喻继鹏：ChatGPT与业财融合
2022年2月，国务院国有资产监督管理委员会发布了《关于中央企业加快建设世界一流财务管理体系的指导意见》，在此意见中提出了实现业、财、技一体化管控和协同优化，推进经营决策由经验主导向数据和模型驱动转变的要求。
这也就意味着国家想让企业用系统的方式和数据、模型驱动的方式来做，那么模型算法就更加重要。围绕加快构建世界一流财务管理体系的核心目标，着力推动财务管理中的四大变革，重点强化五项职能。
喻继鹏提到，在以往的过程中业财融合系统一个核心点，那就是最终生成的都是财务的六大要素：资产、负债、所有者权益、收入成本、利润。在现在的系统中，我们要开始最原汁原味的业务数据，加上场景，考虑智能规则与算法，产生业财数据资产，其中需要考虑数据确权的过程。
如何进行数据确权?喻继鹏认为ChatGPT可以帮助企业在内部的数据里实现数据确权。比如说企业内部的报表、资产负债表、损益表、现金流量表等等，标准的格式、标准的逻辑都可以自动产生。另外，它也通过人工智能的方式，掌握更多的更精准的信息，能够帮助企业分析客户，推荐相应的产品。它不会大数据杀熟，可以进行全网搜索，根据需求去安全定制，有效避免安全问题。
企业需要的管理报告、法定报告等样式都是固定的，管理报告是各式各样的，可以根据不同行业定制不同的模板，通过人工智能可以自动生成这些内容。现在可以根据数据实时生成相应的数据，为管理决策提供一个比较高效的结果。
再如可视化、风险、国家的制度、法律法规波动的情况等，都可以通过ChatGPT把资料学完之后提供相应的方法和建议。
无外乎客户体验、运营效率、商业模式创新和组织文化、数据分析、合规安全，这是
的核心。在这些方面ChatGPT能够怎么样帮助企业提高数字转型的效益?业财融合是实现实时会计，实时决策支持的能力，这些数据不仅仅是财务数据的融合，而是把业务和财产联通，把财务核算的信息完整记录下来，通过模型和算法帮助企业生成相应的结果。将业财与生态上的伙伴共同产生业务，形成各自的业财融合。在业务生态链上的一个交易，经过不同的路径，需要跨生态的业财，这对以往的业财融合的逻辑产生巨大的变化。
业态融合未来的特点是自助交互式的，通过这种方式能够更加智能和高效的决策，实现企业的战略目标。喻继鹏指出，企业结合自己的使命、愿景、价值观、组织、人才、绩效制定中长期的企业发展战略，制定短期战略，最后制定年度计划，形成年度的平衡记分卡。将平衡记分卡再拆解成关键的成功要素(KSF)，再往下拆，拆到相应的项目和对应的任务，将每天做的事情和每月、每季度、全年的目标拉通，通过这种方式(OKR)只能实现目标对齐。结果和效率的保证就需要个人业绩承诺(PBC)：我承诺能完成。和OKR结合起来，就变成了考核既有的基本绩效考核的范围，也有OKR远期目标的，超额绩效。在这样的闭环中，每个环节的参与者主观能动作用被彻底激发，助力企业总体目标的高效实现。
在传统记录的过程可能会丢失一些基础的业务数据。业务数据丢失之后，不利于企业的管理需求，会影响到最终决策。怎样解决这个问题呢?
是指将数字技术整合到人类生活的各个方面 ， 包括商业、 行业和个人生活。它涉及利用技术提高效率、 增加竞争力和提升客户体验。
是适应不断发展的 数字化环境的持续变革和适应过程。
的关键方面包括：
客户体验：使用数字渠道和工具提高客户参与度、满意度和留存率。这可以包括社交媒体、移动应用、聊天机器人和个性化营销策略。
运营效率：简化业务流程和自动化手动任务以节省时间和资源。这可以涉及使用人工智能、机器学习、机器人流程自动化(RPA)和云计算等技术。
商业模式创新：通过利用数字技术开发新的收入来源和价值主张。例如 ，包括基于订阅的服务、数据驱动的产品和基于平台的商业模式。
组织文化：培养数字优先的思维方式 ，鼓励创新、协作和持续学习的文化。这包括投资于数字技能培训和促进跨职能团队。
数据和分析：利用数据驱动决策 ，优化流程并了解客户行为。这涉及使用大数据平台、数据仓库和商业智能软件等工具进行数据收集、存储、分析和可视化。
安全和合规：确保敏感数据的保护并在面临日益严重的网络安全威胁和不断发展的数据隐私法规的情况下维持监管合规。
不是一次性项目 ，而是一个需要企业不断适应和创新的持续过程。
的成功取决于明确的战略、强大的领导力、有效的变革管理以及采用新技术和实践的能力。
业财融合平台旨在整合企业的业务和财务数据 ，优化企业的运营流程并为决策提供支持。为了实现这一目标 ， 业财融合平台应当具备一系列算法、 模型和规则 ， 以便更好地处理数据、 分析情况并提供决策建议。以下是一些业财融合平台可能需要考虑的算法、 模型和规则：
数据清洗与预处理算法：业财融合平台需要对原始数据进行清洗和预处理 ， 以确保数据的准确性和一致性。这可能涉及去除重复数据、 填充缺失值、 数据类型转换等操作。
数据聚合与分组规则：业财融合平台需要将来自不同业务部门和财务部门的数据进行聚合和分组 ，以便于后续分析。这可能涉及基于时间、 地点、 部门等维度对数据进行分组。
数据挖掘与分析算法：业财融合平台需要运用数据挖掘和分析算法 ，从数据中发现有价值的信息。这可能包括关联规则挖掘、聚 类分析、 异常检测等方法。
预测与建模：业财融合平台需要运用预测和建模技术 ， 为企业提供决策支持。这可能涉及时间序列分析、回归分析、 机器学习等方法。例如 ，通过预测未来的销售额、 成本和利润 ，企业可以更好地进行资金规划和风险管理。
优化算法：业财融合平台需要运用优化算法 ， 帮助企业在资源约束下实现最佳决策。这可能涉及线性规划、 整数规划、 动态规划等方法。例如 ，通过运用优化算法 ，企业可以在有限的预算和资源下实现最大化的投资回报。
规则引擎：业财融合平台需要设定一系列规则 ， 以便在特定条件下触发相应的操作。例如 ， 当某项业务达到预警阈值时 ， 自动发送提醒给相关负责人。
权限与审批流程：为确保数据安全和合规性 ， 业财融合平台需要设定不同用户的权限和审批流程。例如 ，只有具备相应权限的用户才能查看敏感数据 ，对于关键决策的修改 ， 需要经过多级审批。
会计引擎是财务管理系统的核心组件 ， 用于处理和记录企业的财务交易。构建会计引擎的方式有很多种 ， 主要取决于企业的需求、 规模以及所采用的会计制度。以下是一些常见的会计引擎构建方式：
基于规则的会计引擎：这种方式主要依赖预先设定的会计规则和准则，用于处理企业的财务交易。基于规则的 会计引擎需要手动更新规则和准则，但对于遵循特定会计标准的企业来说，这种方式通常比较简单、直接。
基于模板的会计引擎：这种方式使用预定义的会计模板，用于处理不同类型的财务交易。基于模板的会计引擎可以更灵活地应对各种财务场景，但可能需要更多的维护和更新工作。
基于参数化的会计引擎：这种方式依赖可配置的参数，用于处理企业的财务交易。基于参数化的会计引擎具有 较高的灵活性，可以根据企业的需求和特点进行定制。然而，这种方式可能需要更多的开发和维护工作。
基于组件化的会计引擎：这种方式采用模块化的设计思路，将会计引擎划分为多个相互独立但协同工作的组件。基于组件化的会计引擎具有较好的可扩展性和可维护性，可以适应不同规模和需求的企业。但这种方式可能需要较高的 开发成本和技术水平。
基于人工智能的会计引擎：这种方式利用人工智能和机器学习技术，用于自动处理和记录企业的财务交易。
基于人工智能的会计引擎具有很高的智能化程度，可以自动识别、处理和优化财务数据。但这种方式的实施和维护成本 可能较高，且可能需要专业的数据科学家和软件工程师进行支持。
实现基于人工智能的会计引擎需要遵循以下步骤：
数据收集和预处理：需要收集大量的财务交易数据 ，以用于训练人工智能模型。数据预处理包括清洗、 转换和标准化 ，以确保数据的质量和一致性。
特征工程：通过分析财务数据 ，提取有意义的特征 ，这些特征将用于训练和评估人工智能模型。特征工 程是机器学习过程中至关重要的一环， 因为好的特征可以提高模型的预测性能。
选择合适的模型：根据财务数据和业务需求 ，选择合适的机器学习算法和模型。常见的算法包括决策树、 支持向量机、神经网络等。
模型训练和验证：使用收集到的财务数据和特征训练人工智能模型。在训练过程中 ，需要使用交叉验证等技术来评估模型的性能 ，并对模型进行调整和优化。
模型集成：将训练好的人工智能模型集成到会计引擎中。这可能涉及将模型转换为可部署的代码 ，以便 在实际场景中使用。
实现智能化功能：基于训练好的模型 ，实现会计引擎的智能化功能 ，如自动识别和处理财务交易、预测 财务指标、优化财务报表等。
系统测试和调试：对集成了人工智能模型的会计引擎进行系统测试和调试 ，确保整个引擎能够正确处理 和记录各种财务交易。测试过程中应涵盖各种典型的交易场景 ，并对发现的问题进行修复和优化。
集成和部署：将开发完成的会计引擎集成到企业的财务管理系统中 ，并进行部署。需要确保会计引擎能够与其他系统模块(如财务报表、预算管理等)顺利协同工作。
模型维护和更新：基于人工智能的会计引擎需要定期进行模型维护和更新 ，以适应会计准则和规则的变化 ，以及企业的财务数据变化。这可能包括重新训练模型、调整模型参数、优化特征工程等。
关于数据安全，喻继鹏指出，VBN点对点IP直通的区块链，它解决了所有的安全、篡改和信用的问题。资方通过数据链，通过区块链技术的流转，和资金方进行对接，最后帮助需要资金的企业能够对接到资金的提供方，形成资金闭环链条，提高融资的效率。
