一直以来,业财一体化都是企业信息化建设的重点。那么,大家都在谈论的“业财一体化”到底是什么呢?
从2000年左右开始,业财一体化主要通过ERP系统来实现。
由于信息化更强调管理和监控,ERP系统也偏重于以财务为核心,这导致了业财一体化项目往往不重视对业务的赋能。同时,由于ERP的最终产出主要是财务数据,因此业财一体化建设很容易变成由财务部门支持和主导的项目。
同时,消费者市场变化相对缓慢、传统企业普遍采用大兵团协同作战,各部门按流程依次作业。因此,业财一体化系统更强调流程的稳定性和数据的准确性。
而且,系统的建设大多采用项目制。一旦系统上线就进入运维阶段,项目建设团队就地解散或转移到新的项目。这也一定程度上导致了业财一体化项目无法自我进化,始终停留在财务核算层面。信息化时代的业财一体化特点总结如下:
在数字化时代,互联网加速了信息传播的速度,在让消费者快速了解新产品的同时,也大大缩短了新产品的生命周期。
为了应对快速变化的市场,企业不得不加速新产品的研发、生产和销售,也越来越强调一线的机动性,以及对业务的赋能。
比如,以前整个公司一年出一款新产品,产品盈利分析可以持续数月,相关的数据收集和分析可以缓慢处理。而现在如果要每个部门每季度出一款新产品,那么就必须给业务部门提供快速、便捷的产品盈利分析能力。
这客观上要求业财一体化不能仅仅停留在财务核算的层面,需要更多站在业务分析的层面,为业务部门赋能。同时,由于市场在迅速变化,业务部门的需求也在不断调整和优化。因此,业财一体化系统必须以产品的形式不断迭代,持续响应业务部门变动的需求。
数字化时代的业财一体化特点如下:
![为什么大家都在谈“业财一体化”?](https://img.36dianping.com/20230713/v2_396e89917b8c4928aebf150221cf3fc8_img_000)
过去的ERP系统强调用一个系统满足从业务到财务的所有需求,这种大包大揽的方式对系统的要求太高,最终的结局往往是达成妥协,勉强实现对业务的支撑。
因此,未来的业财一体化系统一定是松耦合的、由多个独立的业务系统和财务系统构成,这样可以大大减轻单一系统的压力。但是这样又带来了新的问题,即系统集成难度大幅增加。同时,业务系统离开了财务系统的刚性约束,也导致了业务数据错误率的大幅增加,解决办法是构建一个财务数据中台系统,就像企业的经营管家一样,承担财务规则的提供、数据处理、数据存储和数据分析的功能。
由于不再受财务规则刚性约束,也不用过多处理数据,因此业务系统可以获得最大化的灵活度,快速满足业务变化的需求。而由于财务中台对所有业务系统的数据都进行了校验、转换和整合,因此财务核算系统和经营分析系统将得到统一、准确的数据,加快财务核算和分析的速度。
![为什么大家都在谈“业财一体化”?](https://img.36dianping.com/20230713/v2_5cdc61f9463d4a378686e6b8c3eaf2e6_img_000)
仅仅搭建好系统的架构,并不能保证业财一体化正常运转。要实现赋能业务、支撑财务的目标,还需要注意以下几个关键点:
1. CEO亲自关注
业财系统建设涉及面较广,可能涵盖公司的所有业务部门,以及HR、行政、财务等部门,因此协调难度非常大,CFO未必拥有足够的职权和权威。
在所有协调工作中,业务部门的协调难度往往是最大的。特别是在业务线繁多、系统迭代速度快、权力相对下放的互联网公司,协调业务部门是整个系统建设难度最大的工作。
如果CEO没有精力亲自关注,也建议指定一名业务系统总负责人,由其协同CFO建设系统,并定期向CEO进行汇报。
2. 培养业务领导的经营意识
经营管家的最大意义并非方便财务核算,而是让经营决策更为智能。如果业务部门的领导只关注运营数据如GMV、客户数等,不考虑产品的盈利模式和方法,那么这样的领导并不具备全权负责一个产品应有的素质,业财系统也失去了应有的作用。因此,业财系统一方面要给业务部门赋能,另一方面业务部门也要具备经营分析的意识和能力。
3. 大数据化
在大数据时代,业财融合的关键是要实现财务数据、业务数据、外部数据等多维数据的全面融
过去,企业更关注的是收入、成本、利润、资产负债这些财务数据形成的财务报表,但是财务报表只披露数量信息,而不是过程信息,企业所提供的产品和服务能否满足市场需要,资产是否能够变现,以及不能变现的原因是什么都无从得知。
可以说,仅靠财务数据已经不能实时反映企业运营的状况。比如,集团在做预算的时候,不仅仅要看销量、价格这些指标,还需要把这些指标按照客户、产品、区域等各种纬度进行分解计算。因此,在业财系统的建设上,需要产品能够对多维度、多层级的数据进行处理分析,输出对企业经营决策有益的观点。
4. 自动化和智能化
基于海量数据时代,数据源越来越多,数据量越来越大,您的业财系统要能自动地帮助企业进行各类大数据的处理,并依据科学的算法模型,结合人工智能(AI),帮助企业快速找出发展中存在的问题,给出一些针对性的建议。