财会分析工具.pdf

财会分析工具2020 Association of Chartered Certified Accountants and Chartered Accountants ANZ September 2020 关于ACCA ACCA， 全称为特许公认会计师公会。 作为一家蓬勃发展的国际专业会计师组织， 我们秉承 极其严格的专业要求与道德标准， 在全球176个国家拥有227,000名会员与544,000名未 来会员。 ACCA目前在中国拥有27,000名会员及154,000名未来会员， 并在北京、 上海、 广州、 深圳、 成 都、 沈阳、 青岛、 武汉、 长沙、 香港特别行政区和澳门特别行政区共设有11个办公室。 我们坚 信： 财会行业是社会发展的基石， 也是公共领域和私营部门发展的强大支柱。 为此， 我们一 直致力于推动全球财会行业强有力的发展， 使其造福于社会和个人。 自1904年创立至今， ACCA始终秉持为公共利益服务的使命。 作为一家非营利性组织， 我们 的目标是推动全球财会行业的可持续发展。 我们不断投资到行业建设之中， 提升会员价值， 促进行业面向未来。 通过提供全球领先的ACCA专业资格， 我们为不同地区、 各行各业的有志之士创造机遇， 使 他们在财会、 金融和管理领域成就卓越的职业生涯。 通过广受认可的专业研究， 我们剖析当 前议题， 洞察未来趋势， 引领行业发展。 了解详情 ， 请访问ACCA网站： 关于澳大利亚及新西兰特许会计 师公会 澳大利亚及新西兰特许会计师公会 （CA ANZ） 代表着超过12.5万财会专业人员， 支持他们 为工作与生活的企业、 组织和社区创造价值并缔造不凡。 在全球各地， 特许会计师都以诚信 敬业而闻名， 他们具备出色的财会技能、 适应能力， 并且接受过严格的专业教育和培训。 CA ANZ始终致力于提升特许会计师 （CA） 的市场形象和卓越道德标准、 为会员提供世界一流的 服务和终身教育， 并且倡导追求公众福祉。 我们确保会员在健全的纪律程序支持下恪守道德规 范， 以此捍卫行业声誉， 同时监督着直接向公众提供服务的特许会计师群体。 我们核心的CA培养 计划将严谨的教育与实际经验相结合， 推动学员成长为特许会计师； 而持续的专业发展项目更有 助于会员有效制定业务决策， 并在瞬息万变的世界中与时并进。 我们代表会员和专业人士， 与政 府、 监管机构和标准制定者展开积极互动， 从而维护公共利益。 我们的领先思维在不断地促进澳 大利亚及新西兰的繁荣。 我们加入了多个国际会计组织， 进一步拓宽对本行业的支持。 我们是国际会计师联合会 （IFAC） 中的一员， 通过全球特许会计师联盟 （ICAEW） 和全球会计联盟 （GAA） 与全球紧密相连。 全球特 许会计师联盟将13家特许会计师协会的会员汇集在一起， 创建出由180万名特许会计师和190多 个国家的学员组成的庞大社群。 CA ANZ也是全球会计联盟的创始成员， 该联盟包括了10家领先 的会计机构， 共同促进着优质服务和共享信息， 并就重要的国际议题开展合作。财会分析工具 这项全球的研究探索了分析工具对企业财会部门的影响， 以及专业会计人 员的职责和技能。 这篇报告的观点是基于对全球财务领袖、 财务分析师和数据专家的30多次 采访所得， 他们来自于不同类型的企业， 代表了各行各业。 根据采访， 这篇报 告直接展示了财务部门的自然演变， 它们最初只负责处理财务信息， 但现在 也会处理各种非财务信息、 创造价值以及利用商业智能实现确切目标。 本报 告还在2019年10月调查了ACCA和澳新特许会计师公会现有和未来的1150 位专业财会人员。 n 英国, 17% n 马来西亚, 7% n 巴基斯坦, 6% n 澳大利亚, 5% n 会计, 20% n 金融服务 中小型企业, 6% n 金融服务 大型企业, 8% n 企业部门, 46% n 香港特别行政区, 4% n 阿拉伯联合酋长国, 4% n 爱尔兰共和国, 4% n 其他, 54% n 非盈利机构, 5% n 公共部门, 11% n 其他, 4% n 专业服务, 15% n 专业服务领导力, 3% n 财会, 25% n 风险管理和合规, 19% n 财务领导力, 20% n 教育, 0% n 其他, 18前言 革命之中 ， 可以获得的数据信息也越来越多。 通过这些数据 ， 我们可以提取到关 键的行业信息以促进决策的有效进行。 专业的财会人员则需要在这场分析革命 当中冲锋陷阵。 由于新冠疫情， 企业需要迅速地响应外界的变化， 根据不同的场景和时机制定不同的应 对计划， 这样企业才可以继续前行发展。 那些行动迅速的企业已经开始利用数据资产， 探 索应对措施， 从而帮助企业生存下去。 这篇报告发现了还有很多专业的财会人员仍在使用回顾性的分析工具， 向利益相关方汇 报的依然是过去的业绩表现。 但是现在最需要的是将精力投放在未来， 通过前瞻性的分 析帮助决策者探索未来的可能性， 再将其应用于了解企业当前的动向。 如果财会人员无 法恰当地运用这些技能， 无法向利益相关方提供前瞻性的分析见解， 那么他们就会面临 被边缘化的危机。 ACCA和澳新特许会计师公会都在不断地提升自己的资质资格， 不断地开展教育项目让 现有和未来的成员学习相关的技能。 在这篇报告中， 我们发现财会人员需要掌握的技能 包括认识问题、 阐明分析以及使用数据和应用程序等， 并对此提出自己的见解。 这是一个不断发展的领域。 面对不断进步的科技， 我们的选择， 以及如何将其应用在我们 的日常生活中， 都反映出了我们对未来的洞察力。 ACCA的合作伙伴NTT DATA在报告中 对此提出了非常具有参考意义的观点。 白容 (Helen Brand) ACCA首席执行官 Ainslie van Onselen 澳新特许会计师公会首席执 行官 4目录 执行摘要 8 1. 在财会工作中使用分析工具的前景 14 1.1 分析工具发展至今 14 1.2 分析工具的机遇？ 15 1.3 分析项目 17 1.4 最大的机遇 18 1.5 大数据的四个 “V” 18 1.6 最大限度利用分析工具的挑战 22 1.7 数据战略 23 2. 现状 26 2.1 支持数据分析工具的技术 26 2.2 分析工具可以应用于何处？ 30 2.3 由谁负责？ 31 2.4 中期实施数据分析工具的责任 33 2.5 从分析工具中获取价值的所需技能 33 核心技术和软技能 34 所需的数据和分析技能 34 新的分析工具模式？ 36 发展技能 36 学生学到了什么？ 37 3. 分析工具的类型和应用 41 3.1 四种分析工具 41 描述性分析工具 42 诊断性分析工具 43 预测性分析工具 43 指示性分析工具 43 3.2 分析工具的未来 46 4. 在您的业务中使用分析工具 48 4.1 商业案例 48 实施步骤 49 4.2 数据洞见和报告 52 4.3 开发财务部门的分析能力 52 5. 道德和法律方面的考虑 54 5.1 道德考虑 54 5.2 数据治理 55 5.3 隐私 55 5.4 通用数据保护条例和其他法规 56 5.5 安全网络和其他威胁 56 56. 习得的经验 58 7. 分析的新兴趋势 60 7.1 综合技术框架 60 7.2 未来的非结构性数据和结构性数据 60 7.3 大数据思维 61 7.4 人工智能 （AI） 、 机器学习和工具 62 8. 应考虑的行动 64 8.1 治理和数据管理 64 8.2 大数据现实 65 8.3 人才集合 65 8.4 决策赋能 66 8.5 预测性和指示性分析 66 鸣谢 68 参考文献 69 6现在最需要的是将精力投放在未来 ， 通过前瞻性的分 析帮助决策者探索未来的可能性 ， 再匹配当前的企业 行为进行最佳的选择。 7财会分析工具 | 执行摘要 首席财务官和财会人员的作用不再只是传统的财会监督 ， 还要作为企业的重要顾问 ， 帮助企业 实时根据数据进行决策。 执行摘要 一直以来， 财务部门都使用的是描述性分析工具来展示信息， 比方说用仪表盘和报告来汇报过往事件。 哪怕现在也很少看 到有人使用预测式和指示性分析工具。 我们采访了全球30多 家企业的首席执行官、 首席财务官和财政部门的员工， 这些 企业包括零售、 电信和公共事业。 在过去十年， 随着传感器和 设备等物联网中获取的数据飞速增长， 财政部门获取的数据 也在与日俱增， 并且这一趋势并没有放缓的迹象。 首席财务官和财务部门的作用主要有两点， 第一点就是解决 财务相关的问题； 而第二点是从调查回复和深度访谈中发现 的一项新型功能， 即利用非传统财务领域的分析工具为整个 企业的决策赋能。 所有的受访者都表示了他们提高企业决策 质量和速度的愿望， 这也是使用分析工具的首要原因。 有一家从事公共事业的欧洲公司， 它们财务部门的工作不仅 局限于财务数据， 还包括利用分析工具以及融合配电设备工 具的技术数据协助服务供应和电网分布等非财务问题的决 策。 另外一家来自北美的公司， 它为联络中心提供服务。 它的 首席财务官会充分利用分析工具来协助价格、 技术工程和支 持要求等方面的决策， 进而帮助全球的企业共同成长。 一位 澳大利亚四大专业服务公司的合伙人认为， 使用大数据可以 很大程度上地帮助客户确认公司内部控制的缺陷所在， 还为 客户带来了传统审计以外的新方法， 用于了解每笔交易。 对于首席财务官和财务部门而言， 企业的转折点不仅仅是改 善财务决策， 还要在企业上下推行分析工具的使用。 首席财务官和财务部门的功能转变 ACCA和澳新特许会计师公会共同采访了世界各地的专业财 会从业人员， 和他们一起探讨分析工具对首席财务官和财务 部门成员的影响。 我们从采访对话中总结出了五大方面： n 治理和数据管理 n 大数据的现实 n 人才集合 n 决策赋能 n 预测式/指示性分析 我们的调查还显示， 分析工具是企业提高效率、 改善规划、 制 定预算和预测以及风险管理的关键。 因此， 在当前这个变化 无常的时代， 企业领袖就要展示出他们的远见卓识、 果断勇 猛和应变思维 （George 2017） 。 企业的首席财务官和财务部 门通过大数据和分析工具， 引领企业在关键时刻制定恰如其 分的决策， 战胜无法预见的困难和挑战。 8财会分析工具 | 执行摘要 财务部门的分析工具 分析工具是企业必备的一项技能， 分析技术是从企业数据中 提取价值信息的关键机制。 但是新兴的大数据已经超出了财 务信息的范畴， 它还包括了一系列非财务信息来源， 如所谓 的“ 工 业 4.0” 1 （图ES1） 技术中的机器、 客户关系管理(CRM)系 统、 手机、 传感器和外部数据 （包括环境数据） ， 这就意味着分 析工具正处于发展的关键节点。 当前的数据复杂性正在不断提升， 如今拥有海量数据和各种 数据集的不再是企业中的销售部、 市场部、 财务部和制造部。 在数据的洪流中， 管理层面临着行动决策方面的困难。 如果首 席财务官可以评估新冠疫情对商业模式和运营带来的影响， 他们就可以在财务部门以外的领域使用分析工具和数据， 从 整体上协助支持企业渡过这段困难时期。 除了培养新人才和 新技能， 首席财务官和财务部门还可以通过技术投资和使用 财务分析工具发掘自己的竞争优势， 促进企业的整体增长。 这篇报告强调了首席财务官和财务部门在不断地支持和扩 张财务部门原有的分析模式。 财务领袖、 专业人员和数据专 家也都明确表示， 在首席财务官的果断领导下， 企业的财会 人员可以通过分析工具更快更好地根据数据进行决策。 此 外， 在制定管理、 运营和战略决策的时候， 分析工具会优先预 测未来场景， 而非回顾过往。 我们的调查还显示有相当一部分受访者故步自封， 没有前瞻 性。 大多数的财政部门满足于一成不变的传统报告， 因为这 样的报告和相关的决策几乎不会遭到他人的质疑， 但也因此 没有人会认真阅读， 现代的可视化技术也无法提取报告中的 关键要点。 现在的报告审阅人都追求快速的阅读方式， 这样才 可以迅速决策再进入下一项事宜， 让企业保持快速运转， 紧 跟全球市场的变化。 财务部门需要通过数据展望未来， 确保 自己的工作能对企业带来积极影响。 他们需要合理分配用于 历史分析的时间， 在历史分析和前瞻性分析之间取得平衡。 这些都属于专业财务人员必备的技能工具， 需要他们根据企 业的需求提高这些技能的使用频率。 从分析当中获取价值的技能组合 相关专业人员必须投入时间和精力去学习如何从分析中实 现价值最大化的技能 （图ES2） 。 这些技能集合了技术技能、 应 用熟练度以及批判性思维和解决问题之类的软技能。 将分析 工具和企业问题相挂钩的能力是重中之重， 这种能力既涉及 技术， 也涉及商业。 图 ES1: 工业4.0 1 “第四次工业革命” 一词最早由世界经济论坛创始人和执行主席Klaus Schwab提出， 指的是由计算机技术和人工智能引领的 “第四次工业革命” （Schwab 2017）。 物联网 智能传感器 大数据分析 增强现实 先进的机 器人科学 云计算 位置方向 3D打印 工业4.0 财会 数据素养 数据采掘 应用知识 应用及批判思维 可视化 会讲故事 图 ES2: 以下技能可以帮助你从分析中获取价值 9财会分析工具 | 执行摘要 总而言之 ， 首席财务官和财务部门应该怎么做？ 我们整合了深入访谈中支持本研究和金融调查分析的见解 ， 从中我们发现 ， 在2020年及以后 ， 我们要坚持五大方面才可 以创建真正以数据为中心、 以分析为驱动的企业 （图ES3） 。 这五大方面是治理和数据管理 ， 大数据现实 ， 人才集合 ， 决策 赋能 ， 预测式/指定性分析。 图 ES3: 财务部门分析工具未来发展的五大方面 治理和数据管理 大数据现实 人才集合 决策赋能 预测式/指定性分析 前文所述的发展趋势会对不同产业带来巨大影响， 大大小小 的企业都无法独善其身。 应对战略之一就在于鼓励跨学科融 合分析 （如： 财务、 分析及网络安全） 。 为了确保恰当的数据治理机制得以实施， CFO及财务部门应： n 确保有数据治理机制， 进而正确区分数据且恰当地将数据 使用与战略目标挂钩 n 确保在企业内建立数据所有权机制 n 数据收集是为了满足获得数据洞见的需求， 明确数据收集 为深度分析所用， 避免为了收集数据而收集数据 n 避免在分析中使用可识别个人信息 （PII） 进而将安全风险 降至最低 n 确保数据清理及准备过程中切勿移除可用于侦测异常值 的重要数据 2 n 建立正确使用数据的指南并与其他部门共享。 大数据的兴起已成现实。 CFO和财务部门应： n 开发及部署如云服务等有助于财务部门工作的技术， 进而 支持实时分析 n 思考如何通过最佳方式从过往系统中抽取数据用于开发 分析能力 n 生成认证外部数据源列表进而对内部数据进行补充， 维持 日常更新以随时捕获新的数据源。 财务部门应当掌握数据 目录， 并更新工作流程， 因为使用外部数据会对财务决策 和其他决策产生直接影响。 n 确保分析项目能兼容更多元化的结构性及非结构性数据， 重视在数据收集中跨部门合作的重要性。 n 评估导致描述性分析的活动， 进而决定它们是否继续为企 业增加价值。 2 从第二次世界大战期间Alan Turing和他的团队在布莱切利公园的工作中可以看出， 异常情况具有信息价值。 他们用异常现象破解了密码 （Hamer 1997）。 10财会分析工具 | 执行摘要 总而言之 ， 首席财务官和财务部门应该怎么做？ 除此以外， 若想实现跨人才团队的建立， CFO和财务部门应： n 推出针对企业内每一个人的数据素养项目， 在其中涵盖绩 效改善、 企业内财务决策及业务自动化等的具体例子 n 让更多人掌握分析技能； 这需要在技能和人才能力两方面 进行恰当投资， 随着业务需求的改变， 两者的投资比重也 应随之变化。 n 形成企业内自助式资源， 如： 博客及线上社区 n 定期组织培训活动、 黑客马拉松及针对分析工具心得分享 会， 并邀请行业专家及不同部门的专家做客活动， 分享经 验， 从而保障技能及知识得以更新。 若要实现决策赋能， CFO及财务部门应： n 与内部利益相关方就如预测性分析等数据分析工具如何 辅助战略决策制定进行沟通 n 通过建立使用实时数据模型进而帮助财务部门做出更合 理及更高效的决策 n 将决策按照战略层 （C层） 、 管理层 （功能层） 、 运营层 （商 业流程） 、 开发层 （新产品或服务） 及客户区分层 （外部客 户 ）分 类 n 修订商业案例文件， 找出侧重于预测性和理想的规范性 分析的项目 n 不断追求更高效决策的颠覆性创新。 企业内使用预测性及指示性分析可帮助CFO及财务部门： n 实现元数据 （企业内共享范畴内最有价值的数据） 标准化 n 开始持续识别企业内的异常值， 从而提早发现将出现的 问题或机遇 n 制作决策模式的Excel电子表格模板， 有助于决策部署 n 探索是否能在整个分析工具价值链中使用开源成分 （SQL 数据库、 机器学习及端对端流程） 。 这对于提供软件服务或 咨询服务的公司， 或者企业内部的商业智能中心尤其重要 n 通过使用RapidMiner或KNIME等开源软件就专家及商业 用户间合作进行试点。 11来自NTT DATA的观点 现在各种类型的企业都可以通过操作简单却功能强大的低成 本工具来分析、 使用数据。 虽然数据工程和数据科学仍然需要 一些特定的技能， 但由于数据使用的困难不再是克服技术屏 障， 而是人员管理， 所以企业的各级员工必须要认同数据的价 值和分析的准确性。 如果企业可以充分做足这些准备， 那么企业领导也就可以相 信数据， 相信分析工具， 相信从数据和分析当中提取的关键 信息。 我们不可否认数据工程和数据科学领域还存在着技能短缺。 高德纳咨询公司 （Gartner） 估计， 现在有将近一半企业缺乏应 有的数据素养和人工智能技术 （Panetta 2019）。 我们应该如何克服现状？ 首先我们需要承认现实： n 不存在精通财务、 销售、 市场和机器学习的数据科学家。 分 析工具应该是帮助企业的利益相关方和技术人员之间的 沟通。 通过建立融会贯通的团队， 企业可以更快地获得发 展的关键信息， 满足企业的发展需求。 n 始终维持高质量的数据非常困难。 对于现有数据和正在 使用的数据， 企业都有必要公开这些数据的质量， 这样就 可以对分析的权重做出明智的决定。 为了提高数据的质 量， 企业需要将数据原则作为共享资产和共享责任， 应用 到各个方面。 n 虽然从数据当中提取有用的关键信息需要各方的共同努 力和资金投入， 但随之肯定会有巨大的回报， 帮助企业更 上一层楼。 如企业可以认清这些现实并克服现状， 那么它们就在建立数 据信任文化的道路上迈进了一大步。 一旦建立起了数据信任， 分析工具就进入了一个新境界。 我们 不会再纠结于历史数据， 我们会更重视前瞻性的数据预测。 这 样的转变可以让企业在变化来临前就认识到变化带来的潜在 影响， 进而提高企业运营的智能化程度、 效率和利润。 我们也 会继续回顾过往， 确保新型预测模型的准确度。 建立成功的分析项目， 其核心原则就是建立数据信任。 而保护 这种信任就是现代企业中财务部门的职责。 专业财务人员拥 有的许多技能都可以用来弥补数据科学家和企业之间的差 距。 他们是值得信任的财务数据专家， 并且可以轻松地将他们 的知识应用到其他领域的数据上。 这份报告列出了首席财务官和财务部门可以采取的一些明确 步骤， 帮助他们从入门开始学习数据和分析工具， 代表企业的 利益去充分利用这些宝贵的工具， 预测行业变化。 因为成本和操作复杂等原因 ， 科技在过去一直是企业使用数据的壁垒 ， 但这些问题现在都已经不存在了。 财会分析工具 | 执行摘要 Simon Williams, 首席执行官， NTT DATA 英国 12将分析工具和企业问题相挂 钩的能力是重中之重 ， 这种能 力既涉及技术 ， 也涉及商业。 财会分析工具 | 执行摘要 13财会分析工具 | 1. 在财会工作中使用分析工具的前景 1. 在财会工作中使用分析工具 的前景 1.1 分析工具发展至今 分析工具的历史， 如同很多技术和企业环境的历史一样， 是一 段不断演化的故事。 它最早可以追溯到19世 纪 ，即 Frederick Winslow Taylor第一次提出时间管理策略。 20世纪60年 代（ 图 1.1） ， 随着计算机普及率增加， 统计技术应用于数据也随着成 为持续趋势。 而在70年代， Edgar F. Codd发明了关系型数据库 （Relational databases） 3 ，其 在 80年代随着越来越多的人使用SQL挖掘数 据而开始流行起来。 关系型数据库和SQL可以在数据生成的 同时进行数据查询， 并且它们仍然沿用至今。 “商业智能” 一词虽然最早使用于1865年， 但却是因为Gartner 的推广普及， 才在1989年流行起来 （Power 2007）。Gartner 用 “商业智能” 来描述基于搜索、 采集和分析数据来进行决策 的行为。 当时的大规模企业资源计划 （ERP） 软件包括商业智能 （BI）模 块（ 即“ BI 1.0” ） ， 可以允许用户查询大规模的数据库。 数据挖掘始于90年 代（ BI 2.0） ， 实现了过去无法做到的数据中 规律的发现。 于是， 企业开始根据历史的趋势预测未来的销售 额。 2005年， Roger Magoulas首次提出了 “大数据 （BI 3.0） ” 的定义 （Halvi and Moed 2012） ， 即当时计算机资源难以操作和分析 的大量数据。 但同年开发出来的 “Hadoop” 实现了对此类数据 的操作。 在云计算出现之后， 我们的分析能力也变得越来越强 大， 现在我们有能力去分析整个社会创造出来的数据。 它为我 们提供了开源工具， 而这些工具可以直接应用于存储在云端 的大规模数据集。 这就标志着 （高级） 分析工具时代的到来。 图 1.1: 分析工具发展至今 3 用于识别存储信息项之间关系的数据库。 1950年 1960年 1970年 1980年 1990年 2000年 2010年 结构化 高度复杂 数据的复杂程度 统计技术 数据挖掘 商业智能 （BI 1.0） 商业智能 （BI 2.0） 大数据分析 （BI 3.0） 14财会分析工具 | 1. 在财会工作中使用分析工具的前景 1.2 分析工具的机遇？ 分析工具可以从数据中提取有价值的关键信息， 帮助我们提 高决策的质量。 如此一来， 财务部门就需要了解公司上下所 有的决策， 包括但不限于财务方面。 有了分析工具， 财务部门 的职责就不再只是 “管理数据” 或财务报告等单一的交易业 务， 现在它们还需要通过财务和非财务信息向企业提供决策 支持。 因为簿记和编制财务报表所需的人力投入减少， 所以 财务部门可以将时间和精力从会计工作上转移到管理上。 在ACCA发布的一系列报告中， 有一篇是关于财务部门的演变 （图1.2）。正 如 ACCA和普华永道在报告 金融洞察重新 设 想 （ Finance insights Reimagined）（ ACCA / PwC 2020） 中提到的那样， 虽然越来越多人意识到财务部门需要分析数 据源， 向企业提供发展的关键信息， 但未来前进的道路仍然难 以捉摸。 ACCA和普华永道在另一篇报告 金融： 未来之旅？ （Finance: a journey to the future?） 中提出， 如何设计财务部 门会成为未来五至十年的讨论重点 （ACCA / PwC 2019）。首 席 财务官和财务部门可以借此机会协助企业进行有效的决策。 企业为了实现其目标会制定各种行动方针， 而这一系列行 动也会反映在数据当中， 其中就包括国际综合报告委员会 （International Integrated Reporting Council） 定义的六大 资本数据 4 （ACCA / PwC 2020） 。 而基于这些数据的决策流程 需要数据分析做支撑， 并且最终对于数据背后信息的叙述可 以吸引到更多的资金和投资。 图 1.2: ACCA的财务部门报告 4 国际综合报告委员会 （International Integrated Reporting Council， IIRC）与 于 2013年提出了六大资本， 它们代表了 “企业使用并受之影响的资源与关系” 。 这六大资本包括 财务资本、 制造资本、 智力资本、 人力资本、 社会与关系资本以及自然资本。 目标与战略 运营与洞察 数据与分析 金融： 未来之旅？ 财会分析工具 金融洞察重新设想 15财会分析工具 | 1. 在财会工作中使用分析工具的前景 有效使用分析工具是财务部门持续转型的关键所在 （图1.3）。 随着财务部门的职责越来越多地集中在交易效率、 合规与控 制以及商业洞察力这三个方面， 分析工具的使用变得格外 重要， 尤其是利用财务和非财务信息进行的前瞻性分析。 财 务部门绝对不能错失这次机遇， 否则它们将会进一步被边缘 化， 被其他可以解决企业需求的机构替代。 这次调查研究， 我们不仅采访了多个产业领域的首席财务官 和多位财务部门的成员， 还有与社会企业打交道的政策制定 者。 他们认为， 我们不仅有可能为能实现经济增长的项目融 资， 还能提高人们的生计， 这符合企业的目标， 也带来了社会 效益， 而社会效益的产生就是资本回报高的有利证明。 这样从 多个方面进行决策思考， 就可以激发出职场罕见的思维创新 模式。 在所有的深度访谈中， 我们达成了一个共识， 即首席财务官 和财务部门在未来中使用分析工具， 实现整个企业的统一决 策。 基于对历史财务数据的关注， 以及分析工具基于证据而做 出的决策， 我们可以明确未来的形势。 首席财务官和财务部门 将会利用分析工具来分析改进整个企业的决策制定， 除了使 用财务信息之外， 还会使用大量的非财务信息和可用的新数 据源。 这些决策包括上至战略决策、 运营决策， 下至资源分配。 分析工具为决策提供了一个支点， 将企业战略与运营联系起 来。 一位欧洲企业的首席财务官明确表示， 在未来五年内， 分 析工具将推动企业战略， 从而实现更好的决策、 规划和预测。 同样， 一位北美的首席财务官表示， 他们的首席执行官和领 导团队已经开始向首席财务官寻求帮助， 不仅是数字方面， 还包括所有决策制定的分析。 这位首席财务官负责对接该企 业所有不同部门的工作， 包括战略和销售部门， 还要协助技 术部门的工作分配。 虽然这还达不到在数据公布后迅速决策 的能力 （即 “实时决策” ） ， 但对大多数企业来说， 目前的能力 也已经足够了。 图 1.3: 分析工具和转型的财务部门 来源： 摘自于ACCA&普华永道2020 企业洞察力： 企业运作的有效方式 合规与控制： 在不限制企业运作的情 况下平衡可持续成本 交易效率： 及时且经济高效 地提高业务绩效 分析工具提供洞察力， 进而维持合规与控制 分析工具提供支持企业洞察的 信息， 但受到交易效率的影响 人力 科技 进程 数据 分析工具可以保证交易效 率， 同时维持合规与控制 16财会分析工具 | 1. 在财会工作中使用分析工具的前景 一位英国服务行业首席执行管的观点再次印证了企业背景 决定其访问 “实时数据” 的程度。 但是另一位欧洲的首席财务 官告诉我们， 使用分析工具的动力在于企业希望能做出正确 的决策， 可用的数据不再只是财务数据， 还包括能够支持服 务交付和基础设施维护的非财务数据。 如今的趋势是， 在做决策时， 不再只是看数字的准确性， 而是 越来越多地使用非财务数据， 并考量交易描述以外的信息。 这些非财务数据有助于我们更广泛地了解企业受到的影响， 从而进一步扩展企业财务部门的职责范围， 以支持管理决策。 这次研究中有来自澳大拉西亚地区的公共部门领导层， 他们 表示自己在投资公共资金的背景下有机会做出更好的决策。 决策制定和支持过程是最重要的一个环节。 它会直接影响公 司的最终盈亏。 麦肯锡 （McKinsey） 的一项研究显示， 如果公 司的决策过程得到优化， 那么决策的投资回报率(ROI)会提 高6.9% （Lovallo and Sibony 2010） 。 为了确保制定卓越的决 策， 首席财务官和财务部门需要在企业的决策过程中使用分 析工具。 在我们的研究访谈中， 有很多关于不同类型分析、 工 具和算法的讨论， 但是决策分析的过程和框架是同等重要 的。 CRISP-DM （用于数据挖掘的跨行业标准流程） 是经过良 好验证的框架， 可以将业务和数据理解结合在一起， 适用于 各种规模的企业。 CRISP-DM框架将数据挖掘过程分为六个 阶段， 请见下列方框中的讨论和图1.4的说明。 CRISP-DM框架 我们如何开始分析项目？ 我们如何组织分析项目？ 我们 需要做些什么来确保正在进行的分析项目符合道德规 范？ 我们如何知道我们已经成功完成了一个高级分析 项目？ 来源： IBM SPSS CRISP-DM模型指南 （IBM， 日期不明） 图 1.4: CRISP-DM进程框架 这些问题都有一个共同点： 它们都需要某种方案来组织分 析项目的多项步骤。 其中， 分析项目持续的时间和需要的 技能各不相同， 因此该方案、 框架或方法实则是一种排序 机制， 对不同长度的多步骤分析项目进行排序。 此外， 一种 通用的方法可以让团队的任何成员或交付团队之外的人 员重现该项目。 CRISP-DM是使用最广泛的分析过程标准 （Chapman等 人， 2000年） ， 因此它也几乎可以看作是实现预测性和指示 性分析项目的标准模型。 当代所有其他的方法论似乎都是 从最初的CRISP-DM框架变化而来。 CRISP-DM框架可用于 分析项目各个阶段道德保障的建立 （Cunningham 2020）， 确保已知数据中的偏差， 实施安全措施， 防止模型受到外 来影响。 1.3 分析项目 我们如何开始分析项目？ 我们如何组织分析项目？ 我们需要 做些什么来确保正在进行的分析项目符合道德规范？ 我们如 何知道我们已经成功完成了一个高级分析项目？ 这些问题都 有一个共同点。 解决这些问题的方法就是建立一个组织分析 项目的框架。 这样的框架需要覆盖分析模型以外的活动， 还 要在处理缺失数据或者 “解决” 未明确的问题时， 避免草率地 使用分析技术。 现在我们需要的框架要经得起近20年的时间 考验。 随着技术变革的步伐， 你可能会认为这种框架会被取 代 ，但 是 CRISP-DM却存活至今， 还成为了预测式分析的标准 模型， 使用于机器学习项目的发展和审计 （Clark 2018）。 数据准备 部署 数据 模型 企业理解 数据理解 评估 17财会分析工具 | 1. 在财会工作中使用分析工具的前景 1.4 最大的机遇 在所有的受访对象中 （图1.5），51%的受访者认为， 决策速度 更快质量更高将是使用财务分析工具为企业未来5年带来的 关键效益和机遇。 31%的受访者认为， 使用财务分析工具是为 战略发展目标提供支持性的信息。 此外， 49%的人认为， 分析 工具带来的机遇是更好的规划和预测， 而40%的人认为是对 风险的理解和管理， 然而二者的重要性不分伯仲， 都需要获得 类似的数据集。 实时分析对决策制定和风险承担的支持是显 而易见的， 所以分别有38%的人希望通过分析工具实时洞悉 业绩表现和提高数据质量。 还有37%的人认为最大的机遇是 将未来趋势和预测进行更清晰的可视化， 而我们也的确有必 要实现可视化， 认识到预测能力是数据分析的本质， 这样财务 部门的工作就可以从汇报财务和会计措施向预测未来。 检测 完整数据集则被认为是最不重要的， 因为只有15%的受访者 希望从分析工具中获得这方面的效益和机遇。 1.5 大数据的四个 “V” 在各种规模的企业中， 领导层都在通过大数据进行决策。 许 多企业产生或积累了大量非结构化的非财务信息， 包括全球 定位系统(GPS)数据、 手机数据、 传感器温度、 问卷调查中开放 式问题的答案、 网站客户互动、 社交媒体上的动态和监控摄 像的视频。 这种大数据的标志性特点代表了交易之间产生的 非财务信息(NFI)。 自文艺复兴以来， 我们一直通过复式记账法和会计系统来捕 获和记录财务交易， 但却经常无法收集或使用非财务信息。 当前的企业业务是通过交易(销售和经营指标)来表示的， 但 在将来， 这将取决于人们的共情和人际关系。 相关的信息包 括用户使用品牌产品而生成的内容、 评级、 评论， 以及一对一 的对话、 客户遇到困难时的信号和客户活动的地理位置。 但 是这些信息又是如何影响财务状况的呢？ 假如你在经营一家 旅馆， 你会关注TripAdvisor排名的变化， 因为这会影响到旅 馆未来的收入。 但是， 如果企业主只是等待会计定期编制的 财务报表， 然后根据报表上的预计收入和客房需求变化导致 的实际收入采取后续行动， 那么企业主的经营策略就是不充 足的、 低效率的。 图 1.5: 未来五年， 你希望你们团队通过使用分析工具而获得的最大机遇是什么？ 0% 10%2 0% 30%4 0% 50%6 0% 18财会分析工具 | 1. 在财会工作中使用分析工具的前景 表 1.1: 大数据的业务来源非财务信息 业务进程 非财务信息企业内的大数据来源 房产、 厂房和设备 线上数据库不断补充的历史价值 市场营销 社交媒体、 电子邮件、 谷歌搜索、 网站分析， 以及腕带设备和智能手机提供的健康数据 应收账款 商品或服务的完整文本描述 （非结构化数据） 采购和销售 射频识别(RFID)， GPS和蓝牙信标 现金 移动支付、 电子信用以及Apple Pay或其他使用近场通信 （NPC） 的安卓支付 客户服务 电子邮件、 社交媒体、 呼叫中心记录 （CCR） 供应链 RFID、 GPS、 视频 （物流中心） 和温度 库存 RFID、 GPS、 视频 （储存仓库） 图 1.6: 大数据的四项组成部分 大数据有四项公认的组成部分 （图1.6） ， 下文就根据受访者的 经验对这四项组成部分进行了阐述。 表1.1列出了在企业可能使用的大数据中属于非财务信息的 种类。 企业可以使用的非财务信息来源多种多样。 现在我们以葡萄 酒企业为例， 解释一下这类非传统信息的重要性。 经济学家 Orley Ashenfelter曾 “算过一笔账” ， 他发现葡萄酒的品质 = 12.145 / 0.00117 x 冬季降水量 + 0.0614 x 生长季节的平均 温度 0.00386 x 采收期降水量 （Marland 2014） 。 这套公式曾 预测出了1989年和1990年的 “世纪最佳葡萄酒” 。 我们也可以 采用类似的方法预测澳大利亚隐士庄园的价格。 网站Liquid Assets （Ashenfelter和Quandt 2020） 是一个专门刊登葡萄酒 文章和查询葡萄酒数据的网站。 有趣的是， 人们是在现有的 企业和会计信息之外发现了预测酒店收入和葡萄酒价格的 数据。 在新西兰， 澳新银行的 “卡车指数” （Truckometer） （Zollner 2020） 将道路交通密度作为非财务信息与新西兰未 来的经济状况联系起来。 虽然这看起来毫无联系， 但澳新银 行畅通的交通指标 （ANZ light traffic indicator） 可以提前六 个月预测GDP的活动。 根据Zollner的说法， “交通流量可以实 时地反映真实的经济活动” 。 但由于新冠肺炎疫情导致的封 锁切断了交通与GDP的联系。 企业外部持有的数据可以在实际事件或财务报表公布之前 起到预测的作用， 同时这样使用数据的做法越来越普遍， 反 映出了 “数据的民主化” （Handler 2013） 。 这就要求专业人员 和消费者