數據價值體系推動財務數字化轉型

陳虎　郭奕

【摘要】最大化發揮數據價值是企業在數據時代重塑核心競爭力的關鍵， 數據價值體系為企業挖掘數據價值提供了方法。 數據價值體系包括數據治理體系、數據價值鏈和決策場景， 企業通過數據治理體系提升數據質量， 通過構建數據價值鏈將數據轉化為產品和服務， 支撐企業經營決策場景。 為保障數據價值體系充分發揮其作用， 應注重文化、組織、人才和技術等方面的建設與綜合發展。

【關鍵詞】數據價值體系;數據治理;數據價值鏈;決策場景;財務數字化轉型

【中圖分類號】F275? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）08-0037-6

DT（Data Technology， 數據技術）時代發展日新月異， 新技術和應用層出不窮， 隨著以“大智移云物”為代表的新興技術的快速發展， 企業產生并積累了種類繁多、體量龐大的數據。 激發數據創新驅動潛能， 為企業經營決策提供有價值的信息， 實現數字化轉型升級， 是DT時代企業面對競爭激烈的市場環境， 塑造高質量發展新動能的必然選擇。 如何才能發掘數據中的價值？ 企業需要構建一套完整的數據價值體系和支撐數據價值體系穩定運行的保障和基礎設施， 以幫助企業真正將數據用起來， 實現財務數字化轉型。

一、數據價值體系的內容

數據價值體系是指財務將數據轉化為價值的方法與路徑， 由數據治理體系、數據價值鏈和決策場景三個部分構成（如圖1所示）。 其中， 數據治理體系是數據發揮價值的基礎， 數據價值鏈是數據發揮價值的途徑， 決策場景是數據發揮價值的場景， 三者是構成數據價值體系的關鍵。 數據治理體系圍繞企業中的數據展開， 依靠持續的數據治理提升數據質量， 通過數據價值鏈沉淀數據價值， 形成數據服務和數據產品， 為各類業務場景提供決策支撐， 最終實現整體戰略決策目標。

（一）數據治理體系

數據治理是對數據本身的管理， 促進對數據質量的持續提升， 可靠的數據對數據價值的利用有決定性影響。 技術的迅速進步和信息化的普及使企業匯集了海量數據， 然而信息化建設不完善或缺乏統一規劃， 以及制度、標準、技術等方面的欠缺都可能導致企業數據存在諸多問題， 無法通過數據的分析應用有效指導業務實踐， 阻礙數據價值的發揮。

1. 財務常見的數據問題。 財務作為企業數據的采集者和使用者， 在日常工作中常面對很多數據問題。

第一， 數據孤島問題。 企業信息化建設通常是陸續開展的， 即根據業務的發展變化和需求單獨部署各種業務系統及財務信息系統， 由于缺乏整體規劃， 未充分考慮系統間的集成關系并建立數據共享制度和共享標準， 使得數據被封裝在各自的系統中。 封閉異構的系統成為阻礙數據流通的壁壘， 業財數據難以匯聚連通， 導致“數據孤島”。 數據的共享和復用嚴重受限， 實現基于數據分析的決策支撐更是成為空談。

第二， 數據標準問題。 數據標準是數據命名、定義、結構和取值的規則[1] 。 由于缺乏全面規范的數據標準， 業財系統中數據的命名、編碼存在差異， 不同的管理需求和視角也造成業財數據指標選擇、指標定義、統計口徑和記錄規范的不同， 企業整體數據標準不統一， 導致數據跨部門的共享和復用難以實現。 業財人員基于各自的數據標準記錄并應用數據， 無法高效“用數據對話”， 信息交互困難， 財務人員難以深入業務價值鏈賦能業務管理， 也就難以發揮業務支持職能。

第三， 數據質量問題。 高質量的數據是一切數據應用的前提， 數據質量決定了數據分析的有效性。 在財務領域， 數據的準確性、時效性、一致性以及完整性等數據質量維度常因不能滿足數據應用的要求和標準， 而影響財務工作的推進效率和質量。 數據的準確性是保障數據質量的基礎， 影響數據準確性的環節很多， 例如， 數據采集階段的數據是否真實可靠直接決定了數據的準確性。 數據的時效性是企業在瞬息萬變的商業環境中搶占先機的關鍵， 然而數據自動化采集與實時傳輸技術部署不充分、部分數據依賴線下手工填報等都會造成數據時效性不足， 致使財務無法及時整合分析數據、提供數據服務， 并在有限的時間內發揮數據的最大效用。 數據不一致包括數據命名不一致、數據編碼不一致、統計口徑不一致等， 財務部門聚集了大量跨域、跨部門的數據， 數據不一致會造成財務部門與其他部門的溝通受阻。 此外， 數據完整性不足、存在大量重復記錄等數據質量問題都增加了數據使用和分析的難度， 嚴重阻礙了數據價值開發的進程。

第四， 主數據管理問題。 主數據是描述企業核心業務的實體， 包括客戶、供應商、科目、產品、組織等維度， 在企業各個部門、組織之間被廣泛共享和復用， 是企業實施信息化戰略與管理的必要前提[2] 。 企業在逐步推進信息化建設、分別部署各個業務及財務信息系統的過程中， 缺乏統一的主數據標準， 系統間主數據相互獨立， 導致主數據不規范、錄入不完整、不及時或重復錄入， 極大地限制了財務業務處理效率和數據處理及分析工作的有效性。 例如， 在采購及銷售業務處理中， 財務系統需對接業務系統完成供應商付款以及客戶收款， 但若供應商名稱以及客戶名稱等主數據在不同系統間未規范統一， 則財務人員無法高效提取應收應付信息以快速處理業務。

第五， 數據安全問題。 隨著企業數據開放和共享程度的深化， 數據安全問題愈顯重要， 安全是價值實現的前提。 從數據生命周期的角度來看， 企業數據在采集、傳輸、存儲、處理、交換和刪除等各個環節都面臨不同程度的安全隱患， 來自外部的攻擊、內部人員利用機密數據非法牟利、數據意外丟失等安全風險不可忽視[3] ， 一旦防御失當， 很可能影響企業正常的經營運轉， 致使企業遭受重大損失或陷入危機。

上述問題嚴重制約了企業數據驅動的價值創造。 數據治理的目標是保障數據資產的質量， 建立統一、可執行的數據標準， 確保數據的安全， 實現數據資源在企業各部門之間的共享， 促進數據資產創造價值。 明智的決策需要可靠的數據作為支撐， 而良好的數據治理是保證數據可靠的必要環節。

2. 財務數據治理的內容。 財務部門是企業的“數據中樞”， 匯聚了企業從業務前端到財務管理后端的大量數據。 財務數據治理可從管控層面和執行層面著手。 其中， 管控層面要緊貼企業級數據治理規劃， 從以下幾個方面開展財務數據治理工作：

第一， 設置符合企業數據戰略的治理目標。 財務數據治理需要依照企業數據戰略設定目標， 考慮技術進步和市場預期， 制訂針對財務部門當前和未來整體數據戰略目標的數據使用計劃， 并主動適應因業務發展和戰略調整可能引起的數據標準、質量要求等的變化， 持續優化形成長效機制。

第二， 建立并持續完善財務數據治理制度。 財務數據治理需要依據集團數據政策， 明確財務數據治理范圍， 制定財務數據治理辦法和數據治理細則， 并按照嚴格的發布流程進行定期檢查與更新， 以保障財務數據治理工作的規范化運行。

第三， 設立權責明確的財務數據治理組織。 財務數據治理組織的組織架構、層級、職責等需要與企業級數據治理組織規劃和布局相匹配， 依據企業實際情況明確財務數據治理權責范圍， 提升財務組織的數據治理技能， 明確財務數據所有人及歸口管理人， 建立數據問責及績效考核機制， 從而有效落實財務數據治理目標。

第四， 建立有效的溝通與協商機制。 在保證信息安全的前提下， 財務部門需要與業務、技術及其他管理部門建立有效的溝通與協商機制， 保證組織內全部利益相關者及時同步地理解數據政策， 了解監管要求、標準、流程、職責等的最新狀態， 知悉正在進行事項的情況及后續治理工作的實施方法。

具體到執行層面， 財務可以通過數據的“盤、規、治、用”構筑良好的“數據生態”， 落實財務數據質量的全面提升。

第一， 盤點數據資源。 財務數據治理組織根據企業級數據戰略評估其數據和信息化現狀， 找出與目標之間的差距。 企業通過盤點與財務數據相關的流程和系統， 理清各方對財務數據的需求， 明確財務主數據， 整理財務數據資產目錄， 為后續工作奠定基礎。

第二， 建立統一的數據標準。 對梳理完成的財務主數據制定標準規范并建立標準文檔。 財務部門與業務、技術部門共同推進業財數據指標庫梳理， 尤其是對于跨業務、跨系統、需共享的數據， 需明確指標定義、統計口徑、數據來源、計算邏輯等內容， 以保證數據規則統一和數據口徑一致。

第三， 持續管理數據質量。 基于戴明環（Deming Cycle）即“計劃（Plan）—執行（Do）—檢查（Check）—處理（Act）”的循環， 實行數據質量管理。 在計劃階段， 評估財務數據質量問題的范圍、影響和優先級， 分析問題成因并制訂解決方案; 在執行階段， 財務部門與業務、技術部門合作解決關鍵問題; 在檢查階段， 持續監控財務數據質量并總結計劃執行的結果; 在處理階段， 在總結質量檢查結果、沉淀有效經驗的同時， 定位未解決的數據問題并開始下一個循環。

第四， 推進數據治理平臺規劃與建設。 財務部門協作建立企業整體層面的數據治理平臺， 將數據標準、數據架構、數據質量方面的規劃和治理成果及數據安全相關政策法規的要求落地， 實現業財數據在各系統之間的調用， 并設置數據校驗規則， 將數據問題直接反饋至責任部門， 切實實現數據質量的持續提升。

（二）數據價值鏈

1. 數據價值鏈的定義與內容。 DT時代的數據價值鏈是結合DT時代的企業特點， 對數據價值鏈理論的進一步延伸， 是指面向業務需求， 有針對性地提取、組織并利用數據， 從而盤活數據資產、開發數據功能、發揮數據價值， 通過科學直觀的視覺表現形式， 清晰傳達和溝通數據分析結論， 實現數據向信息、知識、智慧的逐步升華， 最終賦能企業經營決策的一系列過程。

數據價值鏈的內容包括“三大要素”和“六大步驟”。 其中， “三大要素”是指數據、業務和技術。 數據是數據價值鏈運行的原材料; 業務是數據價值鏈的服務對象， 數據價值鏈以業務需求為目標導向， 圍繞業務需求開展一系列數據處理工作， 得到的結論信息最終作用于業務實踐; 技術是承載和實現數據價值鏈的工具， 包括從需求分析到數據價值釋放全過程中大量運用的數據庫、數據抽取轉換、統計方法、計量方法、模型算法以及機器學習、可視化等各種技術。 財務圍繞業務核心， 利用數據技術處理分析數據、挖掘數據價值， 并將得出的結論應用于業務實踐， 驅動業務決策和價值創造。 “六大步驟”是指數據價值鏈涵蓋的一系列數據處理和使用過程， 包括業務需求分析、數據采集、數據清洗、數據探索、數據算法和數據可視化（如圖2所示）。 財務通過構建數據價值鏈， 在“三大要素”及“六大步驟”的共同作用下借助算法與算力， 逐步提取數據價值， 滿足業務需求。

2. 數據價值鏈的步驟。 第一步， 進行業務需求分析。 數據分析往往需要以業務需求為導向， 在具體業務背景下的數據分析只有滿足業務需求才具有商業價值。 業務需求分析首先需明確數據用戶業務需求的本質， 然后規劃通過數據分析滿足業務需求的方法， 最后評估項目所需資源。

第二步， 數據采集。 有效的數據分析結論需要廣泛的數據樣本作為基礎， 因此企業需要從不同的來源全面采集各種類型、各種場景下的海量數據， 為基于數據規律洞察業務、科學決策奠定良好的基礎。

第三步， 數據清洗。 采集到的原始數據時常存在缺失、重復、異常、錯誤等質量問題， 會嚴重降低后續數據處理分析工作的效率和質量， 直接影響分析結論的準確性。 因此， 必須利用合適的數據清洗方法和工具去除或修正數據中的錯誤， 以獲得質量可靠的目標數據。

第四步， 數據探索。 數據探索是對數據的初步分析， 有助于構建對數據的初始認知， 利于后續深度分析的展開。 數據探索通過作圖制表、計算統計等直觀的描述和分析方法， 探索數據特征和規律， 為后續數據算法模型構建提供輸入依據。

第五步， 數據算法。 企業要實現數據驅動決策， 就需要利用數據算法進行數據規律的深度分析并構建支撐相應業務需求的算法模型。 數據算法從企業的角度可以理解為基于管理思維將數據提煉而形成的符合企業價值訴求的思路和方法， 其應用路徑為： 面向業務場景， 通過反復嘗試匹配合適的算法模型， 利用數據集測試、評估模型， 依據實際應用效果反饋優化迭代模型， 形成企業不同業務場景下的決策方法。

第六步， 數據可視化。 數據分析得到的價值信息需要被正確解讀， 才能應用到企業管理過程中并創造價值。 數據可視化運用計算機圖形學、圖像處理、人機交互等技術， 通過數據庫、API（Application Programming Interface， 應用程序編程接口）等方式獲取處理分析后的數據， 將數據內涵及數據分析結果轉化為可識別的圖表、視頻、動畫等展示形式， 增強數據內容的直觀感受性及可理解性， 使利益相關者準確清晰地獲取所需信息。

（三）決策場景

決策場景是企業中需要決策的情景， 是在戰略決策下通過對宏觀的戰略目標進行分解， 形成的一個個面向具體業務問題或管理場景的決策點。 決策場景涉及組織、業務的具體規劃和實施策略， 能夠對營銷、采購、運營、財務等職能單位的運作產生實質性影響。 企業戰略目標的實現需要真實的業務環境， 不同場景下的決策需求直接影響數據治理體系和數據價值鏈的應用， 數據治理工作的開展和數據價值鏈的構建最終也要面向具體的決策需求， 才能實現數據價值的精準釋放。

DT時代下， 在IT（Information Technology， 信息技術）提高流程效率的基礎上加入DT思維， 財務工作內容演化出面向數字化、面向決策的場景類工作， 可根據財務職能分為四個層面， 分別為財務會計數字化、管理會計數字化、業務支持數字化和決策支持數字化。 其中： 財務會計數字化和管理會計數字化是財務自身需要的、屬于傳統財務會計和管理會計工作范疇的決策場景; 業務支持數字化是財務深入業務價值鏈、對業務管理決策場景提供的支持; 決策支持數字化是更高層次的、在企業經營管理決策場景中財務提供的支持。

1. 財務會計數字化。 財務會計是財務的基本職能， 包括會計核算、資金管理、稅務管理， 圍繞核算入賬、資金結算與調撥、納稅計算與申報、報表編制與分析等基礎財務處理內容進行交易核算與信息披露。 財務流程借助信息化、自動化和智能化的技術手段承載業務操作， 實現了具體流程及操作上的效率提升， 完成了數據的自動傳遞和集成， 并與業務產生廣泛連接， 將更多數據匯集至財務， 保證數據在傳遞過程中的時效性和準確性， 為決策場景提供數據基礎， 推動財務會計從核算到業務支持和管理支持的跨越。

對于財務會計數字化場景中的發票采集， 通過應用OCR（Optical Character Recognition， 光學字符識別）技術， 能夠智能高效地采集各類紙質發票信息并將其轉化為結構化數據; 對于發票查重， 可通過API自動對接稅務局電子底賬庫驗真查重; 對于發票審核， 審核引擎設置發票合規校驗規則并內嵌于系統中， 可自動完成規則校驗、全面智能審核、自動提示風險點; 對于稅務核算業務， 可通過系統接口自動獲取導入納稅計算所需的數據， 根據各稅種應納稅額計算邏輯， 定制納稅計算算法模型并內嵌于系統中， 自動計稅并生成納稅申報表， 提升納稅效率， 降低企業稅務管理風險， 為滿足基于稅務數據分析的管理決策需求建立良好的數據基礎。

2. 管理會計數字化。 管理會計是財務發揮管理職能的關鍵， 通過收集匯總、分析和報告經營管理信息， 制定規劃、控制經營、評價業績、預測決策以提升管理效率、創造價值。 DT時代企業數據量呈爆發式增長， 在數據采集、數據清洗、數據分析、數據可視化等多種數據技術的支撐下， 財務能夠全面連通企業內外部海量數據， 探析數據規律、提煉價值信息， 并將其應用于管理會計決策場景中， 實現管理會計數字化。 管理會計通過預算管理、績效管理、成本管理、風險管理、投融資管理等場景中的數據創新應用， 建立面向企業內部不同管理層級的數字化管理機制， 支持并優化規劃、控制、評價與決策過程， 實現管理驅動價值創造。

以管理會計數字化場景中的預算管理為例， 在目標規劃環節， 通過對企業內外部數據的全面分析明確企業經營環境和現狀， 搭建中長期預測機制， 同時立足長遠目標分析戰略市場和布局， 明確發展目標并制定經營策略， 將戰略目標分解至產品、市場等業務層面; 在預算編制環節， 基于明確的計算規則自動進行預算編制; 在預算執行與控制環節， 在費用控制和商旅平臺等智能平臺中內嵌預算控制規則， 將預算控制流程全面移至事前; 在分析報告與績效考核環節， 根據管理者需求自動生成個性化預算分析報告， 幫助管理者全面了解預算執行與管控情況， 最后進行績效考核分析評價并以此為出發點實施優化改善措施， 完成預算管理的閉環循環， 構建即時反饋、動態調整的全面預算管理機制。

3. 業務支持數字化。 DT時代數據科學和數字化工具的持續創新應用， 為財務支持業務管理提供了良好的技術環境， 財務延伸出為業務部門提供運營建議和決策支持的職能。 財務部門越來越多地和業務部門產生交互， 更多地深入研發、采購、產品、營銷等業務價值鏈環節， 參與到企業市場選擇、產品定價、采購及銷售分析、客商分析等與業務部門協作的決策場景中。 比如在市場選擇決策中， 財務部門能夠結合市場環境、市場容量、公司產品匹配度、產品競爭力等多種因素對目標市場進行分析評估， 協助制定并輸出進入市場的短期和中長期規劃及策略。 再如在客商分析中， 財務部門能夠參與客戶信用評級過程， 通過從各種公開權威渠道和內部系統采集影響客戶信用的風險信息， 構建信用評級模型， 對客戶進行品質、能力、資本、擔保、環境五個方面的資信評級， 評估客戶的財務能力、判別潛在償款風險、定位客戶信用級別， 從而在此基礎上明確對該客戶的信用政策。

4. 決策支持數字化。 算力的升級躍遷和算法的迭代優化為財務全面沉淀企業數據、提升數據質量、充分挖掘數據價值打造了堅實的基礎， 推動財務職能邊界不斷擴展， 使財務在提升管理水平、深入融合業務的基礎上， 支持數據驅動的企業戰略與運營決策。 一方面， 財務從戰略目標出發， 通過中長期滾動預測及構建企業經營價值體系， 為企業制定戰略規劃、實施戰略投資管理、執行戰略評價及做出科學經營決策提供有力支撐。 另一方面， 財務以戰略目標為導向， 剖析業務流程價值關注點， 結合管理需求， 搭建企業經營價值體系， 將戰略目標層層分解落實到業務、管理層面， 并用數據思維抽象為可落地、可監測的數據指標， 進行多維運營分析并編制管理報告， 為企業各級經營決策者提供實時數據服務， 使其能夠在戰略決策高度從經營視角透過數據把控業務全局， 有效支持戰略與運營決策。

如圖3所示的數字化管理報告實施路徑， 以解讀和梳理企業所在行業特點與業務邏輯為起點， 根據識別的企業關鍵價值創造因素及關鍵控制點， 建立全方位管理報告指標體系和標準報告體系， 通過數據治理和數據價值鏈的管理及BI（Business Intelligence， 商業智能）系統的技術支撐， 構建數字化管理報告平臺， 將指標轉換成數字儀表盤和標準報表， 為企業利益相關者提供數據洞見， 并基于該平臺的強大功能輔助企業運營管理。 數字化管理報告平臺能夠層層定位數據源， 使平臺數據來源清晰可溯， 可穿透指標分析結果準確定位， 還原企業經濟活動的原始記錄。 同時， 數字化管理報告平臺能夠進行如下分析： 一是， 數據下鉆原因分析， 平臺可就如銷售額下降、資金風險預警等分析結果或異?，F象， 進行數據下鉆深度究因， 使管理者及時明確問題原因并敏捷決策調整; 二是， 分場景分析， 平臺可根據不同的管理視角， 分業務場景進行多維分析展示， 靈活滿足不同業務域管理者的管理需求; 三是， 企業綜合運營分析， 平臺可在企業內外部數據廣泛連通的基礎上， 全方位、多角度分析并展示企業綜合運營情況， 使管理者深度、準確把握企業運營現狀， 并做出科學的管理決策。

二、數據價值體系的保障和基礎

數據價值體系需要一定的保障和基礎支撐其穩定運行。 只有注重文化、組織、人才和技術等方面的綜合發展， 才能真正發揮數據價值體系的作用。

（一）建設數據文化

數據文化是數據驅動型組織的核心， 需要對其進行持續的培育和發展。 數據文化包括企業高層管理者和員工的價值觀、態度和行為[4] ， 促進并支持企業通過數據洞察業務、科學決策， 是實現數據到信息、知識、智慧轉化的必要保障。

企業可以通過高層管理者推進、培訓和宣貫、試錯與改進三個方法持續培養數據文化。 高層管理者對數據價值的認可和需求， 促使業務人員學習和應用數據驅動的思維方式， 對建設數據文化產生關鍵推動作用; 企業通過培訓和宣貫幫助員工理解數據驅動的含義并掌握相應數據知識與技能; 在積累一定的數據知識與技術后， 先在某些業務域試點， 建立快速試錯和敏捷響應機制， 并不斷總結改進， 使員工體驗到數據驅動的益處， 提高員工的主動性和積極性。

（二）組建數據組織

數據價值的提取不僅是技術層面的問題， 還是一種用數據去決策的思維模式， 是一種組織的能力。 為支撐數據價值體系， 需要設立數據組織， 其負責數據相關政策、流程、方法等的制定， 數據戰略的規劃， 數據治理和數據分析效果的監控和考核， 以及一些具體執行層面的操作。

企業需要選擇合適的數據組織模式以建立相應的數據組織。 常見的數據組織模式包括集中式、聯邦式和分散式。 集中式是指成立單獨的數據組織部門， 專職對企業所有數據進行全生命周期管理; 聯邦式是由總部層面設立數據負責人管控協調數據相關各項活動， 各業務部門設置數據分析人員負責本業務域的數據相關工作; 分散式是將數據相關的各項工作分散到各業務單元中。 不同企業應根據自身管理需求選擇合適的數據組織模式， 并明確數據的管理流程和管理責任， 保障組織職責清晰健全。

（三）培養數據人才

為了支撐數據價值體系的運行和數據的全生命周期管理， 掌握數據科學和數據技術是企業數據組織人才的重要能力要求之一， 成熟的數據組織還要求人員具備更有高度的管理思維、更廣泛的業務洞察力、更領先的技術應用能力和更深入的專業能力， 因此企業要加快培養各項能力全面發展的復合型人才。

基于新一代數據科學和數字技術， 財務部門能為企業數據組織提供有力支持， 將數據轉化為價值洞見并傳遞給企業內所有人， 這要求財務人員具備較強的學習能力和適應能力， 不斷更新知識體系， 持續學習新技能、拓展能力邊界， 成為“五面”俱到（懂會計規則+懂管理方法+懂技術工具+懂數據科學+懂商業戰略）的綜合型人才[5] 。 財務人員不僅要掌握會計規則， 還要提升管理會計水平， 更要懂得應用合適的技術工具提升財務業務處理效率， 利用數據技術挖掘蘊藏于海量數據中的價值， 積極參與企業戰略的制定與規劃， 保障企業戰略落地[5] 。

（四）掌握數據技術

技術的部署圍繞數據價值體系的各個模塊和環節。 數據治理的實踐需要依托具體的軟件工具， 比如數據模型管理工具、元數據管理工具、主數據管理工具等。 數據價值鏈主要應用到數據采集、數據清洗、數據分析和數據可視化等技術。 DT時代下， 在新興技術不斷涌現的同時， 既有數據技術也在持續發展完善并催生出更多的創新應用。

企業要從產生和采集到的數據中獲取智慧和洞見， 則需要掌握相關技術和工具并依據自身的需求將其進行合理整合。 企業不應只關注單點技術和局部技術的應用， 更應重視整體規劃， 形成一套完整的數據技術架構， 并配備三個必要條件： 一是數據， 將分散的數據高效聚合起來， 形成高質量數據的基礎; 二是算力， 建立滿足數據組織運行所需要的、擁有強大算力的高性能數據分析環境; 三是算法， 利用人工智能等技術不斷迭代數據算法和模型， 加速數據資產變現。

【 主 要 參 考 文 獻 】

[1] 國家質量監督檢驗檢疫總局，國家標準化管理委員會.GB/T 36073-2018數據管理能力成熟度評估模型，2018-03-15.

[2] 程旺.企業數據治理與SAP MDG實現[M].北京：機械工業出版社，2020.

[3] 數據安全治理專業委員會.數據安全治理白皮書3.0，2021-05-13.

[4] IDC. Why You Should Care About Data Culture，2020-04-01.

[5] 陳虎.未來財務人員的轉型之道[ J].新理財，2021（9）：43 ～ 46.

（責任編輯·校對： 喻晨? 陳晶）