大数据的逻辑与思维

在如今数字化推动科技发展和社会进步的同时,IT技术又助力大数据遵循着摩尔定律持续扩张.“忽如一夜春风来”,进入了言必称大数据的时代.而财务人员自古以来都在大数据这一亩三分地里精耕细作,一方面,IT技术的发展在某种程度上解放了财务人员的生产力,但是大数据时代的到来又将财务人员打回原形.跳出三界外,还在五行中.面对眼花缭乱的大数据,我们必须明白微言大义,即“千举万变,其道一也”.

而目前,财务会计已有标准可循,在财务概念框架下的大数据深度和广度已清澈见底.但个性化的管理会计对于大数据的要求则深不可测,“修行”大多在于“个人的深度”.

诺奖得主西蒙早前道破了管理的精髓,即“管理就是决策”,按照这一前提,我们不妨遵循实用主义的逻辑,先从决策的终端环节找出切入点,按图索骥,归纳出数据分类和集合,即规划出管理会计领域的大数据路线图.通常而言,财务会计数据仅是管理会计大数据的子集.由于决策中的影响要素与变量众多,除了结构化的数据之外,决策还需要借助更多的非结构化数据进行模拟演算.对于海外的BOT项目或者融资租赁项目而言,影响变量包括折现率以及收款的测算,进一步看,折现率又涉及当地的宏观政策及金融政策,甚至客户的风险程度等,那么,就有必要储备和分析模型决策中的更多相关因素.为此,搜集和储备决策相关的因素往往是“源头活水”的重要一步,信手拈来这些数据对于决策的及时性大有裨益.此外,企业运营过程中有诸多的影响因素或者相关利益者,包括竞争者、供应商、客户等,海外运营中宏观的经济政治环境、社会文化和政策演进等都会对经营成败产生诸多的影响,那么,将海外国家的政策、经济、人文、科技创新、行业发展、竞争企业等的“大数据”纳入决策的模型,对于决策的稳操胜券具有重要意义.提到这点,我们不妨沿着“无用数据的有用性”策略,在企业成本允许的前提下,尽可能多地关注与储备“冷数据”.

当然,随着非结构数据的激增,储备硬件属于相对容易的环节.事实上,在大数据量级出现质的飞跃的大背景下,挖掘和分析则成了重中之重,任何决策情景的设计都需要本着缜密周全的原则,尤其避免出现挂一漏万的情况.当然,在决策过程中离不开决策的方法和模型,尽管目前管理会计中亦有不少成熟的模型,但是,仍然难以满足企业实际决策的需要,为此独立自主开发决策模型变得尤为重要.值得提及的是,大多数的财务人员都具有锱铢必较的敬业精神,但是,转换到管理会计的角色时,观念的转变则尤为重要,摒弃“差之毫厘,谬以千里”的信仰,重新梳理出决策过程中的相关性、及时性等影响指标,然后按照优先和风险程度进行排序,这有助于在时间约束的条件下,从海量的大数据信息里找出次优的方案.

观念的转变仅仅意味在大数据时代恶补功课阶段的结束,结合大数据思维重新定义和审视自身所在的行业,厘清大数据对绩效管理、风险管理及决策行为的意义,最终落脚点是保持对大数据的敏感性,努力先知先觉,进一步提升企业的价值.