實際上，從數(shù)字化變革帶來的底層邏輯到頂層戰(zhàn)略，包括組織框架的設計、技術支持、的人才儲備培養(yǎng)等方面，我們已經(jīng)做到了充分準備，當前最關鍵是如何把做好的準備落到實處，落地到具體的財務部門，落地到更為需要的應對更新更廣的挑戰(zhàn)的企業(yè)。本專題將重點分享智能財務技術在企業(yè)實踐中的經(jīng)驗。

德勤華永合伙人朱灝：深度學習在財務分析與預測方面的應用

該課題的創(chuàng)新點在于：第一，建立相對比較全面的科學的指標體系，體現(xiàn)了層級式、全方位、多元化的特點。第二運用深度學習神經(jīng)網(wǎng)絡模型自動更新迭代算法，基于人工智能和識別指標進行財務風險和預測。第三，基于前述指標體系和深度網(wǎng)絡模型的建設，搭建包括商業(yè)場景、應用、模型、數(shù)據(jù)、技術的五層架構體系。

指標體系方面，我們收集了市場上所有可能需要的財務指標、運營指標，共三百多個，橫跨財務績效、運營績效、商業(yè)信息、市場輿論，形成一百多個指標對，五十多個指標組。通過分類，梳理出財務績效指標150個，運營績效指標80個，商業(yè)和信息指標70個，市場輿論指標30個。不僅包含結構化數(shù)據(jù)，也包括了圖像、聲音、輿情等非結構化數(shù)據(jù)，我們將數(shù)據(jù)集成起來，作為指標庫的數(shù)據(jù)源，將這些指標和數(shù)據(jù)和預測目標進行相關性深度連接。

如何進行深度連接以及判斷預測？我們選用了卷積神經(jīng)網(wǎng)絡模型，并通過深度的迭代的方式判斷相關性，第一步：通過WIND、德勤行業(yè)數(shù)據(jù)庫等來源，從3000+上市公司中獲取樣本，出現(xiàn)被特殊處理（ST）的公司作為風險企業(yè)樣本集，以未被特殊處理（非ST）的公司作為無風險正常企業(yè)樣本集，最終獲得了2883例風險企業(yè)樣本，156例無風險企業(yè)樣本。第二步：以80：20的比例選取訓練集樣本和測試集樣本，訓練集和測試集獨立不重合。最終獲得訓練集樣本共2682個，獲得測試集樣本共357個。用這種方式讓機器判斷相關性，再通過層層迭代更多算法獲得相關性，形成模型判斷具有相關特征的企業(yè)和特征值。

然而，我們必須解決數(shù)據(jù)場景應用模型在實踐上的方式，我們開發(fā)出以技術為頂層，以數(shù)據(jù)為管理決策基礎，將模型作為邏輯的連接性，同時能夠應用在商業(yè)場景上的產(chǎn)品——數(shù)智引擎，自由組合指標庫，挖掘數(shù)據(jù)與數(shù)據(jù)間的聯(lián)系，智能化地發(fā)現(xiàn)新的預警規(guī)則，并對全新的財務風險事件進行預測，同時提供了What-if分析模塊，能夠讓投資者對關鍵的財務指標進行敏感性分析，深度挖掘標的公司的投資風險和內在價值。

合肥工業(yè)大學管理學院博士后張超：大數(shù)據(jù)與企業(yè)財務智能預測、洞察、對標和風控

在大數(shù)據(jù)環(huán)境下，財務管理的未來模式對于提升企業(yè)信息披露質量、豐富利益相關者信息獲取渠道、增強利益相關者決策合理性、提高企業(yè)經(jīng)營決策的有效性都具有重要的現(xiàn)實意義。大數(shù)據(jù)作為企業(yè)極具戰(zhàn)略性價值的信息資源，如何收集、整理、利用與企業(yè)有關的龐雜數(shù)據(jù)信息成為新時代經(jīng)濟背景下企業(yè)競爭的焦點。

美國知名會計學家井尻雄士教授在《三式簿記和收益動量》中提出了三式記賬法，即在復式記賬基礎上解決復式記賬所沒有解決的問題，他將牛頓力學中的動量、動力、能力、沖量等概念引入會計里，形成時間三式簿記和微分的三式簿記。這篇文獻也指出數(shù)據(jù)挖掘可以描述過去、規(guī)范當前以及預測未來。在此基礎上，我們將動量會計理論與大數(shù)據(jù)融合， 運用大數(shù)據(jù)智能技術對會計進行過去、現(xiàn)在和未來進行分析，即運用大數(shù)據(jù)智能技術在智能財務分析與決策方面整體應用的思路：（1）明確過去發(fā)生了什么；（2）分析過去結果產(chǎn)生的原因；（3）明確企業(yè)在同行業(yè)中的位置；（4）分析企業(yè)發(fā)展過程的成效并識別風險點；（5）預測企業(yè)未來財務與經(jīng)營狀況。

實地調研方面，課題組以安徽經(jīng)邦技術有限公司為依托，從2018年5月到2019年10月對客戶進行實地調研和訪談，并選擇其中的50家進行分析；最后形成了大數(shù)據(jù)智能財務分析與決策需求調研文檔，文檔包括調研公司、調研時間、公司類型、訪談的內容，并運用文本挖掘軟件Nvivo12.0對訪談的文本進行編碼和頻數(shù)統(tǒng)計。自動編碼主題包括報告、財務、分析、風險、關注、行業(yè)、數(shù)據(jù)和系統(tǒng)。其中，關注主題中，關注數(shù)據(jù)34次、關注風險出現(xiàn)24次、關注分析出現(xiàn)21次、關注行業(yè)18次。

通過調研發(fā)現(xiàn)，目前企業(yè)集中在智能分析和決策的需求主要包括洞察、對標、風控、預測四個方面，洞察主要為多維度分析、展現(xiàn)與原因分析，包括數(shù)據(jù)分析、智能財務報告；對標應該對應數(shù)據(jù)分析中的歷史對標、預算對標以及行業(yè)對標；風控主要是風險預警及管控；預測主要是運用人工智能技術進行財務預測，對應人工智能建模。而智能預測、洞察、對標和風控需求需要數(shù)據(jù)支撐、智能交互以及自助式服務。

科大訊飛CIO王宏星：AI+IT：科大訊飛智慧財務的探索與思考

經(jīng)過二十年發(fā)展，科大訊飛在語音識別、合成、翻譯等方面已經(jīng)掌握全球領先的人工智能技術。科大訊飛財務管理依然面臨諸多挑戰(zhàn)，涉及員工報銷、發(fā)票核驗、財務共享、收付款、風險管控、信息化方面，總體而言效率較低，手工作業(yè)量大，用戶體驗差。

今年科大訊飛在財務共享、數(shù)據(jù)中臺的基礎上，提出了科大訊飛智慧財務規(guī)劃：AI+IT，希望通過AI+IT的思路改造財務信息化水平和能力，提升管理水平。AI+IT的核心思想是通過AI技術，包括語音、圖像、自然語言處理等與IT技術融合在一起，解決財務管理領域的預算、核算、共享、報表、資金、稅務方面財務管理問題。它主要的表現(xiàn)形式就是自然語言的交互，成果是三類產(chǎn)品，即報賬機器人、會計機器人、財務機器人，體現(xiàn)了人機耦合的概念。

盡管科大訊飛在對賬、合同審核、風控、薪資、回款認領等業(yè)務領域運用了RPA，但科大訊飛希望這三個機器人解決更深層次的問題。第一，報賬機器人通過感知智能技術，能夠實現(xiàn)智能填報、智能識別、智能審核、自動支付，實現(xiàn)少人化、無人化。包括員工報銷、對公報賬。第二，會計機器人能夠基于對會計準則和各種財務管理制度、稅法理解，能夠自動記賬，處理全盤賬務。第三，財務機器人能夠分析、規(guī)劃、控制、預測、模擬，這是三類機器人和RPA的區(qū)別。在這樣的實現(xiàn)路徑中，RPA是不可或缺的，三類機器人需要與RPA緊密協(xié)作在一起。

科大訊飛AI+IT信息化架構的底層是AI能力研發(fā)平臺，其中包含語音能力、圖像能力、語義認知、深度學習等模塊，每日自動更迭。AI之上是IT開發(fā)運維平臺，包括表單建模、分布式數(shù)據(jù)庫、流程、報表、RPA以及中間件。在這之上是IT系統(tǒng)，包括業(yè)務中臺、數(shù)據(jù)中臺、后臺，傳統(tǒng)的ERP、數(shù)據(jù)、資金、人力、協(xié)同稱之為后臺系統(tǒng)，其他通過共享服務的方式給業(yè)務提供服務的稱之為中臺。科大訊飛計劃把報賬機器人和會計機器人放置在中臺，AI+IT規(guī)劃里除了財務領域機器人，還有人力資源領域的面試機器人、審計機器人，以及另外的機器人體系。

智能財務師FAI

智能財務師FAI證書由財政部直屬事業(yè)單位上海國家會計學院（上國會）頒發(fā)。旨在幫助從業(yè)者了解智能財務環(huán)境下企業(yè)各環(huán)節(jié)會計核算的全新流程和技術應用場景，學會相關操作，提升其財務數(shù)據(jù)分析能力。學員參加培訓并通過由上國會組織的考試，即可取得證書，是財會人員轉型升級、職場晉升的較好選擇。

智能財務師報名網(wǎng)址：

證書特點 

1、國內智能財務領域首張能力水平證書，含金量高、認可度廣泛。

2、報考門檻低、取證周期短、投入成本小。

適合人群

1、有意愿在智能財務領域發(fā)展的財務及非財務人員；

2、渴望在職場晉升中更進一步的財務人員；

3、想從事智能財務相關職業(yè)的在校學生；

4、期待建立跨界知識體系、拓展復合能力的管理者。