一、引言
当前,数字化时代背景下,业财一体化对企业的发展具有非常重大的意义。但是现今的企业中,存在着很多业务、财务两张皮的现象,或仅实现业务、财务的部分一体化,大部分的业务、财务数据仍处于分离状态,不利于企业应对日益错综复杂的竞争环境。有效的业财一体化不仅能提升企业内部的经营管理能力及对外业务的拓展能力,更有利于在战略层面提升企业的核心竞争力。

  然而业财一体化常常伴随着诸多挑战,尤其是数据领域,数据问题经常导致业务、财务相关报表数据不准。只有搭建完善的数据治理体系能为这一进程不断深入提供坚实基础和强大助力。

  二、什么是业财一体化

  业财一体化,即业务财务一体化,也称为业财融合,其基本思想是在包括网络、数据库、管理软件平台等要素的IT环境下,将企业经营中的三大主要流程,即业务流程、财务会计流程、管理流程有机融合,将计算机的“事件驱动”概念引入流程设计,建立基于业务事件驱动的财务一体化信息处理流程,使财务数据和业务融为一体。

  业财一体化改善的是财务数据的状况,把财务数据与业务数据融合在一起。现阶段大部分企业的业财一体化主要实现了财务自动核算,即业务流程相关记账节点按规则自动生成凭证,并传输至财务系统,实现记账来源统一。而对于经营分析的功能较少涉及,主要原因为大部分企业还面临着较多的数据问题。

  三、业财一体化中常见的数据问题

  1、数据不及时

  通常情况下,财务部在月末结账后,才能把所在月份的财务数据提供至管理层及外部监管。有些企业一般为次月月初结账,所以管理层要想看本月的财务状况,只能等到次月的上旬,效率差一点的企业可能要等到中旬。业务部门数据录入的不及时导致财务数据的晚出具,公司可能会错失最佳的决策时机。

  2、数据不准确

  业务部是数据的生产部门,财务部是数据的接收部门,业务在系统内录入的什么数据,财务就呈现什么结果。如果业务在系统内录入的数据是错误的,审核节点也未发现问题,那么财务做的账也是错的,直接导致财务报表的数据错误。

  3、数据不完整

  业务在系统内录入的数据部分存在缺失,比如还存在部分业务线下处理,未全部转到线上系统,后期也未在线上系统补录,造成财务还需线下手工签批、制证等相关工作。导致线上线下不一致,线下还需建立这种线下数据台账,后期每次对账时若遗漏线下数据部分容易出错。

 4、数据规范不统一

  不同系统在数据命名、编码、定义、取值上的差异,以及不同管理视角下数据口径、颗粒度,都有可能造成数据规范的不统一,进而导致相同原始数据在多个系统中独立存储、多个场景下分别呈现时产生一致性问题,加重数据管理负担、增大数据应用难度。

  5、数据资源未共享

  对于大多数公司来说,各类系统众多、建设年代不同、数据接口分别定制是普遍的情况。这往往导致企业内部业财数据交互的模式复杂、效率不高,且数据未共享造成信息孤岛。

  四、融资租赁公司财务数据治理建设思路

  首先,不仅是融资租赁公司IT人员需要从IT层面掌握如何系统化实施数据治理,财务人员也需要深入认识数据治理并参与其中,从“是什么”、“谁来做”、“做什么”三个角度来学习并理解数据治理。

  1、数据治理是什么?

数据治理的官方定义为:组织中涉及数据使用的一整套管理行为,由企业数据治理部门发起并推行,关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。

  数据治理不仅是通过对数据进行管理,来提升数据质量,它强调流程设定和权责划分。它不仅是对数据技术的简单关注,还需解决相关的政策流程和人员分配问题,其核心是通过数据治理计划,确保组织高层有效安全地利用数据生成决策。

  数据治理是企业实现数据资产价值创造的基础,却也是因为最基础经常被忽视。数据治理的最终目标强调“提升数据的价值”,因此数据要成为能够应用于业务并产生特定价值的信息,就需要通过数据治理工作来完成。

  2、数据治理谁来做?

  从实践的经验来看,有效的数据治理不仅需要IT的介入,而是应该由公司跨部门的人员组成并相互协作,其中,除了业务部门作为数据生产部门必须参与之外,财务人员发挥着不可或缺的作用。

  《中国总会计师(CFO)能力框架》中指出,CFO应具备数据治理能力,可以组织分析各项会计数据与业务数据(非会计数据),方便、安全、快捷、可靠、敏锐地利用数据进行决策支持。除了高层财务管理人员外,其他财务人员未来的岗位职责也可能将随着数据治理的开展产生变化。

  3、数据治理做什么?

  国际数据管理协会(DAMA)定义了数据治理的框架,包括数据治理、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理、文档和内容管理、元数据管理和数据质量管理10个领域。

  数据治理的工作方向事实上可能涵盖了数据管理的各个方面,而重点在于如何形成包括组织、制度、流程、工具等要素在内的整个体系。

  对财务人员而言,参与数据治理面对的当务之急,除了补充相关的认知之外,在于采用合适的方法,并明确在数据治理过程当中的职责,开展数据治理工作任务,同时将数据治理融入到财务管理工作流程当中去。

  然后,财务人员对数据治理有了初步认知后,可采取“盘、规、治、融、用”的实施思路,通过整合、治理、挖掘,打通业财数据壁垒,提升数据质量,支撑经营管理决策。

  盘:厘清有哪些数据项、分别什么含义、数据项在哪里存储及哪个功能显示。数据盘点进行数据梳理分类及目录,为数据标准化、数据集成及共享,奠定基础。

  规:将盘点好的数据项建立数据标准,形成标准规范,确保数据口径统一。主要为两个步骤,一是定标,需包括业务定义、技术规格、取值标准、管理属性,特别关注当前数据口径不一致的数据;二是落标,根据数据标准,落标于源系统中,主要为业务系统,需相应进行系统改造。

  治:进行常态化数据治理,通过数据质量检核规则,进行数据质量探查,并落地到源系统中进行数据的补充、修正以及源系统的改造等。同时建立数据质量管理机制:建立发现问题-分析问题-解决问题-持续优化的闭环机制,在源系统分别执行数据质量管理方案。

  融:即业务财务数据融合,通过业务财务相关数据口径的统一,技术上业务系统、财务系统建立集成接口,业务系统内与记账相关流程节点自动生成凭证并传输至财务系统中,其目标是实现在财务系统内准确的出具财务报表,减少手工操作。

  用:基于“盘、规、治、融”的完成,基本形成数据资产,可构建指标体系、标签体系,面向执行层、管理层和决策层用户构建数据统计、分析、挖掘及智能模型等多种数据应用,支撑业务操作、运营和决策。

  五、融资租赁公司财务数据治理建设实施路径

  财务数据治理的建设实施路径通常情况下分为两种,一种为“问题专项式治理”,另外一种为“全局式治理”。

  1、“问题专项式治理”方法:以关键问题数据为切入,开展数据质量专项提升,此种方法优点是投资小,对于重点数据问题处理见效快,容易得到财务认可,缺点是非全面治理,治理周期较短。

  2、“全局式治理”方法:为全面治理+实施落地,优点是起点高,容易得到高层与各相关部门重视,缺点是投资大,周期长,实际落地效果还需组织、制度、流程的持续保障,特别需较强的部门协同及实际执行力。

  六、融资租赁公司财务数据治理建设步骤及内容要点

  针对于两种不同的财务数据治理方法,由于其数据治理范围及重视程度不同,其建设步骤及内容也不同。

  1、“问题专项式治理”方法步骤及内容要点

  (1)组建“财务数据治理”临时小组

  “财务数据治理”小组,由财务部、业务部与IT部共同组成。

  财务部:负责盘点财务数据问题,并解释说明问题数据项的业务含义、业务规则及计算逻辑等,联合IT部制定数据标准;

  业务部:负责对财务部发现的数据问题进行源系统(通常为融资租赁业务管理系统)的数据补录、问题确认并修改;

  IT部:负责与财务部联合制定数据标准,对数据问题进行源系统(通常为融资租赁业务管理系统)的数据运维、系统改造,包括修改报表逻辑、新增相关报表、新增相关字段校验逻辑等。

  (2)盘点现存的关键数据问题,确定数据治理范围

  财务部对企业关键业财一体化问题数据进行盘点,并梳理关键问题数据的分类及目录,同时厘清财务数据在各环节处理的系统承载及所需信息字段,识别业财数据的标准差异与衔接断点,确定数据治理的范围。盘点方法可先从财务类相关报表出发,哪些报表指标数据项存在源系统无法直接取数或取数不准确的情形,需耗费大量人工的,梳理分析问题指标类数据项的计算逻辑,倒推出基础数据项,从而列出基础数据项问题数据清单,以及指标类数据项问题数据清单。

  关键数据问题的背后,也存在流程不合理的问题,对于暂不明确规则的流程,如变更流程等,需通过流程治理明确规则,此项同样也需纳入数据治理范围中。盘点问题数据清单完成后,由IT部负责数据问题清单文档的完善,对问题进行初步分析,为下一步建立数据标准做准备。

  (3)建立关键问题数据项的数据标准

  IT部制定数据标准模板,模板需区分基础数据项标准及指标类数据项标准。基础数据项标准要有明确数据的业务属性(业务含义、业务规则、来源标准等)、技术属性(数据长度、数据类型、来源表及字段等)及管理属性(数据标准归口管理部门、数据认责部门等),指标类的数据项要有明确的业务含义、统计口径、计算公式等。

  其中业务属性主要由财务部负责说明,技术属性由IT部负责说明,管理属性由财务部与IT部共同梳理并提交公司相关领导确认。

  举例:“融资租赁资产余额”为指标类数据项,其计算逻辑为融资租赁资产余额=长期应收款-未实现融资收益-其他应付款(计提的税金)。

  (4)落标源系统改造及数据应用

  根据已确定的数据标准范围,梳理出源系统改造范围,明细到改造哪个系统,改造哪个功能,涉及哪些字段,同时也需加强业财一体化的应用。改造类型按基础类数据项和指标类数据项,改造范围分为字段调整和报表新增、业财一体化调整两大类。基础源系统改造完成后,若公司已搭建报表平台,可通过报表平台在各自权限范围内进行数据的共享使用。

  字段调整及报表新增方面:

  在相关信息录入页面增加数据校验逻辑,以保证数据存储到数据库的数据正确,以及相关功能的字段逻辑调整;报表新增方面比如在源系统或报表平台增加新的报表,针对于源系统未开发的相关数据项报表按模板及逻辑进行开发,以方便后期相关部门使用。

  业财一体化调整方面:

  若业务系统与财务系统已初步建立业财一体化,实现业务主流程相关凭证生成节点自动制证,并通过接口传输至财务系统。从数据完整性的角度,建议将所有业务类相关的流程,特别是变更流程涉及记账类的,首先由线下流程转移至线上,如展期、支付期平移、提前部分还款等,这样线上能根据相关确定规则自动制证,以保证业务类的凭证生成统一来源,防止两张皮的出现,其目标为实现财务报表数据生成的准确。

  (5)关键问题数据质量定期检核

  关键问题数据项落标至源系统后,财务部人员可定期从源系统导出报表数据,并与财务系统内数据进行一致性核对。若数据存在问题则提缺陷至IT部进行源系统或报表平台进行调整。

  2、“全局式治理”方法步骤及内容要点

  (1)数据治理顶层设计

  企业的信息化规划需进行顶层设计,数据治理同样也需顶层设计。通常数据治理是IT治理的一个组成部分,而现阶段随着对数据治理的重要性不断提升,数据治理已经独立于IT治理,因为数据治理和IT治理有不同的治理对象、需求和目标,所以它们也应该有相互独立的框架、模型、组织架构、过程和规则。

  数据治理顶层设计内容包括:建立数据治理组织、制度、流程。

  数据治理组织方面:

  有效的组织机构是数据治理成功的有力保证,也是数据治理长效运行的基础。数据治理组织包括决策层、管控层、执行层,其三层的组织架构支撑数据治理工作的开展和职责的落实,同时也明确数据治理组织架构与人员角色定义,明确相应的责任人和职责。

  ①决策层即数据治理委员会,负责结合公司战略,为数据治理引领方向;审批数据治理年度工作目标、数据管理制度及流程、方案和主要计划;决策数据治理重大事项;协调各相关部门参与数据治理工作。通常由公司总经理牵头,与各分管领导高管共同组成。

  ②管控层即数据治理办公室,负责牵头制定数据标准、数据管理相关制度办法及流程;制定数据治理工作年度目标及计划,并有效分解、落实到各数据治理小组进行承接;同时牵头组织数据治理方案设计及实施,对数据治理各小组提交的设计内容进行审议,向决策层汇报数据治理工作。

  ③执行层即数据治理工作小组,主要负责数据治理的贯彻执行,负责参与数据治理工作的方案设计及具体执行,解决日常的数据问题。通常跨部门组成,建议由以下角色组成:数据主责人、数据录入人、数据使用人、技术支持人等,其中技术支持人可为信息科技部的数据相关岗位,如数据需求岗、数据标准岗、数据质量岗等。其中业务部门为主要参与对象,因为业务部门既是数据的生产方,也是数据的使用方,在数据治理建立的基础上,还可不断促进“信息科技与业务协同”,共同提升公司信息化及数据质量水平。

  数据治理制度及流程方面:

  制度流程体系建设是数据治理成功的重要保障,制度流程体系的制定包括四个方面:一是制定及发布数据标准相关制度,以及数据标准的制定和变更流程;二是制定及发布数据管理标准,制定数据质量管理制度及实施细则,明确数据管理职责,定义数据管理流程;三是制定及发布数据交换标准,通常为数据采集、存储、加工使用的技术标准、接口标准等;四是制定及发布数据安全相关制度办法,保障数据的安全使用和共享。

  (2)建立完整数据标准

  首先,需对企业所有数据进行盘点,并梳理数据分类及目录,包括全企业数据架构,对企业的数据模型、数据关系、数据处理有清晰化的认识,从而确定数据标准的范围。企业在确定数据范围时,需要从纵向上考虑监管报送、内部管理、经营信息三类需求,从横向上融合财务、资产、风控等各职能部门的需求,梳理明确需要治理、共享的数据内容,进行数据分级、分类。建标工作的主导方,若企业内有数据管理部门,则可发起主导,若无数据管理部门,可通过信息科技部对外招标数据治理咨询项目,由专业的咨询公司或软件公司进场共同开展数据治理工作。

  然后,对数据治理范围进行标准的制定,良好的数据标准体系有助于数据的共享、交互和应用,可以减少不同系统间数据转换的工作。数据标准适用于业务数据描述、信息管理及应用系统开发,包括基础标准和指标标准(或称应用标准)。可以作为经营管理中所涉及数据的规范化定义和统一解释,也可作为信息管理的基础,同时也是作为应用系统开发时进行数据定义的依据。涉及国家标准、行业标准、企业标准和地方标准,在定义元数据实体或元素时进行关联。数据标准的主要由业务属性、技术属性和管理属性三部分构成。同时还需要不断的补充完善、更新优化和积累,以便更好的支撑业务的开发和系统的集成。

  ①业务属性

  业务定义主要是明确标准所属的业务主题以及标准的业务概念,包括业务使用上的规则以及标准的相关来源等。对于代码类标准,还会进一步明确编码规则以及相关的代码内容,以达到定义统一、口径统一、名称统一、参照统一以及来源统一的目的,进而形成一套一致、规范、开放和共享的业务标准数据。

  ②技术属性

技术定义是指描述数据类型、数据格式、数据长度以及来源系统、来源表、来源字段等技术属性,从而能够对信息系统的建设和使用提供指导和约束。

  ③管理属性

  管理信息是指明确标准的所有者、管理人员、认责部门等内容,从而使数据标准的管理和维护工作有明确的责任主体,以保障数据标准能够持续的进行更新和改进。

  (3)落标源系统改造及数据应用

  根据已确定的数据标准范围,梳理出源系统改造范围,明细到改造哪个系统,改造哪个功能,涉及哪些字段,同时也需加强业财一体化的应用。改造类型按基础类数据项和指标类数据项,改造范围同样分为字段调整和报表新增、业财一体化调整两大类。基础源系统改造完成后,若公司已搭建报表平台,可通过报表平台在各自权限范围内进行数据的共享使用。

  (4)技术选型数据治理平台

  数据治理是一个长期的工作,需持续进行数据治理事项的日常监控,可技术选型数据治理平台作为数据治理体系的落地。目前市场上已有成熟的数据治理平台软件产品,一般也称为数据管控平台,主要包括的功能模块有元数据管理、数据标准管理、数据质量管理等。构建以元数据为基础、数据标准为核心、数据质量提升为目标的管控平台,管理企业数据资产。将制定的数据标准、数据质量检核规则等落地到数据管控平台中。

  ①元数据管理:元数据是描述数据的数据,涉及业务元数据、技术元数据、管理元数据,是数据管控的基本对象。元数据管理是企业数据治理的基础,通过平台对元数据进行动态采集和管理,实现对多变、动态的数据进行管理。运用平台数据分析功能,帮助用户理解数据的加工处理过程,为用户更好的认识数据、分析数据、挖掘数据提供基础工具。从功能层面需包括:元数据采集服务、元数据访问服务、元数据管理服务和元数据分析服务等。

  ②数据标准管理:数据标准是保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准管理是规范数据标准的制定和实施的一系列活动,通过线下制定的数据标准,包括数据项标准、指标类标准,嵌入数据标准管理模块中,实现数据标准增、删、改、查、发布、审核、修订等各种基础操作,其变更过程能被自动记录,通过变更版本控制,追踪标准历史。通过多维度指标分析数据标准,可全面了解标准总数、生效数、失效数等。从功能层面需包括:数据标准编制、数据标准审批、数据标准发布、数据标准使用及分析等。

  ③数据质量管理:数据质量管理包括对质量规则的配置和根据规则进行数据的校验,通过规则配置,任务配置,检测记录等操作,能够评估数据质量,产生问题数据,并落地到具体应用系统中进行数据修正或功能调整,如增加相关数据校验等。数据质量管理工具从功能上需包括:数据质量指标管理、数据质量规则管理、数据质量评估任务、数据质量评估报告等。需注意的是,输出数据质量评估报告的前提,是已经完成了前面所提到的元数据、数据标准、数据质量规则的建设、并落标到了各个子应用系统中。

  依然以“融资租赁资产余额”数据指标举例,数据质量规则配置中,可增加业财一致性的校验规则,从业务系统数据逻辑角度,可按计算逻辑“所选时点所有合同剩余本金”,从财务系统数据逻辑角度,按科目余额表的计算逻辑“长期应收款-未实现融资收益-其他应付款(税金部分)”,二者建立一致性校验,并通过数据管控平台定时跑数,若二者数据不一致,则可通过管控平台发出邮件或微信提醒至相关财务人员,检查并分析源系统数据问题,并反馈IT,共同制定解决方案以保证后期数据的准确性。

  七、财务数据治理对融资租赁公司业财一体化的意义

  1、形成数据资产,强化系统应用

  基于数据治理工作搭建的统一规范的业财数据标准和落地,将在提升数据质量的同时形成高度整合的数据资产,更好地满足企业内部成本及利润核算、绩效考核的需要。数据治理带来的各类相关系统的改造及数据平台的建立,加强了系统应用,可打破传统信息化系统带来的数据孤岛,使得业财融合更加紧密。

  2、提高流程效率,支撑分析体系

  财务数据治理将反向推导业务处理流程的规范化、标准化,将原来线下处理的流程搬到线上,流程效率将明显提高,不仅包括业务流程效率,也包括财务流程效率。同时业务数据与财务数据的同步及数据质量的提高,管理层可以随时查看业务和财务数据,为经营分析和管理决策提供有力支撑。

  八、结语

  当前数据已成为企业的核心资产和重要战略资源,是重要的生产因素。在数据驱动的数字时代,企业只有将业财真正并完整一体化,才能从中萃取更大的数据价值,将数据资产打造成企业核心竞争力之一,而数据治理就是挖掘这些价值的重要手段和工具。然而,数据治理不能一蹴而就,业财一体化也不是一朝一夕,夯实数据基础,提升财务管控和服务支持的效率和能力是当前企业在数字化时代进一步发展的首要任务。

【参考文献】

[1]《DAMA-DMBOK2数据管理知识体系指南(第2版)》

[2]《财务人也需要了解的“数据治理”到底是什么?》.财华学院

[3]《数字化时代的业财一体化》.王戴明

[4]《企业如何通过构建数据标准化体系打造业财融合新模式?》.安永