2024共享调研 | 02 财务共享数智化转型

2024年11月2日，在“2024财务数智化趋势论坛”上，中兴新云服务有限公司携手厦门国家会计学院、ACCA（特许公认会计师公会）联合发布《2024年中国共享服务领域调研报告》。

《2024年中国共享服务领域调研报告》全面提炼总结了中国企业财务共享服务的前沿趋势、发展机遇与挑战，从财务共享建设关键问题、财务共享数智化转型、财务共享与数据资产、财务共享与司库体系、财务共享与财会监督、财务共享与ESG、财务共享人才能力建设七个方面，深入探索共享服务未来新方向，为更多企业财务共享服务中心运营优化和价值提升提供参考和借鉴。
上期我们为大家详细解读了财务共享建设关键问题，本期内容聚焦——财务共享数智化转型，将从财务共享服务中心数智化转型目标、团队建设、数据治理、数智化场景、转型挑战五个方面展开。

先进技术的快速迭代极大提升了财务的数据采集、处理及算法应用能力。与此同时，企业数据量的激增，企业对数据治理要求的日益严格以及对数据分析需求的多样化趋势，为财务管理工作带来挑战。2024年7月，财政部会计司发布《关于进一步加强管理会计应用的指导意见（征求意见稿）》（财办会〔2024〕26号），在数智化趋势下对企业财务管理工作提出新要求，其中指出企业要积极提升共享服务中心数智化应用水平，推动财务数字化转型。

聚焦价值提升，确立转型航标

不同企业的财务共享服务中心依据企业业务模式、发展阶段、资源状况、信息化基础等实际因素，设定了相应的转型目标。根据调研结果，转型目标主要为通过自动化、智能化的工具和平台实现降本增效（74.71%），实现财务职能的智能化与可视化（62.35%）和推动财务与业务流程深度融合，实现业财一体化发展（58.82%）。

▲ 财务共享服务中心数智化转型目标

集中专业力量，组建数智团队

企业需要组建专业的数智化转型团队，集中专业知识和技术能力，负责财务数智化转型的规划与实施。在调研中，47.06%的受调研企业成立了专门的财务数智化团队。在团队设置上，25.88%的受调研企业财务数智化团队设置在财务部门，14.71%的受调研企业建立联合工作组开展财务数智化转型工作。

▲ 财务数智化团队设置情况

建立联合工作组是目前许多企业组建财务数智化团队的做法，有助于促进跨部门协作。这种模式汇集了多领域专家，能够从更全面的视角解决问题。企业应持续评估和调整团队结构，确保团队既精通财务又了解业务，既能发挥专长又能高效协同。

强化数据治理，提升数据质量

数据作为企业核心资源的价值日益凸显，如何治理和有效利用数据成为实现数智化转型的关键因素。然而，实施数据治理的过程中也面临外部和内部的双重挑战，一方面，随着业务快速发展以及数智化进程推进，企业在经营过程中所产生的各种结构化和非结构化数据急剧增多，带来了数据标准不统一、数据质量难保障、数据价值难释放等问题。另一方面，数智化技术的发展推动了基于数据的业务创新和价值挖掘，对数据范围、精度、质量提出了更高要求。为解决这些问题，企业需要重视数据治理，构建科学的数据治理体系，持续提升数据质量，实现数据“可见、可懂、可用”。

企业在推进数据治理时，常误认为这仅仅是技术部门的职责。实际上，数据问题多源于非技术部门，如数据责任不明确、多源数据导致的标准不统一和数据不一致等，这些问题单靠技术难以解决。作为企业数据的采集者和使用者，财务部门应积极主导或者协同其他部门推进数据治理。财务共享服务中心汇聚了企业大量数据，是数据治理的重要推动者。调研结果显示，70%的受调研企业财务共享服务中心已经参与了数据治理相关工作。

▲ 财务共享服务中心是否参与数据治理

在数据治理相关工作中，受调研企业财务共享服务中心参与最多的工作是数据标准化，制定并执行统一的财务数据标准和规范，占比55.88%。其次是主数据管理和数据质量控制，均占比34.12%。

▲ 财务共享服务中心负责的数据治理工作

数据治理是一项周期较长且较为复杂的工程，涉及组织、制度、流程、标准等多方面的管理。财务部门主要可以从数据标准管理、数据质量管理、主数据管理等方面开展工作。

在数据标准管理方面，财务部门可以参与数据标准分类规划、数据标准体系建设、数据标准运营维护等一系列工作。

在数据质量管理方面，财务部门的工作围绕事前、事中、事后展开。事前，财务部门从源头开始参与设计数据质量规范、明确财务数据质量要求；事中，在数据加工处理环节对数据进行过程管控，构建数据质量校验模型，监控财务数据质量，完善数据质量校验工作；事后，强化质量反馈机制，促进数据质量常态化长效化管理。

在主数据管理方面，由于主数据涉及的内容与财务和业务流程紧密相关，因此财务部门的主数据管理不应仅限于会计科目管理，还需要管理包括财务信息系统所涉及和使用的其他主数据（供应商、客户、员工、项目、银行账户等）。

深化场景应用，支撑科学决策

在更广泛的数据来源和更先进的数据技术支持下，财务共享服务中心可以打造丰富的财务数智化应用场景。根据行业实践，财务共享服务中心的数智化场景可以分为：一是财务专业职能数智化场景，包括核算报告、资金管理、税务管理、成本管理、资产管理、预算管理等领域的数智化场景。二是面向业务和决策支持的数智化场景，包括财务在采购支持、生产支持、营销支持、决策支持等方面的数智化场景。

在财务专业职能方面，受调研企业在核算报告、税务管理、资金管理职能领域开展了较为广泛的数智化场景实践，应用较多的场景分别是移动报账与审批（82.94%）、票据信息智能采集（78.24%）、自动化核算处理（75.29%）、发票管理（71.18%）、账户监测与分析（67.65%）、报账单据智能审核（67.06%）。对于资本结构优化建议（14.71%）、合作银行风险多维评价（15.29%）、税务预测与筹划（15.29%）、投后业绩跟踪与管理（17.06%）、资产处置策略制定建议（17.65%）等场景，仅少数企业有相应实践。可以看出，目前财务共享服务中心在基础业务领域的技术探索、场景应用已较为丰富，这将有效提升财务业务处理的效率和准确性，并为更深入的数据分析和应用奠定坚实的数据基础。

▲ 财务共享服务中心财务专业职能数智化场景

在面向业务和决策支持方面，受调研企业财务共享服务中心应用较多的数智化场景包括多维经营分析（48.82%）、收入多维分析（33.53%）、供应商信用评价与动态监测（29.41%）、采购价格分析（29.41%）、库存看板（29.41%）。通过构建采购支持、生产支持、营销支持、决策支持方面的数智化场景，财务共享服务中心更加主动地融入业务事前、事中、事后全流程，有效识别业务改进机会和目标，通过全面采集和应用业财数据，强化预测与洞察能力，帮助解决业务痛点和难点，实现企业经营管理的多维透视、智能分析和科学决策。

▲ 财务共享服务中心面向业务和决策支持的数智化场景

《2022年中国共享服务领域调研报告》显示，财务共享服务中心能够深度实践的应用场景主要集中于财务专业职能方面，尤其是核算、资金、税务、报表等领域。与2022年相比，在本次调研中，受调研企业面向风险监控与业务决策支持的数智化场景显著增加，尤其是多维经营分析（+31.64%）、异常支付监测（+18.88%）、税务数据分析（+ 16.64%）、供应商信用评价与动态监测（+16.19%）和现金流预测与分析（+16.06%）等场景。

随着政策层面的引导与数据生态的建立，财务共享服务中心将进一步激发更大的数智化潜力。例如，税务方面，国家近年来全面推进税收征管数字化升级和智能化改造、推广使用全面数字化的电子发票等，提高了税务数据的准确性和可追溯性，财务共享服务中心的财税分析能力显著增强。司库方面，根据国资委对企业加强资金集中管理、提高资金使用效率和风险防控能力的要求，财务共享服务中心在资金风险监控、现金流预测与分析等方面表现更加出色。

▲ 2022年与2024年财务共享服务中心部分数智化场景对比

应对转型挑战，加速数智变革

财务共享服务中心的数智化转型是其在管理理念、组织人才、数据应用、技术工具等多方位的系统性变革。在推进财务共享服务中心数智化转型的过程中，受调研企业认为最大的挑战是数据标准和质量问题（62.94%），其次是顶层规划不明晰（38.82%）和人才与技能缺口（38.24%）。

▲ 财务共享服务中心在数智化转型过程中面临的挑战

为更好应对数智化转型中的挑战，财务共享服务中心应充分整合并利用“数据、技术、场景”三大核心要素。

▲ “数据、技术、场景”三大核心要素

要素之一，数据

财务部门需要广泛汇聚业财、内外部大量数据，依靠持续的数据治理提升数据质量，通过构建数据价值链挖掘数据价值，形成数据服务，实现业务数据化、数据资产化、资产价值化，并由“利用数据解决问题”走向“借助数据建立竞争优势”。

要素之二，技术

财务数智化需要“IT+DT”的双轮驱动。IT聚焦于业务流程的标准化与自动化运行，实现业务流程、规则、功能、连接的聚合，驱动数据的生成和流动。DT聚焦于数据分析与价值挖掘，通过融合应用大数据、人工智能、数字孪生等技术，引入数据挖掘、分析流程自动化（APA，Analytic Process Automation）等新型数据分析工具，响应灵活多变的数据分析需求。

要素之三，场景

财务部门应当围绕数据，借助数智技术，针对具体需求与情境，构建指标体系和算法模型，并持续迭代优化。通过将模型应用于实际业务，财务部门能够对具体场景进行深入的趋势分析、风险预警和前瞻预测，满足企业不同层级用户、不同场景的管理与决策需求。

▲ 财务数智化算法模型（示例）

2024共享调研 | 02 财务共享数智化转型

聚焦价值提升，确立转型航标#

集中专业力量，组建数智团队#

强化数据治理，提升数据质量#

深化场景应用，支撑科学决策#

应对转型挑战，加速数智变革#

要素之一，数据#

要素之二，技术#

要素之三，场景#