数字化时代，寻求企业财务转型路径的最优解（上）

前言：我们在《2022年中国财务数字化转型路径数字报告》一文中，详细分析了站在一个组织的立场上所面临的内外主要矛盾、管理挑战、以及最合适的转型思路,并基于这个思路将数字化转型路径区分为“业务路径”与“IT路径”。造成路径区分的原因在于，现实角度下IT系统的建设不能一次性满足所有业务需求，但是IT系统一旦开始建设就立刻会对管理产生影响。故而对于前前者需要阶段满足，对于后者需要统筹建设。基于这个前提，我们将围绕2个路径做展开。即在实际落实数字化转型时，具体该如何实施？首先我们会阐述落地时常见的难题，然后从组织的实际经营需求、运营可行性角度选择一个最优解。

难题1：物理世界与虚拟世界的融合

对于任何组织来说，其做出经营决策都遵循“收集数据→处理数据→使用数据决策→根据决策经营产生新数据”的循环。而这也是数字化转型阶段和过往差异甚大的原因，主要在于以往无论我们如何革新工具，数据主要的操作活动仍然依赖物理世界的“自然人”去完成。

这导致了过去的系统建设，往往对基层业务人员提出过多的操作需求和习惯的改变，成为系统建设/更换过程中的主要阻力。大规模系统建设，如ERP等，往往需要2-3年后才能逐步显现出其效果与效益来，价值滞后很明显。

正如我们在《2022年中国财务数字化转型路径数字报告》中提及的趋势：未来企业是正金字塔型的人力结构，其中“自然人”的职位分布会呈现倒金字塔型，其余职位由“虚拟人”即AI去完成。与过往完全不同，数字化时代大部分数据的操作活动在虚拟世界由“虚拟人”完成。

大部分事务由AI完成实现了体验上质的飞跃，作业质量与效率的本质提升，同时管控也获得同步的提升；这样就完美避开了传统的复杂系统实施过程中业务人员陷阱，让业务人员第一时间感受到AI的美妙体验，并且价值第一时间显现；为后续的建设扫清了内部障碍

难题2：管控与效率对立

数字化存在着“管控陷阱”，即数字化系统建设的决策者是中高层管理者（数据使用者），而维持数字化系统运作的主要是基层业务人员（数据提供者）或者财务从业人员（数据处理者）。角色定位差异导致需求差异，单一思路的建设并不能满足所有人的需求。尤其是基层业务人员作为数据提供者，他们的使用感受将直接影响数据获取的质量、可信度等多个方面，且无法通过算法、模型等后期弥补，对管控质量影响深远。

财务管控无法只依赖财务数据，需要大量业务数据，传统IT下，业务人员需要提供业务数据，财务需要解读与审核业务数据，双方都增加大量的工作量及工作环节，牺牲效率与体验来实现管控。而通过AI的管控，业务数据采集与审核均可以由AI来完成，解决了传统软件的问题，完美实现效率与管控的并举，同时也为财务带来了业务数据入口。

适合大部分人的数字化转型路径

以上2点企业数字化转型落地时的典型难题凸显了统筹建设的存在必要性，在大部分企业具备运营可行性的前提下，最合适的数字化转型路径如下：

“业务路径”是企业管理能力提升的阶段性目标，也是数字化转型的出发点，“IT路径”则是保障“业务路径”顺利实施的基础。于是从管理的角度上我们将数字化转型分为4个典型阶段，以此逐步满足管理层：

1、          数字化财务服务

2、          数字化财务治理

3、          数字化财务洞察

4、          智慧化财务管理

因为统筹建设的原因，IT路径的建设是多阶段同时进行、分阶段凸显功能的，例如AI主要体现在数字化阶段的中台，但中台能反过来支持前端AI识别的准确率，这与“业务路径”的阶段性进步差别甚大。

数字化财务服务

管理层对于该阶段的要求是：将数据完整的从物理世界平行移动到互联网世界中来并做适当的清洗，以此有初步可供决策的依据。毕竟数智化的核心是数据，数据来源于经济业务，而服务是入口。在采集数据的同时进行数字化，能够快速传递数智化价值。

正如难题1所说：2个世界融合在过去的转型当中往往对基层业务人员提出过多的要求，这成为系统建设/更换的最大阻力。第一步中让AI接手大量基层业务能释放中高端财务人力资源，同时有效扫除财务数智化建设的质疑与阻碍，财务管理能力提升将直接表现在教学与科研的提效上。

所以显而易见的应该从单据的收集、报账、核算、审核、结算等财务基础环节为开始。业务的发生往往伴随着各种各样单据的交互，单据的流转与处理环节是财务与业务的交叉环节，这些单据承载了大量的交易信息，既是数据的主要来源，也是传统财务精力的主要关注点。从以单据为主线的财务基础服务自动化入手，可以保证数据获取的有效性，也能够大量减少在数据收集、核对、处理环节的人力资源投入，实现财务服务数字化。

“业务路径”上，满足管理层的地方主要在于清洗（也是监管）阶段，因为该步骤的目标是获取满足监管、风控、管理决策等需求的财务数据。

“IT路径”上，支撑“业务路径”该阶段需求的IT系统体现在票据的一系列流程上，从填报、稽核、审核到结算的AI引擎。

但问题是，只经过简单清洗后的数据仍然需要管理层手动处理才能被决策当作依据（没有与经济活动相联系）。也就是说，想在数字化财务服务这步直接满足管理层仍然不够，需要与数字化财务治理相结合。

数字化财务治理

管理层对该阶段的要求是：财务数据能够与经济活动相结合直接作为决策依据（但此时并未与业务直接结合），并在发生阶段就贯彻管理、监管等要求。本质上该阶段克服了难题2，并实现了以往难以实现的管理下沉。

我们通常认为管控是财务的本职工作，过去财务往往面临着海量业务与数据细节的处理难题。数智化相比人与信息化的管控，具备更强的优越性与先进性。另外管控要求关联相关的业务信息（经济活动）作为佐证，这个实际情况使得管控成为重要的业财融合数据入口，有助于算法向业务场景端延申。

但正如难题2提及的，关联相关业务信息其实是后端管理思路与前端业务运行结合，这在过去是“管控与效率冲突”的重灾区。所以对公司来说，数字化财务治理应该达成的效果是：接受前后端不同的行事原则，通过AI在满足监管政策、公司章程等要求的前提下，及时响应财务基础工作；而财务人力借助AI配合将数据进行资产化处理，为管理层后续的决策提供支持。这将：

减少数据提供者（一线业务、财务人员等）与数据使用者（中高层管理人员等）之间的信息不对称、信息传递摩擦性失真等问题；AI的时效性将实现在业务中的数据采集，把管理需求反馈到前线，直接强化基层员工的执行力。并最终形成财务数字档案，为后续结合业务数据做基础。

支撑这一切的“IT系统”需要依仗知识图谱、挖掘计算等深度AI功能。但AI的特点决定了除非是颇为单一的需求（如人脸识别），企业并不能跳过AI基础算力建设而直接需求某一功能（将某一票据与经济活动相关联涉及的数据范围、深度都不是人脸识别的难度可以比拟的），这需要架构在复杂而合理的工程系统与既有软件能力之上。

立刻构建AI能力显然不是现阶段合适的选择，毕竟该阶段AI大部分的算力没有办法凸显。所以这就是为什么我们说IT系统的建设是“多阶段同时进行”。在下一个阶段即数字化财务洞察中，被充分应用的AI算力使得其有了被获取的意义。我们将在后续的文章中说明，请持续关注。