某大型央企,作为产业多元化、经营全球化的大型集团企业,连续多年进入世界500强并排名前列,在“十四五”新发展阶段,希望通过打造“数字企业、智慧平台”,创建具有全球竞争力的世界一流企业。
战略管控+业务经营,两手都要抓
如果你是这家企业的高层管理者,你是否会时常有这些问题在脑中盘旋:
业务板块的净利润、利润总额怎么样?每个业务的发展趋势如何?哪个公司/业务的增长最快,什么原因?哪家公司/业务有异常,什么情况导致?能否规避?下一步如何优化经营策略?营收利润率受到哪些敏感因素影响?研发费用投入占比多少?是否足够支撑科技创新发展需要?为实现全球一流企业目标,资本结构优化和产业结构布局如何持续优化?
这也是该集团所要解决的问题。因为集团产业布局多元化,拥有改组组建国有资本投资、国有资本运营两类公司。投资公司关注宏观战略,注重资本回报,立足长远。运营公司管控则重在财务导向,注重国有资本保值增值。上千家组织单位,几十个管理板块,如此繁多的组织体系,无论是从战略管控还是经营渗透上,对合并报表及报告都有着紧迫的需求。该集团通过与用友合作,开展全面数据治理工作,加强敏稳双态IT体系建设。
搭建报告平台“135”体系,让财务数据精细化
该集团的合并层级链条较长,合并企业有300多家,分为6级链条,并且核算软件存在多异构系统。在十四五发展阶段,国家对这类央企提出新的要求,需要投资和运营分离。
通过用友YonBIP财务云的报告及合并产品,该央企集团的报告平台分了三层体系,并拥有五重定位。
三层体系:第一层是数据。与核算标准化协同,并推进核算系统的标准化及优化,提升基础数据质量;第二层是合并。建立法人合并、管理合并双架构,预置双架构合并规则自动抵销合并;第三层是展现。生成报表及分析报告,满足披露及管理分析的要求。
最终将打造一个集财务数据集中平台、单体报表编报平台、关联交易对账平台、合并报表与分析平台、外部报表报送平台功能为一体的报告平台。
异构系统下的三种报表合并方法
多维合并、多维对账、多维管理分析是越来越普遍的精细化财务数据服务需求。这家集团央企面临的一个问题就是多系统异构。在合并问题上,有五个核心问题需要解决,数据采集、关联交易对账、数据核对、外部报账送、性能效率。
用友YonBIP财务云财务报告及合并,可以解决大型企业集团面临的多异构系统并存,数据标准化、结构化差等问题,以尊重现有信息化成果,通过建立“中央财务仓”,实现异构系统账务数据标准化,实现凭证信息的标准统一,转化多维报表数据,实现报表指标的统一,在此基础上,生成满足对外披露及内部管理的管理双口径报表。
用友通过1条主线、3种方法,解决该集团跨异构系统数据采集服务于合并主线。
第一种方法,凭证级对接。一般而言,凭证抽取是有很高的要求,因为前端异构系统都是不同厂商的产品,从产品架构、实现逻辑上都是有很大的差别的。
在这种情况下,可以由集团下发凭证抽取的数据标准,子公司需按照集团标准提供数据结果。抽凭证需要划分环节,对原系统做分析,通过业务界定,决定需要抽什么样的数据。比如,科目信息、客商信息、币种信息、发生额、项目信息等,均需要在对接时有一定的加工清洗转换处理。
有些集团属于强集团管控,需要抽取子公司凭证到集团统一平台,形成集团级“一本账”。在集团“一本账”基础上再实现后续报表的编报,其他需要数据的加工。需要注意的是,这种方法会把整个数据链条拉的很长,数据加工环节加多,在一定程度上有些耗费时间和资源。
第二种方法,表到表。这里的“表”,一般是指“科目余额表”,即基于科目余额的报表编报、合并处理。基于科目余额的报表合并处理,从报表项目再下沉一层到最底层科目,让整个数据加工过程更加明细。这种方法下,对于存在多异构系统的集团来说,可以直接采集异构系统的科目余额数据,减少了对前端核算系统凭证的清洗与转换过程,同时又能满足集团合并报表需要的数据明细追踪查看,是目前比较常见常用的方法。
第三种方法,中间库。可以理解为“数据中台”、“数据湖”的缩影,即把报表需要的前端业务数据、账务数据通过“中间库”做汇集,在“中间库”中做业务和账务数据的对账、标识等加工清洗处理,然后再将加工后的数据结果传递到报表平台,通过对账抵销过程处理实现报表合并。目前,有一些大型集团都构建了数据中台或者数据湖,合并报表需要的数据来源于数据中台或者数据湖,在合并抵销完成后再回传数据到数据中台或者数据湖存储,形成全集团统一的数据归集平台。
这几种方法可以根据企业的管理诉求,以及应用特点去融合使用。
基于用友YonBIP财务云合并报表多维数据,可按管理需要预置多维分析模型,完成按区域、产品、渠道、品类等多角度分析,并进行可视化呈现,助力管理决策和业务经营。
从整体上,基于多维基底,用友为该集团进行4层搭建,形成大型集团合并报告体系。基于多维的数据源、多维数据中心、多维处理、多为展现为基底,建立对应多维度指标池,然后去设置对应的经营指标、财务状况指标、项目指标、财务风险指标、国资委绩效指标等。来灵活构建各种模型,合并多维模型、板块分析模型、财务估值模型等。最后报表以丰富的模型,自由组合呈现。
通过数智化报告平台的构建,该大型央企集团报表体系初步构建,以法定合并为基础,满足上市公司披露内容;形成数据追溯链条,完整的合并轨迹使数据清晰可追溯,提高报告数据准确性与及时性;实现一级集团各业务子集团数据的无缝整合,实现所有财务数据在各系统间的一致性、准确性、标准化和可追溯性。以跨系统的整合为基础,确保财务核算口径的统一性和规范性;深度挖掘数据价值,充分利用数据资产,在满足决策支撑之上,驱动管理精益化。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。