第五章管理會計智能化目錄第一節：新技術對管理會計的影響第二節：智能預算管理第三節：智能成本管理第四節：智能經營預測第五節：智能績效管理第六節：智能管理會計報告吉利控股集團(以下簡稱“吉利”)是一家全球化企業，總部位于中國杭州。吉利始建于1986年，于1997年進入汽車行業。吉利已發展成為一家集汽車整車、動力總成和關鍵零部件設計的研發、生產、銷售及服務于一體，并涵蓋出行服務、線上科技創新、金融服務、教育、賽車運動等業務在內的全球化企業。吉利控股集團:智能財務助力企業發展引例吉利控股集團:智能財務助力企業發展知識點脈絡圖第一節新技術對管理會計的影響1一、應用新趨勢新一代財務共享助力管理會計中臺為管理會計提供全新系統架構高質量數據賦能管理會計財務共享中心解決傳統財務模式的痛點：將財務管理重心前移到前段業務環節在交易過程中建立財務數據中心，收集全量數據在交易發生前和發生過程中，對數據質量實時控制數據中臺打破了傳統的架構，通過在前后臺間增加一層系統，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（周勇等，2019）。數據中臺不同數據系統：結構化、半結構化、非結構化數據提升數據質量雜亂無章的數據變得清晰有序智能時代下對管理會計有應用價值的三類數據：①財務數據：收入、成本、利潤、資產、負債等②業務數據：產品、客戶、渠道、生產、研發等③外部數據：競爭環境、盈利模式、消費模式等二、智能化影響發展動力增強技術環境改善預測能力提升智能化解決原有管理會計的痛點：受成本、技術方法和數據等限制,管理會計的價值往往受到限制。隨著大數據對海量數據的挖掘使用，管理會計的價值進一步放大。數字經濟緩解信息不對稱，為管理會計提供準確數據支持。大數據和信息技術使管理會計在數據獲取、分析和處理方面更高效。數智技術提升會計數據可靠性，拓展預測功能。決策機制優化依靠數智技術的應用,為經營管理提供更多全面、客觀、有洞見性和前瞻性信息。推進人類智能與機器智能的互補,在人機交互機制的支持下做出更好的決策,實現資源的最優化使用目標。機器學習憑借豐富的數據和高速運算的計算機實現快速發展,相較傳統的回歸分析技術而言,能夠更有效地將數據用于相關預測,為有效的管理決策制定奠定了基礎。第二節智能預算管理2一、傳統預算管理的局限預算目標難以科學合理確定預算控制欠佳、監督滯后預算編制質量不高、效率較低缺乏高質量數據支持外部變化太大未來發展趨勢難以預測滾動預算方法難以全面實施集團下屬機構多、財務數據標準不一年度預算結果往往失真業務部門在編制預算上比較被動信息的不公開與不透明企業缺乏對預算執行過程的監督。多數企業未建立定期進行預算分析的機制,滾動預算應用并不廣泛落地效果并不理想資源消耗大編制過程復雜二、預算管理的智能化發展數據展示層數據應用層數據建模層數據中臺層原始數據層數據展示層根據使用者的需要采用多種方式進行展示，包括可視化方式、人機互動等。數據應用層面向涉及的相關人員，企業開展預算管理活動主要在這一層數據建模層通過邏輯規則和算法對數據進行分析。數據中臺層通過數據湖技術從互聯網、第三方數據提供者、企業自有信息系統中采集數據，數據的類型包括結構化數據、非結構化數據、輿情數據、外部數據、手工數據等。原始數據層數據包括社會數據、行業生態交易數據以及從企業業務系統采集的業務過程數據等1智能預算管理的體系框架二、預算管理的智能化發展預算目標制定和分解傳統預算數據來源單一，存在與業務脫節、時效性和局限性問題。利用數據智能分析模型，結合戰略規劃和歷史數據，制定多維度預算目標。構建量化模型，提高預算數據準確性，助力企業發展。預算編制和評審智能技術提升數據存儲、計算和分析能力。通過機器學習構建多因子模型，基于歷史數據建立指標相關性，查看歷史走勢。系統推薦多套指標調整方案，助力預算指標分解和資源分配。預算執行和控制利用自然語言識別、語音轉寫等技術，企業管理者可通過人機交互查詢數據。結合預設預警規則，實時推送數據異常預警信息，讓業務相關者及時知曉異常。通過預實歸因、時序歸因等分析算法，挖掘數據深層含義，解釋異常原因。預算分析和評價智能時代，通過整合機器學習、知識圖譜等技術，企業管理者可實時掌握預算執行情況，生成分析報告。智能技術助力預算分析，提升數據交互能力，實現預算指標分解與資源分配。智能數據分析技術使企業管理者能夠基于場景化大屏做出戰略決策，提升預算對經營活動的指導作用。2智能化全面預算管理模式二、預算管理的智能化發展傳統滾動預測落地效果不佳，主要因管理層重視不足、員工協同性差，以及傳統預算信息系統難以滿足其工作要求。滾動預測需頻繁更新和修正預算數據，計算量大，對系統集成性、數據時效性和準確性要求高。新技術發展使系統數據存儲、計算和分析能力大幅提升，能快速響應滾動預測需求。新一代智能預算管理平臺將預算周期縮短至月、周甚至實時，為滾動預測提供了更高效的應用基礎“上月實際數+后3個月精確滾動預測+剩余期間粗略滾動預測”模式幫助企業及時跟上市場變化，縮短預算期間3智能預算管理的滾動預測元年科技的T+3滾動預測二、預算管理的智能化發展4智能預算管理的業務預測第三節智能成本管理3一、傳統成本管理模式的局限成本控制效果不理想成本信息相關性不強產品成本核算不全面傳統成本管理依賴人工，效率低且質量難把控，部分企業雖引入計算機技術，但應用仍處于初級階段。降本增效是企業重要目標，成本管理需克服信息采集與核算困境。通過實現高效自動化流程，可降低重復成本產生的可能性管理會計成本在核算目的、對象和資料上與財務會計有差異。傳統管理會計報表個性化不強或復雜，成本信息與經營活動難以對應。成本報表多以直接人工工時為分攤標準，當直接人工占比小時，易出現成本失真，影響決策。成本管理活動靜態化傳統成本管理易忽視作業環節的資源依存關系，過度聚焦制造成本的經營性控制。產品成本管理應重視各成本要素間的內部聯動關系，而非僅關注獨立成本要素。現實中，成本管理注重績效考核范圍內的成本改善，靜態化管理影響效率。傳統觀念僅關注營業收入與營業成本，忽視產品總成本概念。現有成本核算方法（如作業成本法、標準成本法）無法區分無效成本和有效成本，存在監管盲區。產品投產決策應關注設計、設備改造、生產準備、營銷、售后等環節的資源消耗。。二、成本管理的智能化發展自動采集數據：在新的人機交互技術和條碼、RFID、采集器等物聯網技術的幫助下，企業成本庫的歸集工作可以利用不同的識別方式自動完成，數據到各系統中就自動傳輸到處理系統中，等待結轉流程。自動結轉數據：企業可以利用智能建模、大數據和云計算等技術提數據處理能力，將數據采集的結果根據不同目的導入系統中進行分配和歸集，具體的分配和歸集方式可以通過事先的設定或直接使用對歷史數據分析產生的預測值，最終經過成本模型處理后的數據自動導入系統下一環節。自動結賬成完工成本：企業對數據進行結轉后可以利用云計算的處理平臺將最終數據登入到對應的成本賬戶上去，云計算平臺可以自動轉換數據的格式，自動生成明細賬、財務報告，給成本監管者和信息使用者提供更大的便利。傳統的成本管理中的成本核算流程包括：①生產費用支出的審核；②確定成本計算對象和成本項目③進行要素費用的分配；④進行綜合費用的分配；⑤進行完工產品成本與在產品成本的劃分；⑥計算產品的總成本和單位成本這六大步驟。但是在智能時代下，成本核算的流程可以簡化為以下三個步驟：①自動采集數據；②自動結轉數據；③自動轉賬成完工成本。原來各環節的分配工作可以交由系統內部結轉，無需人工單獨分列成各個生產環節獨立核算后再錄入系統。1智能化成本核算流程優化二、成本管理的智能化發展成本基礎設置：成本核算支持多方案、多維度成本歸集數據池支持多源獲取成本分攤規則支持多場景靈活定義成本歸集分攤：成本分攤智能化、過程可視化成本核算分層分級自動化處理成本分析：基于成本分配結果,智能成本管理系統支持對成本數據按期間、部門、項目等維度自由組合查詢,包括成本性態分析、成本構成分析、收益分析、本量利分析等，實現不同角度的成本分析,為管理決策提供數據支持。2智能成本管理的平臺構建海底撈人力成本物流成本倉儲成本加工成本考慮到人工成本在營業收入中的高占比，因此嘗試實現人工智能化，利用人工智能機器人來替代人力，只在門店處留下部分優質服務員，并對其的服務質量進行實時測評和打分反饋。與阿里云相合作，利用云計算技術實現精準的營銷對點，并利用大數據計算外賣顧客與門店的最近距離，減少了外送顧客和門店之間的遠距離的時間和配送成本浪費，實現資源的高效配置。通過大智能化現代物流模式進行職能管理，海底撈可以第一時間從最近的倉庫進行調貨，減少采購成本，并利用算法進行門店銷量預測以及實時的庫存跟蹤，從而預測出每家門店每天的需要進貨量以最大限度減少庫存并保證供應。與阿里云合作的智能化云平臺和IKMS系統（智能廚房管理系統）利用大數據、物聯網等設備將海底撈的后廚實現了實時的智能監管，對海底撈廚房整體的運行狀態、生產狀況、庫存狀況、保質期狀況等信息進行實時上報，提高了菜品的加工效率，規避了經營過程的菜品腐爛等情況，從而減少加工活動的糾錯成本。海底撈的成本管理第四節智能經營預測4一、傳統經營預測的局限傳統預測方法偏差較大不能準確提供數據信息企業經營預測的應用不夠深入缺乏高質量數據支持外部變化太大未來發展趨勢難以預測集團下屬機構多、財務數據標準不一年度預算結果往往失真業務部門在編制預算上比較被動歷史資料內在聯系不斷修正歸納總結定性定量預測建立預測模型歷史數據預測影響因子分離模型訓練數據屬性歸納智能經營預測流程變化信息的不公開與不透明企業缺乏對預算執行過程的監督。多數企業未建立定期進行預算分析的機制,二、經營預測的智能化發展（1）智能需求預測BCG曾與谷歌公司攜手開展了一項研究，結果顯示，通過大規模使用人工智能和高級分析，消費品公司可以實現超過10％的營收增長。其中，需求預測對拉動企業業務增長的重要性排在了第一。傳統的需求預測主要存在以下幾個弊端依賴人難擴展效率低精度差需求預測的主要應用場景①精準控制庫存②把握銷售機會③指導排產、配送④指導人員配置，優化排班智能成本管理的平臺構建1短期經營預測的智能化發展二、經營預測的智能化發展阿里巴巴金融利用網絡平臺的優勢，得到了許多傳統企業得不到的數據，對其貸款對象進行360度全方位的信用評級，從而在有效地控制貸款風險的同時，提高了貸款的效率。這正是其將大數據技術應用到企業風險管理中的結果。（2）智能應收賬款風險預測大數據技術可以從不同的渠道獲得反映客戶不同方面的全面數據，而不僅僅是財務狀況的數據，深度挖掘存量風險客戶集群性、共性特征。針對已發生逾期不良的客戶及債項，從客戶資質、合作機構、人行征信、押品擔保等方面分析其存在的共性特征，提取、量化、訓練特征因子變量，構建風險特征因子庫。應用機器學習分類算法，預判客戶違約概率。生成預警客戶名單時，同步智能輸出客戶風險成因，即觸發的特征因子。應用人工智能算法和知識圖譜技術，構建客戶關聯網絡。整合客戶資金結算、上下游供應商、投資主體、實際控制人、高管、經營實體等信息，應用關聯網絡分析算法，構建個人客戶關聯關系模型，自動批量生成并輸出關聯體結果。基于關聯網絡，構建關聯關系傳導機器學習模型，有效測算違約風險沿各類關聯關系傳導的路徑和條件概率，預測客戶未違約概率。1短期經營預測的智能化發展阿里巴巴金融二、經營預測的智能化發展（3）智能收入、成本、利潤預測收入預測智能化成本預測智能化利潤預測智能化在設備層可以用數據挖掘來評估設備制造成本，從而提高設備檢查和維修的精確度，追蹤設備更新成本；在流程層數據挖掘技術用來在成本核算中確定成本驅動因素，并有助于制定轉移定價的決策；在施工層通過創建神經網絡系統，實現快速并足夠精確的成本評估；在產品層挖掘出的數據可用于預測產品單元的成本、評估產品生命周期成本；在項目層數據挖掘可以協助建立成本評估體系，包括有形產品和無形產品，如軟件和應用等。智能收入預測可以通過數據挖掘、回歸分析、機器學習等手段對歷史數據進行處理，同時結合智能需求預測進行綜合分析，預測市場需求，確定資源配置，對業務收入情況進行科學預測，優化企業管理過程。企業的經營成果與供應鏈上的其他企業息息相關，知識圖譜技術可以穿透上下游企業及其關聯方關系，為企業評估業務的可持續性、未來收入走向提供有力的依據。利潤預測是對企業經營狀況進行預判的重要方式，具體的預測方法先對整體的銷售情況進行預測，然后通過對產品產銷量、價格、結構等因素進行分析評估，測算企業未來期間可能達到的利潤水平及其變動趨勢。就目前而言，企業利潤預測模型面臨許多不確定的因素，借助智能技術構建的預測模型，企業可以豐富更多影響因子，幫助企業獲得更準確的利潤預測。1短期經營預測的智能化發展蘿卜投資設計開發的AI盈利預測就本質而言即是在為它所預測的每只個股定制統一的預測模型框架,先從基本面投研邏輯出發，對該公司的主營業務結構等基礎財務信息進行拆分，再進行第二階段，在新的預測系統里引入宏觀、行業和個股這三個方面的影響因子，并將對應數據搭載進框架之中，最后通過尋找適合小數據的預測引擎，實現偏差小十不確定性低的預測效果。與此同時，在整個預測框架內，蘿卜投資還增加了自主編輯功能，用戶可結合市場環境和自身的從業經驗在框架中融入自己對市場未來走向的預判，通過編輯新變量、掛載特色數據等方式，提高盈利預測的準確性。例如在對恒順醋業的年報預測中，蘿卜投資就在其構建的知識圖譜中先對恒順醋業的財務結構進行剖析，隨后引入宏觀、行業和個股的三個方面的影響因子，將社會消費品零售數據、食醋行業普價和線上電商的特色數據等引入整體預測框架中，再結合專家人員的從業經驗，最終得出恒順醋業的盈利預測結果。蘿卜投資：AI盈利預測二、經營預測的智能化發展1短期經營預測的智能化發展二、經營預測的智能化發展（1）智能宏觀環境預測預測宏觀環境的變化，制造消費。大數據技術的應用一方面在挖掘客戶需求，另一方面還可以通過對天氣、各種社會事件、環境等數據的分析，預測一些社會事件的發生。沃爾瑪正是利用大數據技術的思維，2011年4月以3億美元收購了Kosmix公司。Kosmix從事的業務是收集、分析網絡上的海量資料（大數據），并將這些數據賣給企業。Kosmix為沃爾瑪打造的大數據系統連結到美國著名的社交網站Twitter、Facebook等。網站的工作人員從每天熱門消息中，推出與社會時事呼應的商品，創造消費需求。（2）智能利率預測在智能化風險定價方面，由于利率市場化推進，擠壓銀行利潤，這就使得銀行不得不根據客戶利率敏感程度、金額、周期、信用風險預測等因素，通過智能化手段建立差異化的定價模型，對不同人群推出不同信貸利率，從而獲得更高的收益。（3）智能匯率預測隨著計算機的發展，尤其是計算機的計算及處理數據的能力越來越強，又加上預測方法不斷推陳出新，人工智能技術、智能識別及歸納總結數據的能力越來越顯現出來，并應用到實際的匯率預測領域。近些年來，人工神經網絡技術開啟了匯率預測的新時代，出現大大地提高了對于匯率預測的樣本內擬合的程度。其中反饋過程的優異表現使得BP神經網絡能夠更直接更生動地反映系統的動態特征。神經網絡借助其較強的自學習、聯想、識別等功能，收集數據訓練網絡，用其算法建立數學模型進行預測。BP神經網絡是其中最具代表性且運用相當廣泛的一種按誤差逆傳播算法訓練的多層前饋網絡。在通過學習歷史數據和訓練了數據的生成機制后，即可對匯率進行預測。2長期經營預測的智能化發展聯合利華是全球最大的日用消費品公司之一。面對不斷變化的零售消費環境，日新月異的行銷策略、市場推廣渠道和競爭格局都需要用數據快速指導決策。聯合利華與觀遠數據合作，打造通過“人工智能+商業智能”的新零售需求預測解決方案，用更高效準確的市場需求預測贏得更多的決策反應時間和更高的計劃可行性，并推動S&OP（銷售與運營規劃流程）管理的良性發展。該方案一鍵式應用機器學習模型，基于歷史銷量、日期、節日、商品、促銷、倉庫、銷售終端等多種特征進行SKU商品在未來四個月的銷量預測，打造了“數據獲取-數據分析-模型搭建-數據預測-智能決策-新數據融入”的完整數據閉環，通過快速精準的銷量預測制定訂貨和出貨計劃，減少人工決策帶來的偏見，平衡商品產量與市場需求。數據獲取數據分析模型搭建數據預測智能決策新數據融入聯合利華：AI需求預測二、經營預測的智能化發展2長期經營預測的智能化發展第五節智能績效管理5一、傳統績效管理的局限企業績效管理傳統流程包括計劃、實施、評價和反饋，通過循環體系發現問題并優化管理。常用方法有平衡計分卡（四維度）、關鍵績效指標法（細化關鍵指標）和目標管理法（員工參與設定目標）。企業績效管理因規模和組織架構不同而有差異，大企業采用全面方法，小微企業偏好簡單方法。隨著大數據、區塊鏈、云計算等技術發展，企業績效管理迎來新契機，助力精益管理和資源配置優化。計劃實施評價反饋二、績效管理的智能化發展企業內部的績效管理流程呈現目標制定、戰略細化、預警監督、追溯分析、績效考核和總結改進六個步驟：企業能夠利用物聯網和大數據對企業既有經營狀況進行數據采集，并能對獲取的內外部數據進行結構化整合，為后續的數據分析提供數據源。利用知識圖譜等技術，企業能夠對各業務部門的具體業務有更直觀的了解，也更能根據宏觀經濟發展態勢和企業整體發展戰略對各部門的真實經營情況進行預測和實時調節，克服以往目標制定者和實際業務職能部門之間的信息脫節問題，將企業戰略合理細化為部門任務。區塊鏈等分布式記錄技術和物聯網等傳感設備的助力下，管理人員能夠在績效管理系統里通過實施監控對業務活動中的一些簡單錯誤進行快速追蹤認責，同時對業績水平不佳和工作態度不良的業務部門進行預警，使績效管理產生更明顯的激勵和監管效果。智能時代的績效考評更為綜合和全面，一些非結構化數據能夠被融合到最終的績效考評中，評價對象的差異性、工作崗位的特殊性質等因素都會被考慮到整個績效管理活動中，更加靈活和人性化。在績效管理流程結束后，管理人員可以針對業績波動更加準確地識別出績效管理的有效性與激勵效果，從而也能夠調整績效考評系統的運行機制。除此之外，靈活的信息輸送結構也能夠對員工的反饋結果進行更好的采集，實時、不可篡改的信息儲存技術也能夠增加意見的真實性，為管理人員的后續決策提供信息來源。1智能績效管理的流程設計二、績效管理的智能化發展企業經營中常見的績效管理工具包括平衡計分卡（BSC）、經濟增長值、關鍵績效指標法（KPI）等，智能技術的變革也為上述績效管理的實際應用造成了變化：平衡計分卡：企業可以應用區塊鏈技術，把財務、客戶、內部運營、學習與成長四個維度細分為區塊鏈中的四個區塊，將企業的具體數據錄入四個區塊中，形成不可篡改的、真實的、透明、形成共識的智能合約，將其確認為整體的績效管理目標。不光如此，企業也可以應用商業智能系統（BI）在企業各業務層級獲取數據并將這類數據自動轉化為企業內部銷售、采購、產品制造和財務的關鍵績效業務指標，然后利用可視化技術進行綜合展現，并對上述四個維度中涵蓋的異常數據進行精確化識別和追溯。關鍵績效法：前文也提及的包括大數據、物聯網帶來的數據源的擴大和區塊鏈技術的分布存儲技術都能為關鍵指標法的應用帶來新的衡量價值，使其跳脫出原有的機械的考核方式，更加符合差異化、個性化的分工趨勢。除此之外，關鍵績效指標法還可以與平衡計分卡配套使用，將平衡計分卡四個區塊進行分解細化，例如財務區塊可以分解成收入、成本、利潤、現金流量等關鍵績效指標；客戶區塊可以分解成市場占有率、客戶滿意度等關鍵績效指標；內部運營區塊可以分解成新產品研發、物流配送等關鍵績效指標;學習與成長區塊可以分解成員工技能提升、管理提升度等關鍵績效指標，細化指標，使其發揮更精準的考核管理效果。經濟增加值：只要設定好算法和數據源，企業便能直接從數據庫中調取數據，根據企業歷史經營狀況和宏觀經濟發展狀況自動生成EVA值，提高績效管理效率。同時EVA與平衡計分卡等技術的結合也可以解決其以往的一些局限性，包括僅把重心放在財務情況、尚未考慮企業未來的發展能力和難以根據EVA值橫向對比等問題，實現對企業各維度實際經營狀況的全覆蓋，發揮更高的管理效用。2智能績效管理的方法創新二、績效管理的智能化發展基于大數據

、人工智能等強大的技術引擎,

企業可以通過在管理平臺上構建一

個智能化的全流程銷售績效管模塊來實現銷售目標多維度分解

、過程分析和結果查詢

、傭金計算

、傭金規則推演等功能3智能績效管理的場景應用第六節智能管理會計報告6一、傳統管理會計報告的局限管理會計報告內涵及特點相關性管理會計報告提供的信息與企業管理決策息息相關；靈活性：編制的周期、格式、流程、方法等可以按需靈活編制分層次：能滿足各個層級、環節的管理者需求；多維度：不僅包括內部的財務信息、業務信息，更關注外部信息；可預見：基于過去的信息分析現在、預測未來。管理會計報告理論研究與應用實踐脫節管理會計報告應用效果欠佳研究經驗不足，應用較少，理論研究與實踐脫節嚴重。國內企業雖吸收大量國外理論，但因經濟、社會環境差異，無法照搬。管理會計理論研究薄弱，缺乏獨立性、實用性、系統性和技術支持。管理會計實際應用極為有限，多數企業仍處于傳統核算型階段。管理會計專職機構缺乏。企業管理者常將會計工作局限于財務會計報告，忽視管理會計領域，甚至認為會計僅是事后算賬。由于對管理會計認識不足，其報告體系不完善，管理會計工作依賴財務會計報告，系統性不足，導致管理者未充分重視管理會計，管理效果大打折扣。國內多數企業數據獲取和處理能力不足，阻礙管理會計報告編制。主要表現為：內部數據口徑不一、質量不可靠，缺乏外部數據，無法實時反映市場環境；企業建模能力弱，導致報告應用效果欠佳。管理會計報告缺乏獨立體系二、管理會計報告的智能化發展智能時代下，管理會計報告體系的搭建要抓住場景、數據和算法三個要點，即首先要基于基礎數據，將數據融入企業具體的業務場景中，進而基于模型深入分析，最終以多樣化的形式呈現結果，幫助管理者發現經營中的問題，并提出針對性的解決方案。謝謝！第六章財務管理智能化目錄第一節：財務管理智能化發展第二節：智能財務分析與診斷第三節：司庫管理智能化第四節：存貨管理智能化第五節：智能投融資決策知識點脈絡圖財務管理智能化趨勢財務管理目標和職能財務管理準確性提升財務管理流程的變革財務管理風險的轉移智能財務分析與診斷傳統財務分析與診斷的痛點智能化轉型對財務分析與診斷的影響智能技術在財務分析與診斷中的應用司庫管理智能化傳統司庫管理的痛點智能化轉型對司庫管理的影響智能技術在司庫管理中的應用存貨管理智能化傳統存貨管理的痛點智能化轉型對存貨管理的影響智能技術在存貨管理中的應用智能投融資決策傳統投融資決策的痛點智能化轉型對投融資決策的影響智能技術在投融資決策中的應用中國建設銀行:區塊鏈在融資中“大顯身手”中國建設銀行(以下簡稱“建設銀行”)于2017年起在貿易融資領域進行區塊鏈應用創新,將區塊鏈前沿技術與金融應用生態相融合,搭建了區塊鏈貿易融資平臺,實現了貿易融資交易信息傳遞、債權確認及單據轉讓全程電子化,減少了紙質單據傳遞,規避了非加密傳輸可能造成的風險,提高了業務處理效率。平臺支持與聯盟參與機構所屬應用系統的互聯互通,實現參與機構帳務、清算、結算、憑證、報表等業務自動化處理。構建了一個覆蓋全貿易生態、全業務流程互通共享、多業務場景多參與方共存的平等及互信的同業生態。引

例自區塊鏈貿易融資平臺投產以來,形成了國內最大的貿易融資區塊鏈生態。其中,福費廷業務成為業界交易量最大、參與方最多、最具影響力的二級市場之一;物流金融生態實現了區塊鏈和物聯網技術與金融業務的深度融合,構建了跨境大宗商品融資新模式；跨境銀團生態實現了與國際銀團市場的在線交互,提升了中資銀行在國際銀團市場上的地位;再保理業務實現了與行業龍頭產品的融合,持續服務小微企業。已有70多家同業機構加入福費廷、保理、國內信用證等業務生態,通過同業跨鏈互聯互通,形成國內最大的貿易融資生態圈，交易額近9000億元。此外,建設銀行積極協助中國銀行業協會制定貿易金融領域相關的業務規則和技術標準,共同推進中國貿易金融區塊鏈聯盟的建設。建設銀行在區塊鏈貿易融資領域的創新獲得了業界好評。2019年被

《亞洲銀行家》雜志評選為中國最佳金融交易銀行;2020年和2021年連續兩年入圍

《福布斯》全球區塊鏈50強;2020年獲評中國銀行業金融科技應用成果大賽最佳解決方案獎二等獎;2020年獲評上海金融創新成果獎提名獎。中國建設銀行:區塊鏈在融資中“大顯身手”引

例財務管理智能化發展1財務管理是一個企業或組織對財務資源進行有效管理和控制的過程，能夠幫助企業或組織實現其商業目標和使命。在財務管理中，企業需要考慮如何最大化其利潤，同時保持良好的財務狀況和穩定的現金流。財務管理主要包括融資決策、投資決策、資產管理和分析等多個方面。財務管理智能化發展今天，隨著信息技術的進一步發展和國際財務標準的逐步統一，財務管理更加注重數據分析和決策支持。與此同時，綠色金融和社會責任投資等新領域也在不斷涌現，對財務管理提出了新的課題和挑戰。20世紀50年代到70年代是財務管理發展的黃金時期，這一時期財務管理得到了大幅度的發展，涌現出了利潤中心制度、成本管理制度、現金流量表等一系列現代財務管理理論和方法。20世紀初，現代財務管理起源于美國，企業開始更加關注資本市場融資和投資決策，會計準則和稅收制度等也成為了財務管理領域的重要議題。到了20世紀80年代，企業逐步走向全球化和市場化，財務管理開始注重企業的價值創造和風險管理，逐步引入了風險管理和衍生品等新概念。財務管理智能化發展21世紀初，隨著中國加入世界貿易組織和國內外市場競爭的加劇，中國的企業財務管理開始更加注重效率提升和成本管控。在改革開放之后，隨著改革開放的推進和市場經濟的蓬勃發展，財務管理開始借鑒國外理論和實踐，逐步適應市場需求和監管要求。在新中國成立初期，企業的財務管理主要集中于資金調配與成本控制方面，以滿足計劃經濟的需要，企業的財務活動主要局限于內部生產領域的資金管理，不涉及對籌資活動、投資活動等的管理。20世紀90年代，現代會計體系初步建設，審計機制進行了相應改革，中國的財務管理開始注重預算編制等方面。在我國，財務管理的發展歷程也經歷了類似的階段：在當代，人工智能、大數據、云計算等新興技術迅猛發展，在新技術的加持下，我國財務管理正在向著價值創造、風險管理和可持續發展不斷轉型。智能財務分析與診斷2

財務分析與診斷是對企業的財務數據進行收集、整理和分析，以判斷企業的財務狀況和經營風險并提出相應的改進建議的過程。它是財務管理中十分重要的一部分，可以幫助企業充分了解其盈利能力、償債能力、運營能力和整體成長性等。首先需要收集企業財務數據，從企業的會計報表中收集相關財務信息并分類整理；其次對財務數據進行分析，通過與歷史數據、行業平均水平以及競爭對手情況的分析，發現企業的優勢和劣勢，評估企業的財務狀況和經營風險；再次，根據企業的實際情況，制定相應的財務指標，例如毛利率、凈資產收益率、流動比率等，以便更好地診斷企業的財務狀況；最后，根據財務數據分析結果和財務指標，提出相應的改善建議，幫助企業提高盈利能力、償債能力、運營能力。

總體而言，財務分析與診斷可以幫助企業了解自己的財務狀況和經營風險，并制定相應的發展戰略和措施。同時，它也可以幫助投資者科學評估企業價值和風險，從而做出更好的投資決策。財務分析與診斷過于依賴歷史數據傳統的財務分析主要基于企業過去的財務數據,然而,在市場環境快速變化、商業模式不斷創新的情況下,這種方法很難適應現實的需求。忽視企業實際業務傳統財務分析工作往往依賴于財務報表或財務信息,而忽略了實際業務對企業財務狀況的影響,往往使得財務分析結果與企業實際情況相背離,相關人員容易被財務報表表述所蒙蔽。忽略非財務因素傳統財務分析重視財務信息,忽略了非財務因素,例如市場變化、政策調整、技術進步等因素對企業發展的影響,這會對企業財務狀況和經營風險產生深遠的影響。缺乏時效性和綜合性傳統財務分析往往需要較長時間才能得出分析結論,這意味著分析結果可能滯后于實際需要,不能及時支持財務決策工作。此外,傳統財務分析往往只關注企業財務狀況、經營情況等方面，忽略了社會責任、可持續發展等其他重要因素。一、傳統財務分析與診斷的痛點二、智能技術對財務分析與診斷的影響多元化趨勢主要體現為，由傳統的財務數據為主發展為財務數據與非財務數據并重；由傳統的結構化數據拓展到半結構化數據和非結構化數據；由企業內部數據拓展到企業外部數據。在此過程中，網絡爬蟲技術提高了可利用信息的范圍，知識圖譜助力識別信息之間的關聯。信息多元化一方面，隨著云計算、區塊鏈等技術在企業內部和企業之間應用，相關數據的傳輸更加及時準確，為財務分析與診斷提供了更加可靠的依據；另一方面，財務分析與診斷過程也由管理者決定分析時點和分析周期轉化為能夠進行動態分析和實時關注。過程動態化人工智能、機器學習等技術加強了財務分析與診斷中對于歷史財務困境及其產生原因等歷史診斷資料的分析和研究，并且對未來經營環境變化下財務困境的預測提供了參考的依據，使得財務危機預警的準確性大大提升。預測準確性提升三、智能技術在財務分析與診斷中的應用客戶畫像常用于大數據精準營銷策略之中，而在智能財務發展背景下，金融機構，如銀行、保險公司、證券交易所等越來越多地利用客戶畫像對于服務或監管的對象進行更加全面和準確的財務分析和診斷。金融機構用戶畫像可以分為單客戶畫像和客戶群畫像。單客戶畫像針對單個目標企業或個人，根據目標客戶的具體情況定制客戶畫像的內容；客戶群畫像則是基于特定的指標和分類依據，對于客戶群進行分類和歸納，便于發現目標企業在特定指標上的異同點，同時，還可以設置多種用戶分群創建方式，基于不同判斷標準進行用戶的多層篩選。金融機構利用交易產生的的客戶買賣統計數據、公開的客戶屬性數據、行業統計數據、客戶信用統計數據和客戶資料等相關資料刻畫金融機構客戶畫像，可以對其客戶的財務情況進行多維度的分析和診斷。標簽體系是金融企業在進行其客戶畫像刻畫時常常使用的模塊，基于標簽體系，金融機構能夠針對不同風險點或關注點設置標簽，對于重點關注和強相關的信息進行重點關注，對于弱相關信息進行補充說明或忽略，以實現客戶畫像輔助交易決策的效益和效率的最大化。客戶畫像在目前常用于銀行信貸審批環節。銀行信貸審批對關聯擔保十分敏感，中小企業為了滿足銀行放貸要求、提高其信用等級，通過關聯企業、產業鏈上下游客戶、關系人等相互擔保，形成擔保鏈乃至關系更為復雜的“擔保網”。擔保鏈中的企業普遍存在超出自身實力對外融資和擔保的現象，擔保鏈整體凈資產無法覆蓋銀行信貸風險，容易爆發風險連鎖反應。基于客戶畫像，可以快速識別企業關聯交易方的信息，可以直觀高效地識別出客戶是否存在循環擔保和多頭抵押。1客戶畫像三、智能技術在財務分析與診斷中的應用財務預警系統就是以企業的歷史財務數據、經營資料、經營計劃、以及有關外部資料為依據建立的組織體系，采用特定分析方法，預測企業可能面臨的經營波動及風險，分析導致經營風險點出現的原因并提供企業應對風險和危機的合理的解決方法。財務預警系統是一種綜合分析系統，涉及企業業務與財務，內部與外部，公開與非公開的龐大數據體系，對于企業健康穩定運營至關重要。目前財務預警存在的主要問題1.財務困境預測不夠準確。現有的財務危機預警體系主要包括兩種：一種是單一財務指標法，主要基于威廉·比弗在1966年提出的財務預警模式；另一種是多指標法，主要基于1968年愛德華·奧特曼提出的z-score模型。這兩種方法均使用財務數據進行指標計算，預測結果與實際情況的吻合度較低，且指標計算缺乏分析，極大程度上仍需要依賴管理者的主觀判斷。2.財務預警不夠及時。目前的很多財務預警研究仍停留在事后分析，也即企業破產原因分析上，難以落實到事前和事中的企業財務困境防范和治理中。且在很多案例中，企業開始重視財務預警分析結果時，企業往往已經進入了財務困境集中爆發期，財務困境的形成和發生難以逆轉。此外，財務報表編制的落后性使得財務預警使用的數據與企業當前實際的經營情況脫節，難以反應企業真實的財務情況。3.缺乏完善的管理機制。目前企業中建立的財務困境預警體系很少具有完善的危機預警組織、信息、管理體系，財務預警分析流于形式，財務困境預警結果沒有受到應有的重視。此外，在實務中的很多情況下，企業財務困境的產生被認為是獨立的事件，對于過往的財務困境和危機的出現，僅僅重視其解決和處理過程，而沒有對于其引發的原因和深層的系統性缺陷進行深入的研究，從而吸收經驗和教訓。也就是忽略了財務困境的后續監督管理，使得財務預警體系難以得到完善，企業有時難以避免類似財務困境的再次發生。2財務預警財務困境動態過程理論認為企業財務困境的動態過程表現出累積性、多樣性和可逆性的特征，企業從健康狀態到財務困境狀態,是一個漸變和累積的過程。財務困境發生時表現出的突變性,往往是這種漸變和累積達到臨界條件的結果。這種累積是企業一定時期在資金籌集、投資、占用、耗費、回收和分配等各個財務管理環節上出現的失誤,而非會計報表中某一時點上某一項目的失誤,是各種財務活動行為失誤的綜合反映。結合企業財務困境動態過程的特點，可以將企業財務困境形成的階段劃分成財務健康狀態、財務困境潛伏期、財務困境成型期、財務困境爆發期及財務困境恢復期。三、智能技術在財務分析與診斷中的應用對于處于財務健康狀態的企業而言，當管理者作出不當決策或企業運營環境發生不利變化時，企業財務困境開始潛伏，此時的企業財務困境尚未成型，具有一定的隱蔽性，很難通過企業的經營業績表現發現，不容易被觀察到，因而很難進行預測。當財務困境進入成型期，會萌發企業價值損失或超負荷債務負擔等多種異常征兆，企業可以根據這些異常征兆進行財務困境預測。企業財務困境成型初期是進行預測的最佳時期。在財務困境形成后，會進一步進入財務困境爆發階段，此時財務困境發生頻次增加，且逐漸出現不可逆轉趨勢，如果財務困境沒有引起管理者的注意，則很有可能導致企業進入消亡期，即面臨破產風險。如果企業在財務困境成型期能夠對于企業財務困境作出良好預測，則企業財務困境能夠進入恢復期。在智能技術的應用和輔助下,可以構建更具靈活性和預測能力的動態財務預測模型,動態財務預測模型主要是將人工智能中的歸納式學習方法應用于財務困境預測中,這種方法主要包括神經網絡預測模型和案例推理法的結合運用。當向模型中輸入所需資料后，神經網絡預測模型會按照當前的權重自動計算出相對應的預測值以及誤差，并將誤差值回饋到網絡中調整權重，經過不斷地重復調整，從而使預測值漸漸地逼近真實值。當應用此網絡到新的案例時，只要輸入新案例的相關數值，神經網絡就可以根據當時的權重得出預測值。同時，案例推理法以過去發生的案例為主要經驗依據來判斷未來可能發生的問題。當輸入一個新的問題到案例推理法系統，該系統會從現有的案例庫中搜尋相似的案例，匹配或設置新案例的類型。通過動態財務預測模型，能夠將對于企業可能發生的財務困境進行實時、動態分析，從而進行更加有效的預測和更加及時的預警。三、智能技術在財務分析與診斷中的應用司庫管理智能化3司庫管理司庫管理是指對企業內部現金、銀行存款和其他短期資產的管理，包括對企業所有現金流量的計劃、分析、控制和監督，以確保企業在資金運營中的流動性、安全性和盈利性。司庫管理往往包括現金流量管理、銀行賬戶管理、現金和票據管理、風險管理、費用管理等方面。現金流量管理，即企業通過精細的預測和規劃，合理安排現金流入、流出的時間和金額大小，以保證企業的正常運行和發展。銀行賬戶管理，包括對銀行賬戶的開設、關閉、變更等操作進行管理，以確保企業的銀行賬戶安全、規范、有效。現金和票據管理，即企業對現金、支票、匯票進行管理，包括收付、存儲和使用等多個方面，確保現金和票據的安全、完整、準確。風險管理，即企業對可能出現的市場風險、信用風險、流動性風險等進行預防和應對，在確保企業資金安全的前提下，最大化資本回報率。費用管理，即企業對利息、手續費等資金的使用進行管理，以控制成本并提高資金使用效率。有效的司庫管理能夠確保企業擁有足夠的現金流量以滿足運營和發展的需要，同時也可以最大限度地提高資本收益，在財務管理中是一個不可忽視的環節。一、傳統司庫管理的痛點在現行司庫管理模式下，多數企業集團通過每日資金歸集，可以掌握成員單位的賬戶信息，但無法掌握經濟業務的信息。這就造成了兩個問題：及時性方面,集團總部無法實時獲取成員單位的賬戶信息；一致性方面,跨系統集成下，司庫系統和業務數據可能難以完全匹配。信息孤島,尚未實現財務數據與業務數據的互通01司庫系統缺乏體系化的規劃和設計，系統框架不夠完善，難以滿足企業需求。系統平臺孤立，數據缺乏標準化接口，與企業內外部系統間的集成程度低，融合水平有限，尚未實現平臺化。信息技術水平有限,缺乏全面規劃02傳統司庫管理主要關注企業自身風險，忽略市場風險和信用風險等外部風險，缺乏全面的風險控制方案，使得企業在面臨某些風險時難以及時響應，造成風險失控。企業規模的逐漸擴大帶來了更多的內外部風險，要求企業以更高的風險控制能力加以應對，而大多數企業未能利用信息技術建立有效的綜合管理體系，財務部門對企業業務信息的接收和獲取存在滯后，無法對風險事項進行事前預防。同時，企業缺乏統一的風險管理方案，使得各部門對不同風險的認知存在差異，阻礙了對各類風險及時、準確地識別，不利于開展高效的風險管理工作。此外，在資金流動性方面，傳統司庫管理下轉移資金往往需要花費較長時間，企業在資金調度和預測方面難以精確把握，會對企業的經營效率和運作能力產生負面影響。管控效率效果難以滿足企業需要03盡管除基礎資金管理職能外，司庫管理還涉及金融管理職能，但目前的實踐中，司庫提供的金融服務相對基礎，難以完全滿足企業需求。此外，信息化水平也是一大障礙。金融行業步入數智時代已成共識，司庫管理的優化升級也離不開信息化建設。大數據時代，缺少合理、有效的信息系統，一方面無法幫助司庫部門提高金融服務水平，另一方面也難以滿足成員單位的個性化需求。缺乏綜合性的管理應用,尚未實現提效賦能04二、智能化轉型對司庫管理的影響智能司庫管理的應用可以幫助企業集團加快傳統財務資金管理從會計核算型向管理型轉型，重新構建財務資金管理流程和框架。通過實現交易數據的實時真實記錄、資金流動的透明留痕以及流程自動標準化，可以使財務數據最大限度實現共享，并通過自主智能的方式讓流程控制和財務管理更加個性化，從而使業務數據和經濟數據成為“智能決策者”的腦細胞。更高級的財務資金管理智能技術可以將企業集團內部的核心資金管理系統、ERP系統、共享服務中心等多個數據中心與外部市場數據平臺、交易中心平臺、銀行合作伙伴平臺以及金融科技合作伙伴平臺等多個利益主體和數據來源連接起來，形成一個數字化生態環境。在此技術平臺上運行的集團司庫管理，在實現對外部市場數據平臺、交易平臺開放，確保企業集團內部數據安全的前提下，能夠實現更好的企財銀合作關系管理。更好的企財銀關系管理對資金管理而言，大數據技術應用會使資金風險管理更加立體、多維，有助于提高風險管控效率。在外匯風險管理中，可以實現線上線下數據融合，對核心領域數據進行優化管理，對其他數據進行外包。在交易對手風險管理過程中，真實數據的使用將更加方便，人工智能也可實現信用評分，從而對供應鏈上的交易對手進行實時監控。針對網絡安全風險問題，API端口對接以及實時支付模塊能夠驗證主數據更改，人工智能學習能夠進行異常值監測。更立體、更多維的資金風險管理三、

智能技術在司庫管理中的應用賬戶透明管理及智能對賬

基于云計算技術，可以將優盾（Ukey）托管至云機房，利用銀企聯云實現國內的銀企直聯，并通過國際資金清算系統（SWIFT）實現國際銀企直聯，對企業境內外的資金和外匯進行實時監控，實現資金交易信息在銀行業務系統和企業智能司庫管理信息系統上的同步更新。幫助企業通過智能司庫管理信息系統界面直接進行賬戶及境內外資金的可視化管理，解決銀企信息傳遞過程中的時滯和阻塞問題，實現賬戶余額和交易明細的穿透式監控。企業可以隨時掌握境內外資金存量、資金流向以及流量信息，各個分公司和子公司等成員單位在線上就可以完成賬戶的開立和注銷，并實現自動清理無效賬戶。同時，利用RPA技術可以自動獲取銀行對賬信息，實現資金自動賬實核對，并在對賬完成之后自動輸出銀行余額調節表，及時向企業財務人員反饋對賬結果。隨著AI技術的不斷發展，RPA能夠獲得自主學習的能力，通過主動增強學習算法提高對賬精確度，實現資金管理流程的自我優化。智能資金歸集與下撥

通過規則引擎與RPA的應用，在設定好企業資金歸集與下撥具體規則后，即可以實現資金的自動歸集與下撥調配。同時，在應用專家系統和機器學習后，可根據分公司和子公司資金需求數額和需求事項性質等因素幫助企業進行資金調配安排，使得企業可以合理調配全球資金資源，優化資金配置組合，減少資金沉淀，提高資金使用效率。1現金和流動性管理智能資金結算

通過系統集成技術實現企業司庫管理信息系統前端與財務共享服務中心的核算系統連接，獲取合同、采購、應收應付等交易結算數據，后端則通過銀企直聯技術對接境內外銀行，并將RPA、NLP和規則引擎等技術應用于企業收付款中，從而實現企業智能收付款。具體而言，在處理收款時，通過智能識別來款類型匹配客戶、合同、項目等業務信息，快速完成回款自動化確認，完成智能收款；在處理付款時，通過預先設置好的規則引擎進行自動付款審批，或工作人員通過移動互聯技術進行移動付款審批等；在審批完成后，機器人自動執行資金線上劃轉，并在支付完成后自動下載交易回單，從而實現資金高效完整地收付結算，大大提高了結算效率和準確率，降低了資金結算成本和資金占用成本。現金流動性分析

利用大數據分析、數據挖掘等技術，基于歷史現金流數據進行分析，從海量資金數據中挖掘現金流趨勢和變動規律，從而預測未來現金流水平及現金流缺口問題，并根據分析結果對企業資金進行合理調配。三、

智能技術在司庫管理中的應用1現金和流動性管理智能票據管理

在企業建立內部票據池，要求分公司和子公司將所持有和發行的票據信息錄入企業智能司庫管理信息系統。通過OCR和云計算，實現對紙質票據信息的提取，以及企業智能司庫管理信息系統與外部金融機構和票交所的互聯互通，支持企業票據開立登記、票據承兌、票據貼現、背書轉讓等業務的處理，及時、準確地掌握各類票據取得、保管、使用進行的全過程記錄信息。此外，通過大數據分析與專家系統，根據票據期限和金額等元素，實現票據智能匹配和貼現，提高票據在企業內部使用和周轉的效率，從而降低利用外部商業銀行而產生的金融中介費用等交易成本。應收應付款智能對賬

利用OCR及NLP技術獲取客戶債務及債權的對賬信息，通過RPA技術進行自動核對，并根據核對結果向對賬信息不完全一致的客戶發送對賬結果差異明細，同時向對賬信息完全一致的客戶發送對賬結果無誤確認郵件。三、

智能技術在司庫管理中的應用2營運資本管理三、

智能技術在司庫管理中的應用

利用知識圖譜技術，對知識進行學習并開展推理，通過建立復雜關系網絡，在海量的戰略合作伙伴關系中挖掘有價值的信息，實現對上下游動態信用監控與評級的實時調整，促進企業資金回籠。對銀行等金融機構及信息技術服務商，結合企業業務需求，合理評定費用與服務水平，進行市場化競價，擇優進行戰略合作，持續進行關系評價，從而降低企業融資成本并滿足企業個性化需求，幫助企業提升價值創造能力。

利用全球資金看板和管理駕駛艙技術，以柱狀圖、儀表盤等形式進行可視化展示和智能穿透。幫助管理層快速了解企業在公司維度、行業維度等多維度資金管理方面的重要指標，監控集團資金運轉情況，實時掌握資金流入和資金流出等趨勢，為現金流決策提供量化依據。通過自然語言處理和知識圖譜的引入，向用戶提供文字搜索、語音問答等個性化信息查詢及分析，滿足企業戰略決策要求。此外，通過數智技術的應用，可實現資金定期分析報告自動化生成，釋放更多企業人力資源和時間資源等到分析數據變動具體原因和影響程度等高價值流程中。3金融機構關系管理4決策支持與信息管理三、

智能技術在司庫管理中的應用現金和流動性管理營運資本管理金融機構管理決策支持與信息管理銀企聯云賬戶及資金透明管理票據透明管理

RPA智能對賬，資金自動歸集與下撥，智能資金結算，自動下載交易回單應收應付智能對賬

資金管理分析報告定期自動化生成移動互聯網移動審批

NLP智能收款獲取債務及債權對賬信息

個性化信息查詢及分析規則引擎資金自動歸集與下撥，資金結算自動審批

商業智能現金流動性分析票據智能匹配

頭寸預測OCR

紙質票據識別，債務及債權對賬信息識別

專家系統優化資金配置組合票據智能匹配

最佳資金歸集路徑推薦，最優資金配置組合推薦知識圖譜

上下游動態信用監控與評級調整，金融機構及信息服務商關系評價個性化信息查詢及分析管理駕駛艙

資金運轉實時監控，分析結果可視化展示神經網絡資金管理RPA機器人自我優化

最佳資金歸集路徑選擇，最佳資金配置組合選擇三、

智能技術在司庫管理中的應用案例——萬科：司庫管理發展歷程

萬科公司最開始采用傳統資金管理，隨著企業的發展不斷優化升級，目前處于司庫管理階段，正逐步向智能司庫管理方向轉型。在傳統資金管理模式下，資金管理集中度較低，功能較為單一，難以滿足企業發展需求。目前，萬科公司已構建司庫架構，有效提升了集團資金結算效率，定位于服務公司戰略、滿足運營需求，實現資金管理風險最小化、收益最大化。而隨著企業規模的進一步擴大，以及信息技術的發展升級，為了推動萬科公司實現集團數字化轉型的戰略目標，司庫管理也需要向智能化轉型升級，以期更好地提效賦能，充分發揮司庫配合公司運營，統一進行金融資源配置，集中管理資金風險，統籌決策資金投融資管理的職能。

簡單來說，萬科公司的賬戶管理可分為資金計劃、投融資業務、供應鏈金融、資金結算和出納管理五個模塊。三、

智能技術在司庫管理中的應用案例——萬科：司庫管理發展歷程資金計劃即資金預算，主要結合外部系統提供的數據信息，以及系統內部的數據設置動態計劃、決策計劃、月度計劃、季度計劃和次日付款計劃，而設置好的計劃又將反過來指導其他模塊的業務。投融資業務針對的是集團與外部銀行、非銀行金融機構等的業務，涉及銀行存借款、非銀行借款、資金往來和利息管理活動。供應鏈融資萬科公司為中心，選擇其供應鏈上下游經營規范、信用良好、匯款穩定的企業作為融資對象，通過商票、銀行保理、信用證、應付賬款等形式進行融資。在這種模式下，萬科公司一方面將資金注入產業鏈中相對弱勢的中小企業，解決其融資難的問題；另一方面，也能促進萬科公司與供應鏈企業建立長期戰略合作關系，從而提升供應鏈整體的質量，強化競爭優勢。資金結算和出納管理模塊是相對傳統的資金管理模塊。其中，資金結算模塊分為對內收付款和對外收付款，以及內部計息，并根據資金信息進行資金預警；出納管理包含現金管理、銀行存款管理、收付款管理，同時負責出具日報表，并與外部銀行對接，實現銀企互聯。萬科公司的賬戶管理也離不開平臺支持。現有管理模式下，萬科公司的司庫架構包括基礎平臺和安全認證平臺這兩大支撐平臺，前者支持相關流程運作，后者負責安全監管，降低風險。基礎平臺主要包括系統管理、數據管理、權限管理、EIP平臺、異構集成五大塊。存貨管理智能化4存貨管理存貨管理是指企業對存貨的統籌規劃、控制和監督，包括對存貨的采購、儲存、銷售、退貨等方面的管理和控制，以確保企業在存貨運營中擁有足夠的物資和產品，并提高存貨的使用效率和企業的盈利能力。存貨采購管理，即根據需求和市場情況選擇供應商，與之談判價格和協議，以確保對存貨質量、數量和成本的有效控制。存貨倉儲管理，包括存儲設施的設計、庫存管理、日常維護等，旨在確保存貨的安全、完整和易于使用。存貨銷售管理，即企業通過合理的銷售策略和銷售渠道，將存貨轉化為利潤和收入，同時控制庫存水平，以避免過多庫存導致資金流動性不足和浪費。存貨報廢與退貨管理，即企業對存貨進行報廢、返修、退貨等處理，防止存貨過期損失或過時淘汰，控制退貨比例，降低成本的同時維護客戶關系。存貨財務管理，即企業對存貨進行財務核算和分析，包括成本核算、利潤分析和對庫存周轉率等指標的評估與監督，為決策提供數據支持。一、傳統存貨管理的痛點0102在傳統存貨管理中管理流程往往比較煩瑣、操作較為復雜，需要花費較長時間才能完成諸如訂單生成、審核、備貨等一系列操作。同時，手工操作還容易出現各種錯誤，增加了企業運營成本和經營風險。傳統模式往往采用人工進行盤點和入庫，容易出現漏報或多報的問題，手動查賬、匯總與分析也增加了企業的管理難度和成本，特別時當企業規模較大時，管理難度亦隨之增加。管理流程煩瑣,庫存管理低效在傳統存貨管理中，貨物跟蹤往往依賴于手工記錄，跟蹤信息不及時、不準確，致使企業在協調供應鏈和客戶服務方面存在一定困難。此外，存貨跟蹤數據也主要集中在企業內部，沒有形成完整的供應鏈關系數據，導致企業難以全面了解供應鏈和市場信息。在傳統管理模式下，應用的技術往往較少，并且相對落后，自動化程度較低，無法實現自動化倉儲、智能分揀等高效的存貨管理模式。貨物缺乏實時跟蹤,自動化程度較低在采購環節中，傳統的存貨管理方法主要關注的是采購的數量、時間、價格等問題，通過運用大數據等技術手段，不僅能夠改進企業控制存貨采購成本的流程，還能夠促進企業提前制定策略以應對風險，有助于企業更快、更好地做出采購決策。具體來說，可以在以下幾個方面改進企業的存貨管理方法：1.改善訂單流程。信息技術與大數據分析法結合能夠縮短從下訂單到完成訂單的時間。企業可以通過網絡以及電子數據交換自動將訂單傳給供應商，這一系統的自動化不僅能夠大大提高訂單流程的準確性，縮短時間，還能夠節省運輸費用，降低存貨的采購成本。2.促進企業與供應商之間的協作。生產商與供應商整合并共享大數據、應用程序與平臺對接能夠促進其實現生產協作。企業通過應用預測與補給系統與供應商分享可用庫存與需求庫存、預測精確性報告等信息，可以使供應商根據企業提供的信息提前做好供貨準備。當企業生產新產品時，供應商、工程師等設計者與采購者也可以通過大數據分析法加強協作，了解采購各個環節的具體變化，提前做好準備，從而大大地節省了供求雙方的時間與采購成本。3.進行風險管理。應用大數據分析法還能夠進行存貨采購的風險管理，分析供應商風險。企業若要實現生產經營的有序運行，就必須建立起穩定的、從外部供應商到合約生產商全覆蓋的原材料供應網絡。現代企業對原材料供應商的依賴程度越來越高，因而需要對其日常業績與風險進行評估。如果通過大數據預測發現供應商可能存在供貨問題，企業則可以迅速調整采購策略，或與供應商及時溝通，共同制定應急方案，從而確保企業正常的生產經營不受影響。二、

智能化轉型對存貨管理的影響1采購環節如果企業不能及時、足量地供應庫存，就會影響生產和銷售；但過多的庫存儲備也會使得庫存管理成本提升。數據中臺的應用可以幫助企業做好這一平衡，使企業可以對產品的生產數量與周期、庫存水平進行精準監測，同時結合當前銷售數據，企業可以做出最優庫存量的決策，再根據這一決策進行相應的生產制造。此外，大數據技術可以對產品銷量數據與原材料需求量數據進行綜合分析，通過實時的銷量終端數據來快速反推生產制造需求數據，最終優化企業庫存水平，在達到供需匹配的同時最小化生產成本和庫存管理成本。二、

智能化轉型對存貨管理的影響物流活動是將企業、供應商、消費者聯系在一起的一系列相輔相成的活動。通過與采購部門合作，物流活動將企業與供應商相聯系，確保原材料供應的及時性；通過與生產部門合作，物流活動促進原材料加工為產品的過程順利進行；通過與銷售部門合作，物流活動能夠保證商品準確運達消費者。物流活動聯系廣泛，在企業生產經營活動過程中十分重要，在物流環節中可以充分運用物聯網技術協調配貨網絡、倉庫地點、配貨中心、交通模式等等，確保高效的倉儲和運輸，從而降低企業的存貨管理成本。銷售環節主要收集消費者需求信息，對此進行進一步分析并預測消費者行為。利用大數據技術提取和分析終端銷售數據，詳細了解市場和消費者的各種行為偏好，以使企業提供具有針對性的產品和服務，合理安排生產和運輸過程，從而保證存貨成本的最小化。此外，大數據技術還可以通過分析銷售網點具體銷量信息，預測未來需求量并判斷企業供給量，還能針對預測的需求量開展有針對性的促銷活動，最終降低企業的庫存水平，優化庫存管理。2制造環節3物流環節4銷售環節無線射頻識別技術有助于確定最佳訂貨點、訂貨量。由于傳統存貨采購系統存在精度不高等弊端，大部分企業中，存貨采購中最佳采購點和采購時間仍是根據經驗估計。在物聯網環境下，所有事與物通過射頻終端進行識別均可以形成相關數據存入數據庫，這些數據為存貨采購系統的準確預測提供了合理輸入值。另外，云計算的應用也能為數據處理提供一定的技術基礎，使運算結果更加準確。在物聯網環境下，企業存貨采購系統將為企業提供更加精確的預測，有助于更科學、合理地確定采購數量和時間。無線射頻技術有助于加強存貨日常控制。運用物聯網技術，對所有存貨都嵌入射頻標簽，管理人員通過對應的視頻監控技術可以實時查看存貨在位置和質量等不同情況。利用物聯網技術進行可視化的存貨管理，能夠有效降低存貨在存儲過程中丟失和毀損等風險。大量存貨數據存儲于數據庫中，可以根據企業的管理需要隨時調用。無線射頻技術有助于優化存貨出庫。在存貨發出環節嚴格執行先進先出制可以有效避免存貨過期問題，物聯網技術可以輔助識別哪些存貨“先進”，并合理安排其“先出”。基于前期數據積淀，物聯網技術可以準確獲知不同存貨的具體信息，在需要發出存貨時可以根據設定條件進行查詢，選擇符合條件的存貨并進行標識。管理人員將所標識存貨信息發送到提貨人員終端，提貨人員根據終端平臺顯示的存貨儲存位置完成提貨。三、

智能技術在存貨管理中的應用無線射頻識別技術是自動識別技術中的一種，通過無線射頻方式進行非接觸雙向數據通信，利用無線射頻方式對記錄媒體（主要是電子標簽或射頻卡）進行讀寫，從而達到識別和數據交換的目的。1無線射頻識別技術（RFID）無線傳感網絡（WSN）是一種分布式傳感網絡，通過無線通信技術把數以萬計的傳感器節點以自由式進行組織與結合而形成的網絡形式。該網絡中的網絡設置靈活，設備位置可以隨意更改，還可以跟互聯網以有線或無線的方式進行連接。無線傳感網絡有助于規劃存貨配送。在企業完成采購訂單，貨物由供應商倉庫發往企業倉庫的過程中，該批貨物數據已經可以被企業終端平臺所檢測，通過無線傳感網絡，企業可以實時監測貨物的位置、數量乃至質量變化。在物聯網網絡中，每一單位貨物都有唯一的標識以便管理者在需要的情況下實時查看貨物的相關信息，使存貨配送過程中存在的貨物丟失、毀損問題能夠得到有效解決。三、

智能技術在存貨管理中的應用入庫管理當采購物資到達并驗收后，現場制作打印RFID標簽并貼在外包裝，該標簽包含了物料編碼、規格型式、數量、單位、采購單編號、供應商等信息。可在倉庫入口設置固定式RFID讀寫器，當物資進入倉庫的同時，讀寫器會將該批次的所有物料信息上傳至倉儲管理系統（warehousemanagementsystem，WMS），完成物資的自動入庫。退料入庫時可根據RFID標簽的唯一性找到退庫物料的出庫物料憑證，根據物料憑證做反向操作實現入庫作業。該作業建議由移動RFID接收終端完成。2無線傳感網絡

（WSN）庫存管理（1）庫存盤點。智能倉儲管理系統創建盤點憑證及盤點任務，并將任務下發給手持終端設備，倉庫管理員通過手持掃描終端能夠在5～10分鐘內對指定的貨架、庫區或重點物資實現自動盤點。系統能夠根據周期自動生成盤點計劃，并能夠即時提醒盤點作業人員進行盤點作業。庫存盤點包括計劃性盤點和抽查盤點，盤點后系統生成報告，也可以輸出Excel或Word文檔供打印輸出。如盤點時產生差異，可在智能倉儲系統中進行差異調整并確保信息一致。自動盤點功能不僅可提高盤點作業的精度，也大幅降低了庫存管理員的盤點工作量。（2）物資維護。系統對需要定期維護保養、檢定的物資進行登記與臺賬管理。包括制訂維護保養計劃、檢定計劃、生成計劃任務；維護保養及檢定過程與結果錄入；對超周期未完成計劃任務自動提醒；完成計劃后登記維護保養臺賬實時查詢。三、

智能技術在存貨管理中的應用2無線傳感網絡

（WSN）出庫管理（1）常規出庫。智能倉儲管理系統通過獲取領料單信息，根據預設的規則精準定位。精確定位系統通過貨位位置安放RFID標簽，通過貨位與RFID標簽的綁定，實現系統給出領料倉位后精確的路徑規劃，并輔以警示燈，警示燈覆蓋所有貨位，并與貨架配套，整體美觀，避免由于不熟悉而導致錯拿的現象。發生錯拿現象時系統將自動發出報警信號。出庫時，物資通過倉庫出口的固定式RFID讀寫器時，二者完成信息交互，并將出庫信息同步至智能倉儲管理系統以完成臺賬的實時更新。（2）無人值守出庫。夜間無人值守系統包括門禁管理、自助領料及自助出庫等，利用面部識別、增強現實（AR）、WSN、智能導航等技術，實現夜間在沒有倉庫管理人員參與的情況下自助領料、自助出庫。門禁管理。門禁管理結合面部識別技術，通過二維碼掃描申請臨時準入，記錄訪問人部門、聯系方式、訪問事由等信息，臨時準入為一次性且有實效。面部識別確認準入并生成訪問記錄。自助領料。自助領料分為預約取料和臨時取料。預約取料由領料人在規定的時間前將領料單發給倉庫管理人員，倉庫管理人員提前備貨并放入自助領料柜。領料人通過二維碼確認核對領料信息并實現人工自助領料。臨時領料時需要自助終端設備，自助終端設備通過工號進行登錄。終端設備可以通過物料名稱模糊搜索，確認后生成領料任務單。根據領料任務單，系統自動規劃路徑，結合自助終端和倉位的位置傳感器提供導航服務以及記錄領料人在庫內的行動路徑，精確定位同時可以實現取件報錯報警。自助出庫。在領料人有領料單的情況下，通過自助領料完成領料任務后一鍵出庫。如果領料是臨時申請的，則需要通過AR驗證領料與任務單匹配，避免遺漏或錯誤，驗證通過自動出庫并把庫存變化信息同步到智能倉儲管理平臺。三、

智能技術在存貨管理中的應用2無線傳感網絡

（WSN）輔助功能智能倉儲管理系統可實現智能預警功能，管理人員可根據企業實際情況為倉庫總量、每種物資設置上下警戒線，當庫存數量接近或超出警戒線時，進行報警提示，及時地進行庫存物資采購調整，優化企業的生產和庫存。庫存預警提醒內容包括過保質期提醒、定期維護保養提醒、安全庫存下限提醒等。智能倉儲管理系統還提供報表工具，可以按照指定的周期，從數據庫獲取數據，進行平均和匯總，形成日報、月報等報表，讓管理人員及時、準確的掌握物資狀況，提供輔助決策信息。在倉庫內設置一塊電子顯示屏，可以顯示庫存物資的數量、空倉率、工單任務、報表顯示、報警信息等內容，方便倉管員的日常工作。三、

智能技術在存貨管理中的應用2無線傳感網絡

（WSN）原制度的問題1.存貨周轉時間長，周轉速度慢雖然白酒企業本身存貨周轉時間長，但同屬白酒行業，各大企業周轉天數卻可以相差7倍，尤其是貴州茅臺存貨周轉天數極長。2.中低端白酒產品銷售乏力，庫存壓力增大貴州茅臺產品分為高端系列和中低端系列，市場上比較緊俏的多是高端系列，其中中低端系列，如貴州大曲、漢醬等并不暢銷，這導致貴州茅臺庫存壓力日益增大。3.原材料有特殊性，原材料庫存大茅臺鎮周邊的有機紅高梁是保證茅臺品質和風味的重要因素，但隨著市場的不斷拓展，茅臺鎮其他的幾百家小型白酒企業也對紅高粱需求旺盛，因此高粱的價格容易被肆意哄抬，原材料價格不穩定，原材料開始供不應求。為了保證正常的生產供應，貴州茅臺的原材料采購根據公司生產和銷售計劃按照集中采購方式進行，提前將大量原材料集中采購入庫，這樣勢必會占用大量庫存。4.產品生產周期長，產銷易脫節貴州茅臺生產產品工藝流程大致為：先制曲，制酒后貯存，貯存一定年限后進行勾兌，勾兌成功后再進行包裝以及后續的銷售工作，生產周期比較長。由于市場的瞬息萬變，作為產品周期長的貴州茅臺來說，如果不能準確感知快速變化的市場形勢，就會使前期生產的產品與實際的銷售結果存在一定的差異，產品有時脫銷，有候又會滯銷和大量積壓。三、

智能技術在存貨管理中的應用案例——貴州茅臺：存貨管理的智能化方案智能化措施1.在數據采集方面，貴州茅臺通過線上線下雙渠道對存貨管理所需信息進行采集。線下主要是從各分銷商處獲取數據，線上主要通過天貓旗艦店、京東旗艦店等網上商城以及“茅臺云商”手機APP等渠道對市場的數據信息進行采集。主要采集的數據信息包括產品的銷量、價格、地區分布，消費者偏好、年齡、對產品的滿意度和忠誠度等信息。比如貴州茅臺通過“茅臺云商”這一手機APP終端的開發，使更多的消費者通過手機購買產品的同時，也能夠通過消費者的個人信息注冊了解到購酒客戶的姓名、所在地、聯系方式等信息。同時，貴州茅臺還通過網上商城的購買數據記錄每一瓶茅臺酒的去向、銷售區域、銷售時間。2.在數據處理方面，貴州茅臺與阿里云合作，利用阿里云在大數據、云計算上的優勢，對采集到的數據進行分析處理，將收集到的數據通過后臺的大數據分析，總結出規律，判斷市場結構和需求。通過數據分析將客戶進行分類、區別對待。比如對收集到的顧客的購買力、消費偏好、位置等信息進行分析，通過數據分析結果得出客戶對茅臺高端酒及中低端酒的消費偏好，進而對客戶分類、對客戶群體進行細分、引導客流，針對性地生產滿足市場不同消費者需要的產品，同時通過數據分析處理，發現新的潛在需求，搶占新的市場份額，比如根據當前女性消費者越來越多的現象，悠蜜茅臺伴侶等女性偏好的產品開始走向市場。3.在數據共享方面，貴州茅臺建立了數字茅臺系統，將分布在全國各地的上千家專賣店通過互聯網連接，通過這一系統建立了茅臺的域網，與經銷商共享市場終端信息，實現了數據信息全程監控，使存貨需求從訂單到配送的流程變得更加快捷和高效。目前