|
本篇以阳光保险财务共享服务中心6年运营为基础，论述未来几年财务共享的发展方向。可能有行业特性，仅供参考。 先整体看本文的内容结构，将从以下几个方面详细阐述目前的实践和对未来的看法。 一、业务范围方面 1、传统的作业类工作向智能化转型，以达到最大限度提高效率降低成本； 2、传统的作业类工作向全业务主体、全业务范围转型，不计成本的纳入企业内各个分子公司的核算、资金等更多的财务业务，以获得全企业最完善的财务数据信息，提高信息质量、数据获取时效； 3、增加管理支持类工作，财务共享获取到的数据是提高财务共享地位的关键，也是与财务管理的有效结合点；此外，财务共享是与业务的第一接触点，财务共享具有对企业经营风险管理的有力条件。 二、组织发展方面 1、财务共享内部组织朝着蜂巢式组织管理模式和产品经理制方向发展，实现组织的扁平化管理，提高组织运营效率； 2、财务共享与总部财务、业务财务联系更紧密，必须通力合作才能实现共享更多价值。 三、人员转型方面 未来，财务共享需要高级规则制定者、跨界融合者、数据分析者。无论是技术还是运营模式的影响，传统的执行者很快将消失。 四、挑战与应对 1、财务共享管理者是否能够应对变革对组织的影响； 2、创新必定带来风险和不足，但财务与生俱来的谨慎性会与创新尝试发生冲突； 3、如何进行人员培养，既需要复合型人才，又需要专业人才； 4、是否有合作共赢的态度，以实现内外资源整合。 在我总结完发现，这是一个比较大的话题，需要用几个篇幅来论述。 我们可以将财务共享服务的业务范围分为两类，一类是传统的作业类工作，遵循标准化规则执行，如核算、资金、税务等。一类是管理支持类工作，如数据支持、风险管理等。 一、传统的作业类工作的业务范围，根据企业对财务共享的定位不同，也可分为两类。一类是服务定位，一类是管理需求定位。 1、以服务为定位业务范围，其目的是提高效率降低成本。只有符合业务规模大、重复性高、作业标准化、易系统化等特点的工作才能纳入到财务共享服务中心的服务范围。传统的费用报销、资金结算等工作属于此类，无论服务主体范围属于哪个行业，对于财务共享作业都类似。 此类工作也正是因为其标准化、系统化、影像化的特点，最适合目前流行的智能化转型。在此，我们将智能化称为一个统称，包括自动化、RPA、人工智能、B2B对接等，分别讨论以何种策略落地。 （1）对于服务定位的业务，首推自动化。服务类工作标准化程度非常高，无论是流程类工作还是制度审核类工作，都可以通过系统设置规则。流程类自动化主要依托于信息的传输、动作的触发、信息的简单处理等；此类业务更多需要技术的支持，偏向多环节、多动作的整合。而制度审核类自动化，偏向在一个环节或者一个动作上，依托大量数据信息根据大量规则进行计算处理。 （从财务共享的标准化体系就能看出来，会计审核记账类标准化文件以制度为主，在审核环节可能涉及上百个经济事项上百页A4纸的审核规则，而资金类标准化文件是以流程为主，更强调的是操作步骤和环节是否正确。） 对于自动化而言，一方面要求数据和规则高度标准化；在流程里，仅接受唯一的数据、唯一的指令，输出唯一的数据、唯一的指令。在制度里，只有符合计算规则的数据才能运算。另一方面，要求数据和规则变化不能太频繁；数据和规则是以代码的形式呈现出来，任何方面的变化都会带来开发量的增加，带来系统的变化。 从实务来看，流程的自动化更成熟一些，数据、动作的来源和标准化更容易实现。而制度审核的自动化更复杂一些，除了以上影响外，数据来源是目前制约制度审核自动化的瓶颈。对于会计审核记账的工作，我们太多的类似发票、清单、合同、签字等纸质或影像化数据信息，此类信息无法直接给到系统规则去自动处理，其必须通过OCR、众包等模式将其转换成数字化信息。 从实践经验看，OCR的技术在短期内仅能对类似身份证影像件这样固定尺寸、所识别信息在身份证上固定位置、固定字体、固定字号、最低清晰度的基础上方能有效识别；即使是增值税专票，当部分信息打印位置略有偏移或清晰度不够都无法有效识别，而且识别错误的信息不能有效提示，所以鸡肋的是，当OCR识别完成后，还需要人工再逐一核对。 从会计审核的纸质资料看，理论上讲，根本不可能统一字体字号、统一位置，而且对于手写的文字更无法识别。 目前来看，将需要识别的信息以众包的形式完成数字化转换是非常好的办法。会计作业众包依托互联网，将影像信息和电算化信息极致拆分后，分发给互联网大众，由其根据提示提取需要审核的信息。已经植入到平台内部的审核规则自动将提取的信息和相关电算化信息比对，完成审核工作。我们将规则自动化称为规则机器人也未尝不可。 （2）当然，解决非结构化数据的数字化转换还有一种从根本上的解决方案，即不产生类似发票、清单这类系统外的、纸质或影像的数据信息，直接通过系统实现即可。而这个解决方案就是B2B平台对接。 我们把B2B平台对接定义为一个总称，其核心的思想是把企业所有的经营活动线上化。类似常见的商旅服务，从员工出差计划开始，出差申请OA提交、OA与费控对接冻结预算、费控与商旅平台对接预定机票酒店（员工无需垫付无需获取发票）、系统自动或员工在商旅平台确认事项发生、商旅平台推送电子发票和行程信息费控自动生成凭证、费控与资金系统对接完成支付、费控和银行与会计档案系统对接完成档案归档。在这个场景下，领导只需审批（预算和标准内甚至无需审批）、员工仅需确认事项发生，全流程无需会计和出纳任何操作。 设想，当企业全部的对外采购都可通过此模式处理呢。再设想，当企业内部ERP系统都与财务系统对接，财务审核类工作是不是就真的没有了？ 拓展下，从资本市场看，在B2C、O2O、共享经济的风口过后，B2B模式正在蓬勃发展，除了大型企业在发展电商等线上业务外，类似阿里、京东等整合类企业也在快速发展并进入企业服务领域。而类似找钢网、找资料料网、找布网等各种找字头独角兽的崛起（跟笔者很熟的做B2B生鲜配送的美菜网也是），更是在整合整个行业的资源。 再拓展下，企业经营活动的线上化，在应用层面解决了财务处理、财务自动化的问题。但其背后所产生的真实反映企业经营情况的海量数据才是最有价值信息。财务自动化只是应用了海量数据的很少一部分，这部分数据在风险管理、业务分析等方面的管理应用最有价值。 不过，从目前企业实践看，企业外部平台的对接面临集中采购管理、采购灰色利益、预算管理思路等问题，据了解，此方面已经落后一些跨国公司近10年。而企业内部ERP系统与财务系统的对接也面临各自为政、各管一摊的现状。 （3）人工智能，讲的太多，噱头太多，真正能够落地的很少。简单理解，人工智能就是替代人去识别、思考、判断和做出决定。如果把自动化定位为代替人类的体力劳动，人工智能更多的是代替脑力劳动。专家讲，只有将识别、思考、判断、做出决定和自动化协同应用时，才能称为人工智能（AI），如果只使用其中一种，只能叫智能增强（IA）。 OCR，代替人的眼睛识别影像内的文字转换成结构化数据；语音识别，是否有一天，财务共享审核岗不用键盘和鼠标，直接对着手机说出“审核不通过，错误类型为发票错误，原因是第三张发票抬头错误”；自然语言处理，直接对各种语言的翻译；决策树之类算法，类似人类一样思考，把看似复杂无序的规则捋出规则来；机器学习，对规则的校验和补充，看算法捋出的规则是否有正确的结果。 单纯从任何一种技术看，其处理结果都有一定概率，对于财务处理而言就是正确率。能够真正提高概率的，可能是几种技术或算法的综合应用。 对于财务工作中更多的审核判断工作看，我们需要更多用来思考的技术，即算法。而算法，需要更多的数据。所以从技术大拿们出的书里来看，算法和机器学习很早就有，之所以最近大放异彩，是因为有了海量数据和大幅提高的计算能力。海量数据的来源，又是因为有互联网、物联网的发展。大幅提高的计算能力来源于硬件能力的提高，从CPU到GPU到TPU。 这么看，OCR能够产生更多的结构化数据，B2B对接将经营事项线上化也能产生更多的结构化数据，更能支持人工智能的实现。但是，B2B对接已经通过自动化模式减少了很多工作，人工智能岂不是无计可施？ 并且，财务工作有准则、税务政策等条款的约束，应该是标准化的，而标准化的制度规则只需要自动化就可实现，无需智能化判断。 将人工智能和自动化对比看，人工智能思考的功能是在自动化的基础上处理更复杂的工作。什么能够带来更复杂的工作？企业经营业务更多、更繁杂，会导致财务工作更复杂。这样分析下来，我们可以有如下结论： 只有大型的、业务多元化的企业或者业务不规范的企业才更需要人工智能算法在财务作业（只是财务作业，不含财务分析）方面的应用；而小型、业务单一的企业或者业务非常规范、非常标准化的企业，根本就无需智能算法或者无需复杂的智能算法。 在IA领域，还有RPA和有型机器人，也属于人的代替，但我更愿意把他们单独归类。 （4）RPA，最大的特点是实现非侵入对接，是在规定时间、固定位置的鼠标点击或输入固定信息的系统外挂，是流程类业务自动化的补充。RPA一方面补充各类信息系统与邮箱、office办公软件等独立应用之间的自动化处理，一方面防止系统对接过程中风险在系统间的传递。当然，实施RPA还要计算产出比，测算RPA的开发及维护投入，是否能够替代一段时间内的人工成本。 其实RPA技术早在其他领域使用，只是财务共享将原来分散的工作标准化后集中处理，给RPA的应用带来场景。 RPA对业务场景的要求极为严格，要求每个动作要非常标准化。加之投产比的考验，从实际工作中看，资金、数据、报表等业务中涉及流程操作的场景可能相对更能够应用RPA。 从我们目前接触到的场景看，包括非直连银行账户网银流水的导入及初步对账、财务报表单体法人出具后通过邮箱分发、销项开票信息的传递与开票等适用于RPA。 有型机器人类似，制造领域最多的是机器臂，人形机器人在消费领域尚未成熟，在财务领域尚未能够看到人形机器人的必要性。即使是机器臂、收单机器人这类的应用，花费上百万的投入，真的能够有有效投产比么？至少我们目前尚未看到有可用场景。 -----------------未完，待续----------------- 原创文章，转载请标明出处。 |
|
|
