前言

經歷了2020年的新冠疫情，任何有遠見的企業家都不可能對數字化轉型無動于衷。疫情大大加快了全球企業的數字化進程。在不穩定、不確定、復雜、模糊的市場環境新常態下，數字化成為所有企業的剛需。在這一過程中，管理會計也正在迎來一場全新的變革。

管理會計的發展離不開與信息技術的融合。信息化是支持管理會計理念與方法落地，支撐管理會計功能發揮和價值實現的重要手段和推動力量。將信息技術應用到管理會計領域，可以有效突破傳統管理會計在時間空間上的限制，深入挖掘企業各個流程的相關數據，實現信息的實時傳遞與分析，提高計算的準確度，提升管理會計信息的及時性和有效性。

在數字化時代，一方面，企業面對的市場環境日益復雜多變，企業所掌握的數據量也越來越大、越來越復雜，企業對信息和數據的要求更加精細、實時、多維度，而傳統的管理會計系統已無法應對這些更高的需求；另一方面，以“大智移云物”為代表的新一代信息技術發展迅速，在各個領域展開了應用之路。在管理會計領域，與新技術相融合的智能管理會計極大地拓展了數據應用的可能性，使企業能夠高效而深入地開展數字化的規劃、控制、決策、評價，充分應對市場中的各種不確定性。

智能管理會計具有如下五大特點。

第一，基礎數據標準化

新一代信息技術的發展和應用使數據治理方式獲得了極大擴展，數據治理的效率也得到了顯著提升。基于強大的數據治理技術，管理會計系統可以在確保數據安全的前提下，對來自不同應用系統的結構化、半結構化、非結構化數據的數據標準進行實時、動態梳理，開展主數據、元數據、數據質量管理，提高各類數據的質量，使大量隱沒在數據墳墓中雜亂無章的數據轉變為清晰有序、有條理、有脈絡的數據資產，賦能前端應用，并使前端應用產生的新數據再次進入到整個數據全生命周期中。基于高效的數據治理體系，管理會計將更加依賴內外部的高質量數據開展工作，更好地賦能企業經營管控和業務決策。

第二，系統架構中臺化

在傳統的企業信息化架構下，管理會計系統與企業其他系統都是相互獨立的，各個系統之間的連接性不高，呈現煙囪式的架構，既不利于數據傳遞和共享，也不利于管理效率提升。

基于對中臺思維的引入，智能管理會計在系統架構上通過在前后臺之間增加一層系統（即數據中臺），將企業信息化架構由不同平臺下分散的煙囪式系統集群變革為部署在同一平臺下基于服務的應用系統集群，不僅可以令管理會計具備更敏捷的響應能力，以滿足不斷變化的業務前端對后端管理提出的各項需求；還能打通和匯聚多源數據，實現數據資產化和內外部數據的整合，將其實時動態地共享和復用給前端應用系統，開展豐富的場景化應用。

第三，工具應用場景化

以往管理會計更多地強調用數據支持企業決策，但在互聯網環境下，管理會計將會更講究賦能。這個賦能不僅僅是為企業管理賦能，更重要的是為業務運營賦能。這就需要管理會計能夠實現從全面化到場景化的轉變。

場景化的管理會計應用是針對企業業務經營的具體場景開展的數據應用。其應用例如零售企業基于場景化應用開展區域單品的銷售預測，房地產企業對所持有房產的價值分析，制造企業針對重點產品開展產銷協同分析，服裝企業依據某季服裝銷售額做出的庫存、物流優化決策等。

對場景的關注使得管理會計從原來為企業解決一個大問題，變成解決一系列具體業務中的小問題。基于此，我們將會看到：對于經營預測、銷量預測、成本管理、風險管理等相關領域，不同企業會投入不同的關注重點。

第四，數據賦能主動化

傳統管理會計系統，由于數據采集、數據整理、數據加工比較緩慢，相關信息也不充分，所以更多地強調用數據支持管理層的決策，對一線業務部門賦能，對運營端的支持相對薄弱。數據中臺實現了數據數量、質量、治理能力、計算能力和分析能力的大幅提升，使管理會計與業務經營的融合更緊密。這使得管理會計能夠更多地應用于銷售、生產、供應鏈和研發創新等價值鏈環節的具體業務場景中，主動為業務運營賦能。

管理會計系統可以開展主動預警：通過AI算法重塑人與數據的關系，能夠定位每位用戶最應關注的指標，并建立預警管理閉環，主動監控數據異動，第一時間推送給適合的人。管理會計系統還可以基于知識圖譜進行關聯問題的智能推薦，如根據分析對象自動推薦定制化的數據可視化展示等。

第五，技術融合智能化

智能技術是智能管理會計得以全面實現的底層技術和前提條件。人工智能的應用分為運算智能、感知智能、認知智能三個階段。運算智能讓系統能存會算，感知智能讓系統“能聽會說，能看會認”，而認知智能讓系統“能理解，會思考”，也就是可以聯想推理。認知智能是未來數據智能應用中最重要的方向，也是智能技術在管理會計應用中的最大挑戰。

突破認知智能階段所依靠的是以機器學習為核心的智能技術。機器學習可以用來解決多變量、很難用一個規則來計算的計算模型，通過機器學習可以采集大量的預測參數，對數據的輸出進行快速計算。基于機器學習技術，系統可以基于對業務知識的理解，科學預測、合理控制、智能分析，真正成為管理和財務人員的智能助手。亞馬遜利用機器學習算法動態定價，每天有約250萬次的價格調整，整體提升利潤達25%。銀行利用強化學習算法探索需求收益率最大化，機器不僅學習大數據場景進行貸款定價，還面向不同客戶進行貸款定價。不過，管理會計更多的是面對內部管理及場景，這給機器學習算法支持相應應用帶來了困難。未來，機器學習結合自然語言處理、知識圖譜的數據交互分析技術，將給未來管理會計數據分析帶來更大幫助。例如，企業可通過構建數據與業務的知識圖譜，建立數據分析的推理鏈路，實現數據變動的自動歸因溯源分析，輔助業務決策。在認知智能的幫助下，企業的管理報告場景可支持更靈活的分析、更細分的業務場景，這將極大提高企業日常生產經營的決策力。

智能管理會計為企業帶來了高質量的數據基礎，敏捷的響應能力和智能的數據分析，使企業能夠更有效地應對市場環境的不確定性。智能管理會計涵蓋哪些內容？在企業有哪些創新性的應用？企業應如何理解和構建智能管理會計體系？關于這些問題的答案，我們都在這本書中進行了全面梳理。

本書可分為三大部分。

第一部分涵蓋第1章和第2章，基于對管理會計發展變遷以及與信息技術相融合的梳理，提出了數字化時代管理會計升級與變革的方向，并提出新一代智能管理會計系統的基本架構。

第二部分從第3章到第11章，采用理論與案例相結合的方式，分別從預算管理、成本管理、績效管理、管理會計報告、戰略管理、營運管理、投融資管理、風險管理和財務共享等9個方面，全方位地探討了智能管理會計的應用與創新。

第三部分為第12章，以通威股份、卓越集團和南鋼集團這三家企業為例，講述它們如何應用智能化管理會計，實現數字化運營的真實故事。

限于作者的經驗和水平，書中難免存在不足之處，懇請讀者不吝賜教，對書中內容提出寶貴意見。