第五章管理會(huì)計(jì)智能化目錄第一節(jié)：新技術(shù)對(duì)管理會(huì)計(jì)的影響第二節(jié)：智能預(yù)算管理第三節(jié)：智能成本管理第四節(jié)：智能經(jīng)營(yíng)預(yù)測(cè)第五節(jié)：智能績(jī)效管理第六節(jié)：智能管理會(huì)計(jì)報(bào)告吉利控股集團(tuán)(以下簡(jiǎn)稱“吉利”)是一家全球化企業(yè)，總部位于中國(guó)杭州。吉利始建于1986年，于1997年進(jìn)入汽車行業(yè)。吉利已發(fā)展成為一家集汽車整車、動(dòng)力總成和關(guān)鍵零部件設(shè)計(jì)的研發(fā)、生產(chǎn)、銷售及服務(wù)于一體，并涵蓋出行服務(wù)、線上科技創(chuàng)新、金融服務(wù)、教育、賽車運(yùn)動(dòng)等業(yè)務(wù)在內(nèi)的全球化企業(yè)。吉利控股集團(tuán):智能財(cái)務(wù)助力企業(yè)發(fā)展引例吉利控股集團(tuán):智能財(cái)務(wù)助力企業(yè)發(fā)展知識(shí)點(diǎn)脈絡(luò)圖第一節(jié)新技術(shù)對(duì)管理會(huì)計(jì)的影響1一、應(yīng)用新趨勢(shì)新一代財(cái)務(wù)共享助力管理會(huì)計(jì)中臺(tái)為管理會(huì)計(jì)提供全新系統(tǒng)架構(gòu)高質(zhì)量數(shù)據(jù)賦能管理會(huì)計(jì)財(cái)務(wù)共享中心解決傳統(tǒng)財(cái)務(wù)模式的痛點(diǎn)：將財(cái)務(wù)管理重心前移到前段業(yè)務(wù)環(huán)節(jié)在交易過程中建立財(cái)務(wù)數(shù)據(jù)中心，收集全量數(shù)據(jù)在交易發(fā)生前和發(fā)生過程中，對(duì)數(shù)據(jù)質(zhì)量實(shí)時(shí)控制數(shù)據(jù)中臺(tái)打破了傳統(tǒng)的架構(gòu)，通過在前后臺(tái)間增加一層系統(tǒng)，將企業(yè)信息化架構(gòu)由不同平臺(tái)下分散的煙囪式系統(tǒng)集群變革為部署在同一平臺(tái)下基于服務(wù)的應(yīng)用系統(tǒng)集群（周勇等，2019）。數(shù)據(jù)中臺(tái)不同數(shù)據(jù)系統(tǒng)：結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)提升數(shù)據(jù)質(zhì)量雜亂無章的數(shù)據(jù)變得清晰有序智能時(shí)代下對(duì)管理會(huì)計(jì)有應(yīng)用價(jià)值的三類數(shù)據(jù)：①財(cái)務(wù)數(shù)據(jù)：收入、成本、利潤(rùn)、資產(chǎn)、負(fù)債等②業(yè)務(wù)數(shù)據(jù)：產(chǎn)品、客戶、渠道、生產(chǎn)、研發(fā)等③外部數(shù)據(jù)：競(jìng)爭(zhēng)環(huán)境、盈利模式、消費(fèi)模式等二、智能化影響發(fā)展動(dòng)力增強(qiáng)技術(shù)環(huán)境改善預(yù)測(cè)能力提升智能化解決原有管理會(huì)計(jì)的痛點(diǎn)：受成本、技術(shù)方法和數(shù)據(jù)等限制,管理會(huì)計(jì)的價(jià)值往往受到限制。隨著大數(shù)據(jù)對(duì)海量數(shù)據(jù)的挖掘使用，管理會(huì)計(jì)的價(jià)值進(jìn)一步放大。數(shù)字經(jīng)濟(jì)緩解信息不對(duì)稱，為管理會(huì)計(jì)提供準(zhǔn)確數(shù)據(jù)支持。大數(shù)據(jù)和信息技術(shù)使管理會(huì)計(jì)在數(shù)據(jù)獲取、分析和處理方面更高效。數(shù)智技術(shù)提升會(huì)計(jì)數(shù)據(jù)可靠性，拓展預(yù)測(cè)功能。決策機(jī)制優(yōu)化依靠數(shù)智技術(shù)的應(yīng)用,為經(jīng)營(yíng)管理提供更多全面、客觀、有洞見性和前瞻性信息。推進(jìn)人類智能與機(jī)器智能的互補(bǔ),在人機(jī)交互機(jī)制的支持下做出更好的決策,實(shí)現(xiàn)資源的最優(yōu)化使用目標(biāo)。機(jī)器學(xué)習(xí)憑借豐富的數(shù)據(jù)和高速運(yùn)算的計(jì)算機(jī)實(shí)現(xiàn)快速發(fā)展,相較傳統(tǒng)的回歸分析技術(shù)而言,能夠更有效地將數(shù)據(jù)用于相關(guān)預(yù)測(cè),為有效的管理決策制定奠定了基礎(chǔ)。第二節(jié)智能預(yù)算管理2一、傳統(tǒng)預(yù)算管理的局限預(yù)算目標(biāo)難以科學(xué)合理確定預(yù)算控制欠佳、監(jiān)督滯后預(yù)算編制質(zhì)量不高、效率較低缺乏高質(zhì)量數(shù)據(jù)支持外部變化太大未來發(fā)展趨勢(shì)難以預(yù)測(cè)滾動(dòng)預(yù)算方法難以全面實(shí)施集團(tuán)下屬機(jī)構(gòu)多、財(cái)務(wù)數(shù)據(jù)標(biāo)準(zhǔn)不一年度預(yù)算結(jié)果往往失真業(yè)務(wù)部門在編制預(yù)算上比較被動(dòng)信息的不公開與不透明企業(yè)缺乏對(duì)預(yù)算執(zhí)行過程的監(jiān)督。多數(shù)企業(yè)未建立定期進(jìn)行預(yù)算分析的機(jī)制,滾動(dòng)預(yù)算應(yīng)用并不廣泛落地效果并不理想資源消耗大編制過程復(fù)雜二、預(yù)算管理的智能化發(fā)展數(shù)據(jù)展示層數(shù)據(jù)應(yīng)用層數(shù)據(jù)建模層數(shù)據(jù)中臺(tái)層原始數(shù)據(jù)層數(shù)據(jù)展示層根據(jù)使用者的需要采用多種方式進(jìn)行展示，包括可視化方式、人機(jī)互動(dòng)等。數(shù)據(jù)應(yīng)用層面向涉及的相關(guān)人員，企業(yè)開展預(yù)算管理活動(dòng)主要在這一層數(shù)據(jù)建模層通過邏輯規(guī)則和算法對(duì)數(shù)據(jù)進(jìn)行分析。數(shù)據(jù)中臺(tái)層通過數(shù)據(jù)湖技術(shù)從互聯(lián)網(wǎng)、第三方數(shù)據(jù)提供者、企業(yè)自有信息系統(tǒng)中采集數(shù)據(jù)，數(shù)據(jù)的類型包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、輿情數(shù)據(jù)、外部數(shù)據(jù)、手工數(shù)據(jù)等。原始數(shù)據(jù)層數(shù)據(jù)包括社會(huì)數(shù)據(jù)、行業(yè)生態(tài)交易數(shù)據(jù)以及從企業(yè)業(yè)務(wù)系統(tǒng)采集的業(yè)務(wù)過程數(shù)據(jù)等1智能預(yù)算管理的體系框架二、預(yù)算管理的智能化發(fā)展預(yù)算目標(biāo)制定和分解傳統(tǒng)預(yù)算數(shù)據(jù)來源單一，存在與業(yè)務(wù)脫節(jié)、時(shí)效性和局限性問題。利用數(shù)據(jù)智能分析模型，結(jié)合戰(zhàn)略規(guī)劃和歷史數(shù)據(jù)，制定多維度預(yù)算目標(biāo)。構(gòu)建量化模型，提高預(yù)算數(shù)據(jù)準(zhǔn)確性，助力企業(yè)發(fā)展。預(yù)算編制和評(píng)審智能技術(shù)提升數(shù)據(jù)存儲(chǔ)、計(jì)算和分析能力。通過機(jī)器學(xué)習(xí)構(gòu)建多因子模型，基于歷史數(shù)據(jù)建立指標(biāo)相關(guān)性，查看歷史走勢(shì)。系統(tǒng)推薦多套指標(biāo)調(diào)整方案，助力預(yù)算指標(biāo)分解和資源分配。預(yù)算執(zhí)行和控制利用自然語言識(shí)別、語音轉(zhuǎn)寫等技術(shù)，企業(yè)管理者可通過人機(jī)交互查詢數(shù)據(jù)。結(jié)合預(yù)設(shè)預(yù)警規(guī)則，實(shí)時(shí)推送數(shù)據(jù)異常預(yù)警信息，讓業(yè)務(wù)相關(guān)者及時(shí)知曉異常。通過預(yù)實(shí)歸因、時(shí)序歸因等分析算法，挖掘數(shù)據(jù)深層含義，解釋異常原因。預(yù)算分析和評(píng)價(jià)智能時(shí)代，通過整合機(jī)器學(xué)習(xí)、知識(shí)圖譜等技術(shù)，企業(yè)管理者可實(shí)時(shí)掌握預(yù)算執(zhí)行情況，生成分析報(bào)告。智能技術(shù)助力預(yù)算分析，提升數(shù)據(jù)交互能力，實(shí)現(xiàn)預(yù)算指標(biāo)分解與資源分配。智能數(shù)據(jù)分析技術(shù)使企業(yè)管理者能夠基于場(chǎng)景化大屏做出戰(zhàn)略決策，提升預(yù)算對(duì)經(jīng)營(yíng)活動(dòng)的指導(dǎo)作用。2智能化全面預(yù)算管理模式二、預(yù)算管理的智能化發(fā)展傳統(tǒng)滾動(dòng)預(yù)測(cè)落地效果不佳，主要因管理層重視不足、員工協(xié)同性差，以及傳統(tǒng)預(yù)算信息系統(tǒng)難以滿足其工作要求。滾動(dòng)預(yù)測(cè)需頻繁更新和修正預(yù)算數(shù)據(jù)，計(jì)算量大，對(duì)系統(tǒng)集成性、數(shù)據(jù)時(shí)效性和準(zhǔn)確性要求高。新技術(shù)發(fā)展使系統(tǒng)數(shù)據(jù)存儲(chǔ)、計(jì)算和分析能力大幅提升，能快速響應(yīng)滾動(dòng)預(yù)測(cè)需求。新一代智能預(yù)算管理平臺(tái)將預(yù)算周期縮短至月、周甚至實(shí)時(shí)，為滾動(dòng)預(yù)測(cè)提供了更高效的應(yīng)用基礎(chǔ)“上月實(shí)際數(shù)+后3個(gè)月精確滾動(dòng)預(yù)測(cè)+剩余期間粗略滾動(dòng)預(yù)測(cè)”模式幫助企業(yè)及時(shí)跟上市場(chǎng)變化，縮短預(yù)算期間3智能預(yù)算管理的滾動(dòng)預(yù)測(cè)元年科技的T+3滾動(dòng)預(yù)測(cè)二、預(yù)算管理的智能化發(fā)展4智能預(yù)算管理的業(yè)務(wù)預(yù)測(cè)第三節(jié)智能成本管理3一、傳統(tǒng)成本管理模式的局限成本控制效果不理想成本信息相關(guān)性不強(qiáng)產(chǎn)品成本核算不全面?zhèn)鹘y(tǒng)成本管理依賴人工，效率低且質(zhì)量難把控，部分企業(yè)雖引入計(jì)算機(jī)技術(shù)，但應(yīng)用仍處于初級(jí)階段。降本增效是企業(yè)重要目標(biāo)，成本管理需克服信息采集與核算困境。通過實(shí)現(xiàn)高效自動(dòng)化流程，可降低重復(fù)成本產(chǎn)生的可能性管理會(huì)計(jì)成本在核算目的、對(duì)象和資料上與財(cái)務(wù)會(huì)計(jì)有差異。傳統(tǒng)管理會(huì)計(jì)報(bào)表個(gè)性化不強(qiáng)或復(fù)雜，成本信息與經(jīng)營(yíng)活動(dòng)難以對(duì)應(yīng)。成本報(bào)表多以直接人工工時(shí)為分?jǐn)倶?biāo)準(zhǔn)，當(dāng)直接人工占比小時(shí)，易出現(xiàn)成本失真，影響決策。成本管理活動(dòng)靜態(tài)化傳統(tǒng)成本管理易忽視作業(yè)環(huán)節(jié)的資源依存關(guān)系，過度聚焦制造成本的經(jīng)營(yíng)性控制。產(chǎn)品成本管理應(yīng)重視各成本要素間的內(nèi)部聯(lián)動(dòng)關(guān)系，而非僅關(guān)注獨(dú)立成本要素?，F(xiàn)實(shí)中，成本管理注重績(jī)效考核范圍內(nèi)的成本改善，靜態(tài)化管理影響效率。傳統(tǒng)觀念僅關(guān)注營(yíng)業(yè)收入與營(yíng)業(yè)成本，忽視產(chǎn)品總成本概念?，F(xiàn)有成本核算方法（如作業(yè)成本法、標(biāo)準(zhǔn)成本法）無法區(qū)分無效成本和有效成本，存在監(jiān)管盲區(qū)。產(chǎn)品投產(chǎn)決策應(yīng)關(guān)注設(shè)計(jì)、設(shè)備改造、生產(chǎn)準(zhǔn)備、營(yíng)銷、售后等環(huán)節(jié)的資源消耗。。二、成本管理的智能化發(fā)展自動(dòng)采集數(shù)據(jù)：在新的人機(jī)交互技術(shù)和條碼、RFID、采集器等物聯(lián)網(wǎng)技術(shù)的幫助下，企業(yè)成本庫的歸集工作可以利用不同的識(shí)別方式自動(dòng)完成，數(shù)據(jù)到各系統(tǒng)中就自動(dòng)傳輸?shù)教幚硐到y(tǒng)中，等待結(jié)轉(zhuǎn)流程。自動(dòng)結(jié)轉(zhuǎn)數(shù)據(jù)：企業(yè)可以利用智能建模、大數(shù)據(jù)和云計(jì)算等技術(shù)提數(shù)據(jù)處理能力，將數(shù)據(jù)采集的結(jié)果根據(jù)不同目的導(dǎo)入系統(tǒng)中進(jìn)行分配和歸集，具體的分配和歸集方式可以通過事先的設(shè)定或直接使用對(duì)歷史數(shù)據(jù)分析產(chǎn)生的預(yù)測(cè)值，最終經(jīng)過成本模型處理后的數(shù)據(jù)自動(dòng)導(dǎo)入系統(tǒng)下一環(huán)節(jié)。自動(dòng)結(jié)賬成完工成本：企業(yè)對(duì)數(shù)據(jù)進(jìn)行結(jié)轉(zhuǎn)后可以利用云計(jì)算的處理平臺(tái)將最終數(shù)據(jù)登入到對(duì)應(yīng)的成本賬戶上去，云計(jì)算平臺(tái)可以自動(dòng)轉(zhuǎn)換數(shù)據(jù)的格式，自動(dòng)生成明細(xì)賬、財(cái)務(wù)報(bào)告，給成本監(jiān)管者和信息使用者提供更大的便利。傳統(tǒng)的成本管理中的成本核算流程包括：①生產(chǎn)費(fèi)用支出的審核；②確定成本計(jì)算對(duì)象和成本項(xiàng)目③進(jìn)行要素費(fèi)用的分配；④進(jìn)行綜合費(fèi)用的分配；⑤進(jìn)行完工產(chǎn)品成本與在產(chǎn)品成本的劃分；⑥計(jì)算產(chǎn)品的總成本和單位成本這六大步驟。但是在智能時(shí)代下，成本核算的流程可以簡(jiǎn)化為以下三個(gè)步驟：①自動(dòng)采集數(shù)據(jù)；②自動(dòng)結(jié)轉(zhuǎn)數(shù)據(jù)；③自動(dòng)轉(zhuǎn)賬成完工成本。原來各環(huán)節(jié)的分配工作可以交由系統(tǒng)內(nèi)部結(jié)轉(zhuǎn)，無需人工單獨(dú)分列成各個(gè)生產(chǎn)環(huán)節(jié)獨(dú)立核算后再錄入系統(tǒng)。1智能化成本核算流程優(yōu)化二、成本管理的智能化發(fā)展成本基礎(chǔ)設(shè)置：成本核算支持多方案、多維度成本歸集數(shù)據(jù)池支持多源獲取成本分?jǐn)傄?guī)則支持多場(chǎng)景靈活定義成本歸集分?jǐn)偅撼杀痉謹(jǐn)傊悄芑?、過程可視化成本核算分層分級(jí)自動(dòng)化處理成本分析：基于成本分配結(jié)果,智能成本管理系統(tǒng)支持對(duì)成本數(shù)據(jù)按期間、部門、項(xiàng)目等維度自由組合查詢,包括成本性態(tài)分析、成本構(gòu)成分析、收益分析、本量利分析等，實(shí)現(xiàn)不同角度的成本分析,為管理決策提供數(shù)據(jù)支持。2智能成本管理的平臺(tái)構(gòu)建海底撈人力成本物流成本倉儲(chǔ)成本加工成本考慮到人工成本在營(yíng)業(yè)收入中的高占比，因此嘗試實(shí)現(xiàn)人工智能化，利用人工智能機(jī)器人來替代人力，只在門店處留下部分優(yōu)質(zhì)服務(wù)員，并對(duì)其的服務(wù)質(zhì)量進(jìn)行實(shí)時(shí)測(cè)評(píng)和打分反饋。與阿里云相合作，利用云計(jì)算技術(shù)實(shí)現(xiàn)精準(zhǔn)的營(yíng)銷對(duì)點(diǎn)，并利用大數(shù)據(jù)計(jì)算外賣顧客與門店的最近距離，減少了外送顧客和門店之間的遠(yuǎn)距離的時(shí)間和配送成本浪費(fèi)，實(shí)現(xiàn)資源的高效配置。通過大智能化現(xiàn)代物流模式進(jìn)行職能管理，海底撈可以第一時(shí)間從最近的倉庫進(jìn)行調(diào)貨，減少采購(gòu)成本，并利用算法進(jìn)行門店銷量預(yù)測(cè)以及實(shí)時(shí)的庫存跟蹤，從而預(yù)測(cè)出每家門店每天的需要進(jìn)貨量以最大限度減少庫存并保證供應(yīng)。與阿里云合作的智能化云平臺(tái)和IKMS系統(tǒng)（智能廚房管理系統(tǒng)）利用大數(shù)據(jù)、物聯(lián)網(wǎng)等設(shè)備將海底撈的后廚實(shí)現(xiàn)了實(shí)時(shí)的智能監(jiān)管，對(duì)海底撈廚房整體的運(yùn)行狀態(tài)、生產(chǎn)狀況、庫存狀況、保質(zhì)期狀況等信息進(jìn)行實(shí)時(shí)上報(bào)，提高了菜品的加工效率，規(guī)避了經(jīng)營(yíng)過程的菜品腐爛等情況，從而減少加工活動(dòng)的糾錯(cuò)成本。海底撈的成本管理第四節(jié)智能經(jīng)營(yíng)預(yù)測(cè)4一、傳統(tǒng)經(jīng)營(yíng)預(yù)測(cè)的局限傳統(tǒng)預(yù)測(cè)方法偏差較大不能準(zhǔn)確提供數(shù)據(jù)信息企業(yè)經(jīng)營(yíng)預(yù)測(cè)的應(yīng)用不夠深入缺乏高質(zhì)量數(shù)據(jù)支持外部變化太大未來發(fā)展趨勢(shì)難以預(yù)測(cè)集團(tuán)下屬機(jī)構(gòu)多、財(cái)務(wù)數(shù)據(jù)標(biāo)準(zhǔn)不一年度預(yù)算結(jié)果往往失真業(yè)務(wù)部門在編制預(yù)算上比較被動(dòng)歷史資料內(nèi)在聯(lián)系不斷修正歸納總結(jié)定性定量預(yù)測(cè)建立預(yù)測(cè)模型歷史數(shù)據(jù)預(yù)測(cè)影響因子分離模型訓(xùn)練數(shù)據(jù)屬性歸納智能經(jīng)營(yíng)預(yù)測(cè)流程變化信息的不公開與不透明企業(yè)缺乏對(duì)預(yù)算執(zhí)行過程的監(jiān)督。多數(shù)企業(yè)未建立定期進(jìn)行預(yù)算分析的機(jī)制,二、經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展（1）智能需求預(yù)測(cè)BCG曾與谷歌公司攜手開展了一項(xiàng)研究，結(jié)果顯示，通過大規(guī)模使用人工智能和高級(jí)分析，消費(fèi)品公司可以實(shí)現(xiàn)超過10％的營(yíng)收增長(zhǎng)。其中，需求預(yù)測(cè)對(duì)拉動(dòng)企業(yè)業(yè)務(wù)增長(zhǎng)的重要性排在了第一。傳統(tǒng)的需求預(yù)測(cè)主要存在以下幾個(gè)弊端依賴人難擴(kuò)展效率低精度差需求預(yù)測(cè)的主要應(yīng)用場(chǎng)景①精準(zhǔn)控制庫存②把握銷售機(jī)會(huì)③指導(dǎo)排產(chǎn)、配送④指導(dǎo)人員配置，優(yōu)化排班智能成本管理的平臺(tái)構(gòu)建1短期經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展二、經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展阿里巴巴金融利用網(wǎng)絡(luò)平臺(tái)的優(yōu)勢(shì)，得到了許多傳統(tǒng)企業(yè)得不到的數(shù)據(jù)，對(duì)其貸款對(duì)象進(jìn)行360度全方位的信用評(píng)級(jí)，從而在有效地控制貸款風(fēng)險(xiǎn)的同時(shí)，提高了貸款的效率。這正是其將大數(shù)據(jù)技術(shù)應(yīng)用到企業(yè)風(fēng)險(xiǎn)管理中的結(jié)果。（2）智能應(yīng)收賬款風(fēng)險(xiǎn)預(yù)測(cè)大數(shù)據(jù)技術(shù)可以從不同的渠道獲得反映客戶不同方面的全面數(shù)據(jù)，而不僅僅是財(cái)務(wù)狀況的數(shù)據(jù)，深度挖掘存量風(fēng)險(xiǎn)客戶集群性、共性特征。針對(duì)已發(fā)生逾期不良的客戶及債項(xiàng)，從客戶資質(zhì)、合作機(jī)構(gòu)、人行征信、押品擔(dān)保等方面分析其存在的共性特征，提取、量化、訓(xùn)練特征因子變量，構(gòu)建風(fēng)險(xiǎn)特征因子庫。應(yīng)用機(jī)器學(xué)習(xí)分類算法，預(yù)判客戶違約概率。生成預(yù)警客戶名單時(shí)，同步智能輸出客戶風(fēng)險(xiǎn)成因，即觸發(fā)的特征因子。應(yīng)用人工智能算法和知識(shí)圖譜技術(shù)，構(gòu)建客戶關(guān)聯(lián)網(wǎng)絡(luò)。整合客戶資金結(jié)算、上下游供應(yīng)商、投資主體、實(shí)際控制人、高管、經(jīng)營(yíng)實(shí)體等信息，應(yīng)用關(guān)聯(lián)網(wǎng)絡(luò)分析算法，構(gòu)建個(gè)人客戶關(guān)聯(lián)關(guān)系模型，自動(dòng)批量生成并輸出關(guān)聯(lián)體結(jié)果?；陉P(guān)聯(lián)網(wǎng)絡(luò)，構(gòu)建關(guān)聯(lián)關(guān)系傳導(dǎo)機(jī)器學(xué)習(xí)模型，有效測(cè)算違約風(fēng)險(xiǎn)沿各類關(guān)聯(lián)關(guān)系傳導(dǎo)的路徑和條件概率，預(yù)測(cè)客戶未違約概率。1短期經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展阿里巴巴金融二、經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展（3）智能收入、成本、利潤(rùn)預(yù)測(cè)收入預(yù)測(cè)智能化成本預(yù)測(cè)智能化利潤(rùn)預(yù)測(cè)智能化在設(shè)備層可以用數(shù)據(jù)挖掘來評(píng)估設(shè)備制造成本，從而提高設(shè)備檢查和維修的精確度，追蹤設(shè)備更新成本；在流程層數(shù)據(jù)挖掘技術(shù)用來在成本核算中確定成本驅(qū)動(dòng)因素，并有助于制定轉(zhuǎn)移定價(jià)的決策；在施工層通過創(chuàng)建神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實(shí)現(xiàn)快速并足夠精確的成本評(píng)估；在產(chǎn)品層挖掘出的數(shù)據(jù)可用于預(yù)測(cè)產(chǎn)品單元的成本、評(píng)估產(chǎn)品生命周期成本；在項(xiàng)目層數(shù)據(jù)挖掘可以協(xié)助建立成本評(píng)估體系，包括有形產(chǎn)品和無形產(chǎn)品，如軟件和應(yīng)用等。智能收入預(yù)測(cè)可以通過數(shù)據(jù)挖掘、回歸分析、機(jī)器學(xué)習(xí)等手段對(duì)歷史數(shù)據(jù)進(jìn)行處理，同時(shí)結(jié)合智能需求預(yù)測(cè)進(jìn)行綜合分析，預(yù)測(cè)市場(chǎng)需求，確定資源配置，對(duì)業(yè)務(wù)收入情況進(jìn)行科學(xué)預(yù)測(cè)，優(yōu)化企業(yè)管理過程。企業(yè)的經(jīng)營(yíng)成果與供應(yīng)鏈上的其他企業(yè)息息相關(guān)，知識(shí)圖譜技術(shù)可以穿透上下游企業(yè)及其關(guān)聯(lián)方關(guān)系，為企業(yè)評(píng)估業(yè)務(wù)的可持續(xù)性、未來收入走向提供有力的依據(jù)。利潤(rùn)預(yù)測(cè)是對(duì)企業(yè)經(jīng)營(yíng)狀況進(jìn)行預(yù)判的重要方式，具體的預(yù)測(cè)方法先對(duì)整體的銷售情況進(jìn)行預(yù)測(cè)，然后通過對(duì)產(chǎn)品產(chǎn)銷量、價(jià)格、結(jié)構(gòu)等因素進(jìn)行分析評(píng)估，測(cè)算企業(yè)未來期間可能達(dá)到的利潤(rùn)水平及其變動(dòng)趨勢(shì)。就目前而言，企業(yè)利潤(rùn)預(yù)測(cè)模型面臨許多不確定的因素，借助智能技術(shù)構(gòu)建的預(yù)測(cè)模型，企業(yè)可以豐富更多影響因子，幫助企業(yè)獲得更準(zhǔn)確的利潤(rùn)預(yù)測(cè)。1短期經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展蘿卜投資設(shè)計(jì)開發(fā)的AI盈利預(yù)測(cè)就本質(zhì)而言即是在為它所預(yù)測(cè)的每只個(gè)股定制統(tǒng)一的預(yù)測(cè)模型框架,先從基本面投研邏輯出發(fā)，對(duì)該公司的主營(yíng)業(yè)務(wù)結(jié)構(gòu)等基礎(chǔ)財(cái)務(wù)信息進(jìn)行拆分，再進(jìn)行第二階段，在新的預(yù)測(cè)系統(tǒng)里引入宏觀、行業(yè)和個(gè)股這三個(gè)方面的影響因子，并將對(duì)應(yīng)數(shù)據(jù)搭載進(jìn)框架之中，最后通過尋找適合小數(shù)據(jù)的預(yù)測(cè)引擎，實(shí)現(xiàn)偏差小十不確定性低的預(yù)測(cè)效果。與此同時(shí)，在整個(gè)預(yù)測(cè)框架內(nèi)，蘿卜投資還增加了自主編輯功能，用戶可結(jié)合市場(chǎng)環(huán)境和自身的從業(yè)經(jīng)驗(yàn)在框架中融入自己對(duì)市場(chǎng)未來走向的預(yù)判，通過編輯新變量、掛載特色數(shù)據(jù)等方式，提高盈利預(yù)測(cè)的準(zhǔn)確性。例如在對(duì)恒順醋業(yè)的年報(bào)預(yù)測(cè)中，蘿卜投資就在其構(gòu)建的知識(shí)圖譜中先對(duì)恒順醋業(yè)的財(cái)務(wù)結(jié)構(gòu)進(jìn)行剖析，隨后引入宏觀、行業(yè)和個(gè)股的三個(gè)方面的影響因子，將社會(huì)消費(fèi)品零售數(shù)據(jù)、食醋行業(yè)普價(jià)和線上電商的特色數(shù)據(jù)等引入整體預(yù)測(cè)框架中，再結(jié)合專家人員的從業(yè)經(jīng)驗(yàn)，最終得出恒順醋業(yè)的盈利預(yù)測(cè)結(jié)果。蘿卜投資：AI盈利預(yù)測(cè)二、經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展1短期經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展二、經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展（1）智能宏觀環(huán)境預(yù)測(cè)預(yù)測(cè)宏觀環(huán)境的變化，制造消費(fèi)。大數(shù)據(jù)技術(shù)的應(yīng)用一方面在挖掘客戶需求，另一方面還可以通過對(duì)天氣、各種社會(huì)事件、環(huán)境等數(shù)據(jù)的分析，預(yù)測(cè)一些社會(huì)事件的發(fā)生。沃爾瑪正是利用大數(shù)據(jù)技術(shù)的思維，2011年4月以3億美元收購(gòu)了Kosmix公司。Kosmix從事的業(yè)務(wù)是收集、分析網(wǎng)絡(luò)上的海量資料（大數(shù)據(jù)），并將這些數(shù)據(jù)賣給企業(yè)。Kosmix為沃爾瑪打造的大數(shù)據(jù)系統(tǒng)連結(jié)到美國(guó)著名的社交網(wǎng)站Twitter、Facebook等。網(wǎng)站的工作人員從每天熱門消息中，推出與社會(huì)時(shí)事呼應(yīng)的商品，創(chuàng)造消費(fèi)需求。（2）智能利率預(yù)測(cè)在智能化風(fēng)險(xiǎn)定價(jià)方面，由于利率市場(chǎng)化推進(jìn)，擠壓銀行利潤(rùn)，這就使得銀行不得不根據(jù)客戶利率敏感程度、金額、周期、信用風(fēng)險(xiǎn)預(yù)測(cè)等因素，通過智能化手段建立差異化的定價(jià)模型，對(duì)不同人群推出不同信貸利率，從而獲得更高的收益。（3）智能匯率預(yù)測(cè)隨著計(jì)算機(jī)的發(fā)展，尤其是計(jì)算機(jī)的計(jì)算及處理數(shù)據(jù)的能力越來越強(qiáng)，又加上預(yù)測(cè)方法不斷推陳出新，人工智能技術(shù)、智能識(shí)別及歸納總結(jié)數(shù)據(jù)的能力越來越顯現(xiàn)出來，并應(yīng)用到實(shí)際的匯率預(yù)測(cè)領(lǐng)域。近些年來，人工神經(jīng)網(wǎng)絡(luò)技術(shù)開啟了匯率預(yù)測(cè)的新時(shí)代，出現(xiàn)大大地提高了對(duì)于匯率預(yù)測(cè)的樣本內(nèi)擬合的程度。其中反饋過程的優(yōu)異表現(xiàn)使得BP神經(jīng)網(wǎng)絡(luò)能夠更直接更生動(dòng)地反映系統(tǒng)的動(dòng)態(tài)特征。神經(jīng)網(wǎng)絡(luò)借助其較強(qiáng)的自學(xué)習(xí)、聯(lián)想、識(shí)別等功能，收集數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，用其算法建立數(shù)學(xué)模型進(jìn)行預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)是其中最具代表性且運(yùn)用相當(dāng)廣泛的一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。在通過學(xué)習(xí)歷史數(shù)據(jù)和訓(xùn)練了數(shù)據(jù)的生成機(jī)制后，即可對(duì)匯率進(jìn)行預(yù)測(cè)。2長(zhǎng)期經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展聯(lián)合利華是全球最大的日用消費(fèi)品公司之一。面對(duì)不斷變化的零售消費(fèi)環(huán)境，日新月異的行銷策略、市場(chǎng)推廣渠道和競(jìng)爭(zhēng)格局都需要用數(shù)據(jù)快速指導(dǎo)決策。聯(lián)合利華與觀遠(yuǎn)數(shù)據(jù)合作，打造通過“人工智能+商業(yè)智能”的新零售需求預(yù)測(cè)解決方案，用更高效準(zhǔn)確的市場(chǎng)需求預(yù)測(cè)贏得更多的決策反應(yīng)時(shí)間和更高的計(jì)劃可行性，并推動(dòng)S&OP（銷售與運(yùn)營(yíng)規(guī)劃流程）管理的良性發(fā)展。該方案一鍵式應(yīng)用機(jī)器學(xué)習(xí)模型，基于歷史銷量、日期、節(jié)日、商品、促銷、倉庫、銷售終端等多種特征進(jìn)行SKU商品在未來四個(gè)月的銷量預(yù)測(cè)，打造了“數(shù)據(jù)獲取-數(shù)據(jù)分析-模型搭建-數(shù)據(jù)預(yù)測(cè)-智能決策-新數(shù)據(jù)融入”的完整數(shù)據(jù)閉環(huán)，通過快速精準(zhǔn)的銷量預(yù)測(cè)制定訂貨和出貨計(jì)劃，減少人工決策帶來的偏見，平衡商品產(chǎn)量與市場(chǎng)需求。數(shù)據(jù)獲取數(shù)據(jù)分析模型搭建數(shù)據(jù)預(yù)測(cè)智能決策新數(shù)據(jù)融入聯(lián)合利華：AI需求預(yù)測(cè)二、經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展2長(zhǎng)期經(jīng)營(yíng)預(yù)測(cè)的智能化發(fā)展第五節(jié)智能績(jī)效管理5一、傳統(tǒng)績(jī)效管理的局限企業(yè)績(jī)效管理傳統(tǒng)流程包括計(jì)劃、實(shí)施、評(píng)價(jià)和反饋，通過循環(huán)體系發(fā)現(xiàn)問題并優(yōu)化管理。常用方法有平衡計(jì)分卡（四維度）、關(guān)鍵績(jī)效指標(biāo)法（細(xì)化關(guān)鍵指標(biāo)）和目標(biāo)管理法（員工參與設(shè)定目標(biāo)）。企業(yè)績(jī)效管理因規(guī)模和組織架構(gòu)不同而有差異，大企業(yè)采用全面方法，小微企業(yè)偏好簡(jiǎn)單方法。隨著大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算等技術(shù)發(fā)展，企業(yè)績(jī)效管理迎來新契機(jī)，助力精益管理和資源配置優(yōu)化。計(jì)劃實(shí)施評(píng)價(jià)反饋二、績(jī)效管理的智能化發(fā)展企業(yè)內(nèi)部的績(jī)效管理流程呈現(xiàn)目標(biāo)制定、戰(zhàn)略細(xì)化、預(yù)警監(jiān)督、追溯分析、績(jī)效考核和總結(jié)改進(jìn)六個(gè)步驟：企業(yè)能夠利用物聯(lián)網(wǎng)和大數(shù)據(jù)對(duì)企業(yè)既有經(jīng)營(yíng)狀況進(jìn)行數(shù)據(jù)采集，并能對(duì)獲取的內(nèi)外部數(shù)據(jù)進(jìn)行結(jié)構(gòu)化整合，為后續(xù)的數(shù)據(jù)分析提供數(shù)據(jù)源。利用知識(shí)圖譜等技術(shù)，企業(yè)能夠?qū)Ω鳂I(yè)務(wù)部門的具體業(yè)務(wù)有更直觀的了解，也更能根據(jù)宏觀經(jīng)濟(jì)發(fā)展態(tài)勢(shì)和企業(yè)整體發(fā)展戰(zhàn)略對(duì)各部門的真實(shí)經(jīng)營(yíng)情況進(jìn)行預(yù)測(cè)和實(shí)時(shí)調(diào)節(jié)，克服以往目標(biāo)制定者和實(shí)際業(yè)務(wù)職能部門之間的信息脫節(jié)問題，將企業(yè)戰(zhàn)略合理細(xì)化為部門任務(wù)。區(qū)塊鏈等分布式記錄技術(shù)和物聯(lián)網(wǎng)等傳感設(shè)備的助力下，管理人員能夠在績(jī)效管理系統(tǒng)里通過實(shí)施監(jiān)控對(duì)業(yè)務(wù)活動(dòng)中的一些簡(jiǎn)單錯(cuò)誤進(jìn)行快速追蹤認(rèn)責(zé)，同時(shí)對(duì)業(yè)績(jī)水平不佳和工作態(tài)度不良的業(yè)務(wù)部門進(jìn)行預(yù)警，使績(jī)效管理產(chǎn)生更明顯的激勵(lì)和監(jiān)管效果。智能時(shí)代的績(jī)效考評(píng)更為綜合和全面，一些非結(jié)構(gòu)化數(shù)據(jù)能夠被融合到最終的績(jī)效考評(píng)中，評(píng)價(jià)對(duì)象的差異性、工作崗位的特殊性質(zhì)等因素都會(huì)被考慮到整個(gè)績(jī)效管理活動(dòng)中，更加靈活和人性化。在績(jī)效管理流程結(jié)束后，管理人員可以針對(duì)業(yè)績(jī)波動(dòng)更加準(zhǔn)確地識(shí)別出績(jī)效管理的有效性與激勵(lì)效果，從而也能夠調(diào)整績(jī)效考評(píng)系統(tǒng)的運(yùn)行機(jī)制。除此之外，靈活的信息輸送結(jié)構(gòu)也能夠?qū)T工的反饋結(jié)果進(jìn)行更好的采集，實(shí)時(shí)、不可篡改的信息儲(chǔ)存技術(shù)也能夠增加意見的真實(shí)性，為管理人員的后續(xù)決策提供信息來源。1智能績(jī)效管理的流程設(shè)計(jì)二、績(jī)效管理的智能化發(fā)展企業(yè)經(jīng)營(yíng)中常見的績(jī)效管理工具包括平衡計(jì)分卡（BSC）、經(jīng)濟(jì)增長(zhǎng)值、關(guān)鍵績(jī)效指標(biāo)法（KPI）等，智能技術(shù)的變革也為上述績(jī)效管理的實(shí)際應(yīng)用造成了變化：平衡計(jì)分卡：企業(yè)可以應(yīng)用區(qū)塊鏈技術(shù)，把財(cái)務(wù)、客戶、內(nèi)部運(yùn)營(yíng)、學(xué)習(xí)與成長(zhǎng)四個(gè)維度細(xì)分為區(qū)塊鏈中的四個(gè)區(qū)塊，將企業(yè)的具體數(shù)據(jù)錄入四個(gè)區(qū)塊中，形成不可篡改的、真實(shí)的、透明、形成共識(shí)的智能合約，將其確認(rèn)為整體的績(jī)效管理目標(biāo)。不光如此，企業(yè)也可以應(yīng)用商業(yè)智能系統(tǒng)（BI）在企業(yè)各業(yè)務(wù)層級(jí)獲取數(shù)據(jù)并將這類數(shù)據(jù)自動(dòng)轉(zhuǎn)化為企業(yè)內(nèi)部銷售、采購(gòu)、產(chǎn)品制造和財(cái)務(wù)的關(guān)鍵績(jī)效業(yè)務(wù)指標(biāo)，然后利用可視化技術(shù)進(jìn)行綜合展現(xiàn)，并對(duì)上述四個(gè)維度中涵蓋的異常數(shù)據(jù)進(jìn)行精確化識(shí)別和追溯。關(guān)鍵績(jī)效法：前文也提及的包括大數(shù)據(jù)、物聯(lián)網(wǎng)帶來的數(shù)據(jù)源的擴(kuò)大和區(qū)塊鏈技術(shù)的分布存儲(chǔ)技術(shù)都能為關(guān)鍵指標(biāo)法的應(yīng)用帶來新的衡量?jī)r(jià)值，使其跳脫出原有的機(jī)械的考核方式，更加符合差異化、個(gè)性化的分工趨勢(shì)。除此之外，關(guān)鍵績(jī)效指標(biāo)法還可以與平衡計(jì)分卡配套使用，將平衡計(jì)分卡四個(gè)區(qū)塊進(jìn)行分解細(xì)化，例如財(cái)務(wù)區(qū)塊可以分解成收入、成本、利潤(rùn)、現(xiàn)金流量等關(guān)鍵績(jī)效指標(biāo)；客戶區(qū)塊可以分解成市場(chǎng)占有率、客戶滿意度等關(guān)鍵績(jī)效指標(biāo)；內(nèi)部運(yùn)營(yíng)區(qū)塊可以分解成新產(chǎn)品研發(fā)、物流配送等關(guān)鍵績(jī)效指標(biāo);學(xué)習(xí)與成長(zhǎng)區(qū)塊可以分解成員工技能提升、管理提升度等關(guān)鍵績(jī)效指標(biāo)，細(xì)化指標(biāo)，使其發(fā)揮更精準(zhǔn)的考核管理效果。經(jīng)濟(jì)增加值：只要設(shè)定好算法和數(shù)據(jù)源，企業(yè)便能直接從數(shù)據(jù)庫中調(diào)