点击此处，观看当日直播录像。

北斗星通信息系统业财融合实践

刘光伟先生在演讲中介绍了信息系统业财融合在北斗星通的应用、业务分部理念与绩效模式的导入、业务分析维度的导入与应用、管理报告与其他分析信息，以及他对财务分析智能化的一些相关思考。 

北斗星通基于ERP为主核心平台的系统中主要有两个维度：法人维度和业务分部BU维度。其中业务分部BU实际上是与法人维度平行的维度，用来支撑跨法人业绩的合并和绩效追踪。刘光伟先生表示，“对于整体业务比较复杂的企业集团而言，子集团的形成会直接促使企业集团内部形成很多法律主体，法律主体越多，税务风险、法律风险等相关风险的暴露机会就越多。我们导入业务分部BU维度就是为了削减不必要的法人机构的设立，同时能较好地支撑追踪相关业绩和绩效。”

刘光伟先生表示，每一个业务分部从业务分部维度来看，是没有一个完整的资产负债表的，我们更关注的是每一个业务分部到底占用了多少专属资产和负债，换言之，我们关注业务到底占用了企业集团多少财务资源，一旦这个层面的问题清楚了，便可以为运营产出效率等方面提供比较良好的绩效基础。 

除了在业务数据层面建立了多维度的分析外，北斗星通能够通过抓取的数据进行准确地业务分析，进而支持对整个集团经营情况的判断，同时还可以满足业务分部对于自己层级关键信息的跟踪业绩提取。

刘光伟先生坦陈，北斗星通在信息系统建设过程中也积累了很多经验和教训，包括一期系统其实是基于支撑法定报告的出具、上市公司业绩披露等等基本功能来建立的，其中并没有导入业务分部BU的维度。另外，往往很多前端的业务操作直接决定了后端财务数据的质量，而财务数据或非财务数据质量的高低，对于财务分析精度和研究效率都是有很大影响的。 此外，刘光伟先生还指出，针对企业长期积累的数据资产，如何运用智能会计、智能财务进行场景赋能和变现是企业的切实痛点，也是值得所有财务人未来需要思考的问题。

李建先生认为，北斗星通的整体信息化水平让人眼前一亮。总体而言，制造业的整个信息化建设是比较难的。 在李建先生看来，企业的所有核算维度等颗粒度的问题，可以被定位于非系统问题，需要处于不同阶段的企业自己去摸索，甚至借助一些同行业的经验，摸索出一套符合运营企业目前管理要求的维度。 在拿到财务需要的准确数据方面，李建先生指出，人工智能工具可以给出相应的解决方案。其中，应用型人工智能（限制领域型人工智能）可以解决特定领域中相应的问题，包括认知型机器人、业务处理型机器人、已知条件内可预测型机器人、甚至包括RPA机器人。李建先生表示，如果将财务的智能范围相对扩展一些，我们可以通过智能机器人进行企业外部的衔接从而抓取数据来有效预防一些供应商的法律税务等风险。“现在的机器人在整个企业信息获取上，尤其是业财资金获取上，智能化工具的成熟性已经非常强了。” 对于很多制造企业的业务和财务系统由不同软件支撑的问题，李建先生表示，“智能会计引擎是业财融合中的一种非常强的解决方案，它可以实现业财的松耦合。”智能会计引擎可以在松耦合的状态下实现抓取的步骤，不再依赖于业务和财务软件的版本和厂商，因此，业财系统使用不同软件的问题便可以得到很好的解决。 在谈到企业数据如何支持决策、实现变现时，李建先生特别提到了“专家系统”的概念。专家系统是把一类具有专门知识和经验的计算机程序，通过建模的方式将其固化在系统里，如此一来，使专家系统便可以具有与专家相同的解决问题的能力。专家系统对于企业的整个数据分析是非常重要的，专家系统中最重要的就是模型的建立。 企业的IT架构决定了企业希望得到的数据服务能否得到很好的解决，而数据资产化是数据分析能否为企业变现赋能的非常重要的环节。对于企业而言，首先应该拥有专家模型或专家的知识库，然后将现有数据标准化、资产化、评分，最终才能够用数据分析为业务系统赋能。

业财融合的四个阶段：

手工画像、模拟、数字、智能

张敏教授将业财融合的发展分为四个阶段：手工画像阶段、模拟阶段、数字阶段、智能阶段。“在手工画像阶段，一个重要的原则是忠实于业务，类似于翻译中的‘信达雅’。”张敏教授表示。

在谈到智能化工具的“异常识别”功能时，张敏教授表示，异常识别应该基于规则和机器学习。很多企业非常宝贵的数据都在躺着睡觉，没有被充分利用起来。“我们要基于数据来进行分析，非常重要的一项基础性工作就是要打标签，并且，打标签的工作一定要前置。”