会计师的数据管理能力提升与知识体系指南（上）

在之前的文章里，我们谈到，会计师的主要工作，确认、计量、报告，其本质和数字化管理中的输入-分析-判断-输出一样，就是一个决策认知的闭环，但无论原始凭证（符号世界）的OCR识别，还是自动生成合并报表的核算工作都逐步自动化了。

摆脱了会计核算等事务性工作任何后，会计师有更多精力和机会，去多维度、细粒度地感知公司业务（存在世界）并进行确认，利用管理会计的理念开展计量，并生成管理会计报告或者直接为业务部门提供决策力和分析力。

简单来说，企业价值创造的过程，就是企业数据管理的过程，就是认知闭环的过程。这里给出一个简单企业价值创造的公式：

企业价值创造=管理会计理念数字化管理

“财务人员应该努力拥抱新技术带来的变化，以管理会计的理念结合新的数字化技术，为企业创造更多价值。（来源：《中国会计报》）”

所谓管理会计理念，以指以企业现在和未来的资金运动为对象，以提高经济效益为目的，为企业内部管理者提供经营管理决策的科学依据为目标而进行的经济管理活动，包括解析过去，控制现在，预测未来，提供的不仅仅是管理会计内部报告，更多的是包含决策力和分析力的数据产品与服务。

“数字化转型过程中的组织转型应当财务先行，大数据时代下，创建基于数据驱动的经营与管理思维，将对于中国企业转型与升级带来革命性的变革。”

--------《大数据在中国企业管理中的应用实践与启示》

数字化转型是指数字化技术应用给全组织各个层面带来的变革。其中包括了从销售到市场、产品、服务乃至全新的商业模式。所谓数字化管理，就是在数字化转型时代，以数字化技术为工具，但更具数字化战略思维，以客户为中心，以数据驱动实现价值创造为导向的管理。

将数字化管理等技术手段和管理方法，同管理会计的理念结合起来，才能创造企业价值。

首先，会计师需要转换思维，具体体现在从传统的流程思维，转型以数据为中心的数据驱动思维和认知闭环思维。

数字化转型，从流程思维转向“数据”思维

传统的信息化往往由IT主导的瀑布式的项目开发的，数据分散在不同的项目和系统当中，各部门缺乏对数据的问责，形成大量无法大通的，碎片化的信息孤岛。

在这个阶段，流程驱动的管理方式是核心，数字化转型的主要目标，是讲流程驱动的思维，转变为以数据为中心的思维。以下是两种不同思维方式的对比：

（1）流程驱动的管理方式

流程为中心的管理方式的特点是：

 流程是主题，数据是附属。有清晰的业务流程图，数据体现为一笔一笔的业务单据。

 为保证流程一致性并收集作业环节中的所有数据，于是企业有了业务系统（事务性系统，生产系统），如CRM、ERP、MES、HR、OA等。

 为了支持这些业务系统（生产系统）数据的增、删、改，在各个软件开发过程当中使用了OLTP数据库类型。

（2）数据为中心的管理方式

数据为中心的管理方式的特点：

 流程不固定，需要用数据说话，界面灵活多样。

 为保证获得企业的历史数据，以及企业数据的全局视图，基于全面、一致、可信的数据开展决策，于是企业有了数据系统（分析型系统），如数据仓库、数据集市、BI商务智能等。

 为了决策支持而对数据进行查询，需要建立统一集中的数据平台，通常采用OLAP数据库类型。

 更好保证目标达成，于是有了各种管理措施。MBO(OKR)管理、计划管理（包含预算和预测）、绩效管理、仪表盘、管理驾驶舱、阿米巴和利润中心。

 为了达成目标，必须快速理解企业内外部的现状和历史过往的轨迹，分析实际和目标的差异，准确预测未来和及时做出决策。

由此可见，IT处理的是单一稳定、流程驱动的一些系统，比如说CRM、ERP、OA、HRc这些都是电子流程化，相对比较稳定。IT是个成本中心，解决线下稳定的业务问题。DT主要是处理多元的，实时在线的这种系统，比如说用户画像、在线的用户行为分析、个性化推荐系统、实时搜索、标签的管理包括大数据的系统。DT是一个利润中心，它解决的是实时在线的业务。

数字化转型，就是要从项目思维转换为数据为中心的架构思维，从瀑布式思维转换为敏捷思维，从IT思维转换为DT思维，并进一步转换为提供数据产品和数据服务的管理会计思维。会计师的工作内容，从传统的向IT部门提需求，转向为业务部门提供决策力和分析力的服务。

管理会计师眼中的“数据应用”

数字化转型需要从“数据”做起，从关注自动化到关注“洞察”。自动化只是技术手段，需要将着眼点放在如何对手中收集的数据加以处理，分析，从中找到洞察，才能用于运营效率的提升，并为企业决策提供支撑。

例如，要开展财务分析和管理会计的数据运用，通常涉及进销存、品牌分析、站外和流量分析、专题分析等等。整个过程并非简单的数据采集加工那么简单。业财数据的融合，对数据进行标准化和整合至关重要，涉及多项数据职能。

在这个人人都是数据分析师，人人都产生数据、人人都使用数据的背景下，独具数据管理能力，对于获得职场竞争力和升职至关重要，而且数据运用，强调“养用结合”、“管用结合”。

注册会计师眼中，开展数据管理的框架

关于企业数据管理领域，DAMA的DMBOK是业界公认的权威框架。

AICPA美国注册管理会计师协会也非常重视DAMA的数据管理框架

What Are the Functions of Data Management?

Per DAMA, the following are 10 primary functions related to a comprehensive data management program2:

1 Data Governance: The exercise of authority, control and shared decision-making (planning, monitoring and enforcement) over the

management of data assets。

数据治理：有关基于数据资产管理的权责、控制和共同决策。如数据规划、数据监控。

2 Data Architecture Management: The development and maintenance of enterprise data architecture within the context of all enterprise architecture, and its connection with the application system solutions and projects that implement enterprise architecture。

数据架构管理：在整个企业架构的背景下，企业数据架构的开发和维护。以及应用系统解决方案和实施企业架构的项目之间的关联。

3 Data Development: The data-focused activities within the system development lifecycle (SDLC), including data modeling and data requirements analysis, design, implementation and maintenance of databases and data-related solution components

数据建模与设计/数据开发：整个信息系统开发生命周期（SDLC）当中，以数据为中心的活动。包括数据建模、数据需求分析、设计、数据库以及数据相关解决方案组件的实施和维护。

4 Database Operations Management: Planning, control and support for structured data assets across the data lifecycle, from creation and acquisition through archival and purge

数据运营/数据库运行管理：在整个数据生命周期当中，从创建、获取到归档和销毁过程中，对结构化数据资产的规划、控制和支持。

5 Data Security Management: Planning, implementation and control activities to ensure privacy and confidentiality and to prevent unauthorized and inappropriate data access, creation or change。

数据安全管理：计划、实施和控制活动，以确保隐私和机密性，以防止未授权和不恰当的数据访问、创建或变更。

6 Reference & Master Data Management: Planning, implementation and control activities to ensure consistency of contextual data values with a “golden version” of these data values

参考数据与主数据管理：通过数据值的主权威版本，规划、实施和控制活动，以确保上下文数据值的一致性。

7 Data Warehousing & Business Intelligence Management: Planning, implementation and control processes to provide decision support data and support knowledge workers engaged in reporting, query and analysis

数据仓库和商务智能管理：规划、实施和控制流程，以提供决策支持数据和支持知识工作者参与到报告、查询和分析当中。

8 Document & Content Management: Planning,implementation and control activities to store, protect and access data found within electronic files and physical records (including text, graphics, image, audio and video)

文件和内容管理：规划、实施、控制活动，以存储、保护、访问电子文件和物理记录的数据资料（包括文本、图像、音频、视频等）

9 Meta Data Management: Planning, implementation and control activities to enable easy access to high quality, integrated meta data

元数据管理：促进对高质量、整合的元数据访问的规划、实施、控制活动。

10 Data Quality Management: Planning, implementation and control activities that apply quality management techniques to measure, assess, improve and ensure the fitness of data for use

数据质量管理：规划实施和控制活动，以运用质量管理技术来衡量、访问、提升和确保恰当运用数据。

对此，AICPA的评价是，因此每个数据管理职能领域，涉及职能的风险评估和控制点的设计，以有助于管理流程。AICPA认为，数据在企业产生收入、控制成本和迁移风险过程中，起到重要作用。成功地共享、存储、保护和检索日期增长的数据量，有助于在当今的业务环境中获得竞争优势。因此，对于会计师来说，数据管理的能力至关重要。

当然，上述的描述也有所偏颇：

（1）上述是对DMBOK1.0中各职能的描述，完整的最新的数据管理知识体系请参照DMBOK2.0。

（2）上述的描述，缺乏对DMBOK当中最核心的职能：数据治理。

数据管理的职能

（1）数据管理职能划分，需保持专业性。首先需要明确，作为专业数据管理的知识体系，理解其专业的数据类别划分是非常有必要的。

在数据管理当中，通常按不同的职能在不同场景下对数据类型进行区分：主数据、参考数据、元数据、交易数据、统计分析数据等等。
财务管理类似，我们当然可以说财务管理是“管钱的”，但也不是管钱那么简单。但具体的职能当中，需要对“钱”从职能角度进行分类，如资金、账款、资本、资产等。具体来说的职能就包括投资、融资、营运资本、应收账款等等。和财务管理从钱派生出来若干不同的职能或者岗位类似，那么数据管理也一样。
具体来说，数据规划和计划财务部的工作类似，首席数据管CDO和总会计师/CFO类似，数据架构和总账会计类似等等。这只是个比喻，具体的数据管理职能需要专业地学习。

（2）数据治理是数据管理职能的核心，也是会计师的必备能力。

根据DAMA的DM-BOK数据治理是对数据资产管理行使权力和控制活动的活动集合（规划、监控和执行）。

数据治理，指导其他数据管理职能如何执行。

数据治理能力是会计师必备的一项重要能力，也是各考试中（如管理会计、信息系统审计）必定会涉及的考点，因此至关重要，务必掌握。后续我们会专门撰文谈谈数据治理。

另外，数据治理正转向数据治理2.0

数据控制----》机会/数据服务
生产环境----》试点环境
瀑布式SDLC-----》敏捷数据产品
数据仓库-----》数据中台

另外，数据治理专员，通常是企业内的一个岗位/职位，有明确的职责要求和很强的跨部门协调能力，是稀缺的复合型人才，目前金融机构内的数据治理专员普遍的年薪在30-50W之间。

（3）数据整合和数据标准的能力。这通常是财务总监/CFO主导来实现企业数据统一、可信的重要能力。

数据治理并非一个项目，无法毕其功于一役，而是个长期的过程。通常情况下，会计师可以借鉴CDO的核心能力（数据架构能力），开展数据整合，并制定数据标准。

从图中可以看出，企业的数据，来自于业财人士对业务活动的感知（如凭证、表单）和认知（如计量）。在流程为中心的思维下，形成了大量存量的遗留系统，并通过OLTP数据库来存储，随着时间发展，变成仓筒式的信息孤岛，整个企业的数据呈现碎片化、不流动、难以整合的状态。随着系统之间数量的增加，需要的系统间接口数量呈几何级数增长，工作量巨大。

从IT时代到DT时代，可以企业数据架构职能的主要任务，采取以数据为中心的思维，设计企业数据模型（EDM），作为一个数据框架，来指导企业的新增系统的开发，和存量信息孤岛的改造。另外，企业数据模型EDM通常为数据仓库与商务智能提供70%的实体，确保整个企业范围内的系统之间能够打通流动，数据共享。

当然，在已经存在大量信息孤岛的情况下，有些工具可以自动化地进行企业数据资产梳理盘点，可以通过借鉴行业参考模型的方式，来快速完善企业数据架构，目标可以是数据质量、数据仓库项目，以及为新增系统提供共用的实体表以确保一致性。

对于数据架构中的企业数据模型（EDM）工作，一个折衷的方案是开展数据标准化。或者说，数据标准是企业数据模型的重要输入，后者还包含了实体间的关系。或者说，数据标准借用了EDM当中一部分成果组件，同时还可包含指标库中的指标标准（指标规范）。因此数据标准（数据立法的视角）和企业数据模型（数据架构设计的视角），以及数据资产目录（描述访问的数据地图工具的视角），存在着交叉重叠。无论是企业数据模型还是数据标准，最终都需要将标准和企业实践进行差异对比和跟踪。

数据标准（Data Standards）可以进一步细化，形成数据质量规则（Data Rules），并通过数据剖析探针（通常为SQL），数据记分卡监测、数据质量审计和整改奖惩机制等的方式，对整个企业数据的质量进行PDCA式的迭代提升。

当然，上述做法并不能从根本上解决企业数据质量的问题，因为“质量”的定义本质上是让数据的消费者（人或者机器）满意，所谓满意是主观的，依照场景而变化的。也就是说，不同场景下，不同使用者期望的数据质量规则也是变化的。那么提升数据质量的最好办法，是让使用数据产品（如报告）的人，参与到数据加工环节，甚至数据录入环节当中，端到端的数据产品/数据服务任务，通过敏捷的方式，有助于提升数据质量。

（4）提供决策力和分析力支持业务决策的能力。数据仓库（中台）和商务智能，也成为数据通道（DataPipeline）。也是整个数据管理当中，创造价值的基本环节。管理会计师的重要日常工作就是为业务运营提供决策支持。

（4）嵌入流程转化为行动和业务影响的能力。管理会计报表只是起点。管理会计报告稿只是管理会计服务中的一类影响报告阅读者的数据产品。为了提升企业内部的数据消费者的用户体验，还需要提供移动端的仪表板访问，或者AI智能客服等新兴的数字化手段。还需要提供其他数据产品如画像标签，或者为机器提供语义或知识图谱，或者通过API等形式进行数据共享，并将决策直接嵌入到流程当中转化为行动如欺诈侦测来影响业务，为企业创造价值。

总结

注册会计师领域对DAMA的数据管理知识体系（DMBOK）高度重视，管理会计也将数据治理作为必考内容。数据管理是在数字化转型时代幸存的必备技能，在新的数据治理2.0的背景下，对DMBOK进行变通和灵活运用，会计师和分析师会收益匪浅。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。