第2章
数字化转型

2.1　数字化的概念

2.1.1　数字化是什么

从20世纪90年代起至今，数字经济从出现发展到当前数据成为一个重要的生产要素，从关系型数据库到涵盖结构化和非结构化的大数据，从系统化到智能化，再到当前已无处不在的数字化，数字化的概念一直在发展，不断被赋予各种含义。数字化在不同发展阶段、不同领域具有不同的内涵，具体体现在形式、技术、模式等方面。这些比较抽象且宽泛的阐述可以帮人们快速了解数字化的概念和发展方向，并且获知数字化的重要意义。但是，当进一步去探讨数字化如何实现、演变和转型时，我们会发现不知道从哪里开始，也不清楚当前的状态。因此，数字化需要一个具象化的概念。

数字化应该兼具系统化、线上化、自动化和智能化的特征。系统化是利用信息系统实现生产、管理和服务等活动的过程，主要目的是代替手工处理，提升效率和一致性，保障规章和规范的执行。系统化将活动过程中的各类信息转化成数字信息保留下来。线上化是基于网络技术的发展，将跨领域、跨业务的相关活动和环节连接并融合起来，消除内外部系统间的断点，改变信息分享与交换的媒介和渠道，产生新的商业模式、运作方式和管理理念，进一步提升效率和规范性。数据被连接起来也对数据的标准化提出了新的要求。系统化和线上化是数字化的基础，也直接促进了自动化和智能化的发展。自动化是基于对规则的梳理和总结，对业务活动及其产生的数据进行分析的过程的系统化实现的，自动化从大量的数据中快速获取信息，支持业务管理、分析和决策。智能化是在自动化的基础上，通过各种智能技术的应用，逐步具备感知能力、记忆和思维能力、学习能力、自适应和行为决策能力，通过数据的处理和反馈，面对随机性的外部环境，做出决策并付诸行动。

数字化还应该具有完整、可信和可运营的数据特征。完整是指业务和管理各相关方面、各环节的要素都没有缺失且毫无遗漏地被记录下来，这是数字化的基本要求。可信包括标准、数据质量和信息安全三个方面的要求。这里的标准是指数据必须被清晰且规范地定义，并遵从同一标准。数据质量取决于多方面的因素，从业务规划到系统设计、开发，再到后续数据处理的过程，每一环节都会对数据质量造成影响。信息安全是数字化最基本的要求，不仅要在技术上保障数据安全可控，还要遵从法律法规层面的各项要求。可运营是数字化不断发展的重要保障。数字化不是一朝一夕就能实现的，需要长期持续的资源投入。因此，相匹配的战略、组织、人才乃至企业文化都是数字化的重要特征。

此外，数字化最重要的特征之一就是数字驱动，这是数字化区别于以往系统化、信息化等概念最重要的特征。相比于技术驱动，数字驱动更能给业务运作的模式和商业运转的逻辑带来质的转变，不再只是单纯地解决企业的降本增效问题，而是成为赋能企业商业模式创新和突破的核心力量。最终，数据会成为一个重要的生产要素，它既来源于业务和技术，服务于业务和技术，又不依附于业务和技术。

2.1.2　财务管理的数字化

财务管理工作是反映和监督企业经营活动的管理工作，提供企业财务状况、经营成果和现金流量的相关信息，并对企业经营活动和财务收支进行监督。在此基础上，实现对企业的经营分析与管理决策需求，提高资源配置效率，进而促进企业可持续发展。数字化可以为财务管理的各方面带来新的提升，使财务管理职能得到更好的发挥，实现企业管理目标。

系统化和线上化提升财务核算和报告的工作效率，不仅可以把业务开展的过程和结果都转化成数据存储起来，而且可以提高数据的完整性、准确性和及时性。传统的财务工作包括两个方面的内容：一方面是财务人员对整理后的业务数据进行核算、质证和报告；另一方面是企业员工按照财务流程进行费用报销、支付申请等。财务系统取代以往的手工作业、纸质单据和财务报表等，使财务数据以系统数据的形式被存储起来。系统化的进一步发展主要表现在对业务数据的整理和对财务数据的管理应用上，譬如，从获取有限的业务信息扩展到对更广泛、更细粒度、更及时的业务数据进行整理，从财务核算到更细的业务交易级别，更快、更好地编制不同类别、不同口径的财务报表等。线上化的提升将财务系统与业务系统更好地结合起来，包括与外部相关系统的连接、批量数据交换、报销发票录入、流程审批等，通过实时数据接口和交换协议、OCR识别、电子审批等方式消除企业内部不同系统间、企业内部与外部间的断点，显著提升财务管理工作水平，提高准确性，降低成本投入。此外，将财务和业务系统连接起来得到的一致数据，可以为企业的业务开展、经营分析决策、风险管控等提供良好的数据基础。

自动化和智能化有助于提升企业经营分析、管理决策能力和企业的数字能力；基于业财一致的数据，建立业务场景和规则库，深化业财融合；利用规则引擎和BI分析工具（商务智能分析工具）进行多视角、多维度、多层次的分析，不只是分析财务状态，还从业务和财务两个视角进行交叉分析，帮助财务管理人员更快、更准确地发现市场和业务的变化及其原因，为业务发展提供相关建议；将市场、客户、销售、成本、费用、现金流、风险等多主题的数据进行整合，利用机器学习与人工智能技术对海量数据进行分析和挖掘，快速准确地找到各业务要素的特征和规律，搭建预测分析模型。通过决策模拟、执行监控等方式对企业进行全面的预算管理和经营决策。