数据价值体系推动财务数字化转型.docx

《数据价值体系推动财务数字化转型.docx》由会员分享，可在线阅读，更多相关《数据价值体系推动财务数字化转型.docx（13页珍藏版）》请在第一文库网上搜索。

1、数据价值体系推动财务数字化转型陈虎郭奕【摘要】最大化发挥数据价值是企业在数据时代重塑核心竞争力的关键，数据价值体系为企业挖掘数据价值提供了方法。数据价值体系包括数据治理体系、数据价值链和决策场景，企业通过数据治理体系提升数据质量，通过构建数据价值链将数据转化为产品和服务，支撑企业经营决策场景。为保障数据价值体系充分发挥其作用，应注重文化、组织、人才和技术等方面的建设与综合发展。【关键词】数据价值体系；数据治理；数据价值链;决策场景;财务数字化转型【中图分类号】F275【文献标识码】A【文章编号】1004-0994(2022) 08-0037-6DT (DataTechnology,数据技术）时

2、代发展日新月异，新技术和应用层出不穷，随着以“大智移云物”为代表的新兴技术的快速发展,企业产生并积累了种类繁多、体量庞大的数据。激发数据创新驱动潜能，为企业经营决策提供有价值的信息，实现数字化转型升级，是DT时代企业面对竞争激烈的市场环境，塑造高质量发展新动能的必然选择。如何才能发掘数据中的价值？企业需要构建一套完整的数据价值体系和支撑数据价值体系稳定运行的保障和基础设施，以帮助企业真正将数据用起来，实现财务数字化转型。一、数据价值体系的内容数据价值体系是指财务将数据转化为价值的方法与路径，由数据治理体系、数据价值链和决策场景三个部分构成（如图1所示）。其中，数据治理体系是数据发挥价值的基础，

3、数据价值链是数据发挥价值的途径，决策场景是数据发挥价值的场景，三者是构成数据价值体系的关键。数据治理体系围绕企业中的数据展开，依靠持续的数据治理提升数据质量，通过数据价值链沉淀数据价值，形成数据服务和数据产品，为各类业务场景提供决策支撑，最终实现整体战略决策目标。（一）数据治理体系数据治理是对数据本身的管理，促进对数据质量的持续提升，可靠的数据对数据价值的利用有决定性影响。技术的迅速进步和信息化的普及使企业汇集了海量数据，然而信息化建设不完善或缺乏统一规划，以及制度、标准、技术等方面的欠缺都可能导致企业数据存在诸多问题，无法通过数据的分析应用有效指导业务实践，阻碍数据价值的发挥。1.财务常见的

4、数据问题。财务作为企业数据的采集者和使用者,在日常工作中常面对很多数据问题。第一，数据孤岛问题。企业信息化建设通常是陆续开展的，即根据业务的发展变化和需求单独部署各种业务系统及财务信息系统，由于缺乏整体规划，未充分考虑系统间的集成关系并建立数据共享制度和共享标准，使得数据被封装在各自的系统中。封闭异构的系统成为阻碍数据流通的壁垒，业财数据难以汇聚连通，导致“数据孤岛”。数据的共享和复用严重受限，实现基于数据分析的决策支撑更是成为空谈。第二，数据标准问题。数据标准是数据命名、定义、结构和取值的规则1。由于缺乏全面规范的数据标准，业财系统中数据的命名、编码存在差异，不同的管理需求和视角也造成业财数

5、据指标选择、指标定义、统计口径和记录规范的不同，企业整体数据标准不统一，导致数据跨部门的共享和复用难以实现。业财人员基于各自的数据标准记录并应用数据，无法高效“用数据对话”，信息交互困难，财务人员难以深入业务价值链赋能业务管理，也就难以发挥业务支持职能。第三，数据质量问题。高质量的数据是一切数据应用的前提，数据质量决定了数据分析的有效性。在财务领域，数据的准确性、时效性、一致性以及完整性等数据质量维度常因不能满足数据应用的要求和标准，而影响财务工作的推进效率和质量。数据的准确性是保障数据质量的基础，影响数据准确性的环节很多，例如，数据采集阶段的数据是否真实可靠直接决定了数据的准确性。数据的时效

6、性是企业在瞬息万变的商业环境中抢占先机的关键，然而数据自动化采集与实时传输技术部署不充分、部分数据依赖线下手工填报等都会造成数据时效性不足，致使财务无法及时整合分析数据、提供数据服务，并在有限的时间内发挥数据的最大效用。数据不一致包括数据命名不一致、数据编码不一致、统计口径不一致等，财务部门聚集了大量跨域、跨部门的数据，数据不一致会造成财务部门与其他部门的沟通受阻。此外，数据完整性不足、存在大量重复记录等数据质量问题都增加了数据使用和分析的难度，严重阻碍了数据价值开发的进程。第四，主数据管理问题。主数据是描述企业核心业务的实体，包括客户、供应商、科目、产品、组织等维度，在企业各个部门、组织之间

7、被广泛共享和复用，是企业实施信息化战略与管理的必要前提2o企棠在逐步推进信息化建设、分别部署各个业务及财务信息系统的过程中，缺乏统一的主数据标准，系统间主数据相互独立，导致主数据不规范、录入不完整、不及时或重复录入，极大地限制了财务业务处理效率和数据处理及分析工作的有效性。例如，在采购及销售业务处理中，财务系统需对接业务系统完成供应商付款以及客户收款,但若供应商名称以及客户名称等主数据在不同系统间未规范统一，则财务人员无法高效提取应收应付信息以快速处理业务。第五，数据安全问题。随着企业数据开放和共享程度的深化，数据安全问题愈显重要，安全是价值实现的前提。从数据生命周期的角度来看，企业数据在采集

8、、传输、存储、处理、交换和删除等各个环节都面临不同程度的安全隐患，来自外部的攻击、内部人员利用机密数据非法牟利、数据意外丢失等安全风险不可忽视3, 一旦防御失当，很可能影响企业正常的经营运转，致使企业遭受重大损失或陷入危机。上述问题严重制约了企业数据驱动的价值创造。数据治理的目标是保障数据资产的质量，建立统一、可执行的数据标准，确保数据的安全，实现数据资源在企业各部门之间的共享，促进数据资产创造价值。明智的决策需要可靠的数据作为支撑，而良好的数据治理是保证数据可靠的必要环节。2,财务数据治理的内容。财务部门是企业的“数据中枢”，汇聚了企业从业务前端到财务管理后端的大量数据。财务数据治理可从管控

9、层面和执行层面着手。其中，管控层面要紧贴企业级数据治理规划,从以下几个方面开展财务数据治理工作:第一，设置符合企业数据战略的治理目标。财务数据治理需要依照企业数据战略设定目标，考虑技术进步和市场预期，制订针对财务部门当前和未来整体数据战略目标的数据使用计划，并主动适应因业务发展和战略调整可能引起的数据标准、质量要求等的变化，持续优化形成长效机制。第二，建立并持续完善财务数据治理制度。财务数据治理需要依据集团数据政策，明确财务数据治理范围，制定财务数据治理办法和数据治理细则，并按照严格的发布流程进行定期检查与更新，以保障财务数据治理工作的规范化运行。第三，设立权责明确的财务数据治理组织。财务数据

10、治理组织的组织架构、层级、职责等需要与企业级数据治理组织规划和布局相匹配，依据企业实际情况明确财务数据治理权责范围，提升财务组织的数据治理技能，明确财务数据所有人及归口管理人，建立数据问责及绩效考核机制，从而有效落实财务数据治理目标。第四，建立有效的沟通与协商机制。在保证信息安全的前提下,财务部门需要与业务、技术及其他管理部门建立有效的沟通与协商机制，保证组织内全部利益相关者及时同步地理解数据政策，了解监管要求、标准、流程、职责等的最新状态，知悉正在进行事项的情况及后续治理工作的实施方法。具体到执行层面，财务可以通过数据的“盘、规、治、用”构筑良好的“数据生态”，落实财务数据质量的全面提升。第

11、一，盘点数据资源。财务数据治理组织根据企业级数据战略评估其数据和信息化现状，找出与目标之间的差距。企业通过盘点与财务数据相关的流程和系统，理清各方对财务数据的需求，明确财务主数据，整理财务数据资产目录，为后续工作奠定基础。第二，建立统一的数据标准。对梳理完成的财务主数据制定标准规范并建立标准文档。财务部门与业务、技术部门共同推进业财数据指标库梳理，尤其是对于跨业务、跨系统、需共享的数据，需明确指标定义、统计口径、数据来源、计算逻辑等内容，以保证数据规则统一和数据口径一致。第三，持续管理数据质量。基于戴明环(DemingCycle)即“计划(Plan) 一执行(Do) 一检查(Check) 一处

12、理(Act) ”的循环,实行数据质量管理。在计划阶段，评估财务数据质量问题的范围、影响和优先级，分析问题成因并制订解决方案;在执行阶段，财务部门与业务、技术部门合作解决关键问题;在检查阶段，持续监控财务数据质量并总结计划执行的结果;在处理阶段，在总结质量检查结果、沉淀有效经验的同时，定位未解决的数据问题并开始下一个循环。第四，推进数据治理平台规划与建设。财务部门协作建立企业整体层面的数据治理平台，将数据标准、数据架构、数据质量方面的规划和治理成果及数据安全相关政策法规的要求落地，实现业财数据在各系统之间的调用，并设置数据校验规则，将数据问题直接反馈至责任部门，切实实现数据质量的持续提升。（二）

13、数据价值链1 .数据价值链的定义与内容。DT时代的数据价值链是结合DT时代的企业特点，对数据价值链理论的进一步延伸，是指面向业务需求,有针对性地提取、组织并利用数据，从而盘活数据资产、开发数据功能、发挥数据价值，通过科学直观的视觉表现形式，清晰传达和沟通数据分析结论，实现数据向信息、知识、智慧的逐步升华，最终赋能企业经营决策的一系列过程。数据价值链的内容包括“三大要素”和“六大步骤”。其中，“三大要素”是指数据、业务和技术。数据是数据价值链运行的原材料；业务是数据价值链的服务对象，数据价值链以业务需求为目标导向，围绕业务需求开展一系列数据处理工作，得到的结论信息最终作用于业务实践;技术是承载和

14、实现数据价值链的工具，包括从需求分析到数据价值释放全过程中大量运用的数据库、数据抽取转换、统计方法、计量方法、模型算法以及机器学习、可视化等各种技术。财务围绕业务核心，利用数据技术处理分析数据、挖掘数据价值，并将得出的结论应用于业务实践，驱动业务决策和价值创造。“六大步骤”是指数据价值链涵盖的一系列数据处理和使用过程，包括业务需求分析、数据采集、数据清洗、数据探索、数据算法和数据可视化（如图2所示）。财务通过构建数据价值链，在“三大要素”及“六大步骤”的共同作用下借助算法与算力，逐步提取数据价值，满足业务需求。2 .数据价值链的步骤。第一步，进行业务需求分析。数据分析往往需要以业务需求为导向，

15、在具体业务背景下的数据分析只有满足业务需求才具有商业价值。业务需求分析首先需明确数据用户业务需求的本质，然后规划通过数据分析满足业务需求的方法，最后评估项目所需资源。第二步，数据采集。有效的数据分析结论需要广泛的数据样本作为基础，因此企业需要从不同的来源全面采集各种类型、各种场景下的海量数据，为基于数据规律洞察业务、科学决策奠定良好的基础。第三步，数据清洗。采集到的原始数据时常存在缺失、重复、异常、错误等质量问题，会严重降低后续数据处理分析工作的效率和质量，直接影响分析结论的准确性。因此，必须利用合适的数据清洗方法和工具去除或修正数据中的错误，以获得质量可靠的目檄数据。第四步，数据探索。数据探索是对数据的初步分析，有助于构建对数据的初始认知，利于后续深度分析的展开。数据探索通过作图制表、计算统计等直观的描述和分析方法，探索数据特征和规律，为后续数据算法模型构建提供输入依据。第五步，数据算法。企业要实现数据驱动决策，就需要利用数据算法进行数据规律的深度分析并构建支撑相应业务需求的算法模型。