喻繼鵬：ChatGPT與業(yè)財(cái)融合
2022年2月，國(guó)務(wù)院國(guó)有資產(chǎn)監(jiān)督管理委員會(huì)發(fā)布了《關(guān)于中央企業(yè)加快建設(shè)世界一流財(cái)務(wù)管理體系的指導(dǎo)意見(jiàn)》，在此意見(jiàn)中提出了實(shí)現(xiàn)業(yè)、財(cái)、技一體化管控和協(xié)同優(yōu)化，推進(jìn)經(jīng)營(yíng)決策由經(jīng)驗(yàn)主導(dǎo)向數(shù)據(jù)和模型驅(qū)動(dòng)轉(zhuǎn)變的要求。
這也就意味著國(guó)家想讓企業(yè)用系統(tǒng)的方式和數(shù)據(jù)、模型驅(qū)動(dòng)的方式來(lái)做，那么模型算法就更加重要。圍繞加快構(gòu)建世界一流財(cái)務(wù)管理體系的核心目標(biāo)，著力推動(dòng)財(cái)務(wù)管理中的四大變革，重點(diǎn)強(qiáng)化五項(xiàng)職能。
喻繼鵬提到，在以往的過(guò)程中業(yè)財(cái)融合系統(tǒng)一個(gè)核心點(diǎn)，那就是最終生成的都是財(cái)務(wù)的六大要素：資產(chǎn)、負(fù)債、所有者權(quán)益、收入成本、利潤(rùn)。在現(xiàn)在的系統(tǒng)中，我們要開(kāi)始最原汁原味的業(yè)務(wù)數(shù)據(jù)，加上場(chǎng)景，考慮智能規(guī)則與算法，產(chǎn)生業(yè)財(cái)數(shù)據(jù)資產(chǎn)，其中需要考慮數(shù)據(jù)確權(quán)的過(guò)程。
如何進(jìn)行數(shù)據(jù)確權(quán)?喻繼鵬認(rèn)為ChatGPT可以幫助企業(yè)在內(nèi)部的數(shù)據(jù)里實(shí)現(xiàn)數(shù)據(jù)確權(quán)。比如說(shuō)企業(yè)內(nèi)部的報(bào)表、資產(chǎn)負(fù)債表、損益表、現(xiàn)金流量表等等，標(biāo)準(zhǔn)的格式、標(biāo)準(zhǔn)的邏輯都可以自動(dòng)產(chǎn)生。另外，它也通過(guò)人工智能的方式，掌握更多的更精準(zhǔn)的信息，能夠幫助企業(yè)分析客戶(hù)，推薦相應(yīng)的產(chǎn)品。它不會(huì)大數(shù)據(jù)殺熟，可以進(jìn)行全網(wǎng)搜索，根據(jù)需求去安全定制，有效避免安全問(wèn)題。
企業(yè)需要的管理報(bào)告、法定報(bào)告等樣式都是固定的，管理報(bào)告是各式各樣的，可以根據(jù)不同行業(yè)定制不同的模板，通過(guò)人工智能可以自動(dòng)生成這些內(nèi)容?，F(xiàn)在可以根據(jù)數(shù)據(jù)實(shí)時(shí)生成相應(yīng)的數(shù)據(jù)，為管理決策提供一個(gè)比較高效的結(jié)果。
再如可視化、風(fēng)險(xiǎn)、國(guó)家的制度、法律法規(guī)波動(dòng)的情況等，都可以通過(guò)ChatGPT把資料學(xué)完之后提供相應(yīng)的方法和建議。
數(shù)字化轉(zhuǎn)型無(wú)外乎客戶(hù)體驗(yàn)、運(yùn)營(yíng)效率、商業(yè)模式創(chuàng)新和組織文化、數(shù)據(jù)分析、合規(guī)安全，這是數(shù)字化轉(zhuǎn)型的核心。在這些方面ChatGPT能夠怎么樣幫助企業(yè)提高數(shù)字轉(zhuǎn)型的效益?業(yè)財(cái)融合是實(shí)現(xiàn)實(shí)時(shí)會(huì)計(jì)，實(shí)時(shí)決策支持的能力，這些數(shù)據(jù)不僅僅是財(cái)務(wù)數(shù)據(jù)的融合，而是把業(yè)務(wù)和財(cái)產(chǎn)聯(lián)通，把財(cái)務(wù)核算的信息完整記錄下來(lái)，通過(guò)模型和算法幫助企業(yè)生成相應(yīng)的結(jié)果。將業(yè)財(cái)與生態(tài)上的伙伴共同產(chǎn)生業(yè)務(wù)，形成各自的業(yè)財(cái)融合。在業(yè)務(wù)生態(tài)鏈上的一個(gè)交易，經(jīng)過(guò)不同的路徑，需要跨生態(tài)的業(yè)財(cái)，這對(duì)以往的業(yè)財(cái)融合的邏輯產(chǎn)生巨大的變化。
業(yè)態(tài)融合未來(lái)的特點(diǎn)是自助交互式的，通過(guò)這種方式能夠更加智能和高效的決策，實(shí)現(xiàn)企業(yè)的戰(zhàn)略目標(biāo)。喻繼鵬指出，企業(yè)結(jié)合自己的使命、愿景、價(jià)值觀、組織、人才、績(jī)效制定中長(zhǎng)期的企業(yè)發(fā)展戰(zhàn)略，制定短期戰(zhàn)略，最后制定年度計(jì)劃，形成年度的平衡記分卡。將平衡記分卡再拆解成關(guān)鍵的成功要素(KSF)，再往下拆，拆到相應(yīng)的項(xiàng)目和對(duì)應(yīng)的任務(wù)，將每天做的事情和每月、每季度、全年的目標(biāo)拉通，通過(guò)這種方式(OKR)只能實(shí)現(xiàn)目標(biāo)對(duì)齊。結(jié)果和效率的保證就需要個(gè)人業(yè)績(jī)承諾(PBC)：我承諾能完成。和OKR結(jié)合起來(lái)，就變成了考核既有的基本績(jī)效考核的范圍，也有OKR遠(yuǎn)期目標(biāo)的，超額績(jī)效。在這樣的閉環(huán)中，每個(gè)環(huán)節(jié)的參與者主觀能動(dòng)作用被徹底激發(fā)，助力企業(yè)總體目標(biāo)的高效實(shí)現(xiàn)。
在傳統(tǒng)記錄的過(guò)程可能會(huì)丟失一些基礎(chǔ)的業(yè)務(wù)數(shù)據(jù)。業(yè)務(wù)數(shù)據(jù)丟失之后，不利于企業(yè)的管理需求，會(huì)影響到最終決策。怎樣解決這個(gè)問(wèn)題呢?
數(shù)字化轉(zhuǎn)型是指將數(shù)字技術(shù)整合到人類(lèi)生活的各個(gè)方面 ， 包括商業(yè)、 行業(yè)和個(gè)人生活。它涉及利用技術(shù)提高效率、 增加競(jìng)爭(zhēng)力和提升客戶(hù)體驗(yàn)。數(shù)字化轉(zhuǎn)型是適應(yīng)不斷發(fā)展的 數(shù)字化環(huán)境的持續(xù)變革和適應(yīng)過(guò)程。數(shù)字化轉(zhuǎn)型的關(guān)鍵方面包括：
客戶(hù)體驗(yàn)：使用數(shù)字渠道和工具提高客戶(hù)參與度、滿(mǎn)意度和留存率。這可以包括社交媒體、移動(dòng)應(yīng)用、聊天機(jī)器人和個(gè)性化營(yíng)銷(xiāo)策略。
運(yùn)營(yíng)效率：簡(jiǎn)化業(yè)務(wù)流程和自動(dòng)化手動(dòng)任務(wù)以節(jié)省時(shí)間和資源。這可以涉及使用人工智能、機(jī)器學(xué)習(xí)、機(jī)器人流程自動(dòng)化(RPA)和云計(jì)算等技術(shù)。
商業(yè)模式創(chuàng)新：通過(guò)利用數(shù)字技術(shù)開(kāi)發(fā)新的收入來(lái)源和價(jià)值主張。例如 ，包括基于訂閱的服務(wù)、數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品和基于平臺(tái)的商業(yè)模式。
組織文化：培養(yǎng)數(shù)字優(yōu)先的思維方式 ，鼓勵(lì)創(chuàng)新、協(xié)作和持續(xù)學(xué)習(xí)的文化。這包括投資于數(shù)字技能培訓(xùn)和促進(jìn)跨職能團(tuán)隊(duì)。
數(shù)據(jù)和分析：利用數(shù)據(jù)驅(qū)動(dòng)決策 ，優(yōu)化流程并了解客戶(hù)行為。這涉及使用大數(shù)據(jù)平臺(tái)、數(shù)據(jù)倉(cāng)庫(kù)和商業(yè)智能軟件等工具進(jìn)行數(shù)據(jù)收集、存儲(chǔ)、分析和可視化。
安全和合規(guī)：確保敏感數(shù)據(jù)的保護(hù)并在面臨日益嚴(yán)重的網(wǎng)絡(luò)安全威脅和不斷發(fā)展的數(shù)據(jù)隱私法規(guī)的情況下維持監(jiān)管合規(guī)。
數(shù)字化轉(zhuǎn)型不是一次性項(xiàng)目 ，而是一個(gè)需要企業(yè)不斷適應(yīng)和創(chuàng)新的持續(xù)過(guò)程。數(shù)字化轉(zhuǎn)型的成功取決于明確的戰(zhàn)略、強(qiáng)大的領(lǐng)導(dǎo)力、有效的變革管理以及采用新技術(shù)和實(shí)踐的能力。
業(yè)財(cái)融合平臺(tái)旨在整合企業(yè)的業(yè)務(wù)和財(cái)務(wù)數(shù)據(jù) ，優(yōu)化企業(yè)的運(yùn)營(yíng)流程并為決策提供支持。為了實(shí)現(xiàn)這一目標(biāo) ， 業(yè)財(cái)融合平臺(tái)應(yīng)當(dāng)具備一系列算法、 模型和規(guī)則 ， 以便更好地處理數(shù)據(jù)、 分析情況并提供決策建議。以下是一些業(yè)財(cái)融合平臺(tái)可能需要考慮的算法、 模型和規(guī)則：
數(shù)據(jù)清洗與預(yù)處理算法：業(yè)財(cái)融合平臺(tái)需要對(duì)原始數(shù)據(jù)進(jìn)行清洗和預(yù)處理 ， 以確保數(shù)據(jù)的準(zhǔn)確性和一致性。這可能涉及去除重復(fù)數(shù)據(jù)、 填充缺失值、 數(shù)據(jù)類(lèi)型轉(zhuǎn)換等操作。
數(shù)據(jù)聚合與分組規(guī)則：業(yè)財(cái)融合平臺(tái)需要將來(lái)自不同業(yè)務(wù)部門(mén)和財(cái)務(wù)部門(mén)的數(shù)據(jù)進(jìn)行聚合和分組 ，以便于后續(xù)分析。這可能涉及基于時(shí)間、 地點(diǎn)、 部門(mén)等維度對(duì)數(shù)據(jù)進(jìn)行分組。
數(shù)據(jù)挖掘與分析算法：業(yè)財(cái)融合平臺(tái)需要運(yùn)用數(shù)據(jù)挖掘和分析算法 ，從數(shù)據(jù)中發(fā)現(xiàn)有價(jià)值的信息。這可能包括關(guān)聯(lián)規(guī)則挖掘、聚 類(lèi)分析、 異常檢測(cè)等方法。
預(yù)測(cè)與建模：業(yè)財(cái)融合平臺(tái)需要運(yùn)用預(yù)測(cè)和建模技術(shù) ， 為企業(yè)提供決策支持。這可能涉及時(shí)間序列分析、回歸分析、 機(jī)器學(xué)習(xí)等方法。例如 ，通過(guò)預(yù)測(cè)未來(lái)的銷(xiāo)售額、 成本和利潤(rùn) ，企業(yè)可以更好地進(jìn)行資金規(guī)劃和風(fēng)險(xiǎn)管理。
優(yōu)化算法：業(yè)財(cái)融合平臺(tái)需要運(yùn)用優(yōu)化算法 ， 幫助企業(yè)在資源約束下實(shí)現(xiàn)最佳決策。這可能涉及線(xiàn)性規(guī)劃、 整數(shù)規(guī)劃、 動(dòng)態(tài)規(guī)劃等方法。例如 ，通過(guò)運(yùn)用優(yōu)化算法 ，企業(yè)可以在有限的預(yù)算和資源下實(shí)現(xiàn)最大化的投資回報(bào)。
規(guī)則引擎：業(yè)財(cái)融合平臺(tái)需要設(shè)定一系列規(guī)則 ， 以便在特定條件下觸發(fā)相應(yīng)的操作。例如 ， 當(dāng)某項(xiàng)業(yè)務(wù)達(dá)到預(yù)警閾值時(shí) ， 自動(dòng)發(fā)送提醒給相關(guān)負(fù)責(zé)人。
權(quán)限與審批流程：為確保數(shù)據(jù)安全和合規(guī)性 ， 業(yè)財(cái)融合平臺(tái)需要設(shè)定不同用戶(hù)的權(quán)限和審批流程。例如 ，只有具備相應(yīng)權(quán)限的用戶(hù)才能查看敏感數(shù)據(jù) ，對(duì)于關(guān)鍵決策的修改 ， 需要經(jīng)過(guò)多級(jí)審批。
會(huì)計(jì)引擎是財(cái)務(wù)管理系統(tǒng)的核心組件 ， 用于處理和記錄企業(yè)的財(cái)務(wù)交易。構(gòu)建會(huì)計(jì)引擎的方式有很多種 ， 主要取決于企業(yè)的需求、 規(guī)模以及所采用的會(huì)計(jì)制度。以下是一些常見(jiàn)的會(huì)計(jì)引擎構(gòu)建方式：
基于規(guī)則的會(huì)計(jì)引擎：這種方式主要依賴(lài)預(yù)先設(shè)定的會(huì)計(jì)規(guī)則和準(zhǔn)則，用于處理企業(yè)的財(cái)務(wù)交易?；谝?guī)則的 會(huì)計(jì)引擎需要手動(dòng)更新規(guī)則和準(zhǔn)則，但對(duì)于遵循特定會(huì)計(jì)標(biāo)準(zhǔn)的企業(yè)來(lái)說(shuō)，這種方式通常比較簡(jiǎn)單、直接。
基于模板的會(huì)計(jì)引擎：這種方式使用預(yù)定義的會(huì)計(jì)模板，用于處理不同類(lèi)型的財(cái)務(wù)交易?；谀０宓臅?huì)計(jì)引擎可以更靈活地應(yīng)對(duì)各種財(cái)務(wù)場(chǎng)景，但可能需要更多的維護(hù)和更新工作。
基于參數(shù)化的會(huì)計(jì)引擎：這種方式依賴(lài)可配置的參數(shù)，用于處理企業(yè)的財(cái)務(wù)交易。基于參數(shù)化的會(huì)計(jì)引擎具有 較高的靈活性，可以根據(jù)企業(yè)的需求和特點(diǎn)進(jìn)行定制。然而，這種方式可能需要更多的開(kāi)發(fā)和維護(hù)工作。
基于組件化的會(huì)計(jì)引擎：這種方式采用模塊化的設(shè)計(jì)思路，將會(huì)計(jì)引擎劃分為多個(gè)相互獨(dú)立但協(xié)同工作的組件。基于組件化的會(huì)計(jì)引擎具有較好的可擴(kuò)展性和可維護(hù)性，可以適應(yīng)不同規(guī)模和需求的企業(yè)。但這種方式可能需要較高的 開(kāi)發(fā)成本和技術(shù)水平。
基于人工智能的會(huì)計(jì)引擎：這種方式利用人工智能和機(jī)器學(xué)習(xí)技術(shù)，用于自動(dòng)處理和記錄企業(yè)的財(cái)務(wù)交易。
基于人工智能的會(huì)計(jì)引擎具有很高的智能化程度，可以自動(dòng)識(shí)別、處理和優(yōu)化財(cái)務(wù)數(shù)據(jù)。但這種方式的實(shí)施和維護(hù)成本 可能較高，且可能需要專(zhuān)業(yè)的數(shù)據(jù)科學(xué)家和軟件工程師進(jìn)行支持。
實(shí)現(xiàn)基于人工智能的會(huì)計(jì)引擎需要遵循以下步驟：
數(shù)據(jù)收集和預(yù)處理：需要收集大量的財(cái)務(wù)交易數(shù)據(jù) ，以用于訓(xùn)練人工智能模型。數(shù)據(jù)預(yù)處理包括清洗、 轉(zhuǎn)換和標(biāo)準(zhǔn)化 ，以確保數(shù)據(jù)的質(zhì)量和一致性。
特征工程：通過(guò)分析財(cái)務(wù)數(shù)據(jù) ，提取有意義的特征 ，這些特征將用于訓(xùn)練和評(píng)估人工智能模型。特征工 程是機(jī)器學(xué)習(xí)過(guò)程中至關(guān)重要的一環(huán)， 因?yàn)楹玫奶卣骺梢蕴岣吣Ｐ偷念A(yù)測(cè)性能。
選擇合適的模型：根據(jù)財(cái)務(wù)數(shù)據(jù)和業(yè)務(wù)需求 ，選擇合適的機(jī)器學(xué)習(xí)算法和模型。常見(jiàn)的算法包括決策樹(shù)、 支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等。
模型訓(xùn)練和驗(yàn)證：使用收集到的財(cái)務(wù)數(shù)據(jù)和特征訓(xùn)練人工智能模型。在訓(xùn)練過(guò)程中 ，需要使用交叉驗(yàn)證等技術(shù)來(lái)評(píng)估模型的性能 ，并對(duì)模型進(jìn)行調(diào)整和優(yōu)化。
模型集成：將訓(xùn)練好的人工智能模型集成到會(huì)計(jì)引擎中。這可能涉及將模型轉(zhuǎn)換為可部署的代碼 ，以便 在實(shí)際場(chǎng)景中使用。
實(shí)現(xiàn)智能化功能：基于訓(xùn)練好的模型 ，實(shí)現(xiàn)會(huì)計(jì)引擎的智能化功能 ，如自動(dòng)識(shí)別和處理財(cái)務(wù)交易、預(yù)測(cè) 財(cái)務(wù)指標(biāo)、優(yōu)化財(cái)務(wù)報(bào)表等。
系統(tǒng)測(cè)試和調(diào)試：對(duì)集成了人工智能模型的會(huì)計(jì)引擎進(jìn)行系統(tǒng)測(cè)試和調(diào)試 ，確保整個(gè)引擎能夠正確處理 和記錄各種財(cái)務(wù)交易。測(cè)試過(guò)程中應(yīng)涵蓋各種典型的交易場(chǎng)景 ，并對(duì)發(fā)現(xiàn)的問(wèn)題進(jìn)行修復(fù)和優(yōu)化。
集成和部署：將開(kāi)發(fā)完成的會(huì)計(jì)引擎集成到企業(yè)的財(cái)務(wù)管理系統(tǒng)中 ，并進(jìn)行部署。需要確保會(huì)計(jì)引擎能夠與其他系統(tǒng)模塊(如財(cái)務(wù)報(bào)表、預(yù)算管理等)順利協(xié)同工作。
模型維護(hù)和更新：基于人工智能的會(huì)計(jì)引擎需要定期進(jìn)行模型維護(hù)和更新 ，以適應(yīng)會(huì)計(jì)準(zhǔn)則和規(guī)則的變化 ，以及企業(yè)的財(cái)務(wù)數(shù)據(jù)變化。這可能包括重新訓(xùn)練模型、調(diào)整模型參數(shù)、優(yōu)化特征工程等。
關(guān)于數(shù)據(jù)安全，喻繼鵬指出，VBN點(diǎn)對(duì)點(diǎn)IP直通的區(qū)塊鏈，它解決了所有的安全、篡改和信用的問(wèn)題。資方通過(guò)數(shù)據(jù)鏈，通過(guò)區(qū)塊鏈技術(shù)的流轉(zhuǎn)，和資金方進(jìn)行對(duì)接，最后幫助需要資金的企業(yè)能夠?qū)拥劫Y金的提供方，形成資金閉環(huán)鏈條，提高融資的效率。
