数字时代，管理会计师和财务部门的增值点在哪里？在这个数字化的世界里，用于支持内部决策的独立的成本模型不再是一项增值资产，数字孪生因果模型（见“数字孪生”）的出现，将使得以方法为中心的成本核算模式（如作业成本法及以财务报告为导向的标准成本法）不再适用于决策支持。

　　管理会计师应做好准备，去筹划并应用数字化及其衍生工具——尤其是AI，尽可能地提高所在组织的决策支持能力。单独使用运营信息能够大幅提高企业的盈利能力，但在企业决策中，用于凸显运营风险与机会、识别最佳战略战术方案的以货币形式反映的信息，可极大地优化企业经营结果。当这些货币信息具有相关性且用于管理者与员工（他们为顾客构建、交付产品与服务，或者直接支持构建、交付产品与服务）的日常业务决策中时，可显著提升企业的价值创造。

　　要在数字时代满足上述要求，财务部门面临着双重挑战：

　　1.怎样的框架最有利于连接货币信息与数字驱动的业务运营，从而为内部决策提供支持？

　　2.在运用货币信息提高数字环境下的决策支持能力和更好地实现战略目标方面，AI能发挥怎样的作用？

构建货币信息

　　建模一直以来都是传统管理会计的基石。事实上，在争辩（甚至争论）哪种以方法为中心的模型更好上，人们耗费了太多精力。建模的重要性可用哥伦比亚大学教授Alfred R. Oxenfeldt的一句话来体现，在Cost-Benefit Analysis for Executive Decision Making一书中，Oxenfeldt写道：“决策的有效性取决于我们对现实的感知和理解。好的决策需要好的模型，决策水平反映了模型的质量和有效性。”数字孪生为决策者要尽力优化的现实对象提供了完美的模型，但其并非财务模型。

　　数字经济的出现将极大地突出两类财务模型——用于内部决策支持与用于外部财务报告——的差异。数字经济强调前瞻性信息，要求实时反馈且较少使用历史信息；而财务会计信息具有滞后性，只有在运营、服务、物流、销售或营销等行为发生后才会发生相应变化。

　　相比之下，数字经济中分析和决策的目标是：

　　1.使用现有的数字化信息来优化“输入转输出”流程；

　　2.确定新信息或方案后，通过多场景分析来驱动最佳行为。

　　运营活动产生先导指标，而支持经营的信息系统长期以来都侧重于提高响应能力，以更好地支持决策和行为。在数字经济中，能即时将不同运营场景货币化且具有前瞻性视角不仅至关重要，也令人期待！

　　在数字化世界中挖掘成本信息并有效使用AI，需要建立一个反映真实因果关系的模型——该模型能够准确货币化运营因果关系。可能是有这方面的远见，又或者是因为运气，会计行业已经制定了使用因果关系创建内部决策支持信息的框架：

　　1.IMA《管理成本核算的概念框架》（bit.ly/3nH1jU9）针对只用于支持内部决策的财务模型和信息，提出了基本原则和概念：“运营模型（及成本模型）的指导原则是因果关系原则，即能够反映因果关系。实用的成本模型必须有效地指导管理者：（1）从财务结果推导到运营动因；（2）深入理解拟开展的特定运营活动（或动因）可能产生的财务结果。”

　　2.国际会计师联合会（IFAC）在其2009年发布的《评估和提高组织成本核算》指南中明确了因果关系的重要性。该指南的原则C指出：“成本模型的设计与维护应反映因果关系和组织运作的行为动态。应通过整合组织的业务与经营模型、战略、架构和竞争环境，来考量组织各层级决策者的信息需求。”

　　由此可见，管理会计向数字经济转型已是万事俱备。

AI在决策中的作用

　　为了在快速发展的数字时代经营下去，组织需要花时间来准备实物资产、人员、流程、信息技术以及产品与服务。这意味着不仅要持续生成准确的数字化信息、有能力有效地吸收和使用数字化信息，还要能够迅速实施所采纳的变革。

　　如图1所示，这种在尽可能短的时间内持续化机遇为行动的灵活性，将成为企业在数字时代能否成功的决定因素。战略、相应企业架构与治理结构可为风险、合规管理、控制以及变革管理提供有利条件，而这又反过来支持内部决策框架和业务分析，从而可使组织迅速适应变革，并以最优方式达成修订后的战略目标。

　　需要注意的是，这并非一个“要么全部运用、要么不运用”的场景。组织无需在设立完整的架构后才开始获益，而是可以先行一步，挖掘价值链中最有价值的关键部分。

　　AI能够自主做出决定并执行所选操作。例如，现有技术已经可以让AI自主运行生产线。但在许多情况下，行动是否最终实施还是需要人为决定。技术在某些情况下确实无需人工干预，但诸如波音737 Max事件（飞机软件不受飞行员控制，导致飞机向下俯冲造成事故）的发生，说明要完全接受自动或近乎自动的AI依然面临巨大挑战。

AI应用于财务和决策支持

　　让我们来看看几个AI支持管理决策的示例。以下示例中使用的技术工具集成了数字化运营和财务信息，并使用了Alta Via咨询公司的proEO解决方案，该方案由Exasol数据库（集成了R和Python高级分析框架的高性能分析数据库）提供支持。虽然示例中均使用了proEO，但应知道的是，SAP S/4HANA技术栈也有类似功能。更广泛的观点认为，AI与所使用的平台无关（这也意味着AI的进入门槛相对较低）。

　　此外，增量成本也较低。当说起AI能力的时候，总会有人问投入是否值得。在数字经济中，答案是：取决于投入什么。既然具有因果关系的数字化运营模型已经建立，只需使用数字孪生及其支持的运营信息即可。

　　图2列示了用于创建AI能力以提供财务和决策支持的三类通用工具：

　　●推荐系统会运用具有因果关系的信息和概率给出适当的行动方案建议。下文将举例介绍用于优化（1）流程制造和（2）离散制造的推荐系统。

　　●目标导向是以组织的能力约束、资源输出、产品与服务的因果消耗、产品与服务的销售价格为变量构建联立方程，求出收益最高的产品与服务组合。下文将举例介绍最大化目标导向算法。

　　●归纳逻辑算法是运用已知原因及其影响来量化结果。在决策者计划实施一项变革时，下文介绍的算法可为其计算出可避免成本。

　　1.运用推荐系统和机会成本优化运营执行。

　　熟悉制造业指标的人士应听说过总体设备效率（OEE），该指标被普遍认为是离散制造中设备生产率和效率的最佳衡量标准。但是OEE在流程制造环境中的作用比较有限，因此可使用Time-in-State（TiS），其可界定并计量一系列影响流程运行效率的变量。

　　以铂矿石破碎机为例（破碎机可用于破碎岩石或本例中的矿石）。其运行变量包括破碎机的速度、所添加的用于破碎矿石的金属球数量、泥浆和矿石混合物的粘度（基于添加的水量）、消耗的千瓦时电力（KwHs）、破碎机的轴承温度以及每小时破碎的矿石吨数。每个变量都用热图表示，其中绿色表示有效值，红色表示无效值。随后将热图堆叠起来，就能得到该工艺的最优作业范围。

　　由于“最优”包括以最低成本运营，因此这也是整合成本信息的关键所在。管理层首先确定流程执行的延伸目标，然后实时收集当前的生产数据。将当前数据与延伸目标进行比较，就能显示操作人员的工作情况。计算延伸目标的成本，从财务角度对比当前状态与延伸目标之间的偏差——当前运行的货币价值和没有在延伸目标水平运行的损失。这一偏差就是机会成本，该成本每15秒计算一次，并持续在操作人员仪表盘上更新显示最后一分钟的平均值。

　　图3对整个流程进行了归纳。左上方是破碎机运行的实时指标。然后TiS数据库将与成本相关的运行信息传送给proEO，以计算当前状态下的机会成本。在本示例中，操作人员仪表盘并未显示总成本，而是机会成本因素（显示了操作人员偏离目标的幅度）。

　　操作人员仪表盘显示的是机会成本指标和注释区，推荐系统显示的则是使流程恢复至最佳状态的操作过程。供控制室操作人员查看的仪表盘带有开关和旋钮，用于改变生产流程的输入（即变量），如降低破碎机速度或加水。

　　上述系统具有众多优点：

　　●对最佳运行范围的实时反馈更多是一种优化流程的主动方法。 

　　●流程能够兼顾运营和财务结果。 

　　●可按班次、日、周、月等频率报告成本情况。

　　●可将新数据用于游戏化场景（gamification），驱动产生结果，如公布数据、让各班次团队展开竞赛。

　　●可将机会成本信息作为绩效薪酬的参考信息。

　　2.利用推荐系统和整合的运营与财务信息优化运营执行。

　　图4展示的是一套联合解决方案，该方案整合了西门子工业物联网（IIoT）操作系统MindSphere、西门子制造执行系统（MES）和制造运营管理（MOM）解决方案。

　　MindSphere系统持续监控IIoT传感器，可在设备发生故障后发出提示。例如，该系统可以检测并显示异常震动信息。MindSphere会触发两个动作：（1）维修警报和（2）proEO中的经济行为分析，即比较各种情景对成本和收益的影响：是立即修复，还是在下个生产暂停期间（安装、更换或换班）修复，或者在故障发生后修复？

　　然后，维修主管选择最优（最具效益）行动方案，并由proEO触发西门子MES/MOM套件中的相关模块来执行维修操作。这可能包括重新安排生产以留出必要的停机维护时间，安排维修零件流转送达，以及安排维修人员和维修工具。上述案例中，proEO在后台运行，运用MindSphere前端（即Tableau）来呈现财务分析的详细信息，以及在上述情形下暂停生产的机会成本。

　　3.运用目标导向计算最优产品/服务组合，实现利润最大化。

　　利润最大化几乎是所有组织的目标。即使是政府和非营利性组织，也同样追求以预算成本实现产出或贡献的最大化。

　　联立方程广为人知，但因吸收成本核算系统中单位固定成本的波动问题，其并未在财务决策支持中获得广泛应用。然而，正如IMA《管理成本核算的概念框架》所述，内部决策支持信息已经消除了单位固定成本的波动影响。

　　图5所示的解决方案运用已知变量（产品价格、成本和利润率）来凸显获得更高利润的机会。虽然并不总能在短期内对产品或服务组合做出重大改变，但从长期看，该解决方案所提供的信息可用于强调或者重新定位营销工作。由于算法采用的是当前产能和产量，这也突出了组织为实现利润最大化而应投入资源的地方。

　　该解决方案还可用于评估较小范围的变革，如流程改进和再造项目，并根据利润贡献情况确定这些项目的实施顺序。

　　4.确定决策的可避免和不可避免成本，并做出最佳资源应用决策。

　　图6的示例在组织中应用广泛，因为其可用于在众多管理决策中选取最优方案。算法将根据模型中输入输出变化量的任意组合计算出所有相关决策成本。决策者决定要考虑哪些变量，例如输入资源价格或数量的变化，或输出产品/服务数量及其混合的变化。

　　随后，算法“进行数字运算”并显示如下结果：

　　●变化的可避免成本；

　　●变化的不可避免成本，例如，决策导致不可避免的资源过剩或产能闲置；

　　●需扩大产能以适应变化的增量投资；

　　●决策对盈利能力的净影响。

　　上述方案的优点是为输入和输出的变量提供资源需求方面的准确信息，此外，还能帮决策者了解减少或扩大产能对成本的影响、决策对利润的影响以及如何优化运营与财务结果。

适应数字化

　　像曾经的总机接线员一样（顺便说一下，这一工作在被数字化取代之前已有百年历史），管理会计师将运营情况与其货币信息连接起来，提供决策支持信息。

　　然而，总账和历史财务报告对于内部决策来说已经不适用了。决策者需要具有因果关系的实时信息，因此，要想在数字时代取得成功，管理会计师必须重新聚焦。依托组织和流程的数字化以及数字化系统的支持，货币信息必须跟上发展需求，展示决策方案的价值。

　　组织中的每个人都需要与组织经营指标和战略目标保持一致。经营指标主要用于实时内部决策，支持内部决策的管理会计信息必须与之同步。因果关系模型是此类财务内部决策支持信息的基础。本文所介绍AI示例展示了一系列复杂的技术，它们最主要的共性是与运营信息和决策同步，从而支持业务决策。

　　一百多年前，工程师H.L. Gantt曾断言会计师可运用成本信息来提升第二次工业革命的生产技术。如今，随着工业4.0和数字经济的飞速发展，管理会计也需迎接挑战，展现其适应和支持数字时代价值创造的能力。

Anton van der Merwe，Alta Via咨询公司部门负责人。联系方式：antonvdm@altavia.com。

Larry R. White，CMA、CSCA、CFM、CPA，资源消耗会计研究所执行董事，曾为国际会计师联合会下属工商业界职业会计师委员会成员以及IMA全球董事会前任主席。联系方式：lrwhitecma@hotmail.com或lwhite@rcainstitute.org。

熊西亚 译，李晓政 校