<acronym id="ko6g2"><small id="ko6g2"></small></acronym><rt id="ko6g2"><small id="ko6g2"></small></rt>

第三屆智能財務高峰論壇郝宇曉:認知智能在管理會計中的應用模式探索

上海國家會計學院 2020-12-17 瀏覽量: 1269

2020年12月6日,由上海國家會計學院、中國石油天然氣集團有限公司、金蝶軟件(中國)有限公司、元年科技股份有限公司、美國管理會計師協會(IMA)、上海藝賽旗軟件股份有限公司、深圳市中興新云服務有限公司、科大訊飛股份有限公司、用友網絡科技股份有限公司、浪潮通用軟件有限公司、經邦軟件技術有限公司、特許公認會計師公會 (ACCA)共同主辦的第三屆智能財務高峰論壇在上海國家會計學院圓滿落幕。本屆峰會以“智能財務促進管理價值重塑”為主題, 圍繞智能財務的基礎研究、技術與方法、應用實踐、產品研發、產業生態、人才培養、標準建設等議題進行研討,以助推中國智能財務的應用實踐和理論研究,促進管理價值重塑。

對此,元年科技董事、常務副總裁郝宇曉進行了分享。

管理會計本質是通過采集數據,建立分析模型,發現運營決策的問題,并調整策略、制定計劃改善運營,解決企業決策的問題,用量化的數據和信息為管理決策提供支持。但現實是數據的邊界和范圍受到較多局限。

管理會計也好,現代財務也好,離不開新技術特別是人工智能豐富的工具和廣泛的應用。人工智能發展方向可分成三層?;A層是運算智能,快速運算的能力、強大的數據存儲能力。進階層是感知智能,包括視覺、聽覺、觸覺等感知能力。機器可以主動接收更多信息,在機器學習的幫助下更具有優勢。最上層是能理解,會思考,垂直領域有望達到專家平均水平。認知智能是人工智能未來的發展方向。

認知智能和管理會計結合起來就意味著用人類的智慧和人類思考方式驅動機器、支持領導的決策過程,讓企業更便捷的獲取數據、洞察數據,進行更高效的決策。例如從預算到成本,從績效到管理報告,形成豐富的指示體系;從戰略到運營,從投融資到風險管理,形成若干的管理場景。

關鍵技術說明

在Gartner最近兩年的十大數據和分析技術趨勢報告里面,可以看到AI和智能技術的占比非常高。如果說數據中臺幫助管理會計奠定數據質量的基礎,那么數據智能就是讓管理會計展翅高飛的翅膀。相較于“黑盒模型”直接輸出結果,企業更需要可以解釋的AI。其中,知識圖譜、機器學習、自然語言是三項核心技術。自然語言處理是賦予機器與人類溝通的能力,無需學習復雜的計算機系統,機器通過NLU來識別用戶意圖,通過NLG來把結果翻譯成易于理解的話。機器學習賦予機器從數據中自動總結規律生成算法的能力。機器學習框架與算法的不斷發展,普通用戶也可便捷的享受到成果。知識圖譜賦予機器進行推理的能力,可快速從海量信息中心找到關聯信息。從數據中抽取信息融合成知識,可通過推理為決策提供支持與解釋。與其他技術相比,這三項應用的領域、范圍和豐富度是不一樣的。知識圖譜、機器學習、自然語言處理也是現在人工智能應用關注的重點。三項核心技術中,機器學習在管理會計研究中的應用最為廣泛。以知網文獻為數量統計依據,對認知智能三大核心技術進行了研究文獻統計。統計結果顯示,在最近5年,機器學習在管理會計研究中的應用最為廣泛,自然語言處理和知識圖譜技術也逐漸成為學者們關注的焦點。

管理會計發展有四個關鍵的趨勢:數據化、智能化、場景化、貫通化。通過資料研究(知網2015-2020)和企業調研等方式開展研究。研究結果表明:認知智能在管理會計應用領域中,戰略管理、投融資管理、績效管理尚處于起步階段;預算管理的研究聚焦于銷售收入預算和預測;大多數研究和企業實踐聚焦在成本管理、營運管理、風險管理和管理會計報告領域,具體應用于經營預測、輔助經營決策和風險管理三大領域。學術研究與企業實踐在各應用場景上的研究深度不同。體現在學術研究角度會把成本等便于獲得有效數據的、更可控制的場景變量作為研究對象。但從企業決策角度,更加關注企業管理者在決策場景下的應用,特別是管理報告的輸出、對于預算的模擬、對于滾動預測的實現以及貫通化場景下將企業業務、財務等相關打通的過程。

學術研究的部分場景在企業實踐中并未深度應用,例如成本預測受限于成本數據的可解釋性和可追溯性;企業實踐嘗試引入新的合作模式來解決安全庫存問題,如 供應商管理庫存(VMI)或準時生產(JIT)。企業實踐的部分場景從研究深度上已領先于學術研究。智能交互在管理會計報告中的應用包括徹底改變管理者信息獲取的方式,管理者通過與機器實時對話的方式獲取管理信息,利用機器學習能力習得規律并自動發起預判,輔助管理決策。

智答就是通過自然語言提問的方式,檢索、計算數據倉庫和數據模型中的數據,秒級呈現結果。用戶以微信式聊天、百度式搜索的方式與系統進行互動,隨時隨地、實時高效與數據進行“無門檻”交互。支持這種搜索的底層是自然語言處理和知識圖譜構建,把企業內部關鍵詞和每個管理者習慣使用的關鍵詞以及機器語言表達之間建立有效關聯。智能語意模型可識別業務術語、日常用語,非標口語化表達,將有效信息整合形成能夠有效關聯相關基礎信息的工具,既包括內容的匹配,也包括運算方式和工具的匹配以及相關底層數據的整合,支持多輪對話,可繼承上文實體,支持高階遞進分析場景。同時打破數倉的物理限制,靈活實時獲取分析所需數據,提高使用者的數據決策力。在整合過程中,涉及對于白盒模型的展開,將專家對問題的分析方法教給機器,以增強用戶的數據分析能力,提高使用者的數據決策力。

智能問答根據分析對象自動推薦最適合的數據可視化展示,使用AI推薦引擎自動生成可視化圖表呈現數據特征。在與使用者的交互中實現模型的迭代升級,挖掘使用者的個性化偏好,使AI成為每個人的專屬助手。未來的方式是通過企業商業模式的深入洞察,對當下企業管理經營偏差的一系列搜索形成問題集,通過AI算法重塑人與數據的關系,定位每個人最應關注的指標,并建立預警管理閉環,將數據第一時間推送給適合的人。

結果呈現方面,智能預警支持豐富的預警規則定義,在AI算法的幫助下,不再是單指標的預警,而是更多從挖掘原因的因果追溯到對未來若干情景的悲觀樂觀模擬以及對于相關驅動要素的整合。企業能夠基于量化的數據的信息進行有效的分析,這依賴于數據中臺的建設。整個過程中,基礎是互聯網時代交互式的環境,而不是廣播式、發布式單向的。無論是企業上下之間,還是不同部門之間,小到供應鏈各個環節的互動都可以通過這種方式實現。

數據準備方面,企業無需重整數倉,即可實現快速引入數據智能平臺,輕松完成數據智能準備工作。一系列非侵入式數據準備依賴現有數據基礎,結合現有工具,形成能夠有效控制權限,以及靈活共享、快速迭代的有效方式。這些應用整合成一套方法論,從結構化數據、半結構化數據、非結構化數據的形成,到相關知識圖譜的構建,將知識圖譜中場景和時間的關系、事件和時間的關系、事件之間的關聯關系以及結構化的因素、驅動因素、關聯關系因素形成應用于搜索、風險管控、推理等相關的場景。

數據更深度的運用需要從業務場景的關聯到管理決策需求的把握以及對于數據的洞察和整合。信息的深度應用既提高決策質量又提高運作效率,同時提高整體數據環境的持續優化。

例如工業企業大宗原材料采購,從原油到農產品,從黃金到煤炭,不同的材料面對不同影響價格的驅動因素,包括全球宏觀經濟、金融市場的波動、利率政策、匯率政策。過去的預測相對來說有很大的不足,人工智能技術對于不同的應用場景,特別是需要做中長期的價格波動決策預測時有很多可為之處。電信行業涉及對于客戶行為模式分析,通過人工智能應用可以有效預測用戶的支付方式,形成基于客戶行為的精準客戶經營程度判斷。銀行業在資金規模整體龐大的情況下,利率波動對資金成本、運營成本、風險成本會產生重要影響。在市場頭寸波動情況下,把人工智能模擬推演與客戶的決策需要結合起來,使得銀行業在大規模的資金頭寸安排和資產負債管理上形成一系列有效的成果。

數據智能的應用可以分成若干個級別,包括輔助分析、部分自主、條件自主、高度自主、完全自主。不同的分析自主水平決定了最后輸出報告的質量有效性。不同自主分析的條件對數據改善、模型改善、工具改善和管理場景貼合提出不同要求。這種情況下,更好地發揮認知智能在管理會計的應用需要進一步深入理解管理會計數據化、智能化、場景化、貫通化的要求,特別是貫通化的要求。不僅僅意味著把管理會計和核算貫通,而且意味著業務和財務的貫通,意味著企業內部數據和外部數據的貫通,同時還包括戰略決策和日常管理活動之間的貫通。未來,企業依靠認知智能的一系列工具輔助領導者決策。認知智能將會改變企業運行和決策的模式,推動管理會計在企業應用方式的躍遷。

(本文系根據第三屆智能財務高峰論壇演講錄音整理,未經本人審閱)

編輯:煊彧

(本文轉載自上海國家會計學院公眾號 ,如有侵權請電話聯系13331155713)

* 文章為作者獨立觀點,不代表MBAChina立場。采編部郵箱:news@mbachina.com,歡迎交流與合作。

  • +1

  • +1

    收藏

備考交流

2021年管理類聯考備考: 1044580930

2021年MBA備考提前面試群: 601686826

2021年EMBA備考咨詢群: 1025664027

2021年MEM備考群: 1040853341

2021MPAcc備考群: 1049105911

2020復試調劑群: 855978402

2021MPA備考交流群: 1056841895

2021MTA備考交流群: 749865443

相關推薦

鼎盛国际