基于绩效渗透的银行智能财务分析

【摘要】近年来，5G和“大智移云”等技术的迭代发展，为企业提供丰富的数据资产，“数据+技术”的同频共振为企业财务管理深度应用提供了强大引擎。中国工商银行(以下简称“工商银行”)历来重视新技术应用，2020年，应用大数据、人工智能、知识图谱等新技术，研发基于业绩穿透的“智能财务分析项目”，标志着工商银行财务管理向智能化迈出了实质性步伐。该项目秉持“业、财、技”为一体的融合理念，借助管理会计差异分析工具，按照“财务→业务→客户”的分析链路，将业绩变化动因向业务和客户逐层穿透，自动找出业绩变化背后的业务发展和客户服务问题，智能生成“多维一体”的可视化分析报告。基于新技术，项目实现“一图展现”关键业务动因、“一表生成”多维业绩透视等特色功能。目前，该项目已应用于经营分析、风险管控、客户挖掘等多个场景，在洞察业绩变动原因、提升决策支持能力、驱动价值创造等方面取得了显著成效。

【关键词】管理会计新技术智能化财务分析

一、应用背景

随着金融科技(Fintech)的高速发展和商业银行综合化程度不断加深，如何依托新技术打造智能财务管理体系，提升财务分析的智能化水平，驱动高质量转型发展，是商业银行面临的重大机遇和挑战。

(一)大数据为商业银行经营管理和业务发展赋能

商业银行业务发展的同时，不断积累“存、贷、汇”等业务及客户、资金等数据，形成珍贵的数据资产。充分利用这些数据，可以让商业银行更好地开展业务、服务客户、创造价值。例如，客户营销方面，借助大数据积累而绘制的“客户画像”，可以精准分析每个客户的特征，制定与之相匹配的产品和服务，并进行“定向投送”，实现供求之间的精准对接，实现双赢。风险控制方面，可以通过海量数据构建企业与企业、企业与重要关系人之间的关联网络，并通过对历史数据的模拟训练构建信用风险传导预测模型，预测企业违约概率以及各关系圈的风险传导概率，实现基于关联网络的“一点出险、全面防控”。

(二)新技术兴起给智能财务带来无限可能

新金融科技时代，银行管理方式、产品形态和服务模式从传统金融产品服务向不同渠道、场景、平台等多维一体的服务转型，银行集中优势资源在重点业务领域、加强技术创新，也带动财务管理领域的创新。例如，大数据技术能够将会计核算、业务流程、外部资讯平台等大量的结构化和非结构化数据结合，大幅提升会计核算海量数据运算处理能力，并通过数据挖掘分析为财务管理提供有价值的见解，帮助财务人员做出更好的决策和增值服务。

(三)“价值创造”和“业财融合”对财务管理提出更高要求

财务管理是企业管理的重要组成部分，是驱动企业创造价值的重要手段。随着市场化竞争不断加剧，价值创造能力也愈发重要，创造意味着“从无到有”，无法创造价值则随时都会从这个市场里“消失”。“工欲善其事，必先利其器。”除了需要高素质的财务管理人员外，还要掌握先进的技术，才能提高创造能力。智能财务的出现，正好为价值创造提供了强有力的“器”。“业财融合”是未来财务管理发展的趋势，对当前的财务管理模式及财务分析提出更高要求，需要跳出原来“站在财务看财务”的惯性思维和路径依赖(贾志刚，2020)。财务唯有对市场、客户信息有了全面精准的了解，做到“知己知彼”，才能更好地发挥财务管理职能。

二、项目概述

在新技术应用和财务数字化发展的背景下，面对海量的财务与非财务数据，对财务精细化管理提出了更高要求，“智能化”成为财务分析备受关注的热点和焦点，工商银行智能财务分析项目就是在上述背景下开始创新实践的。与传统财务分析相比，工商银行智能财务分析有两个特点：一是延伸分析对象，对影响财务变动的因素按照业务动因进行穿透式分析，从机构分析延伸至产品和客户分析，除财务指标外，更加关注业务层面产品的“量、价、质”，关注客户层面持有该产品客群的主要特征(如年龄、消费习惯、金融资产等);二是分析结果引入大数据、人工智能等技术，面对上千只产品的业绩变化，亿级客户的金融产品偏好，应用人工智能自动找出影响业绩变动的业务和客户动因，这是传统财务分析难以企及的。智能财务分析项目的应用和实施，不仅提升财务分析的效率，更为重要的是拓宽财务分析的广度，从更深层次洞察企业财务变动背后的业务和客户问题，为经营决策提供更加精准的数据支持。

三、应用技术

智能财务分析是大数据、人工智能、数据可视化和商业智能等多项技术的融合，需要强大的数据存储、算力、算法做支持。

(一)大数据服务云技术为海量的数据存储和复杂的分析算法提供了支撑

智能财务分析项目采集多维业绩信息，形成庞大的基础数据集合，与财务、业务、营销、客户、信贷等多个系统对接，依托数据湖聚集财务数据、产品信息、客户特征、交易行为、营销业务量等数据，运用大数据服务云技术，将规模庞大的数据信息高效转化为对决策有用的数据资产。数据信息将全行5个机构层级、约1.6万个网点、14个业务条线、156个产品、全量客户业绩信息和100多项客户画像的标签信息嵌入系统底层数据(见图1)。通过对上述基础数据的分析和机器学习，以及云端计算，实现对上述海量数据的高效处理，为快速抓取业绩动因提供高质量的技术支持。

(二)人工智能算法和知识图谱为智能财务分析提供了关键技术

智能财务分析项目通过机器学习和知识图谱等技术的运用，实现特定客户群的关键特征分析和业绩变动核心因素的组合分析。通过知识图谱搭建了产品、客户、机构、部门之间的关系网络，利用海量的底层数据基础，形成多维度、多主体、多变量的立体关系网络，取代传统统计技术的“点对点”分析模式，打破原有数据边界，充分识别与某一产品或客户相关的全部特征变量，洞察各主体间的显性关系和隐性关系，精准分析客户特征以及各主体对业绩变动的影响度。在充分识别特定客户群体全部特征的基础上，通过机器学习和模拟训练聚焦核心变量，找到关键特征或组合特征，实现对产品背后客户群的标签化，快速、准确抓取多层次的核心特征，从而有针对性地提出客户、产品发展策略。

(三)数据可视化技术为快速定位业绩差异、直击问题焦点提供了支持

相较于传统的表格展现方式，智能财务分析项目通过数据可视化技术，将变量各属性值通过多维数据形式展示，为用户带来了形式丰富、重点突出、动态交互的数据体验。例如，项目通过展现价值贡献的动因结构图，对产品业绩进行层层拆解，便于用户对财务数据背后的业务动因深入理解，迅速把握关键影响因素，满足数据深层次加工和个性化处理需求。

此外，智能财务分析项目还融合专家规则、商业智能等先进技术手段和理念，为智能化、高效化、全面化分析价值创造过程提供充分可靠的技术支持。

四、分析体系

智能财务分析项目基于差异分析模型，实现从财务穿透至业务、业务穿透至客户的智能分析链路，为经营分析、预算管控、量价协调、风险控制、客户挖掘等活动提供有力决策支持。

(一)分析模型

智能财务分析的构建，来源于差异分析

模型。差异分析是通过比较实际成果与目标，确定差异额及其原因。如实际成果与目标的差异较大，企业管理当局应审慎调查,并判定其发生原因,以便采取适当的矫正措施。

传统的差异分析方法是从销售、价格和成本之间的数量依存关系出发,利用因素替代法,系统地研究各因素对利润影响的大小,这种方法最早由卡普兰(RobertS.Kaplan)于1989年提出。而战略导向差异分析从影响战略目标实现的关键因素出发,分析市场增长或衰落、份额增减、成本控制等变量对战略目标实现程度的影响(殷俊明，2005)。

工商银行基于战略导向差异分析方法和多维度管理会计核算体系，创新提出了适用于商业银行的差异分析模型，将引起财务指标变动的原因分解至业务“量”“价”“质”等动因，应用人工智能等新技术，精准定位影响业务变动的重点客户和关键特征，更深层次分析各因素对财务指标的影响(见图2)。

(二)分析路径

智能财务分析以“业财融合”理念为核心，以营业利润等价值指标为业务和财务沟通的桥梁，构建“财务→业务→客户”的层层穿透式差异分析链路，并将客户分析结果应用于业务管理和财务决策，形成分析和管理相互配合、财务和业务同频共振的应用闭环。财务人员在控制资源投入的同时不局限于可见的利润实现，更多地了解客户与产品，做好预算与财务计划;业务人员能够由粗放的营销，向考虑价值创造的集约化方向发展(见图3)。

1.从财务分析向业务分析穿透

智能财务分析以财务、业务数据为基础，将机构营业利润等价值指标的变动额，按照存款、贷款、中间业务收入、投资、交易类型等产品大类和具体产品进行分解，再将引起产品营业利润变动的原因分解至业务“量”“价”“质”等动因。

量差分析。量差是指因业务量变化引起的营业利润差异。业务量变动包括规模变动和结构变动两个方面，其中规模变动指产品日均余额的变动，结构变动指产品规模占比变动。

量差=Δ业务量×比较期价格

价差分析。价差是指因价格变动引起的营业利润差异。价格可分为内部价格和外部价格，其中内部价格指产品内部资金转移价格，外部价格指存款付息率或贷款收益率。

价差=Δ价格×本期业务量

资产质量分析。资产质量分析简称“质”的分析，指资产质量变化对贷款拨备提取额的影响分析，主要针对信贷成本率和信贷资产规模两个变量进行分析。按照新金融工具准则(IFRS9)的规定，信贷资产分为“一阶段、二阶段、三阶段”三种状态。“质”差在三个阶段中反映，且每个阶段再细化为“信贷成本率”差异和“信贷资产规模”差异。