張慶龍

【摘要】智能財(cái)務(wù)不是簡單的“人工智能+財(cái)務(wù)”或者“財(cái)務(wù)+人工智能”， 其應(yīng)用技術(shù)的實(shí)現(xiàn)有其工作原理，需要具備“閉環(huán)思維”。 通過借鑒人工智能在其他領(lǐng)域的應(yīng)用場景與技術(shù)原理， 總結(jié)出智能財(cái)務(wù)應(yīng)用的技術(shù)原理， 包括： 特定財(cái)務(wù)工作場景的數(shù)據(jù)化; 基于財(cái)務(wù)工作邏輯的算法化及其迭代優(yōu)化; 將數(shù)據(jù)智能與財(cái)務(wù)工作場景融合實(shí)現(xiàn)產(chǎn)品化; 實(shí)現(xiàn)智能財(cái)務(wù)應(yīng)用的平臺(tái)化。 這四條技術(shù)原理構(gòu)成智能財(cái)務(wù)應(yīng)用的反饋閉環(huán)。

【關(guān)鍵詞】智能財(cái)務(wù);技術(shù)原理;數(shù)據(jù)化;算法化;產(chǎn)品化;平臺(tái)化

【中圖分類號(hào)】 F232? ? ?【文獻(xiàn)標(biāo)識(shí)碼】A? ? ? 【文章編號(hào)】1004-0994（2021）07-0021-6

一、引言

技術(shù)原理并不等價(jià)于專業(yè)的技術(shù)知識(shí)。 事實(shí)上， 某項(xiàng)應(yīng)用的技術(shù)原理涵蓋了思想層面、架構(gòu)層面和代碼層面。 了解基本的思想和架構(gòu)層面的原理， 有助于我們根據(jù)千變?nèi)f化的具體工作場景， 通過分析和判斷找到創(chuàng)造性的應(yīng)用模式。

要構(gòu)建智能財(cái)務(wù)應(yīng)用場景的技術(shù)原理， 可以從商業(yè)應(yīng)用原理和數(shù)據(jù)技術(shù)原理兩個(gè)維度進(jìn)行討論。 在商業(yè)應(yīng)用原理上， 阿里巴巴集團(tuán)的曾鳴[1] 根據(jù)螞蟻小貸的運(yùn)營模式， 描述了未來智能商業(yè)的樣貌：“特定商業(yè)場景的數(shù)據(jù)化、忠實(shí)于商業(yè)邏輯的算法及其迭代優(yōu)化， 以及將數(shù)據(jù)智能與商業(yè)場景無縫融合的產(chǎn)品， 這三件事融會(huì)貫通、相互包含， 在反饋閉環(huán)中共同演化?！?產(chǎn)品化的智能應(yīng)用將用戶的行為數(shù)據(jù)向云端反饋， 云端的數(shù)據(jù)智能又通過產(chǎn)品傳遞給客戶端， 由此構(gòu)成的反饋閉環(huán)使機(jī)器永不停歇地學(xué)習(xí)、實(shí)時(shí)敏捷地進(jìn)行優(yōu)化。

在數(shù)據(jù)技術(shù)原理上， 安德魯·麥卡菲等[2] 提出， 各種智能技術(shù)的應(yīng)用離不開五個(gè)并行、相互依賴和重疊的領(lǐng)域的最新進(jìn)展， 分別是數(shù)據(jù)、算法、網(wǎng)絡(luò)、云端和指數(shù)級(jí)改進(jìn)的硬件。 價(jià)格大幅下降的感應(yīng)裝置作為數(shù)據(jù)采集的新手段， 產(chǎn)生了大量數(shù)據(jù)， 激活了更高速度的創(chuàng)新和實(shí)驗(yàn); 這些數(shù)據(jù)被用于測試和優(yōu)化算法， 幫助系統(tǒng)進(jìn)行學(xué)習(xí); 同時(shí)， 算法被置于云端服務(wù)器當(dāng)中， 并通過強(qiáng)大的網(wǎng)絡(luò)分發(fā)給機(jī)器， 使每個(gè)終端都享有超強(qiáng)的計(jì)算能力和先進(jìn)的算法; 在此基礎(chǔ)上， 創(chuàng)新者又開展下一輪的測試和實(shí)驗(yàn)， 產(chǎn)生更多的數(shù)據(jù)， 如此周而復(fù)始， 持續(xù)下去。 可以發(fā)現(xiàn)， 無論是基于應(yīng)用角度還是技術(shù)角度， 最終都強(qiáng)調(diào)數(shù)據(jù)從產(chǎn)生到運(yùn)用需要形成一個(gè)閉環(huán)。

本文認(rèn)為， 智能財(cái)務(wù)不是簡單的“人工智能+財(cái)務(wù)”或“財(cái)務(wù)+人工智能”， 其應(yīng)用技術(shù)的實(shí)現(xiàn)有其工作原理， 同樣需要具備閉環(huán)思維。 在財(cái)務(wù)轉(zhuǎn)型過程中， 我們廣泛借鑒了數(shù)字經(jīng)濟(jì)時(shí)代下的平臺(tái)、連接、共享、協(xié)同和智能化思維， 充分利用新的數(shù)字技術(shù)實(shí)現(xiàn)財(cái)務(wù)共享服務(wù)的數(shù)字化轉(zhuǎn)型， 在構(gòu)建智能財(cái)務(wù)應(yīng)用的過程中也參考了互聯(lián)網(wǎng)應(yīng)用的設(shè)計(jì)理念， 借鑒了人工智能在其他領(lǐng)域的應(yīng)用場景。 從本質(zhì)上來說， 智能財(cái)務(wù)的構(gòu)建是在整個(gè)智能商業(yè)的環(huán)境下發(fā)生的， 需要遵循數(shù)據(jù)科學(xué)的基本規(guī)律， 智能財(cái)務(wù)的技術(shù)原理與上述兩個(gè)維度的閉環(huán)具有相通之處。

基于此， 本文提出智能財(cái)務(wù)的技術(shù)原理： 第一， 特定財(cái)務(wù)工作場景的數(shù)據(jù)化（簡稱“數(shù)據(jù)化”）; 第二， 基于財(cái)務(wù)工作邏輯的算法化及其迭代優(yōu)化（簡稱“算法化”）; 第三， 將數(shù)據(jù)智能與財(cái)務(wù)工作場景融合實(shí)現(xiàn)產(chǎn)品化（簡稱“產(chǎn)品化”）; 第四， 實(shí)現(xiàn)智能財(cái)務(wù)應(yīng)用的平臺(tái)化（簡稱“平臺(tái)化”）。 這四個(gè)技術(shù)原理構(gòu)成了智能財(cái)務(wù)應(yīng)用的反饋閉環(huán)。

二、特定財(cái)務(wù)工作場景的數(shù)據(jù)化

會(huì)計(jì)行為本身就是一種數(shù)據(jù)化行為， 其本質(zhì)是將一種會(huì)計(jì)現(xiàn)象轉(zhuǎn)變?yōu)榭闪炕问降倪^程。 傳統(tǒng)的復(fù)式記賬法通過數(shù)據(jù)直接反映經(jīng)營主體的盈虧， 奠定了以標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行記錄的基礎(chǔ)。 當(dāng)前， 互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展進(jìn)一步推動(dòng)了數(shù)據(jù)化的深度和廣度。

不同層面的數(shù)據(jù)化有不同的側(cè)重點(diǎn)， 前端的智能財(cái)務(wù)機(jī)器人和中間層面的智能財(cái)務(wù)助理更強(qiáng)調(diào)充分、完全的數(shù)據(jù)采集， 并不斷向后傳遞， 同時(shí)實(shí)現(xiàn)一定程度的分析; 中高層的智能管理會(huì)計(jì)應(yīng)用到后端的智慧企業(yè)大腦更強(qiáng)調(diào)在數(shù)據(jù)治理的基礎(chǔ)上對(duì)數(shù)據(jù)的不斷利用， 并最終匯集到企業(yè)的大數(shù)據(jù)中心， 而構(gòu)建起前后連接的正是數(shù)據(jù)中臺(tái)。 按照數(shù)據(jù)采集和處理的過程， 數(shù)據(jù)化有以下技術(shù)要點(diǎn)：

1.實(shí)現(xiàn)更充分的數(shù)據(jù)采集以及超越自動(dòng)化的認(rèn)知智能。 數(shù)據(jù)的采集可分為以下三個(gè)維度：

（1）基于特定標(biāo)準(zhǔn)和格式的采集。 可按數(shù)據(jù)發(fā)起端和數(shù)據(jù)接收端進(jìn)行分類。 數(shù)據(jù)發(fā)起端包括由各類主體開具的數(shù)據(jù)電文形式的收付款憑證， 如電子發(fā)票等電子檔案。 當(dāng)然， 電子形式的數(shù)據(jù)來源只是財(cái)務(wù)機(jī)器人可采集數(shù)據(jù)的最簡單形式， 面對(duì)非結(jié)構(gòu)化的數(shù)據(jù)， 則需要在數(shù)據(jù)接收端提升采集能力。 數(shù)據(jù)接收端包括運(yùn)用光學(xué)字符識(shí)別（OCR）和文本分析技術(shù)進(jìn)行視覺識(shí)別、運(yùn)用自然語言處理（NLP）和語音技術(shù)進(jìn)行聽力識(shí)別等， 這類對(duì)于文件信息（如發(fā)票）的識(shí)別， 實(shí)際上是基于預(yù)定位置和邏輯而實(shí)現(xiàn)的， 對(duì)于不同的票據(jù)均需要專門定義。

（2）基于任意標(biāo)準(zhǔn)格式的采集。 由于財(cái)務(wù)所接收的文件并不都具備統(tǒng)一格式和報(bào)告標(biāo)準(zhǔn)， 因此數(shù)據(jù)的采集不能僅基于具體位置的預(yù)定義邏輯， 還需要發(fā)揮人工智能認(rèn)知技術(shù)自主選擇提取特定數(shù)據(jù)的作用。 只有這樣， 數(shù)據(jù)采集的來源才可能延伸到非結(jié)構(gòu)化或半結(jié)構(gòu)化文檔中， 如審計(jì)報(bào)告、財(cái)務(wù)報(bào)表以及其他格式不同的研究報(bào)告和法律合同等， 為提供更高層次的機(jī)器學(xué)習(xí)、分析和應(yīng)用提供資源。

（3）基于書面內(nèi)容以外的行為數(shù)據(jù)的采集。 除了上述以書面形式呈現(xiàn)的數(shù)據(jù)源， 面對(duì)更加細(xì)化的行為數(shù)據(jù)， 智能財(cái)務(wù)可通過終端采集， 而且相較于PC端， 其更強(qiáng)調(diào)智能手機(jī)等移動(dòng)終端。 移動(dòng)終端作為企業(yè)應(yīng)用的重要數(shù)據(jù)采集器， 可采集的數(shù)據(jù)顆粒度大大細(xì)化。 參考史雁軍[3] 列舉的可以從移動(dòng)終端用戶獲取的數(shù)據(jù)類型， 智能財(cái)務(wù)可考慮在為企業(yè)內(nèi)外用戶提供服務(wù)時(shí)獲取以下類型的數(shù)據(jù)： ①使用情況， 包括用戶處理業(yè)務(wù)的內(nèi)容和使用頻率; ②信用情況， 特別是外部客戶的還款行為和社會(huì)信用狀態(tài); ③位置信息， 用以識(shí)別用戶的活動(dòng)區(qū)域范圍和相關(guān)屬性， 并與時(shí)間進(jìn)行關(guān)聯(lián); ④潛在價(jià)值， 即綜合用戶的各項(xiàng)數(shù)據(jù)和歷史信息變化， 預(yù)測用戶的價(jià)值發(fā)展趨勢; ⑤財(cái)務(wù)數(shù)據(jù)， 用來記錄用戶的歷史交易（如出差報(bào)銷、采購活動(dòng)等）并進(jìn)行趨勢分析。

2.對(duì)采集的數(shù)據(jù)進(jìn)行治理以便更好地提供服務(wù)。 這本質(zhì)上是數(shù)據(jù)中臺(tái)數(shù)據(jù)應(yīng)用閉環(huán)的體現(xiàn)。 在數(shù)據(jù)服務(wù)方面， 主要通過數(shù)據(jù)中臺(tái)對(duì)所采集的數(shù)據(jù)功能進(jìn)行激活， 具體則是強(qiáng)化數(shù)據(jù)治理。 財(cái)務(wù)需要在企業(yè)數(shù)據(jù)戰(zhàn)略、管理政策的框架下， 進(jìn)行數(shù)據(jù)架構(gòu)、數(shù)據(jù)標(biāo)準(zhǔn)、主數(shù)據(jù)等工作的治理咨詢， 并進(jìn)行數(shù)據(jù)需求管理、數(shù)據(jù)倉庫平臺(tái)建設(shè)和應(yīng)用流程的建立和評(píng)估[4] 。 智能財(cái)務(wù)助理作為面向業(yè)務(wù)人員和財(cái)務(wù)人員個(gè)體的助理型應(yīng)用， 強(qiáng)調(diào)快速和靈活性， 以往的數(shù)據(jù)處理都無法做到， 這正是數(shù)據(jù)中臺(tái)的優(yōu)勢體現(xiàn)， 也是建立智能財(cái)務(wù)必須從財(cái)務(wù)共享服務(wù)數(shù)字化轉(zhuǎn)型、建立數(shù)據(jù)中臺(tái)開始的根本原因。 在此基礎(chǔ)上， 財(cái)務(wù)部門可以建立起數(shù)據(jù)集市， 將不同來源的數(shù)據(jù)關(guān)聯(lián)起來并加以標(biāo)準(zhǔn)化， 描繪出用戶需求的動(dòng)態(tài)圖[5] 。 其背后的本質(zhì)是通過對(duì)相關(guān)元數(shù)據(jù)的加工， 構(gòu)建完整的財(cái)務(wù)語義層模型， 以滿足場景化的需求， 這是實(shí)現(xiàn)人機(jī)交互的必要前提。 對(duì)此， 國資委在發(fā)布的《關(guān)于加快推進(jìn)國有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》中也明確提出：“加強(qiáng)數(shù)據(jù)標(biāo)準(zhǔn)化、元數(shù)據(jù)和主數(shù)據(jù)管理工作……強(qiáng)化業(yè)務(wù)場景數(shù)據(jù)建模， 深入挖掘數(shù)據(jù)價(jià)值， 提升數(shù)據(jù)洞察能力。” 通過數(shù)據(jù)集市， 可以將用戶行為與財(cái)務(wù)通過數(shù)據(jù)創(chuàng)造的價(jià)值結(jié)合起來， 方便財(cái)務(wù)部門明確哪方面的服務(wù)可以轉(zhuǎn)化為收益， 從而提供更加精確的績效評(píng)價(jià)和反饋。

三、基于財(cái)務(wù)工作邏輯的算法化及其迭代優(yōu)化

1. 算法的基本分類及其應(yīng)用原則。 算法本質(zhì)上就是告訴計(jì)算機(jī)應(yīng)該做什么的一系列指令。 當(dāng)前， 具體的算法和對(duì)算法的分類非常多， 但都基于幾個(gè)基本思路。 佩德羅·多明戈斯[6] 指出， 人工智能領(lǐng)域的核心思想主要?dú)w為五個(gè)學(xué)派， 每個(gè)學(xué)派都有其主算法， 它們分別是：①符號(hào)學(xué)派， 即所有信息都可以簡化為操作符號(hào)進(jìn)行替代表達(dá)和推理， 其主算法是逆向演繹; ②聯(lián)結(jié)學(xué)派， 即模擬大腦神經(jīng)元， 通過調(diào)整各層神經(jīng)元之間的連接強(qiáng)度來進(jìn)行學(xué)習(xí)， 主算法是反向傳播學(xué)習(xí)算法; ③進(jìn)化學(xué)派， 即通過對(duì)參數(shù)進(jìn)行微調(diào)， 使得利用計(jì)算機(jī)模仿自然進(jìn)化成為可能， 主算法是基因編程; ④貝葉斯學(xué)派， 即利用概率推理來處理嘈雜、不完整甚至自相矛盾的信息， 主算法是貝葉斯定理及其衍生定理; ⑤類推學(xué)派， 即在不同場景中認(rèn)識(shí)到相似性， 并由此推導(dǎo)出其他的相似性， 主算法是支持向量機(jī)。 在此基礎(chǔ)上， 佩德羅·多明戈斯[6] 提出了“終極算法”的設(shè)想， 即一種算法可以涵蓋上述各類不同的能力。 需要補(bǔ)充說明的是， 有別于傳統(tǒng)簡單自動(dòng)化的RPA處理， 基于算法的機(jī)器學(xué)習(xí)能力才是財(cái)務(wù)信息技術(shù)從自動(dòng)化躍遷到智能化的根本前提。

基于此， 本文提出財(cái)務(wù)人員學(xué)習(xí)和利用算法的兩大原則： 第一， 根據(jù)對(duì)商業(yè)本質(zhì)的理解、人性的洞察和財(cái)務(wù)數(shù)字化轉(zhuǎn)型的方向設(shè)計(jì)和優(yōu)化算法。 例如， 下文將討論的推薦算法， 本質(zhì)上就是在類推學(xué)派的理念下發(fā)展而來， 它遵循把顧客可能感興趣的商品推銷給顧客的基本商業(yè)邏輯， 或者在考慮決策人非理性因素的情況下， 選擇適用的算法對(duì)決策進(jìn)行優(yōu)化等。 第二， 將算法原理與財(cái)務(wù)專業(yè)相結(jié)合。 智能投顧領(lǐng)域的現(xiàn)代投資組合理論（MPT）模型正是基于貝葉斯分析方法和資本資產(chǎn)定價(jià)理論來構(gòu)建的， 財(cái)務(wù)人員需考慮的是如何將會(huì)計(jì)基本原理和財(cái)務(wù)管理相關(guān)理論與算法結(jié)合。

2. 智能財(cái)務(wù)算法化的技術(shù)原理。 不同層面的應(yīng)用在要實(shí)現(xiàn)的能力提升和選擇的算法上各有不同， 需要基于特定的財(cái)務(wù)工作場景進(jìn)行算法選擇和設(shè)計(jì)。 智能財(cái)務(wù)機(jī)器人要求提升操作和數(shù)據(jù)識(shí)別的準(zhǔn)確性， 偏向于利用聯(lián)結(jié)學(xué)派的神經(jīng)網(wǎng)絡(luò)等算法; 智能財(cái)務(wù)助理要求為員工提供針對(duì)性的數(shù)據(jù)服務(wù)， 偏向于利用類推學(xué)派的相關(guān)算法; 智能管理會(huì)計(jì)應(yīng)用要求的是強(qiáng)大的數(shù)據(jù)處理和預(yù)測能力， 貝葉斯學(xué)派的相關(guān)預(yù)測模型算法可能是較好的選擇; 智慧企業(yè)大腦需要實(shí)現(xiàn)近乎通用的人工智能， 當(dāng)前的算法模型以及算法迭代方式可能并不能滿足需要， 必須創(chuàng)造“終極算法”或?qū)ふ倚碌乃惴ǖ绞健?/p>

需要指出的是， 推薦算法同樣可以運(yùn)用于智能管理會(huì)計(jì)應(yīng)用的數(shù)據(jù)服務(wù)當(dāng)中， 智能財(cái)務(wù)助理也離不開分析和預(yù)測算法模型對(duì)數(shù)據(jù)的處理， 而且一個(gè)應(yīng)用場景所體現(xiàn)的復(fù)雜功能不是僅靠一類算法就可以實(shí)現(xiàn)的。 因此， 各類應(yīng)用與這些算法之間并不是完全對(duì)應(yīng)和界限分明的， 本文就各類算法的突出表現(xiàn)進(jìn)行介紹， 具體應(yīng)用中還是以應(yīng)用場景的需求為標(biāo)準(zhǔn)進(jìn)行判斷和選擇。

（1）與提升操作和識(shí)別準(zhǔn)確性有關(guān)的算法。 智能財(cái)務(wù)應(yīng)用在處理重復(fù)業(yè)務(wù)和采集數(shù)據(jù)的過程中也需要像人類一樣， 通過觀察和適應(yīng)自身的環(huán)境來學(xué)習(xí)， 提高其表現(xiàn)。 深度學(xué)習(xí)領(lǐng)域中的卷積神經(jīng)網(wǎng)絡(luò)（CNN）算法可以通過監(jiān)督學(xué)習(xí)或非監(jiān)督學(xué)習(xí)的形式， 幫助智能財(cái)務(wù)實(shí)現(xiàn)視覺識(shí)別和聽力識(shí)別能力的提高。 以視覺識(shí)別為例， 卷積神經(jīng)網(wǎng)絡(luò)算法可以對(duì)字符識(shí)別數(shù)據(jù)庫進(jìn)行自動(dòng)更新， 并通過對(duì)大量字符集進(jìn)行標(biāo)注和訓(xùn)練， 逐步形成所需要的神經(jīng)網(wǎng)絡(luò)模型， 以達(dá)到媲美人類智能識(shí)別的準(zhǔn)確度。 另外， 還可以根據(jù)所識(shí)別內(nèi)容的不同（如英文、中文、數(shù)字等）配備相應(yīng)的引擎， 進(jìn)一步提高可信度[7] 。 在其他的機(jī)器人工作中也同理， 記賬、報(bào)表生成等也可以隨著用于訓(xùn)練的標(biāo)簽數(shù)據(jù)量的增大而不斷進(jìn)行動(dòng)態(tài)調(diào)整和優(yōu)化。 人腦的學(xué)習(xí)機(jī)制本身就是調(diào)整神經(jīng)元之間連接的強(qiáng)度。 智能財(cái)務(wù)要提高各類自動(dòng)化工作的“熟練度”， 而非定死在某個(gè)指標(biāo)上， 本質(zhì)上就是利用聯(lián)結(jié)學(xué)派算法的理念， 不斷將系統(tǒng)輸出的結(jié)果與想要的結(jié)果進(jìn)行比較， 逐層改變神經(jīng)元之間的連接， 進(jìn)而形成追求最優(yōu)解的能力。

（2）與提供針對(duì)性客戶服務(wù)有關(guān)的算法。 智能財(cái)務(wù)的應(yīng)用不一定要重新研發(fā)新的人工智能技術(shù)， 一個(gè)好的技術(shù)可以在很多行業(yè)成功應(yīng)用， 而我們需要通過深度觀察來選擇成熟的技術(shù)并移植到合適的應(yīng)用場景中。 當(dāng)前， 推薦算法已經(jīng)廣泛應(yīng)用于電商、網(wǎng)絡(luò)媒體和教育信息化等領(lǐng)域， 帶來了巨大的經(jīng)濟(jì)效益并引發(fā)了用戶習(xí)慣的深刻改變。

本文認(rèn)為， 智能財(cái)務(wù)應(yīng)用可以選擇面向客戶的各類分析模型， 其中較為常見的三種為聚類、預(yù)測和推薦[3] 。 聚類是一種應(yīng)用機(jī)器學(xué)習(xí)算法的分析技術(shù)， 目的是從大量數(shù)據(jù)中發(fā)現(xiàn)可能的關(guān)聯(lián)。 簡單來說， 聚類就是從數(shù)據(jù)中發(fā)現(xiàn)類別[8] ， 在智能財(cái)務(wù)應(yīng)用中其對(duì)數(shù)據(jù)集進(jìn)行分析， 從中發(fā)現(xiàn)具有相似個(gè)性特征和社群特征的客戶/用戶群體， 為提供更加有針對(duì)性的數(shù)據(jù)服務(wù)做準(zhǔn)備， 目前相關(guān)算法已較為成熟地應(yīng)用于財(cái)務(wù)共享中心制證環(huán)節(jié)， 通過隨機(jī)森林、TextCNN等算法已經(jīng)可以將財(cái)務(wù)共享中心的經(jīng)濟(jì)活動(dòng)較為精準(zhǔn)（精確度大于96%）地生成會(huì)計(jì)憑證， 實(shí)現(xiàn)通過聚類算法智能制證。 預(yù)測分析是通過學(xué)習(xí)用戶過去的行為來預(yù)測未來行為的傾向性。 智能財(cái)務(wù)可以借此預(yù)測用戶想要獲取的業(yè)務(wù)服務(wù)類型、最希望看到哪些方面的數(shù)據(jù)、最有可能需要學(xué)習(xí)的課程內(nèi)容等。 聚類和預(yù)測是實(shí)現(xiàn)推薦應(yīng)用的前提條件， 根據(jù)推薦技術(shù)的基本原理， 智能財(cái)務(wù)可以建立用戶的個(gè)人信息， 基于內(nèi)外部人員經(jīng)常處理的業(yè)務(wù)、獲取數(shù)據(jù)的權(quán)限、對(duì)共享服務(wù)的評(píng)價(jià)、學(xué)習(xí)的課程等， 了解用戶的特征與潛在需求; 隨后將用戶信息與數(shù)據(jù)庫進(jìn)行比對(duì)， 過濾出用戶相關(guān)的內(nèi)容并加以整合、分類、注解或索引， 利用機(jī)器學(xué)習(xí)的方式提取用戶偏好， 幫助用戶選擇最有用的信息并進(jìn)行推薦。

（3）與提升分析和預(yù)測能力有關(guān)的算法。 財(cái)務(wù)基于數(shù)據(jù)倉庫， 進(jìn)行數(shù)據(jù)挖掘和應(yīng)用分析、支持企業(yè)管理層經(jīng)營決策， 一直是決策支持系統(tǒng)等管理系統(tǒng)致力于實(shí)現(xiàn)的目標(biāo)， 這部分的分析方法和模型往往也最為復(fù)雜。 伴隨著計(jì)算機(jī)應(yīng)用的發(fā)展， 目前主要開發(fā)了基于回歸分析、指數(shù)平滑等方法的預(yù)測模型， 以及基于線性規(guī)劃、線性盈虧方法的決策優(yōu)化分析模型[9] ， 種種相關(guān)的模型集中在模型庫當(dāng)中， 與財(cái)務(wù)專家的經(jīng)驗(yàn)、知識(shí)與科學(xué)方法集于一體， 賦予決策者預(yù)測和分析問題的能力[10] 。 人工智能技術(shù)使得智能體技術(shù)更多地應(yīng)用于模型庫中， 實(shí)現(xiàn)預(yù)測能力的提升[11] 。 但是， 受數(shù)據(jù)量、計(jì)算能力和模型分析能力的限制， 其作用發(fā)揮有限。 當(dāng)前， 在充分?jǐn)?shù)據(jù)化的前提下， 那些影響因素眾多、決策過程復(fù)雜且無規(guī)律可循的半結(jié)構(gòu)化與非結(jié)構(gòu)化決策， 也可以采用機(jī)器學(xué)習(xí)的方式實(shí)現(xiàn)。 在涉及分析、預(yù)測與決策的場景中， 財(cái)務(wù)可以采用無監(jiān)督學(xué)習(xí)算法處理大量非標(biāo)簽化數(shù)據(jù)， 基于數(shù)據(jù)本身的內(nèi)在關(guān)聯(lián)而非傳統(tǒng)的財(cái)務(wù)思維得到特定的決策模型與決策規(guī)則， 為企業(yè)中高層管理者結(jié)合自身的經(jīng)驗(yàn)判斷和個(gè)人偏好進(jìn)行決策提供有效輔助; 在反舞弊與風(fēng)險(xiǎn)控制場景中， 可以采用監(jiān)督學(xué)習(xí)算法提取歷史舞弊案例和相關(guān)財(cái)務(wù)數(shù)據(jù)中的特征， 找到模型的特征與舞弊和財(cái)務(wù)風(fēng)險(xiǎn)之間的相關(guān)性， 提高風(fēng)險(xiǎn)預(yù)警能力。

（4）嘗試開發(fā)“終極算法”或可自動(dòng)切換的算法。 上述算法的選擇和應(yīng)用其實(shí)建立在一種基本的合作模式之上， 那就是財(cái)務(wù)和業(yè)務(wù)專家選擇并獲取相關(guān)數(shù)據(jù)、提出需求， 機(jī)器學(xué)習(xí)專家根據(jù)需求進(jìn)行算法選擇和訓(xùn)練。 但正如阿米爾·侯賽因[12] 指出的， 我們可以找到讓該模型變得更精確的附加數(shù)據(jù)， 但生成該模型的算法不會(huì)發(fā)生變化， 而算法的切換則幾乎相當(dāng)于開啟一項(xiàng)新的工作。 比如， 在智能管理會(huì)計(jì)應(yīng)用中， 開發(fā)出來的反舞弊和風(fēng)險(xiǎn)控制監(jiān)督算法與精益成本管理想要實(shí)現(xiàn)的功能是基于不同的業(yè)務(wù)邏輯， 形成完全不同的算法邏輯。 在前者應(yīng)用場景中所形成的能力不具備可遷移應(yīng)用的特征， 也就意味著企業(yè)需要根據(jù)各個(gè)具體的應(yīng)用領(lǐng)域分別進(jìn)行算法選擇和訓(xùn)練， 開發(fā)成本較高。 而且， 算法遷移應(yīng)用和自我迭代的問題如果不能得到解決， 則很難實(shí)現(xiàn)具備通用人工智能能力的智慧企業(yè)大腦應(yīng)用， 算法可能只會(huì)成為一種更高水平的模型， 而不會(huì)帶來人工智能應(yīng)用對(duì)于企業(yè)的顛覆性變化。 面對(duì)這一問題， 主要有兩種解決思路：第一， 開發(fā)“終極算法”[6] ， 該算法可以應(yīng)用于智能財(cái)務(wù)的各類場景當(dāng)中， 不需要單獨(dú)調(diào)試和訓(xùn)練; 第二， 開發(fā)可以實(shí)現(xiàn)在算法之間無縫轉(zhuǎn)換， 以滿足不同財(cái)務(wù)工作領(lǐng)域訓(xùn)練要求的算法運(yùn)用機(jī)制[12] ， 這樣算法就可以進(jìn)行自我調(diào)整并迭代優(yōu)化， 根據(jù)具體的情況進(jìn)行改變和學(xué)習(xí)， 在較少業(yè)務(wù)專家和機(jī)器學(xué)習(xí)專家參與的情況下實(shí)現(xiàn)自我建設(shè)。

四、將數(shù)據(jù)智能與財(cái)務(wù)工作場景融合實(shí)現(xiàn)產(chǎn)品化

產(chǎn)品化就是把一種技術(shù)或服務(wù)通過標(biāo)準(zhǔn)化、規(guī)范化的流程形成一種可大規(guī)模復(fù)制生產(chǎn)和發(fā)布的能力， 它主要體現(xiàn)的是能力的復(fù)用性和可移植性。 產(chǎn)品化的作用體現(xiàn)在以下兩個(gè)方面：第一， 提高用戶體驗(yàn)， 便于數(shù)據(jù)采集。 曾鳴[1] 指出， 產(chǎn)品可以真正把用戶、數(shù)據(jù)和算法創(chuàng)造性地連接起來， 是與用戶完成個(gè)性化、實(shí)時(shí)、海量、低成本互動(dòng)的端口， 它不僅直接影響了用戶體驗(yàn)， 而且記錄了用戶數(shù)據(jù)， 形成反饋閉環(huán)， 進(jìn)而不斷優(yōu)化以更好地理解客戶需求、提升用戶體驗(yàn)。 對(duì)智能財(cái)務(wù)而言， 智能財(cái)務(wù)機(jī)器人、智能財(cái)務(wù)助理等均可以通過終端的應(yīng)用實(shí)現(xiàn)快速調(diào)用， 這不僅可以實(shí)現(xiàn)更細(xì)顆粒度數(shù)據(jù)的采集與反饋， 而且強(qiáng)化了財(cái)務(wù)的服務(wù)職能。 第二， 便于智能財(cái)務(wù)應(yīng)用的推廣部署， 并形成向外輸出的能力。 傳統(tǒng)財(cái)務(wù)共享服務(wù)中心的功能擴(kuò)展就是承接外部企業(yè)的服務(wù)業(yè)務(wù)， 獨(dú)立經(jīng)營并創(chuàng)造價(jià)值， 這本身是一種產(chǎn)品化的體現(xiàn)， 數(shù)據(jù)中臺(tái)的核心理念更是將形成的數(shù)據(jù)服務(wù)進(jìn)行沉淀和復(fù)用。 當(dāng)企業(yè)的智能財(cái)務(wù)應(yīng)用實(shí)現(xiàn)較高程度的產(chǎn)品化時(shí)， 甚至可以考慮對(duì)外提供相關(guān)服務(wù)， 進(jìn)一步提升財(cái)務(wù)創(chuàng)造價(jià)值的能力。

對(duì)財(cái)務(wù)人員而言， 需要明確在不同的應(yīng)用場景中， 智能財(cái)務(wù)的產(chǎn)品化有不同的表現(xiàn)形式。 智能財(cái)務(wù)機(jī)器人應(yīng)用場景中的技術(shù)通常以軟件形式交付， 根據(jù)不同的具體功能衍生出眾多產(chǎn)品形式， 如對(duì)賬機(jī)器人（自動(dòng)企稅對(duì)賬、銀企對(duì)賬和往來對(duì)賬）、報(bào)表機(jī)器人（自動(dòng)識(shí)別和匯總、提交異常報(bào)表數(shù)據(jù)）、開票機(jī)器人（自動(dòng)開票、金稅直聯(lián)）、月結(jié)機(jī)器人（自動(dòng)報(bào)告月結(jié)狀態(tài)、檢查月結(jié)異常和出具月結(jié)報(bào)告）和預(yù)警機(jī)器人（收入異常預(yù)計(jì)、資金異常預(yù)計(jì)）等。 不同功能的智能財(cái)務(wù)機(jī)器人都有著同樣的底層開發(fā)原理， 主要由三部分構(gòu)成：一是開發(fā)工具， 其作用是進(jìn)行機(jī)器人軟件的配置和設(shè)計(jì)， 對(duì)需要執(zhí)行的指令和決策邏輯進(jìn)行編程， 就是教機(jī)器人怎么做的過程; 二是運(yùn)行工具， 用以檢查機(jī)器人的運(yùn)行結(jié)果， 并實(shí)際使用設(shè)計(jì)好的機(jī)器人; 三是控制中心， 主要執(zhí)行對(duì)機(jī)器人的部署與管理， 包括啟動(dòng)或停止、設(shè)置工作日程、對(duì)不同機(jī)器人進(jìn)行集中控制等。

智能財(cái)務(wù)助理以及智能管理會(huì)計(jì)應(yīng)用的主要產(chǎn)品還通過查詢、報(bào)表、可視化等形式進(jìn)行展現(xiàn)， 具體包括高管駕駛艙、業(yè)績儀表盤、績效對(duì)話臺(tái)、數(shù)據(jù)大屏、內(nèi)部管理看板和移動(dòng)終端中的虛擬助理等形式[4] 。 正如阿黛爾·斯威特伍德[5] 所言， “只有在營銷工具箱里添上分析和可視化工具， 你才能從費(fèi)盡心思培育和治理的數(shù)據(jù)中講出故事來”。

本文同樣認(rèn)為， 只有將智能財(cái)務(wù)應(yīng)用融入財(cái)務(wù)和業(yè)務(wù)人員的日常工作和生活中， 才能最大限度地發(fā)揮財(cái)務(wù)的服務(wù)職能， 進(jìn)一步形成數(shù)據(jù)應(yīng)用的閉環(huán)。 其中， 最為主要的產(chǎn)品化表現(xiàn)形式是虛擬助理（Virtual Assistants）或聊天機(jī)器人， 用來支持業(yè)務(wù)財(cái)務(wù)職能以及業(yè)務(wù)人員自服務(wù)。 虛擬助理或聊天機(jī)器人已經(jīng)得到了廣泛的使用， 如蘋果的Siri、谷歌的Google Assistant、微軟的Cortana以及小米的小愛同學(xué)等。 這一類型的應(yīng)用是智能財(cái)務(wù)實(shí)現(xiàn)多模態(tài)交互和人機(jī)協(xié)同的關(guān)鍵， 這類助理應(yīng)用可以通過自然語言、圖表和圖形來回答人們口頭提出的問題， 而不再僅使用傳統(tǒng)的電子表格， 可以看成是上述虛擬助理的專業(yè)財(cái)務(wù)版本。 根據(jù)應(yīng)用場景復(fù)雜程度的不同， 安永將產(chǎn)品化的虛擬助理區(qū)分為以下三個(gè)層次：一是滿足簡單問答和低復(fù)雜度的工作; 二是實(shí)現(xiàn)情景化、個(gè)性化的反饋， 并及時(shí)更新狀態(tài); 三是實(shí)現(xiàn)復(fù)雜的詢問， 進(jìn)行自動(dòng)化的決策制定和主動(dòng)推薦。

進(jìn)一步設(shè)想， 在智慧企業(yè)大腦的應(yīng)用層面， 若經(jīng)過復(fù)雜且困難的算法化實(shí)現(xiàn)了更強(qiáng)的預(yù)測能力， 但仍只是通過可視化的形式展示， 從一定程度上來說并沒有真正發(fā)揮人工智能的作用。 行為主義人工智能（或稱進(jìn)化學(xué)派算法）的目的是實(shí)現(xiàn)真正的“通用智能”， 即可以理解或?qū)W習(xí)人類的方式， 在各種環(huán)境中完成任意任務(wù)。 因此， 正如涂揚(yáng)舉[13] 所述， 智慧企業(yè)的最高追求是實(shí)現(xiàn)“自主演進(jìn)”， 可以利用大數(shù)據(jù)驅(qū)動(dòng)進(jìn)行持續(xù)的學(xué)習(xí)、糾錯(cuò)和演進(jìn)迭代。 智能財(cái)務(wù)更高級(jí)的產(chǎn)品形態(tài)可能是融入智慧企業(yè)整體中， 通過與內(nèi)外部環(huán)境的自主協(xié)調(diào)和目標(biāo)調(diào)整， 實(shí)現(xiàn)企業(yè)的持續(xù)增長。 此時(shí)， 我們需要考慮的可能已經(jīng)不是智能財(cái)務(wù)的產(chǎn)品形態(tài)問題， 而是智能財(cái)務(wù)作為一種無處不在的工作方式， 如何與人類形成一種良好的人機(jī)協(xié)同關(guān)系。

五、實(shí)現(xiàn)智能財(cái)務(wù)應(yīng)用的平臺(tái)化

作為財(cái)務(wù)轉(zhuǎn)型的重要思維創(chuàng)新之一， 平臺(tái)思維在財(cái)務(wù)組織架構(gòu)轉(zhuǎn)型、財(cái)務(wù)共享服務(wù)數(shù)字化轉(zhuǎn)型的過程中發(fā)揮著重要的作用。 平臺(tái)化是建立在產(chǎn)品化基礎(chǔ)上的， 并且在具體的表現(xiàn)形式上分為硬件平臺(tái)和軟件平臺(tái)兩個(gè)維度。

在硬件平臺(tái)方面， 平臺(tái)化更強(qiáng)調(diào)企業(yè)大數(shù)據(jù)中心數(shù)字基礎(chǔ)設(shè)施的建設(shè)， 包括為算法提供計(jì)算能力的基礎(chǔ)硬件、為算法模型提供基礎(chǔ)資源的數(shù)據(jù)以及基本的數(shù)據(jù)存儲(chǔ)能力， 還包括通過云計(jì)算平臺(tái)建設(shè)實(shí)現(xiàn)的數(shù)字基礎(chǔ)設(shè)施。 提供計(jì)算能力的基礎(chǔ)硬件本質(zhì)上就是通常所稱的“芯片”：CPU（中央處理器）是最常見的一種通用處理器， 提供通用的計(jì)算能力; ASIC（專用集成電路）主要是針對(duì)某一種場景的應(yīng)用， 其性能比一般通用芯片更強(qiáng); GPU（圖像處理器）也是一種專用芯片， 在圖像處理的特定場景具有優(yōu)勢， 如結(jié)構(gòu)化的票據(jù)識(shí)別和非結(jié)構(gòu)化的人臉識(shí)別等， 同時(shí)， 考慮到目前產(chǎn)業(yè)端大部分智能廠商對(duì)于GPU進(jìn)行過較為普及的應(yīng)用優(yōu)化， 可以預(yù)見GPU在今后的商業(yè)智能領(lǐng)域中能發(fā)揮更為顯著的作用。

通常財(cái)務(wù)人員不會(huì)直接接觸這方面的工作， 但需要明確它是企業(yè)根據(jù)應(yīng)用場景進(jìn)行選擇的， 要考慮的要素包括體積、功耗、可靠性、性能、保密性和成本等; 數(shù)據(jù)資源經(jīng)過財(cái)務(wù)共享服務(wù)的數(shù)字化轉(zhuǎn)型和上述采集， 已經(jīng)可以涵蓋經(jīng)營管理活動(dòng)數(shù)據(jù)、公共大數(shù)據(jù)、第三方平臺(tái)服務(wù)數(shù)據(jù)等; 數(shù)據(jù)的存儲(chǔ)主要考慮成本和安全性。 托馬斯·達(dá)文波特[14] 指出， 當(dāng)前IT管理者越來越將Hadoop（一種大數(shù)據(jù)開發(fā)程序， 用以對(duì)海量數(shù)據(jù)進(jìn)行存儲(chǔ)和計(jì)算）作為大量歷史數(shù)據(jù)存檔和快速檢索的低成本替代方案， 同時(shí)可以與傳統(tǒng)的數(shù)據(jù)庫和以數(shù)據(jù)集市為基礎(chǔ)的平臺(tái)基礎(chǔ)架構(gòu)共存。 另外， 云計(jì)算平臺(tái)可以為硬件條件有限的小型企業(yè)、大型企業(yè)的分子公司提供自身難以具備的數(shù)據(jù)存儲(chǔ)能力和計(jì)算能力， 它一方面降低了企業(yè)進(jìn)行智能財(cái)務(wù)升級(jí)的技術(shù)門檻， 另一方面通過云的方式實(shí)現(xiàn)了數(shù)據(jù)的互聯(lián)互通， 從而便于各類應(yīng)用場景中的用戶進(jìn)行更加緊密的協(xié)作。 相關(guān)社會(huì)專業(yè)的平臺(tái)化服務(wù)能力為財(cái)務(wù)精細(xì)化管理和面向社會(huì)流程再造提供了基礎(chǔ)， 在目前絕大部分財(cái)務(wù)共享中心建設(shè)過程中， 稅務(wù)、商旅、采購等業(yè)務(wù)都已經(jīng)借助平臺(tái)服務(wù)能力實(shí)現(xiàn)了更敏捷的整合。

在軟件平臺(tái)方面， 智能財(cái)務(wù)的四大應(yīng)用場景建立在統(tǒng)一的財(cái)務(wù)管理平臺(tái)之上， 其架構(gòu)如圖1所示：

六、智能財(cái)務(wù)四大應(yīng)用場景及技術(shù)原理總結(jié)

回顧智能財(cái)務(wù)的技術(shù)原理可以發(fā)現(xiàn)， 數(shù)據(jù)化、算法化、產(chǎn)品化和平臺(tái)化整體上構(gòu)成了數(shù)據(jù)運(yùn)用的閉環(huán)。 數(shù)據(jù)化在底層實(shí)現(xiàn)數(shù)據(jù)的采集、傳輸和數(shù)據(jù)治理; 算法化在數(shù)據(jù)化的基礎(chǔ)上集中發(fā)揮機(jī)器學(xué)習(xí)對(duì)數(shù)據(jù)處理的作用; 產(chǎn)品化將產(chǎn)生的數(shù)據(jù)服務(wù)進(jìn)行包裝， 便于用戶使用; 平臺(tái)化則提供了基本的硬件基礎(chǔ)設(shè)施， 并將各類應(yīng)用場景統(tǒng)一在一個(gè)平臺(tái)上， 用戶在平臺(tái)上的使用過程就是數(shù)據(jù)不斷產(chǎn)生、采集、分析并應(yīng)用的過程。

涂揚(yáng)舉[13] 將智慧企業(yè)比喻成像人工智能的“人”， 通過決策腦、專業(yè)腦和單元腦“三腦協(xié)同”構(gòu)成智慧企業(yè)形態(tài)。 李平等[15] 在分析生態(tài)型組織時(shí)也將企業(yè)的“三臺(tái)架構(gòu)”比喻成“人”：前臺(tái)如四肢， 執(zhí)行最小可分解單元的任務(wù); 中臺(tái)如軀干， 執(zhí)行相互依賴條件下的高度協(xié)作任務(wù); 后臺(tái)如頭腦， 進(jìn)行方向指引， 強(qiáng)調(diào)思考與布局。 根據(jù)智能財(cái)務(wù)的四層應(yīng)用場景和三個(gè)環(huán)節(jié)的技術(shù)原理可以發(fā)現(xiàn)， 智能財(cái)務(wù)在縱向和橫向上同樣構(gòu)成了類似人類智能的架構(gòu)。

從縱向上看， 幾類應(yīng)用場景使智能財(cái)務(wù)構(gòu)成了像人一樣的整體結(jié)構(gòu)。 智能財(cái)務(wù)機(jī)器人像人的四肢， 負(fù)責(zé)自動(dòng)處理智能財(cái)務(wù)所需完成的操作性工作，

在自動(dòng)處理業(yè)務(wù)的同時(shí)， 通過感知將產(chǎn)生的數(shù)據(jù)直接傳遞到后續(xù)的應(yīng)用場景當(dāng)中; 智能財(cái)務(wù)助理像人的軀體或內(nèi)臟， 負(fù)責(zé)獲取感知， 履行各種具體管理職能以及需要與業(yè)務(wù)進(jìn)行高度融合的協(xié)作性工作; 智能管理會(huì)計(jì)應(yīng)用以及智慧企業(yè)大腦就像人的大腦， 負(fù)責(zé)大量數(shù)據(jù)的匯集處理和整體調(diào)度， 實(shí)現(xiàn)管理會(huì)計(jì)的信息化并推動(dòng)智慧企業(yè)的建設(shè)。

從橫向上看， 單個(gè)應(yīng)用場景同樣具備人的智能特征， 具備人類所擁有的感知能力、記憶和思維能力、學(xué)習(xí)和自適應(yīng)能力以及行動(dòng)能力。 以智能財(cái)務(wù)機(jī)器人為例， 人工智能賦予其感知能力， 具備視覺來進(jìn)行圖像和文本分析， 具備聽覺識(shí)別人類發(fā)出的指令并進(jìn)行語言分析; 人工智能還賦予其學(xué)習(xí)能力， 通過算法對(duì)識(shí)別的準(zhǔn)確度進(jìn)行學(xué)習(xí)和改進(jìn)， 并自主尋找自動(dòng)化的機(jī)會(huì); 人工智能更賦予其行動(dòng)的能力， 像人一樣用手來執(zhí)行基本的操作。

本文認(rèn)為這是智能財(cái)務(wù)作為人工智能和財(cái)務(wù)工作全面融合的科學(xué)應(yīng)用場景體系， 同時(shí)也是智能財(cái)務(wù)形態(tài)的一種形象化展現(xiàn)。

【 主 要 參 考 文 獻(xiàn) 】

[1] 曾鳴.智能商業(yè)[M].北京：中信出版社，2018：115 ～ 128.

[2] 安德魯·麥卡菲，埃里克·布萊恩約弗森著.林丹明，徐宗玲譯.人機(jī)平臺(tái)：商業(yè)未來行動(dòng)路線圖[M].北京：中信出版社，2018：200 ～ 300.

[3] 史雁軍.數(shù)字化客戶管理：數(shù)據(jù)智能時(shí)代如何洞察、連接、轉(zhuǎn)化和贏得價(jià)值客戶[M].北京：清華大學(xué)出版社，2018：1 ～ 254.

[4] 王興山.數(shù)字化轉(zhuǎn)型中的企業(yè)進(jìn)化[M].北京：電子工業(yè)出版社，2019：85 ～ 125.

[5] 阿黛爾·斯威特伍德著.蔣春麗，蔣順利譯.智慧營銷：營銷部門數(shù)字化轉(zhuǎn)型指南[M].北京：機(jī)械工業(yè)出版社，2019：24.

[6] 佩德羅·多明戈斯著.黃芳萍譯.終極算法：機(jī)器學(xué)習(xí)和人工智能如何重塑世界[M].北京：中信出版社，2016：1 ～ 100.

[7] 王言.RPA：流程自動(dòng)化引領(lǐng)數(shù)字勞動(dòng)力革命[M].北京：機(jī)械工業(yè)出版社，2020：150 ～ 200.

[8] 溫克特·斯里尼瓦森著.宮鑫，劉暢，劉婷婷譯.大數(shù)據(jù)實(shí)戰(zhàn)：構(gòu)建智能化企業(yè)[M].北京：人民郵電出版社，2018：46 ～ 97.

[9] 楊帆.面向財(cái)務(wù)管理的預(yù)測決策分析系統(tǒng)[ J].計(jì)算機(jī)應(yīng)用研究，1994（5）：50 ～ 51+55.

[10] 梁榮華，史濟(jì)建.人工智能在財(cái)務(wù)決策支持系統(tǒng)中的應(yīng)用[ J].計(jì)算機(jī)工程與應(yīng)用，2001（8）：118 ～ 121.

[11] 高長元，羅莉蘋.基于多Agent技術(shù)的財(cái)務(wù)預(yù)測系統(tǒng)研究[ J].科技與管理，2008（2）：61 ～ 63.

[12] 阿米爾·侯賽因著.賽迪研究院專家組譯.終極智能：感知機(jī)器與人工智能的未來[M].北京：中信出版社，2018：1 ～ 300.

[13] 涂揚(yáng)舉.智慧企業(yè)概論[M].北京：科學(xué)出版社，2019：1 ～ 100.

[14] 托馬斯·達(dá)文波特著.盛楊燦譯.數(shù)據(jù)化轉(zhuǎn)型[M].杭州： 浙江人民出版社，2018：100 ～ 200.

[15] 李平，孫黎，鄒波等.慮深通敏 與時(shí)偕行——三臺(tái)組織架構(gòu)如何應(yīng)對(duì)危機(jī)[ J].清華管理評(píng)論，2020（5）：79 ～ 85.