張慶龍

【摘要】基于對數字中臺的認識， 分析數字中臺與財務共享服務數字化轉型的關系， 認為數字中臺有利于驅動財務共享服務的數字化轉型， 并最終有利于整個財務的數字化轉型。 基于財務共享服務中心構建企業(yè)數據中臺的路徑有： 從財務共享服務中心走向“大共享”， 擴大共享服務中心的職能和服務范圍; 實現(xiàn)共享服務中心的數字化和中臺化轉型; 建設基于共享服務中心的數據中臺架構; 建立企業(yè)數據中臺持續(xù)運營機制。 基于此得出結論： 數據中臺是財務數字化轉型與智能財務實現(xiàn)的中間連接點。

【關鍵詞】數字中臺;數據中臺;財務共享服務;數字化轉型

【中圖分類號】 F275 ? ? 【文獻標識碼】A ? ? ?【文章編號】1004-0994（2020）19-0032-7

一、認識數字中臺

面對快速多變、難以預測、不確定性強的市場環(huán)境， 企業(yè)開始將中臺思想引入組織變革與技術變革之中， 通過構建中臺來平衡前臺的敏捷機動與后臺的有序穩(wěn)定。 陳新宇等[1] 認為， 數字中臺是基于大數據、云計算、人工智能的技術架構打造的數字化創(chuàng)新平臺， 支撐企業(yè)數字業(yè)務的標準化及快速定制化， 實現(xiàn)數據驅動的精細化運營， 沉淀企業(yè)數據資產， 為企業(yè)提供用戶個性畫像、商品智能推薦、業(yè)務在線監(jiān)控， 解決企業(yè)業(yè)務在面向產業(yè)互聯(lián)、生態(tài)發(fā)展過程中應變與響應能力不足的問題。

數字中臺包含業(yè)務中臺與數據中臺。 業(yè)務中臺的作用是“沉淀、標準、共享”。 業(yè)務中臺沉淀基于最佳業(yè)務實踐的業(yè)務模型、業(yè)務構件、RPA組件等資源， 通過將不同系統(tǒng)相同功能的服務聚合起來， 統(tǒng)一標準、規(guī)范、出口， 形成面向未來業(yè)務流程的、可復用的標準化組件， 實現(xiàn)企業(yè)業(yè)務的整合， 通過這種整合實現(xiàn)資源與能力共享， 支撐新應用與新業(yè)務的快速開發(fā)與迭代， 以滿足快速變化的用戶需求。 數據中臺的作用是“連接、整合、服務”。 數據中臺連接各類場景下的數據源作為其生產原料， 整合大數據的計算和存儲能力形成其生產能力， 并通過提供標準的數據服務進一步將數據與應用場景連接起來， 通過高效的數據采集、清洗、管理和分析實現(xiàn)數據精細化運營， 形成一套讓企業(yè)可持續(xù)利用數據的機制， 幫助企業(yè)從數據中學習改進、調整方向。 通過連接與整合， 數據中臺可將企業(yè)內部割裂的數據進行匯聚、治理、建模加工， 消除數據孤島， 實現(xiàn)數據資產化， 助力企業(yè)實現(xiàn)數據驅動業(yè)務。

二、數字中臺與財務共享服務數字化轉型的關系

財務共享服務數字化轉型是企業(yè)財務數字化轉型的起點， 其目標主要是利用數字技術， 通過連接、共生、協(xié)同、平臺等理念， 針對來自企業(yè)內外部的大量、完整、多類型、異構的數據， 運用數據采集、數據加工、數據挖掘、算法、模型等方法進行數據的加工與管理， 釋放數據價值， 進行數據可視化展示， 推動企業(yè)數據中臺的建設， 以帶動整個財務數字化轉型， 充分發(fā)揮管理會計的信息決策功能。 那么如何實現(xiàn)這一目標？從企業(yè)數字化轉型的實踐來看， 陳新宇等[1] 認為， 未來全面建立一個服務化架構的數字中臺將會成為傳統(tǒng)大型企業(yè)集團全面數字化轉型的最佳解決方案。 數字中臺是基于企業(yè)級互聯(lián)網及大數據架構打造的數字化創(chuàng)新平臺， 它是將共性業(yè)務服務和技術予以沉淀， 以避免相同功能重復建設和維護帶來的資源浪費， 有助于企業(yè)實現(xiàn)業(yè)務數據化、數據業(yè)務化， 賦能企業(yè)智能化。 從阿里巴巴中臺建設的經驗來看， 可發(fā)現(xiàn)中臺就是從共享多個相似的前臺業(yè)務的需求中產生的。 阿里巴巴最先提出的是業(yè)務中臺， 如會員中心、商品中心和交易中心等。 業(yè)務中臺構成了一種前臺可復用、共享的服務能力， 為前臺提供了強大的“炮火支援”。

目前， 眾多大型企業(yè)已構建財務共享服務中心， 加上在此基礎上不斷進階的共享服務中心建設， 為構建數據中臺奠定了很好的數據基礎。 而基于財務共享服務中心的數字平臺建設又為管理會計的智能財務決策、管理會計工具作用的發(fā)揮提供了更全面、真實的數據基礎， 它將整個集團的會計核算工作集中到一個平臺進行， 實現(xiàn)了集團公司數據的集合化。 韓向東、屈濤[2] 認為， 利用數據中臺的能力可將管理會計基于歷史數據的分析轉向基于未來的數據預判， 從過去依賴管理人員個人經驗的決策轉向自動化、智能化決策， 從而為企業(yè)運營管理增值賦能。 陳虎、郭奕[3] 認為， 建立財務數據中臺可聚合內外部的海量多維數據， 將原始數據轉化為數據資產， 快速構建數據服務中心， 為企業(yè)制定各種適配業(yè)務場景的數據解決方案， 實現(xiàn)數據可視、易懂、好用、可運營， 繼而實現(xiàn)企業(yè)財務數據能力和數據資產的沉淀、共享， 為企業(yè)經營和發(fā)展提供專業(yè)洞見。 由數據中臺、業(yè)務中臺和技術中臺共同構建起的財務中臺將支撐各類財務應用服務， 形成卓越財務能力中心， 有利于推進財務的數字化轉型。

因此筆者認為， 數字中臺作為一套從企業(yè)層面對能力進行復用的管理理念與IT技術框架， 是企業(yè)數字化轉型的基礎和保障。 將其運用到財務共享服務領域， 同樣有利于驅動財務共享服務的數字化轉型。 財務共享服務數字化轉型作為企業(yè)財務數字化轉型的重要組成部分， 應是局部與整體的關系。 它有利于構建企業(yè)級財務數據的服務能力， 沉淀共享數據資產， 幫助財務共享服務進一步解決數字化轉型過程中的數據聯(lián)通問題， 有助于實現(xiàn)財務組織架構向“橄欖型”轉變， 更好地提供數據決策支持服務， 最終驅動整個財務數字化轉型的實現(xiàn)。

三、基于財務共享服務中心的數據中臺建設路徑

（一）從財務共享服務中心走向“大共享”， 擴大共享服務中心的職能和服務范圍

王興山[4] 總結了我國財務共享服務多年的應用實踐， 提出了財務共享服務中心的五級成熟度模型， 從核算共享、報賬共享、標準財務共享、業(yè)財一體財務共享逐步發(fā)展成為管理成熟度和信息化水平最高的“大共享”。 大共享意味著共享中心不僅僅涵蓋財務， 更是把其他各類職能都納入管理范疇， 將傳統(tǒng)的財務、人力資源、采購、市場管理和信息技術共享服務中心等都集中在共享服務中心。 在推動財務共享服務向大共享服務轉型并建設數據中臺的過程中， 需要明確共享服務中心的兩個重要定位：

1. 確保共享服務中心由功能導向型向服務與價值導向型轉變。 國內大多數財務共享服務中心作為傳統(tǒng)單一職能的共享中心， 定位于功能導向， 一般隸屬或平行于集團的職能部門。 未來服務與價值導向型的共享服務中心會成為一個獨立的實體或法人， 它不僅可對內服務于本企業(yè)， 也可提供市場化的專業(yè)共享外包服務， 更注意服務的滿意度、流程高效性與專業(yè)性， 以高質量服務換取更高的價值。 共享服務中心在這樣的定位下， 既實現(xiàn)由職能共享向能力復用的轉變， 又不斷提高快速適配客戶要求的能力， 為發(fā)揮中臺的快速響應功能打下基礎[5] 。

2. 立足共享服務構建集團級企業(yè)數據中心。 在財務共享服務數字化轉型中， 利用采購共享、商旅共享和稅務共享， 來擴大數據采集與連接的范圍。 而在由財務共享服務走向共享服務的過程中， 企業(yè)可將財務共享與其他各類共享服務平臺進行集成， 進一步構建集團級企業(yè)數據中心。 基于大共享平臺， 不僅可使企業(yè)內部各類信息系統(tǒng)完全打通， 而且能連接供應商、客戶、銀行、稅務等外部系統(tǒng)， 實現(xiàn)業(yè)務流程、會計核算流程和管理流程的有機融合， 為數據中臺的建設提供更為豐富的數據源。 此外， 共享服務中心未來還將向全球商業(yè)服務（GBS）發(fā)展， 這順應了共享服務中心的發(fā)展趨勢， 同時也為提高服務能力、擴大數據范圍打下了基礎。

（二）實現(xiàn)共享服務中心的數字化和中臺化轉型

國際上優(yōu)秀企業(yè)的GBS已經通過數字化轉型， 超越了單純的GBS或IT部門的范疇， 成為實現(xiàn)企業(yè)數字化管理的重要組織， 如寶潔、瑪氏等大型跨國企業(yè)集團。 德勤[6] 指出， GBS未來的價值在于整合來自不同業(yè)務領域、職能部門、地區(qū)的數據和信息， 在消耗更少資源的同時為企業(yè)帶來更可觀的價值， 通過預測分析得到的洞見， 以空前的速度實現(xiàn)用戶體驗的提升。 這實際上勾勒出了數字化的GBS所應具備的能力， 而“洞見”“速度”和“體驗”正是共享服務中心進行數字化轉型的三個關鍵詞， 也是由共享服務中心向數據中臺演變的必經之路， 稱之為“中臺化”。 相應地， 需從以下三個方面綜合發(fā)力：

1. 提高共享服務中心的數字服務能力。 未來企業(yè)共享服務的價值創(chuàng)造能力將進一步提升， 從傳統(tǒng)的人工和交易性事務轉向“基于知識的服務”， 如決策支持、報告、預測分析等成為企業(yè)價值創(chuàng)造的新來源， 并進化為企業(yè)的數據中臺。 要實現(xiàn)這一轉變， 共享服務中心需在數字化轉型過程中廣泛采集和匯聚數據， 并通過模型分析充分開發(fā)數據價值， 提供數字服務。 共享服務最初的理念強調把低附加值的工作整合起來， 利用信息化手段提高資源利用效率， 從而使企業(yè)有資源和精力專注于核心業(yè)務。 如今， 數字技術進一步提高了共享服務中心獲取和利用數據的能力， 使其能夠發(fā)揮的作用不只是通過流程的共享提升效率、釋放資源， 而且實現(xiàn)了廣泛的數據收集、高效的數據處理及對數據服務的共享， 將共享服務中心的數字化能力以共享方式提供給各分子公司、業(yè)務單元、員工使用， 使其從數據中獲得洞見， 而這正是數據中臺的建設理念。

2. 提高共享服務中心的業(yè)務敏捷能力。 共享服務中心數字化轉型的第二個關鍵詞是速度， 也就是提高共享服務中心響應前臺服務的敏捷性， 結合中臺“敏捷與服務”“復用與共享”的特征可知， 這是共享服務中心成為數據中臺所必須具備的能力。 共享服務中心面對多樣化的客戶、復雜化和差異化的行業(yè)， 其流程需要像中臺一樣具備快速響應、匹配并搭建服務的能力， 可從以下兩方面入手。

（1）在業(yè)務流程梳理方面， 共享服務中心可通過對前臺各成員單位業(yè)務的分析、歸納， 形成業(yè)務標準化管理流程、管控點和崗位職責分工， 根據流程的關鍵節(jié)點提取相應業(yè)務職能， 將其中邏輯穩(wěn)定、多場景可復用、業(yè)務價值高的工作流程形成標準、專業(yè)的服務產品， 按需組合， 提供靈活的服務調用， 支持前臺對經濟業(yè)務的處理[4] 。 由此將前臺的核心業(yè)務能力抽離、整合進共享服務中心即中臺， 就可提供標準、快速響應的服務和支持。 以財務工作為例， 當前臺業(yè)務有創(chuàng)新變化時， 在共享服務中心形成的財務服務能力可實現(xiàn)高配置和快速響應， 提供核算、結算、稅務、報表等服務， 避免靈活多變的前臺業(yè)務對后臺財務的沖擊， 同時在不增員的情況下支撐企業(yè)更大規(guī)模的擴張和高速發(fā)展。

（2）在共享服務架構方面， 要提高共享服務中心的響應速度， 需構建起輕量化共享服務架構。 馮宇[5] 指出， 中國市場上常見的共享服務軟件平臺分為輕量化和重量化架構兩種， 其中， 輕量化共享服務架構只包括共享服務組織自身的業(yè)務運營和共享水平協(xié)議管理功能， 重量化共享服務架構除此之外還包括共享平臺所服務業(yè)務的應用功能。 重量化共享服務在系統(tǒng)部署上不利于提高共享服務的響應速度， 難以滿足數據中臺的建設要求。 由于重量化共享平臺會存儲大量的業(yè)務與財務數據， 而基于合規(guī)要求， 集團化企業(yè)將上市公司ERP/財務系統(tǒng)獨立部署時， 重量化共享平臺必然要獨立部署， 因此， 重量化共享服務架構的共享服務中心將面臨多套共享平臺， 不同平臺間的人員崗位、請求派轉、服務流程、水平協(xié)議的統(tǒng)一及協(xié)同化的難度將日趨加大， 運維的成本與效率問題也將紛至沓來。 相反， 輕量化共享服務架構是通過與業(yè)務系統(tǒng)相集成的方式實現(xiàn)服務請求的提交、派轉和處理， 并且共享服務流程運行在共享服務平臺上， 而財務、業(yè)務交易數據依舊存儲在原應用系統(tǒng)中， 這樣既可實現(xiàn)業(yè)務的快速響應， 又不會因合規(guī)問題而使財務系統(tǒng)獨立于集團一體化平臺之外， 從而有助于共享服務中心提高自身的敏捷性， 并進一步向中臺建設發(fā)展。

3. 優(yōu)化共享服務中心客戶的服務體驗。 共享服務中心與中臺建設的最終目的都是通過服務來支撐前臺業(yè)務， 將業(yè)務能力沉淀并抽象成服務的方式輸出， 確保最低服務體驗標準， 以提升前臺用戶的體驗。 這也是中臺建設與傳統(tǒng)信息系統(tǒng)建設最大的區(qū)別之一。 傳統(tǒng)的ERP系統(tǒng)就是典型的后臺信息系統(tǒng)， 在滿足人財物一體化、流程自動化的過程中， 更多考慮的是企業(yè)的管控、效率、分析與績效， 例如在自動生成會計憑證的同時歸集各類數據和信息， 從而使決策者與管理者實時了解經營、資金、預算、財務等狀況。 它要求所有數據都是透明的、實時的、可全過程追溯的。 但在這種管控要求之下， 對用戶操作的實時性要求、輸入量要求、準確性要求很高， 操作用戶的體驗必然受到一定的制約。 這并非中臺特別是數據中臺的建設目標， 中臺更多強調的是客戶體驗， 是業(yè)務和數據服務。 對于為了強化企業(yè)整體控制、風險與合規(guī)性要求的業(yè)務流程， 如果不能通過中臺實現(xiàn)， 則更適合放在后臺系統(tǒng)。

因此， 共享服務中心的數字化轉型要借鑒中臺的服務體驗思想， 對于強調服務的業(yè)務流程應向提高體驗的方向發(fā)展， 以客戶為中心提供定制化服務， 通過人機協(xié)作有效參與管理流程， 利用多種渠道與客戶進行交流。 例如： 運用基于RPA技術的虛擬客戶助理， 全天候為客戶解決問題， 從而增強客戶體驗;建立起共享服務運營平臺， 在跨職能、跨地理位置的共享服務中心通過一個整體的平臺來集中管理資源和分配工作， 實現(xiàn)共享服務中心作業(yè)人員和派單人員的高效協(xié)作， 提高作業(yè)效率、作業(yè)質量和客戶滿意度。 這類以客戶體驗為導向的數字化轉型舉措， 可使共享服務中心形成以客戶為中心的工作流程， 為每一位客戶提供個性化且穩(wěn)定一致的客戶體驗， 在共享服務中心的每個觸點上都體現(xiàn)出對員工和客戶的價值。 這給未來中臺建設過程中考慮服務對象提供了重要的思想和工作流程基礎。

（三）建設基于共享服務中心的數據中臺架構

在技術維度上， 每個企業(yè)不可能有完全相同或標準的數據中臺架構， 數據中臺也不適合用某種特定特征或某項數據技術來做概念界定。 但是， 數據處理和利用的基本方法論、共享服務中心與數據中臺的關系， 可為構建基于共享服務的數據中臺架構提供思路。 一方面， 數據中臺作為一種數據處理和利用方法論， 基于企業(yè)全局數據， 形成統(tǒng)一的數據標準、計算口徑， 統(tǒng)一保障數據質量， 并面向數據分析場景構建數據模型， 使通用計算和數字服務沉淀并能復用。 這套方法論能適應數字經濟時代下的發(fā)展特性， 解決企業(yè)數據共享和數據治理問題， 滿足多元業(yè)務下不同應用場景數據使用和數據創(chuàng)新業(yè)務需求， 是企業(yè)在數據優(yōu)先思維指引下實現(xiàn)數據價值的核心。 因此， 企業(yè)需求固然影響數據中臺架構， 但數據處理和利用的方法論是數據中臺架構的基本思路。 另一方面， 數據中臺實際上是共享服務理念和企業(yè)級互聯(lián)網架構的結合， 共享和服務本身就是數據中臺核心理念的一部分。 但數據中臺不僅能滿足內部流程和功能的需要（如財務共享服務更有效率地進行賬務處理）， 更是從客戶體驗的角度開發(fā)數據服務功能。 因此， 數據中臺必須以共享服務為基礎， 并進一步把共享服務中心生成的數據體系業(yè)務化， 為前臺提供數據生產力。

基于上述分析， 本文將數據中臺架構分為數據基礎層、數據體系層、數據治理層和數據應用層（詳見下圖）。 其中： 數據基礎層是數據中臺的底層數據和技術支撐， 是數據、計算和存儲能力的保障;數據體系層是為了使數據具備快速服務能力而進行的一系列“整理”活動， 包括數據倉庫、數據標簽和數據開發(fā)等;數據治理層是共享服務中心向數據中臺轉變的關鍵， 涉及有關數據管理的技術、過程、標準和政策的集合;數據應用層則通過業(yè)務場景和數據沉淀將數據中臺的能力輸出。 這既是運用數據中臺建設方法論的過程， 也是基于共享服務升級的過程。

1. 數據基礎層。 數據基礎層涵蓋數據采集、數據計算和數據存儲等方面的內容。

（1）基于共享服務中心， 數據中臺的數據采集范圍擴展到企業(yè)級的所有數據， 其構建的不只是財務數據中臺， 而是內部各個業(yè)務系統(tǒng)數據互聯(lián)互通的企業(yè)級數據中臺。 隨著“智能+平臺+生態(tài)”的發(fā)展， 共享服務中心的應用由企業(yè)內部業(yè)務的集成， 逐步轉向基于價值鏈、生態(tài)圈的企業(yè)內外部資源整合與優(yōu)化， 橫向連通各個業(yè)務部門， 縱向打通集團、分子公司乃至外部主體， 加強與供應商信息系統(tǒng)、客戶信息系統(tǒng)、外部商旅平臺、外部電商平臺及稅務監(jiān)管平臺的業(yè)務和數據交互[4] 。 為實現(xiàn)這種廣泛的數據采集， 共享服務中心需： 在各類平臺結合使用客戶端和服務端埋點（在應用中由特定流程收集一些信息， 用來跟蹤應用使用狀況， 從而進一步優(yōu)化產品或提供運營的數據）方式， 采集線上行為數據;通過物聯(lián)網傳感器等方式實現(xiàn)線下數據采集;利用網絡爬蟲自動抓取互聯(lián)網信息。

（2）共享服務中心為數據中臺提供的技術基礎， 成為數據中臺計算和存儲能力的來源。 具體來看， 計算能力根據應用場景可分為： ①批計算。 對海量、速度要求不高的數據進行批處理， 如數據倉庫加工處理、大規(guī)模數據清洗和挖掘等。 ②實時流計算。 使用對數據加工處理和應用有較強時效性的場景， 如實時顯示數據動態(tài)的可視化大屏。 ③在線查詢。 用于數據結果的在線查詢、檢索、條件過濾和篩選等。 ④即席分析。 對大規(guī)模的數據集進行快速多維交叉分析， 滿足多種分析類應用。 根據存儲要求， 數據中臺可選擇通過計算機網絡互連來分配任務的分布式存儲系統(tǒng)、處理海量數據并具有較高可擴展性的No SQL數據庫， 或基于云計算技術來共享基礎架構的云數據庫。 其中， 財務共享服務中心數字化轉型過程中云平臺的搭建， 為數據中臺部署云技術以提高計算和存儲能力創(chuàng)造了有利條件。

2. 數據體系層。 數據應用的核心是效率。 在瞬息萬變的市場中， 以數據驅動為基礎的信息化架構， 必須具備對公司經營變化和業(yè)務創(chuàng)新的快速響應能力。 在數據基礎層， 數據中臺只對企業(yè)各個來源的數據做采集、整合， 并未做過多的加工處理， 數據基本還是原始結構。 而且業(yè)務系統(tǒng)更多是按流程而非業(yè)務本質組織數據， 并不方便業(yè)務理解， 更不適合做分析、挖掘， 數據應用要經過長時間的準備工作， 難以實現(xiàn)快速響應。 因此， 需通過統(tǒng)一數據倉庫、設置數據標簽、對數據開發(fā)建模等方式進行整理， 為數據的快速調用和能力沉淀做鋪墊。

（1）統(tǒng)一數據倉庫。 數據中臺會對來自共享服務中心分散、標準不統(tǒng)一的數據進行抽取、清洗和轉換， 通過實時的分類、整理、加工， 使其成為清晰有序、有條理、有脈絡的有用信息， 加載到統(tǒng)一的數據倉庫中。 這一步實際上要解決的是標準化問題， 以財務共享服務獲取的數據為例， 共享服務實現(xiàn)了會計科目、會計政策、業(yè)務流程和信息系統(tǒng)的統(tǒng)一， 但更重要的是實現(xiàn)了數據標準的統(tǒng)一。 數據中臺必須明確財務數據的入賬規(guī)則， 進而明確數據的明細標準規(guī)范。 在統(tǒng)一明細標準規(guī)范下， 憑證所附帶的財務數據具備一定的顆粒度， 能夠有效地將數據中臺與業(yè)務數據結合起來進行業(yè)財務分析， 并以此作為封裝財務能力、提供標準財務服務的基礎。

（2）設置數據標簽。 在對數據統(tǒng)一標準后， 同一個對象的各種信息仍可能分散在不同的數據域， 獲取某一要素的全面信息要通過各種關聯(lián)計算才能滿足業(yè)務的需要， 數據使用成本較高且影響時效。 例如， 要得到完整的客戶畫像， 可能需要到客戶域獲取基本信息， 到交易域獲取訂單信息， 再到社交域獲取關系信息等。 類似這種客戶的全面數據， 是多個業(yè)務的共同需求， 可通過設置數據標簽來滿足。 數據標簽就像建立索引一樣， 把單個對象的各種標識打通歸一， 把跨業(yè)務板塊、數據域的對象數據在同一個粒度基礎上組織起來打到對象上， 既讓數據變得可閱讀、易理解， 方便業(yè)務使用， 又通過標簽類目體系將標簽組織排布， 以一種適用性更好的組織方式匹配未來變化的業(yè)務場景需求。

（3）數據建模開發(fā)。 以共享服務中心各業(yè)務線為接口進行采集并整理的數據， 打破了原本的數據孤島， 下一步則需考慮如何對數據的價值進行開發(fā)。 德勤[6] 認為， 共享服務中心需具備從組織數據中洞察核心觀點的強大分析能力， 通過預測性分析來支持企業(yè)的前瞻性決策， 以創(chuàng)新的視角提供更具戰(zhàn)略性的增值服務。 而具體實現(xiàn)是通過數據建?；蚶脵C器學習的智能化模型， 以便未來形成服務化的數據應用。 數據模型可分為基礎模型、融合模型和挖掘模型[2] ， 其中： 基礎模型一般是關系建模， 主要實現(xiàn)數據的標準化;融合模型一般是維度建模， 主要實現(xiàn)跨越數據的整合， 整合形式包括匯總、關聯(lián)、解析;挖掘模型是偏應用的模型， 作為企業(yè)的知識沉淀在中臺， 可在數據應用端調取復用。

3. 數據治理層。 共享服務中心經過數字化轉型， 已經存在大量的數據， 甚至成為企業(yè)的大數據中心， 但企業(yè)仍難以從數據中發(fā)現(xiàn)價值進而驅動業(yè)務創(chuàng)新。 而且， 復雜的云環(huán)境、模態(tài)繁多的數據類型和海量數據對共享服務中心數據質量管理、數據隱私和安全等都提出了巨大挑戰(zhàn)， 這是共享服務中心目前所欠缺的能力。 解決上述問題的關鍵舉措就是在數據中臺開展數據治理。

數據治理是圍繞數據資產展開的一系列工作， 它以服務組織各層決策為目標， 涉及有關數據管理的技術、過程、標準和政策的集合。 該定義有兩個關鍵點： 第一， 數據治理的對象是數據資產。 中國信通院[7] 將數據資產定義為： “由企業(yè)擁有或控制的， 能夠為企業(yè)帶來未來經濟利益的， 以物理或者電子的方式記錄的數據資源， 如文件資料、電子數據等?！?當前， 數據是一種特殊資產的觀念已逐漸普及， 盡管在資產負債表中未列示其價值， 但數據的管理成本和價值創(chuàng)造卻是明顯的。 第二， 數據治理以一整套管理集合為手段， 其目的是將共享服務形成的大量數據作為企業(yè)的商業(yè)資產應用于業(yè)務、管理、戰(zhàn)略決策中， 在確保質量和安全的前提下發(fā)揮數據資產的商業(yè)價值。 因此， 在數據中臺引入數據治理， 使其介于數據體系和數據應用間這一承上啟下的重要位置， 有助于解決共享服務中心在數據應用和管理上的缺陷。 構建完整的數據治理框架成為共享服務中心向數據中臺轉變的關鍵一步。

數據治理的概念自提出以來， 其框架處于不斷完善和發(fā)展當中。 Khatri和Brown[8] 提出的模型框架具有較大的影響力， 包含了數據準則、數據質量、元數據、數據訪問和數據生命周期五個決策域。 由此發(fā)展起來的傳統(tǒng)數據治理模型通常還包含數據標準管理、數據模型管理、數據安全管理等內容， 中國信通院[7] 在此基礎上， 加入了數據價值管理、數據共享管理等。 可見， 數據治理的內容涉及較多數據管理專業(yè)知識， 與財務人員的知識體系有較大不同。 當前， 企業(yè)數據治理通常由數據治理部門發(fā)起并推行， 但財務人員作為共享服務中心、數據中臺建設的主要推動者， 起到不可忽視的作用。 《中國總會計師（CFO）能力框架》中指出， CFO應具備數據治理能力， 可以組織分析各項會計數據與業(yè)務數據（非會計數據）， 方便、安全、快捷、可靠、敏銳地利用數據進行決策支持。 這是新的商業(yè)環(huán)境對財務人員提出的新要求， 同時表明數據治理應和各個商業(yè)部門相結合， 而非僅僅是IT 部門的事情。 在數據治理層， 隨著財務人員從后臺逐漸向業(yè)務前臺延伸， 并逐步參與到數據中臺建設這一企業(yè)級的項目中， 財務和業(yè)務的邊界逐漸變得模糊， 財務人員意識到部門之間的合作是必要的。

4. 數據應用層。 數據應用層聚焦于對數字服務能力的沉淀和復用， 直接賦能企業(yè)的業(yè)務發(fā)展。 根據數字服務的不同特征， 數據中臺提供的數字服務可以分為兩大類： 一類是將數據融入企業(yè)具體的業(yè)務中， 基于業(yè)務產生的實時數據和豐富的數據模型開展場景化應用;另一類是基于沉淀數據， 利用人工智能技術進行深度挖掘， 實現(xiàn)數據智能， 智能財務就是其中的典型應用。

在第一類應用中， 強調的是速度， 數據中臺可以快速響應業(yè)務的需求并提供數字服務， 企業(yè)開展業(yè)務創(chuàng)新的周期將因此大大縮短。 例如： 當用戶退出購物應用再馬上進入的瞬間， 應用已根據上次的瀏覽記錄更新了推薦的內容;市場部門可通過手機端查看實時的銷量、銷售指標完成率等數據， 并通過一些數據分析做出相應的決策， 這就是嵌入業(yè)務應用場景的實時數字服務。 數據中臺之所以能實現(xiàn)這樣的速度， 有兩個原因： 一是在數據體系層和數據治理層的基礎上， 由于數據整理到位、管理有效， 盡可能縮短了數據準備時間;二是數據中臺主要通過應用程序編程接口（API）的方式提供數據服務， 即通過機器與機器的接口， 將數據計算分析出來并直接嵌入交易系統(tǒng)中， 而不是直接把數據庫給前臺自行使用， 或根據前臺需求以接單的方式交付數據分析結果。 要實現(xiàn)以產品化模式輸出數據能力， 使之變成業(yè)務的能力。

進一步分析可得， 數據中臺在共享服務基礎上做出的最重要的變化， 就是使交易密集型系統(tǒng)和數據分析型系統(tǒng)合而為一。 傳統(tǒng)的共享服務中心是交易密集型系統(tǒng)， 只負責低端、大量的操作類功能， 在數據上更關注當前的交易量、結構化數據、數據庫表等。 隨著數據的增多， 為了集中存儲、分析數據而形成的數據倉庫、商業(yè)智能系統(tǒng)是數據分析型系統(tǒng)， 更關注歷史數據、數據量、處理效率、非結構化數據、數據趨勢分析等。 數據中臺使這兩類不同的數據應用模式走向融合， 不論是交易密集型業(yè)務還是數據分析型需求， 都能基于統(tǒng)一的數據中臺隨時按需獲取數據。 數據中臺超越了單純共享服務的交易處理范疇， 不僅覆蓋了價值鏈的各個環(huán)節(jié)， 還通過數據服務對業(yè)務具有較強的決定權和影響力， 從而提供了較大的業(yè)務價值。

在第二類應用中， 數據中臺主要為發(fā)揮人工智能作用、實現(xiàn)數據智能打下基礎。 數據智能是指基于大數據技術， 通過大規(guī)模機器學習和深度學習等技術， 對海量數據進行處理、分析和挖掘， 提取數據中所包含的有價值的信息和知識， 使數據具有“智能”， 通過建立模型尋求現(xiàn)有問題的解決方案和實現(xiàn)預測等， 并認為數據智能的實現(xiàn)有賴于中臺戰(zhàn)略思想下數據中臺的建設。 大數據、算力和算法改進是人工智能的三大要素， 數據中臺的建設為人工智能提供了足夠大的數據量， 并通過清洗、標注等處理工作為算法模型訓練輸入做了準備， 在一定程度上解決了數據流通不暢、數據質量不高和安全風險較大等問題。 可見， 數據中臺能為人工智能的發(fā)展和應用提供可靠支持， 進而實現(xiàn)數據智能。

（四）建立企業(yè)數據中臺持續(xù)運營機制

1. 明確數據中臺的戰(zhàn)略定位。 企業(yè)應將數據中臺定位為一個全員參與、加強部門間合作的組織戰(zhàn)略， 而非僅僅是一個新的技術方案。 一方面， 數據中臺的運營涉及多個部門的聯(lián)動配合， 僅靠單一部門往往難以支撐。 為此， 企業(yè)需培養(yǎng)全員的數據意識， 把數據中臺作為一個全體員工尤其是戰(zhàn)略管理層和執(zhí)行管理層都重視的組織戰(zhàn)略。 在建立共同認知和統(tǒng)一意識的基礎上， 聯(lián)合各個部門建設可復用的數據分析能力， 真正實現(xiàn)為業(yè)務賦能的目標。 另一方面， 很多企業(yè)過分關注數據中臺技術架構的建設， 一味追求新的數據分析技術， 忽略了業(yè)務人員基于數據的合作及如何解決實際業(yè)務中的問題。 Gartner指出， 企業(yè)沒有必要為了數據中臺這個新詞放棄已建立的數據倉庫、數據湖等數據資產， 但也不能只是把原來遺留的問題從數據倉庫、數據湖轉移到當前的數據中臺[9] 。 企業(yè)應思考如何將新的技術運用到業(yè)務和管理中， 而非寄希望于購買或搭建一套數據中臺便可自動解決問題。

2. 加強業(yè)務端的數據分析能力。 企業(yè)需要從業(yè)務流程到技術平臺“自上而下”地提高數據分析能力。 在數據中臺架構中， 各類數字應用所支持的業(yè)務流程位于上層， 信息系統(tǒng)、數據來源等技術平臺位于下層。 Gartner發(fā)現(xiàn)， 在企業(yè)前期投入信息化和數字化建設時， 大多是“自下而上”地部署數據倉庫、設計數據處理流程和報表系統(tǒng)， 然后將其供業(yè)務使用[9] 。 但業(yè)務獲得這些能力是被動的， 并不會主動提升自己的數據分析能力。 為了使業(yè)務培養(yǎng)數據驅動思維、獲得數據分析能力， 真正讓數據中臺主動被前臺使用， 必須強調從業(yè)務端開始做數據分析， 進而從技術端獲取相應的數據分析能力。

3. 不斷提高各類人員的數據素養(yǎng)。 各類員工較高的數據素養(yǎng)是促進部門間合作、讓數據中臺持續(xù)發(fā)揮作用的保證。 讓業(yè)務變得更主動， 并不等于業(yè)務人員不需要和數據技術人員溝通， 雙方均需要根據合作的要求提升數據素養(yǎng)， 才能成為復合型人才。 對業(yè)務人員而言， 要理解數據技術能力的有限性， 不能想當然地認為數據可以解決所有問題或者可以立刻解決問題; 同時也要學習數據科學理論， 使自身能和技術人員進行一定程度的對話。 對數據技術人員而言， 需要在原有的數據工作基礎上， 學會站在業(yè)務端思考問題， 增加對業(yè)務知識、業(yè)務人員、業(yè)務操作的理解， 同時協(xié)助業(yè)務人員進行必要的場景需求抽象， 把數據概念、數據能力、數據產品轉化為業(yè)務能理解、操作的水平和方式。

四、數據中臺是財務數字化轉型與智能財務實現(xiàn)的中間連接點

通過構建基于共享服務的數據中臺可看出， 數據中臺并不是一項獨立的技術， 而是數據處理的一套架構， 并形成了數據集市， 成為財務數字化轉型與智能財務實現(xiàn)的中間連接點。 數據集市是指為滿足特定部門或用戶的需求， 按多維方式存儲， 包括定義維度、需要計算的指標、維度的層次等， 進而生成面向決策分析需求的數據立方體。 共享服務模式下的數據中臺創(chuàng)建出多種數據集市， 包括財務數據、業(yè)務數據、基礎數據、第三方數據、文本數據和影像圖片數據等集市， 數據中臺對不同數據源統(tǒng)一標準、格式、口徑并形成數據資產， 在數據集市中通過移動端或PC端調出有用數據并應用到前端， 按需求提供數據支持服務、挖掘數據商業(yè)價值。

由財務共享服務向共享服務再到數據中臺的轉變， 形成的一套數據處理架構解決了業(yè)務數據化、數據孤島等問題， 為數據運用做了一系列準備工作， 形成了豐富的數據集市。 未來在數據中臺的基礎上， 通過人工智能技術的深度場景化應用， 增強數據“思考”的能力。 這將有利于進一步構建數據智能， 提供豐富的算法， 通過業(yè)務數據化、決策場景化， 為決策者的科學決策提供有價值的服務信息， 反哺業(yè)務能力的快速創(chuàng)新與靈活應對， 實現(xiàn)真正意義上的智能財務。

總之， 由數據中臺實現(xiàn)的數據能力， 是企業(yè)實現(xiàn)智能財務的基礎， 它通過內外部數據的深層次洞察獲取新的商業(yè)機會、捕捉風險， 再通過智能分析技術構建不同部門、不同領域的數據模型， 實現(xiàn)數據的可視化， 優(yōu)化企業(yè)的財務決策與商業(yè)決策。

【 主 要 參 考 文 獻 】

[ 1 ] ? 陳新宇等.中臺戰(zhàn)略：中臺建設與數字商業(yè)[M].北京：機械工業(yè)出版社，2019：94 ～ 148.

[ 2 ] ? 韓向東，屈濤.基于數據中臺的管理會計信息化框架及創(chuàng)新應用[ J].管理會計研究，2020（Z1）：116 ～ 124+136.

[ 3 ] ? 陳虎，郭奕.財務數字基建 ?賦能企業(yè)轉型[ J].財會月刊，2020（13）：15 ～ 21.

[ 4 ] ? 王興山.數字化轉型中的財務共享[M].北京：電子工業(yè)出版社，2018：69 ～ 82.

[ 5 ] ? 馮宇.論共享服務中心建設不能承受之“重”[EB/OL].https：//mp.weixin.qq.com/s？_biz=MzIxMjQyOTA4NA==&mid=2247507488&idx=1&sn=c1839ee4950df60f1b6d5e3a6e61e39c&source=41#wechat_redirect，2020-06-04/2020-07-14.

[ 6 ] ? 德勤.建設數字化全球商業(yè)服務中心的驅動力、趨勢與方式[R].德勤，2019.

[ 7 ] ? 中國信通院.數據資產管理實踐白皮書4.0[R].中國信通院，2019.

[ 8 ] ? ?Khatri V.， Brown C. V..Designing data governance[ J].Communications of the ACM，2010（1）：148 ～ 152.

[ 9 ] ? 孫鑫.Gartner對企業(yè)建設數據中臺的4個建議[EB/OL].https：//mp.weixin.qq.com/s/zYG2qnfWmlJizcTeBNKMlQ，2020-06-12/2020-07-23.