2020年是又一个新十年的开端，更是中国企业数字化转型蓬勃发展的开端。随着中台在过去一年以雷霆之势完成了从概念传播到落地实践的过程，企业数字化转型进入全面推开的新阶段，管理会计迎来了发展的重要契机和重大转折。 站在2020年的门槛上展望前路，管理会计的应用正在呈现哪些变化和趋势？又有哪些创新是格外值得关注和期待的呢？

趋势1：中台化

重构企业IT系统是实现数字化转型的必由之路。而越来越多的企业已经认识到，重构IT系统的核心在于对企业管理架构和信息化架构的“中台化”。

在传统的信息化架构下，企业ERP系统、CRM系统、SRM系统、HR系统等等在应用中呈现烟囱式的架构。这些系统彼此独立，每一个系统都有一整套完整的结构，既形成了大量数据孤岛，又造成了大量的资源浪费和数据损耗。数据中台则打破了这种烟囱式的IT架构，通过在前后台之间增加了一层系统，使新一代企业IT架构从一系列套装软件系统的方式变为各种服务支撑下的一系列前端应用系统，实现了数据间的打通和复用共享，使数据赋能企业业务发展。

数据中台是中台的核心表现形式。数据中台的核心是用数据赋能业务，打通底层数据，让数据成为共享平台，成为数据建模平台。而管理会计系统作为实现企业量化管理的核心平台，正是构建数据中台的有效工具。

中台化的管理会计系统将传统的管理会计业务与更业务化、场景化、实时化的数据分析融合，逐步融合互联网大数据分析，并基于对新一代信息技术的深入挖掘和应用，对数据进行采集治理、存储计算和分析挖掘，形成有针对性的数据服务。这不仅将彻底解决企业的信息孤岛问题，提升数据采集和数据转换的效率和质量，还将根除企业IT系统重复建设的现象，为数据存储和数据管理带来便利。

数据中台包括三层构架：

1、底层是数据治理层，通过主数据、元数据、数据质量管理等，提高管理会计基础数据、业务财务和外部引入数据的质量；

2、中间层是数据处理层或数据模型层，通过数据建模或是利用最新的机器学习的智能化模型，把数据更好地加工成有用的信息；

3、顶层是数据应用层，包括管理会计的各种工具方法的具体应用，如预算管理、管理会计报告等，以及一些扩展的场景化分析应用，是利用底层和中间层的数据处理结果所开展的业务应用。

趋势2：大数据化

数据是重要的战略资源，也是管理会计应用的基础。有三类数据对管理会计具有应用价值。

一是以收入、成本、利润、资产、负债等为代表的财务数据；二是与产品、客户、渠道、生产、研发等相关的业务数据；三是与企业所处行业相关的竞争环境、盈利模式、业务模式、客户消费模式等一系列内外部经营相关的外部大数据。受技术所限，传统管理会计所应用的数据主要局限于财务数据和部分业务数据。但其实社会大数据的价值早已获得普遍认可。

无论某房地产企业在投前测算中综合采用运营计划、项目成本、销售进度等内部数据以及地块基本情况、竞争对手拿地情况等外部数据；还是某快消企业在供应链决策中综合协同销售、生产、采购、财务等部门内部数据以及竞争对手状况、区域天气、市场环境等外部数据。成功的数据应用从来都不是孤立的内部或外部数据应用。内部业财数据只有与大数据相结合，才能真正发挥数据的赋用性，赋能企业业务发展。

得益于财务共享系统和大数据技术日新月异的发展，在数据中台架构体系下，长期困扰企业的数据采集和数据治理问题正获得全面突破。基于新一代财务共享中心，企业能够从交易源头上实时获取到内部各单位和外部供应商、客户等真实、完整、准确、口径一致的财务和业务热数据，汇同大数据技术采集到的海量外部热数据，实时写入到管理会计系统的多维数据库中，并通过数据捕获、数据智能解析、数据挖掘、数据治理、数据可视化展现等技术，成为清晰有序、有条理、有脉络的数据。这使得管理会计的应用获得前所未有的绝佳的数据基础支撑。当数据技术能够捕捉企业内外部所有数据，管理会计的价值将获得极大提升。而这一切正在发生。

趋势3：实时化

正如宝洁公司首席运营官罗伯特·麦克唐纳对当前商业世界格局的表述：我们正进入一个VUCA（不稳定、不确定、复杂、模糊）的时代。在这样一个时代，企业的商业模式和经营状况充满了变数，当今的管理会计应用一个主要目标是要帮助管理者应对众多的不确定性。在这样的环境下用传统的管理会计思维和技术已经不能满足企业需求。管理者需要更精细、更实时的业务支持数据。

以预算管理为例。过去绝大多数中国企业都强调年度预算，一年考核一次、一年评价一次。但是随着环境和技术的快速变化，数据业务发展变化呈现出一个重要趋势：年度预算对实际经营的指导作用越来越小，动态的滚动预算才能更好地支撑决策和预算控制。于是，从三到五年的长期预算，到年度预算，到按月、按周、按日的滚动预测，再到实时的业务预测，就是基于数据中台把预算管理从年度化到滚动化，再到实时化的一个典型应用。

实时化是市场环境对管理会计提出的新需求，也是新一代信息技术推动下管理会计应用创新的新发展。随着内存计算技术的进步，管理会计系统对数据处理的频度和速度正在不断加快。管理会计的预算、预测、成本分析、经营报告的频率，正在从过去以年、季度为基础，快速向以月、周、日甚至实时演进。

在通过新一代财务共享平台模式解决了管理会计数据获取问题之后，内存多维计算技术将促进管理会计信息向更实时的时代迈进。

趋势4：场景化

以往管理会计更多地强调用数据支持企业决策，但在互联网环境下，管理会计将会更讲究赋能。这个赋能不仅仅是为企业管理赋能，更重要的是为业务运营赋能。这就需要管理会计能够实现从全面化到场景化的转变。

场景化一词最初是由华为CEO任正非提出。他说，要用场景化而不是定制化的解决方案来消化客户需求，带动了生产、营销、教育、管理、金融等领域的场景化发展浪潮。场景化的管理会计应用顺势而生，引发了领先企业的极大关注和竞相探索。

场景化的管理会计应用是针对企业业务经营的具体场景开展的数据应用。其应用例如零售企业基于场景化应用开展区域单品的销售预测，房地产企业对所持有房产的价值分析，制造企业针对重点产品开展产销协同分析，服装企业依据某季服装销售额做出的库存/物流优化决策等等。

任何企业的管理都脱离不了实际场景的运用，理解场景是解决问题的前提。只有企业能够应用管理会计为企业解决一个个业务场景中的实际问题，管理会计才能真正做到为业务赋能。因此，场景化是管理会计应用创新的必然趋势。

趋势5：运营化

传统管理会计理论认为，战略是管理会计的最高导向。战略管理会计要求企业以战略为导向设计管理会计内容体系，展现了传统管理会计体系以确保战略有效落地为最高目标的主导思想。然而，随着全球经济的发展和企业管理的进步，经济波动的周期越来越短、越来越窄，企业所面对的经营环境的变化越来越快，战略的能见度变得越来越低，这使得以企业整体战略为导向的中长期数据的准确性和有效性大大减弱。企业要想在激烈而又瞬息万变的市场环境下立于不败之地，首先就需要具备对市场前端变化更快的响应速度。这就从需求上推动了管理会计应用由战略化转向运营化。

同时，在数字化时代，企业数据的数量、质量、计算能力和分析能力均大幅提升，这就为管理会计和数据应用带来了更多可能。以往，管理会计更多地用来支撑面向管理层的管理报告，对一线业务部门的赋能、对运营的支持相对较为薄弱。因为原来的数据采集、数据整理、数据加工太慢了，业务化信息也不充分，对业务运营的支持远远不够。而在新技术强大的计算速度和数据治理能力的加持下，管理会计与业务经营的融合更紧密。例如在做销售、生产、供应链和研发创新时，未来的管理会计能够给予新产品研发、投资、决策、立项更多的数据支撑，这就是管理会计在应用中从支持大决策向支持业务决策的巨大转变。

趋势6：自动化

随着数据量的增加，为了提高人员的工作效率，自动化技术将会在管理会计领域发挥更大的作用。

以数据分析为例。以往企业上线分析系统往往是由IT人员来推动和建设的。随着财务转型的加速，越来越多的企业开始设置专门的数据分析岗位。固定格式的分析图表和仪表盘，无法满足这些专业的数据分析人员对数据加工处理的需求，向IT人员提出分析需求等待开发报表也无法满足业务要求，自助式分析逐渐成为企业数据分析应用的普遍需求。管理会计信息系统需要借助后台的多维数据模型，向数据分析人员提供更灵活的自助数据分析功能，让分析人员能够通过拖拽、点击等快速的操作，在数据模型中对数据进行快速、多维度分析，并输出或者保存分析报表。在自助分析方面，也可以利用语音或者文字交互，采用类搜索引擎的方式向系统提问，系统理解问题并在后台数据库中探索数据，并以适当的形式呈现给用户。

传统的分析工作需要靠人按照一定的路径对管理数据进行浏览和探索（下钻、旋转），与预算、经营目标对比来寻找数据异常以发现经营和管理中的问题，并形成分析结论。这些重复性的工作（例行的日、周、月度分析报告）可以由系统利用自动化技术实现，释放分析人员查询数据的时间，让他们能更专注地把精力花在分析数据背后的原因上面。

趋势7：智能化

2017年，在提出智能财务整体框架的时候，我们曾提出了人工智能技术在财务领域应用的六大方向，包括财务预测、经营推演、风险量化、价值优化、决策自动化和信息推荐。现在，尽管我们已经可以实现对主体的财务预测、经营推演和风险量化等，但总体还处于弱智能阶段。人工的成分居多，真正机器智能部分还较少。

人工智能的技术发展有三个阶段：运算智能、感知智能和认知智能。

运算智能让系统能存会算，感知智能让系统“能听会说，能看会认”，而认知智能让系统“能理解，会思考”，也就是可以联想推理。在管理会计领域，我们未来真正的挑战在于如何突破认知智能阶段。在这个阶段，系统要基于对管理科学的理解，进行规划、控制、预测和分析，给企业管理层更加精准、及时的决策分析依据，助力智能决策。

突破认知智能阶段所依靠的是以机器学习为核心的智能技术。机器学习可以用来解决多变量、很难用一个规则来计算的计算模型，通过机器可以采集大量的预测参数，对数据的输出进行快速计算。基于机器学习技术，系统可以基于对业务知识的理解，科学预测、合理控制、智能分析，真正成为管理和财务人员的智能助手。结合自然语言处理、知识图谱、图像识别等前沿的人工智能技术，机器学习还可以帮助企业实现商业智能的升级，实现自助式数据分析平台（自助BI），辅以移动化、协同化，打造融合战略规划、经营计划、开放式预算、滚动预算、经营预警到绩效管理等应用的，更易交互、更智能化的新一代智能管理平台。

近年来，在信息技术领域显露锋芒的顶尖新兴技术“数据科学平台”在管理会计领域亦拥有广阔的应用空间。在数据科学平台中，数据科学家可以利用隐形关联的历史数据，如企业内部运营数据（订单数量，投诉数量等）和外部数据（天气、社交网络情绪指数等）来训练机器学习模型。利用训练完成的模型对在线数据进行预测，从而让历史数据的静态分析变成一个动态的预测模型。利用这套工具提高数据科学研究的透明度、可重复性和可扩展性，让数据科学家能够更轻松地将动态的结果（比如广告活动的预测结果）推送给基于这些结果做决策的人，替代静态的历史数据报告。在管理会计领域，数据科学平台会给数据的使用者带来更好的用户体验，让管理者的业务决策信息更充分、更好地支持计划预算和经营预测。

趋势8：移动化和可视化

越来越多的企业发现，随着信息化程度的日益提升，企业对数据的挖掘越来越深入，系统表单越来越多，数据解读却愈发困难重重。管理人员经常需要花费大量时间在一张张报表中，努力从一堆堆的数据中发现问题，以作出正确的决策。降低数据解读难度成为企业在管理会计应用中的共同诉求。由此，数据移动化和可视化作为提升数据认知效率和决策及时性的有效手段，正日益获得广泛应用。

一方面，数据可视化是借助智能技术和前端数据分析技术，基于系统对使用者需求的筛选，将数据通过屏幕用图表等视觉方式展现出来，以帮助用户探索和理解复杂数据的相关含义。可视化能够迅速和有效地简化与提炼数据流，帮助用户交互筛选大量数据，获取更简洁、更直观、更及时的可视化信息，从而使用户能够更快更容易地从复杂数据中发现规律和问题。仪表板、管理驾驶舱是数据可视化在管理会计领域的典型应用。举个例子，按照日期、产品、区域等不同维度对销量、价格、成本等数据的汇总、比对、分析，就可以用各类直观、绚丽的标识表现出来，让管理层更快了解运营状态，并及时提出改进意见。

另一方面，4G网络和H5技术的普及，促进了移动端应用的快速扩展，传统企业信息系统正在快速地向移动端迁移。在管理会计信息化领域，分析是移动化需求最迫切的功能，企业的管理决策者对信息获取的实时性要求，推进了分析报表移动化的普及。

随着移动化应用场景的增多，数据可视化的展现方式也变得多种多样，既有用于集体汇报时的大屏展示，也有针对不同管理者推送的个性化展，让管理者随时随地可以观察业务进展，洞察问题和发展趋势。

趋势9：从管理会计到财务会计

在传统会计的理论和实践中，财务会计历来发生在管理会计之前，企业发生业务后，先是由财务会计进行记账核算，继而管理会计应用财务会计的核算结果开展数据应用，形成预测、分析报告并输出。

但是，在当前的管理会计应用中，由于数据中台打通了底层数据，一些企业发现，管理会计不需要依赖于财务会计提供的信息就可以自动进行数据处理。同时，由于管理会计提供的信息量更大、信息更复杂、颗粒度细、更实时化、频率更高，而财务会计提供的信息更规则化、定时化，这就为我们带来了一种可能：未来，企业可以基于业务信息，首先形成管理会计的完整、细粒度的信息，继而再基于管理会计信息生成财务会计规则化、格式化的信息。如此一来，企业的信息结构就变成管理会计是财务会计的底层，财务会计和管理会计的关系将重塑。

数据中台的架构体系正在为管理会计的发展带来一系列变革和创新。展望未来，管理会计的数据底层很可能将是基于一个业财打通、内外打通的数据中台。它一方面将与以机器学习为核心的智能技术融合在一起，形成一个共同赋能管理和业务的全新体系；另一方面将与蓬勃发展的财务共享中心所形成的数据中心相结合，以获得更好的数据支撑，随需应变地赋能前台的管理需求和业务需求。