框架相对稳定、穷举且独立。但随着业务范围的变化，势必会不断产生新的指标需求，为此，企业在需求环节增加对指标的管控，保证在运行中能够不断完善数据指标体系。

7.设计数据标签。数据标签是面向具体场景，从认识、观察和描述数据实体的角度，进一步解读数据指标结果。Z公司全面梳理数据应用具体场景，分析用户实际数据服务需求，了解亟需通过标签结果解决的痛点，针对性开展标签体系设计工作，即按照数据产生过程中处理计算的方式划分事实类标签、规则类标签和模型类标签，将数据标签与数据指标融合运用，实现数据多维分析。

通过上述一系列数据治理举措，企业数据质量水平得到明显提升。但数据治理是一个漫长、复杂、动态的过程，Z公司还将持续推动企业数据治理工作，将“用”与“治”相结合，基于PDCA（计划一实施一检查一行动）循环持续改进数据质量，促进数据治理体系发展更加健全、完善，进而形成企业的数据资产。

（三）数据价值链

Z公司依托财务数字化分析平台为企业构筑稳固全面的数据底座，借助数据采集工具满足多种数据采集需求，实现业财数据的定时传输或实时采集；依托财务数据化分析平台对问题数据进行数据清洗，删除重复数据，填补缺失数据，修正异常数据；该平台内嵌指标、标签相关算法模型，零代码实现数据计算、分析、建模，并通过可视化工具承接数据开发平台的运算结果形成直观的可视化展现，帮助企业高效决策、敏捷运营。

（四）典型数字化场景

通过数据治理以及数据价值链的财务数字化转型，Z公司实现了商机、售前、合同、交付、回款环节的数字化。以下是两个典型场景应用。

场景一：商机转化分析

Z公司将商机管理划分为定位目标客户、发掘客户潜在商机、确认客户意间、引导客户立项、赢得客户认可、进行商务谈判、签订合同7个阶段，统一各阶段统计口径，建立制度标准，督促各级人员及时跟进商机反馈；借助数据采集工具汇聚并沉淀全流程商机数据至财务数字化分析平台，以周为周期进行商机数据复盘确认，厘清数据关系，构建算法模型，并依托可视化工具实时展示年度商机总量、任务完成进度、商机获取渠道以及商机各阶段转化数据，实现数据层层下钻，促进企业及时获取商机转化数据，实现资源配置最优。图1展示了商机漏斗转化分析可视化效果。

图1 商机漏斗转化分析图示

场景二：客户信用风险画像

Z公司实现了内部信息系统的互联互通，沉淀商机、售前、合同、交付回款等项目全流程数据，利用API（应用程序编程接口）、NLP（自然语言处理）、网络爬虫等数字化技术从外部公开渠道采集客户信用重要维度风险数据，对客户进行全面、及时、准确的资信调查和数据沉淀。在数据全面汇聚的基础上，企业构建出全面科学的信用评价体系，融合利用知识图谱技术、机器学习算法不断进行模型测试、验证和优化，深化模型和算法应用，进行信用评级、排查潜在关联关系，校验失信记录等，形成客户信用风险画像，从而能够及时对客户信用风险、违约概率进行预测，量化信用风险，强化客户信用风险管控，促进项目及时回款，保障企业资金流畅通。图2 展示了客户信用画像分析可视化效果。

图2 客户信用画像分析图示

三、项目数字化转型价值

一是数据可依，强化项目管控。Z公司实行数据溯源，明确数据责任部门，进行数据统一维护和加工、数据标准规范等一系列数据治理举措，确保了数据真实、准确、及时，提升了数据可靠性，保障项目管控发挥价值。同时借助数字化采集工具沉淀项目全量数据，凭借财务数字化分析平台进行深度分析，依托可视化工具跟踪项目进度，实现数据层层下钻，强化项目管控。

二是监控实时，防范经营风险。Z公司在转型之前，财务需要花费大量时间汇聚、整理数据，将其递交给管理层进行风险判断，由于数据滞后，往往会导致决策滞后，风险增大。转型之后，财务将精力从数据的汇聚、整理转移到更有价值的数据分析中。从商机到回款，管理层可清晰看到每一阶段的数据运行，实现潜在风险的精细化管理，有效防范经营风险。比如，项目预算执行超过100%而项目未交付，可能存在按时交付风险；项目交付完成但项目回款未及时到账，通过客户信用画像分析，可判断是否存在回款风险等。

作者简介

郭奕，中兴新云服务有限公司高级副总裁
刘雅琼，中兴新云服务有限公司事业部总经理

本文引用格式

郭奕、刘雅琼.基于项目全生命周期管理的财务数字化转型实践—— 以高新技术企业Z公司为例[J].财务与会计，2023(11)：65-67.

获取本文PDF版

财务与会计 | 郭奕 刘雅琼：基于项目全生命周期管理的财务数字化转型实践——以高新技术企业Z公司为例

基于项目全生命周期管理的财务数字化转型实践——以高新技术企业Z公司为例#

一、项目数字化转型背景#

（一）保证项目交付质量，提升客户满意度#

（二）控制项目成本费用，提升企业经济效益#

（三）促进项目及时回款，提升企业经营质量#

（四）应用数据分析技术，对目标客户精准画像#

二、项目数字化转型实践#

（一）数字化探索#

（二）数据治理#

（三）数据价值链#

（四）典型数字化场景#

三、项目数字化转型价值#

财务与会计 | 郭奕刘雅琼：基于项目全生命周期管理的财务数字化转型实践——以高新技术企业Z公司为例