序言1 擁抱智能管理會計應用創新

智能技術發展到今天，已經開始跨越商業化鴻溝，從實驗室走進生產車間和寫字樓。黨的十九大報告提出，“推動互聯網、大數據、人工智能和實體經濟深度融合”，也正是在強調需更進一步推動人工智能應用落地。現在，我們在管理會計的范疇內談論人工智能，自然也應更多地將關注點放在智能技術與管理會計的融合應用上。

相較于管理會計在信息化階段更注重用財務和業務活動的信息流來提升工作效率，智能化階段的管理會計則更注重實現深度的業財融合，賦能業務發展。人工智能能夠在多個方面支持管理會計應用，如應用自然語言處理等技術實現智能交互；應用WHAT-IF分析和模擬等技術實現多版本、多角色的模擬情景經營推演；應用數據挖掘、機器視覺、語音識別等技術進行智能預警和風險監控；應用知識圖譜、推薦引擎等技術開展智能推薦；基于數據挖掘、機器學習等技術實現財務預測；應用知識圖譜、數據挖掘、推薦引擎等技術，實現自動化的經營分析和決策等等。

具體到企業業務中，以上所提到的這些人工智能領域技術，結合大數據、云計算、移動互聯、物聯網等新一代信息技術，正在給管理會計帶來一系列的應用延伸。正如本書中分散于各個章節的豐富案例，從多個領域向我們展現了智能管理會計的一系列場景化應用。有幾個場景令我印象尤為深刻。

場景一：企業可以在產銷管理中開展智能供應鏈預測決策管理，基于多維度內存計算和大數據平臺，企業可重構預測和分析能力，構建全局供應鏈計劃體系，快速制定可行的分銷計劃，并主動管控供應鏈風險；通過應用AI大數據技術以及各種優化算法，企業可實現自動補貨、自動配貨、自動調撥，系統可模擬計算出不同情況下的最優處理方式。

場景二：通過在管理平臺上構建一個智能化績效管理模塊，企業可開展對銷售人員績效的場景化管理，具體內容包括目標多維度分解、過程分析、傭金計算和模型修改、傭金規則推演。企業不僅可以基于自動處理流程更好地控制銷售傭金的發放，從而提高效率，減少錯誤并獲得實時的結果；還能不斷修正模型和實施新的傭金政策，以適應不斷變化的業務需求。

場景三：依托內存多維計算、大數據等技術，企業能夠對自身家底進行細致分析，清楚獲知戰略缺口，搭建戰略測算模型對戰略缺口進行測算和預估，實現快速的戰略模擬，并輸出會計利潤、毛利潤、現金流量等指標，將戰略目標分解細化為具體、可執行的動作。

場景四：在房地產企業拿地決策中應用投前測算模型，能夠針對擬拿地項目進行全周期規劃，測算項目的現金流和盈利指標，包括項目規劃經濟技術指標、項目開發計劃、銷售與回款計劃、成本計劃、支付計劃、融資計劃、稅金預測、項目損益和項目現金流量等業務財務計劃，來輔助集團判斷投資項目的可行性。具體來說，基于企業對新項目基本概況的了解以及運營部門對項目的初步規劃、推進節奏等，充分考慮項目成本、融資渠道、銷售進度等因素的不同情況，基于用戶角色的不同，進行多版本、多情景的敏感分析，自動生成項目層面和股東層面的多版本利潤測算表和現金流量測算表，為管理層提供是否拿地以及怎樣開發的快速決策支持，并支持拿地前后的項目指標過程跟蹤。

場景五：依托大數據技術，金融機構可以更廣泛地獲取與客戶相關的社會化數據，從而更及時、準確地評價客戶信用；同時，基于分布式計算、智能數據分析、數據可視化、決策樹分類技術、邏輯回歸、機器學習等多項智能技術，金融機構可建立多視角、全方位的客戶信用評價模型，從而實時、準確地做出貸款決策，并執行高效的貸后管理。智能技術在信貸風控中的場景化應用不僅能夠大大提升金融機構的信貸審批和放款效率，而且能夠有效降低金融機構的信貸逾期和違約風險。

類似這樣的應用場景在書中還有很多。而其中的每一個，我相信都正在或將要在越來越多的企業中落地，為它們的健康成長和財富增長保駕護航。企業越多地了解這些，在開展管理會計應用時的思路就越廣闊。并且，更多企業了解這些，也將促使我國對智能管理會計有更積極的探索和實踐。

誠然，智能技術與管理會計的融合仍在并且還將持續產生創新，而本書為我們所展現的應用場景或許也將在未來經歷新的更迭。未來的應用必然會極大地超越本書所提及的領域，產生出更立體、更豐富的應用場景。但站在本書出版前后這個時間點上，我們仍可以通過這本書中提到的這些有限的應用創新，更清晰地看到管理會計的發展方向以及未來擁有的無限潛能。

——中信泰富有限公司首席財務官、泰富中投副董事長兼總裁

費怡平