对于很多企业来说，最终呈现给管理层的财务报表，需要经过多次加工、调整才具有决策意义，但是这一过程往往没有被系统化，导致数据时效性、准确性都很低。大数据的出现给财务管理带来颠覆性影响，使管理会计从理论走向实践。因此，本文基于管理会计视角，结合所在企业主导的项目状况，探讨如何构建财务大数据框架。

一、财务大数据框架

在分析众多“财务云”应用的企业后，笔者发现这种财务共享服务模式多以资金掌控、费用报销为突破口，并未深入业务信息流层面，且这些企业形态较为单一，整合起来相对容易。笔者所在公司正处在快速扩张的发展期，行业及ERP系统多元化进程并未停止，内部资金结算体系仍处于完善阶段，建立财务共享服务中心的时机尚未成熟。

分析利弊后，笔者决定利用管理会计实践思想，构建企业财务大数据框架（如图1所示），建立内部财务数据生成规则，通过信息化手段提高财务数据的时效性、准确性。本企业财务大数据框架的运作流程为：（1）在财务会计报表基础上，生成管理会计报表；（2）将绩效考核指标与管理会计报表数据进行对比分析；（3）建立与ERP系统、管理会计报表数据库相关联的多维数据库；（4）通过多维数据库，自动生成数据分析报告、绩效考核报告、商业智能报告等。

二、管理会计报表体系

管理会计报表的信息涵盖范围较大，包括财务信息之外的海量非财务信息，既有对传统财务会计报表的转型变换（经营、融资相分离的会计报表），也有对诸如客户、供应商、服务、质量等非财务信息的数据挖掘。

对于财务信息，由于公司产业众多，为加强集团化财务管控，协调资金流转平衡，发挥海内外子公司战略决策地缘优势，需要构建适合自身发展的管理会计报表体系。这种体系，既要体现公司会计政策的统一性、延续性，也要体现公司绩效管理政策的公平性、稳健型。因此，在财务会计报表的基础上，增加体现公司会计政策的会计调整事项，在此基础上，再增加体现公司绩效考核管理政策的考核调整事项，所有调整均与其他各类财务报表进行关联，即总账与明细账保持一致。

对于来源更广、离散程度更高、可规则化难度更大的非财务信息，按照平衡计分卡的思想针对不同产业设计不同的模板，分发给各级公司，形成汇总的、精简的非财务数据报表，明细数据则通过逐步建立多维数据库映射到ERP、PLM（项目管理系统）、CRM（客户管理系统）等二维数据库，再进行数据挖掘。

三、绩效考核指标

关键绩效指标（KPI）是绩效管理成功的关键，通过严谨设置KPI可以清晰了解企业发展进程，及时调整实现战略目标过程中的偏差，从而建立核心竞争优势。绩效考核应包括财务、客户、内部运营、学习与成长四个方面，但在中国企业实践中，往往以财务指标为导向，忽略非财务指标因素，导致KPI考核以偏概全。笔者构建的财务大数据整合框架，绩效考核的主要立足点还是财务数据，通过与管理会计报表对比分析，为商业智能平台提供清洗后、规范化的财务数据，以支持企业决策。另一方面，商业智能报告平台侧重数据展现，在结合企业具体运营情况的基础上，考虑系统中财务数据调整后的整合、趋同，增加非财务指标的比重，建立预算、历史数据的纵向比较以及同质子公司数据的横向比较，并保持与ERP、PLM、CRM的逻辑关联，预留一定的数据接口。

四、多维数据库模型

多维数据库模型基于多维数据集（也称多维数据立方体），可用于快速查询业务信息。多维数据集一般是基于事实数据（度量）和维度（时间、地区等）构建的，一个多维数据集可能会包含一个或多个事实数据，三至四个维度，任何给定的多维数据集都有一个关联的分析主题。以销售多维数据集为例（如图2所示），可按时间、地区、客户、产品类别分析销售情况，也可以构建一个关联不同财务系统的凭证信息多维数据集，用于分析部门、产品等辅助核算财务数据。根据需要，可以将这些多维数据集提供给不同层次的管理者、客户，以供其分析。

五、商业智能与数据挖掘

商业智能指用现代数据仓库、联机分析、数据挖掘和数据展现等技术，为企业提供数据分析以实现对商业价值的智慧洞察。纵观一些商业智能产品，都是建立在多维数据模型基础之上，因此科学构建多维数据模型非常重要。数据挖掘是商业智能的延伸，是对杂乱无章的海量数据进行深度分析，发现其中可规律化、趋势化的信息。比如，应用聚类概念对客户进行信用级别评估，应用方差概念对物料采购进行价格差异分析，以及应用Apriori频繁项集算法分析各类财务指标之间的内在关联（如集团内所有公司的利润达成与各项财务指标关系）等。数据挖掘需要专业工具及概率论、数理统计方面的高阶知识，IBM SPSSModeler、SAS等商业智能工具可以对多维数据库进行数据挖掘。

六、技术实现

从理论构想到技术实现需要前瞻性眼光及国际化视野。笔者注意到，企业在长期发展变革过程中，积累了大量Excel模板文件，其中很多是管理经验的浓缩与结晶，且符合操作人员使用习惯，不能舍弃。为此，在开发平台选型中，笔者采用对Excel支持较好的控件Dev Express，并用C#语言（Visual Studio2012）与SQL Server 2012（数据平台）对其进行全新开发。

任何公司都有自己不同的业务形态，财务意识领域也不尽相同，构建财务大数据不宜盲目跟风，一切应“重新开始”而非“从新开始”。所谓“重新开始”，是打破逐渐陷入“数据魔方”混乱的主数据管理局面（很多企业普遍存在的问题，尤其是制造业），建立规范化的主数据管理流程，从规范各种Excel报表模板入手，如果这一关键环节打通后，那么财务大数据时代也就触手可及。

责任编辑 刘霁