實時洞察、智能運營——新技術重塑企業績效管理應用（上）
2025年1月17日
摘要：過去幾十年，在EPM領域中國企業在應用理念和技術上均落后于國際企業。但隨著數智化時代到來，特別是隨著國產多維數據庫、事項會計和企業服務大模型的突破，對標世界一流，重塑我國企業績效管理應用，幫助企業構建戰略導向的、企業級整合績效管理應用，實現實時洞察和智能運營，將成為企業數智化轉型的重要方向。
關鍵詞：事項會計、績效管理、整合計劃、整合執行控制、數智化
企業績效管理（EPM，Enterprise Performance Management）是指圍繞企業戰略目標所實施的一整套閉環的管理體系，包括戰略規劃、年度計劃和預算編制、績效目標制定、管理執行監控和績效評價等?？冃Ч芾碓趲缀跛写笮推髽I都在應用，但是應用成效與國際領先企業相比，差距甚大。究其原因，我們發現有兩個：
中國企業與國際企業相比最大的問題是：戰略、計劃、預算、報告分析、績效等都是部門級獨立應用，難以形成企業級管理合力。主要表現為：
戰略實現路徑制定不清晰，年度業務計劃形不成“一體化作戰”的合力，年度預算資源配置與戰略和計劃脫節，預算成為“數字游戲”，組織績效計劃與戰略、計劃和預算脫節，難以發揮“指揮棒”作用。
如預算部門管的是資源，資源是為了達成戰略目標，完成重點專項任務的，但預算部門往往眼里只有孤立的費用控制，缺乏與戰略目標、重點計劃任務、業務目標的執行進度進行協同控制。
而國際企業推行的是“流程型組織”的管理理念，戰略、計劃、預算和績效就是一個一級核心管理流程，相關部門都是這個流程上的節點，相對我國大型企業很高的“部門墻”，流程越墻受到嚴重影響。另外在企業績效管理方法上，我們也是一直受西方影響，平衡積分卡、戰略解碼、OKR、BLM等方法均來自西方，我們在這些方法的應用上也落后于國際企業。
在國產多維數據庫問世之前，國內企業的EPM應用與ERP系統緊密耦合在一體的，支撐其應用的技術為擅長流程型應用（如ERP）的OLTP（On-Line Transaction Processing（聯機事務處理過程））技術，即關系數據庫相關技術，企業只能在各應用系統中開發一些簡單的報表，難以構建跨異構系統的數據應用，或者只能開發與ERP緊耦合的預算、合并和分析應用，但受制于OLTP技術，預算、合并和分析的建模和應用只能基于二維的單元格級建模，且靈活展現和計算性能弱，無法在大型企業中進行規?；茝V應用。
而國際大型企業早在20年前就開始應用多維數據庫支撐下的績效管理系統，實現多維、靈活、高效的計劃預算、管理報告和經營分析等，如海波龍系統、BPC系統、Cognos等。雖然也有少部分企業應用國外的績效管理系統，但總體受績效管理體系成熟度不高的影響，應用深度不足。
另外，相對國際企業，我國大型企業在業務和核算系統支撐績效管理應用方面能力不足，大型企業核算系統基本都是面向對外報告的，在異構系統數據整合能力方面比較弱，由于異構系統的數據標準不一致，企業需要通過ETL（抽取、轉換和加載）的方式進行數據整合，如將一個含多維度信息的科目拆分為多個字段，其過程十分瑣碎，工作量十分繁雜，數據質量難以保證，數據維度較少。
近幾年來，隨著數智化時代的到來，“大智移云物區”等新技術驅動下，國產軟件廠商迎來了新的發展機遇。國產多維數據庫、事項會計落地、企業服務大模型發布等，將驅動EPM應用進入新時代。
近年來，以用友為代表的一些國內廠商也開始突破多維數據庫技術，并構建了與國際產品相媲美的EPM應用。國產多維內存數據庫技術有三大特性：集成融合、實時計算和多維呈現。
多維內存數據庫可以支持多種類型的數據源，包括但不限于各類國際知名數據庫如Oracle、MySQL、SAPS/4HANA數據庫等，同時也兼容國產數據庫如達夢數據庫、人大金倉數據庫等。此外，它還可以從CSV、Excel等數據文件中提取數據，能夠實現各類異構數據的統一處理和存儲。
多維數據庫的計算性能直接影響用戶在預算、合并數據計算，預算、合并報表查詢的體驗，在多維數據庫出現之前，用戶打開一張大點的報表可能需要超過數分鐘的時間，但多維數據庫支撐下用戶體驗完全不一樣。以用友多維庫基于自研的多維卷積算法為例，1億Base數據頂級聚合<1秒。不僅如此，性能與數據量無線性關系，隨著數據量的增加,聚合同樣范圍100W數據，聚合耗時并沒有明顯增加，性能與數據量無明顯線性關系。
多維數據庫提供了豐富的建模能力和數據切片、切塊、鉆取和追蹤等分析能力：
從二維單元格的建模升級到多維立體建模
以預算應用為例，在關系數據庫下，企業的預算建模是基于表格的單元格級的建模，企業每年組織、產品等變化，導致預算模型的調整工作量非常大。但在多維模型下，可以通過計算規則包容相關變化，提升建模的適應能力。
沙箱模擬分析支撐不確定環境下的靈活決策
根據市場變化，用戶可基于現有模型，動態創建沙箱預測場景，調整相關變量組合數據，系統可以快速計算出不同的預期經營結果，用戶可以選擇性的存儲滿意的方案。
實時數據追蹤，快速準確定位數據計算和匯總邏輯
企業績效管理都是數據類應用。實時展示數據上下游鏈路關系、數據血緣關系和數據更改歷史等非常重要。
重塑了企業精細化管理的基礎并實現了高質量業財數據整合
隨著全球首個正式基于事項法會計產品的落地，會計正在發生一場革命。事項會計以經濟業務發生時攜帶各類標簽的經濟業務為載體，實時計量記錄，打破了傳統會計業務信息在冗長的環節中逐漸丟失的窘境。從事項采集、多目的核算到業財大數據湖的形成，事項會計不僅能有效支撐實時、精細、多維的核算與報告，而且業務信息貫穿了財務工作的各個環節并且實時可回溯，提供利益相關方多種決策模型的相關信息，事項會計將重塑企業績效管理建模的廣度、細度、精度、頻度和智能化。
覆蓋對企業經營相關的全域數據，從更多維度更全面的構建績效管理模型，更好的落地企業經營戰略。
事項會計提供更細顆粒度的信息，如支持從智能工廠采集單臺設備更精細的能耗數據，支持更精準的成本計算和盈利能力分析。
事項會計實時的數據采集、加工和處理，將過去滾動預測的頻度加快，一些行業已經開始構建日成本和日損益預測模型，以更科學的指導企業日常運營。
“無數據不智能”，事項會計產出了高質量的、豐富的歷史數據，是進行日常預測建模的基礎，也是開展邏輯回歸、決策樹、隨機森林、神經網絡等機器學習算法，進行智能預測的基礎。
2023年7月27日，全球首個企業服務大模型 YonGPT正式發布， 它覆蓋了企業財務、人力和業務，是多領域融合化、多形態綜合型的企業服務大模型。
基于大模型的人工智能在企業績效管理領域的應用主要集中在二個方向上：自然化的人機交互和智能化的業務運營，前者通過強大的自然語言處理技術和理解能力，使能企業應用和服務與用戶進行自然而流暢的對話交流，后者通過強大的數據分析和預測能力，深入洞察企業運營、識別潛在的業務風險和機會，并提供智能化的解決方案，從而提高經營決策水平和業務運營效率。
實時洞察、智能運營——
新技術重塑企業績效管理應用（下）
作者：吳昌秀 用友網絡財務數智化高級專家
排版：孫千惠
校核：王華
產品行業
4006-600-577
