序言1 拥抱智能管理会计应用创新

智能技术发展到今天，已经开始跨越商业化鸿沟，从实验室走进生产车间和写字楼。党的十九大报告提出，“推动互联网、大数据、人工智能和实体经济深度融合”，也正是在强调需更进一步推动人工智能应用落地。现在，我们在管理会计的范畴内谈论人工智能，自然也应更多地将关注点放在智能技术与管理会计的融合应用上。

相较于管理会计在信息化阶段更注重用财务和业务活动的信息流来提升工作效率，智能化阶段的管理会计则更注重实现深度的业财融合，赋能业务发展。人工智能能够在多个方面支持管理会计应用，如应用自然语言处理等技术实现智能交互；应用WHAT-IF分析和模拟等技术实现多版本、多角色的模拟情景经营推演；应用数据挖掘、机器视觉、语音识别等技术进行智能预警和风险监控；应用知识图谱、推荐引擎等技术开展智能推荐；基于数据挖掘、机器学习等技术实现财务预测；应用知识图谱、数据挖掘、推荐引擎等技术，实现自动化的经营分析和决策等等。

具体到企业业务中，以上所提到的这些人工智能领域技术，结合大数据、云计算、移动互联、物联网等新一代信息技术，正在给管理会计带来一系列的应用延伸。正如本书中分散于各个章节的丰富案例，从多个领域向我们展现了智能管理会计的一系列场景化应用。有几个场景令我印象尤为深刻。

场景一：企业可以在产销管理中开展智能供应链预测决策管理，基于多维度内存计算和大数据平台，企业可重构预测和分析能力，构建全局供应链计划体系，快速制定可行的分销计划，并主动管控供应链风险；通过应用AI大数据技术以及各种优化算法，企业可实现自动补货、自动配货、自动调拨，系统可模拟计算出不同情况下的最优处理方式。

场景二：通过在管理平台上构建一个智能化绩效管理模块，企业可开展对销售人员绩效的场景化管理，具体内容包括目标多维度分解、过程分析、佣金计算和模型修改、佣金规则推演。企业不仅可以基于自动处理流程更好地控制销售佣金的发放，从而提高效率，减少错误并获得实时的结果；还能不断修正模型和实施新的佣金政策，以适应不断变化的业务需求。

场景三：依托内存多维计算、大数据等技术，企业能够对自身家底进行细致分析，清楚获知战略缺口，搭建战略测算模型对战略缺口进行测算和预估，实现快速的战略模拟，并输出会计利润、毛利润、现金流量等指标，将战略目标分解细化为具体、可执行的动作。

场景四：在房地产企业拿地决策中应用投前测算模型，能够针对拟拿地项目进行全周期规划，测算项目的现金流和盈利指标，包括项目规划经济技术指标、项目开发计划、销售与回款计划、成本计划、支付计划、融资计划、税金预测、项目损益和项目现金流量等业务财务计划，来辅助集团判断投资项目的可行性。具体来说，基于企业对新项目基本概况的了解以及运营部门对项目的初步规划、推进节奏等，充分考虑项目成本、融资渠道、销售进度等因素的不同情况，基于用户角色的不同，进行多版本、多情景的敏感分析，自动生成项目层面和股东层面的多版本利润测算表和现金流量测算表，为管理层提供是否拿地以及怎样开发的快速决策支持，并支持拿地前后的项目指标过程跟踪。

场景五：依托大数据技术，金融机构可以更广泛地获取与客户相关的社会化数据，从而更及时、准确地评价客户信用；同时，基于分布式计算、智能数据分析、数据可视化、决策树分类技术、逻辑回归、机器学习等多项智能技术，金融机构可建立多视角、全方位的客户信用评价模型，从而实时、准确地做出贷款决策，并执行高效的贷后管理。智能技术在信贷风控中的场景化应用不仅能够大大提升金融机构的信贷审批和放款效率，而且能够有效降低金融机构的信贷逾期和违约风险。

类似这样的应用场景在书中还有很多。而其中的每一个，我相信都正在或将要在越来越多的企业中落地，为它们的健康成长和财富增长保驾护航。企业越多地了解这些，在开展管理会计应用时的思路就越广阔。并且，更多企业了解这些，也将促使我国对智能管理会计有更积极的探索和实践。

诚然，智能技术与管理会计的融合仍在并且还将持续产生创新，而本书为我们所展现的应用场景或许也将在未来经历新的更迭。未来的应用必然会极大地超越本书所提及的领域，产生出更立体、更丰富的应用场景。但站在本书出版前后这个时间点上，我们仍可以通过这本书中提到的这些有限的应用创新，更清晰地看到管理会计的发展方向以及未来拥有的无限潜能。

——中信泰富有限公司首席财务官、泰富中投副董事长兼总裁

费怡平