過去も未来も、金融の役割と意味は覆されることなく、明確化され、元に戻るだけです。
著者 | シハン
編集者 | ピ・イェ
プロデュース | 実業家
「今年、私たちは市場からデジタル変革を迫られました。すべてが混乱し、このような変革は前例のないものでした。8月までに20以上の追加予算が作成されました。新しいプラットフォームと新しいビジネスラインが開設されるたびに、すべてが行われます」予算のやり直しを意味します」と北部の食品ブランドは語った。
デジタルトランスフォーメーションの過程では、大小を問わずあらゆる問題が財務管理に反映されます。企業がデジタルトランスフォーメーションを進めるためには、業務運営の手法だけではなく、財務管理の考え方も変える必要があります。
前述の北のブランドを例に挙げると、オフライン店舗からオンラインECへ移行する過程で、法人顧客はさまざまな側面から変化に直面する必要があり、ECプラットフォームからオンライン販売プラットフォームまで、チェーン全体のデジタル化が必要となります。 。
デジタルトランスフォーメーションは半年以上にわたって進行しており、さまざまな新しいプラットフォームやチャネルの立ち上げ、製品ラインやビジネスラインの開発により、これまでの伝統的な財務管理手法が圧倒されています。以前は、同社は毎年包括的な予算管理を作成していました。しかし、過去半年で20件以上の予算調整が行われ、これまでの企業財務管理手法の脆弱性が浮き彫りになった。
この北のブランドが経験したことは、小宇宙になりつつあります。その背景には、デジタル変革において国内企業の財務面で共通に直面する課題がある。
この点に関して、実業家は多くの財務および税務関連の SaaS メーカーと対話し、満場一致の結論として、さまざまな要因により、中国の中小企業の財務デジタル変革の現在の程度は高くなく、伝統的な財務管理が行われているということでした。これらの方法は非効率であるだけでなく、リスクにも強いのです。
「デジタルトランスフォーメーションは、技術的、プロセス的、文化的な課題により、依然として難しい問題です。さらに多くの中小企業が依然として従来の紙ベースの償還や手動の財務管理プロセスに依存していますが、これは非効率であるだけでなく、高いエラー率と遅延を伴います。」企業支出管理プラットフォーム「デシベルパス」が業界専門家に明らかに。
上記の問題に加えて、手数料の標準化、データコンプライアンス、プライバシー保護など、財務管理の分野ではさらに多くの新たな問題が生じています。新旧の問題の絡み合いは、財務管理ソフトウェアに課題をもたらすだけでなく、金融分野における大規模モデルの実装にも影響を与えます。
金融のデジタル化、水深への旅。
1. 財務モデルのテスト
この大型モデル競争では、大手メーカーが躍進している。特定の垂直シナリオでは、To B メーカーが次々と市場に参入しており、金融や税務も例外ではありません。
金融分野では、金融ソフトからスタートしたKingdeeがいち早くポーカーテーブルに参入しました。
「完全な大規模企業モデルを構築できる企業は存在しません。そこで、Kingdee はまず、私たちが最も精通している分野である金融を選択しました。」Kingdee China の執行副社長で R&D プラットフォームのゼネラルマネージャーである Zhao Yanxi 氏はかつてメディアに語った。 。
エンタープライズ管理ソフトウェア サービス プロバイダーとして、Kingdee が金融分野を第一選択に選んだ理由は、2 年間で 177 社の主要顧客の国内事業の置き換えと金融統合を行った実践経験に基づいています。
Kingdee は、3 月から 4 月にかけて、Baidu、Tencent、Huawei などの大手モデル メーカーと協力してモデルを選定するなど、この大型金融モデルについて社内で多くの検討を行ってきたことがわかります。
もう 1 つの例は、Kingdee のプレハブ金融知識ベースです。これは、企業が直接使用できるモデルにすでに国内の税制上の優遇措置を組み込んでいます。中小企業の場合は、すぐに使用できます。大企業の場合、Kingdee の Sky GPT を使用してカスタマイズすることもできます。
さらに、UFIDA や Kingdee などの総合管理ソフトウェア ベンダーに加え、Fenbeitong や Hesi (旧 Yikuaibao) などの企業支出管理分野の大手 SaaS 企業も、独自の大規模モデルの試みと探索を実践しています。
Fenbeitong Big Data and Algorithm の責任者である Wu Rongbin 氏は、長期的には、大規模金融モデルは企業がリアルタイムでインテリジェントなコスト管理を実行し、企業の財務データに基づいてより科学的な意思決定を行い、将来の傾向を予測するのに役立つと考えています。過去のデータとアルゴリズムに基づく財務状況。
しかし、短期的には、「中小企業のデジタル変革の程度が低く、データセキュリティやプライバシー保護などの問題が重なり、データ品質やテクノロジーによってもたらされる課題が重なり合っている」とウー・ロンビン氏は考えている。資源要件、および古い問題と新しい問題の絡み合いにより、大規模な金融モデルがその真の産業価値を実現することが困難になっています。」
Wu Rongbin 氏は業界に対し、「社内でいくつかのアプリケーション シナリオを実装しましたが、まだ探索の初期段階にあります。探索の方向性はアプリケーション層にあり、主にアプリケーション内の大規模モデルの境界がどこにあるかによって決まります」と述べています。さらに、ユーザーエクスペリエンスを向上させるために、アプリケーション シナリオを垂直的に最適化するために、大規模モデルの全体的なテクノロジー スタックも調査および最適化しました。」
「率直に言って、私たちが現在使用しているテクノロジーはどれも過去 5 年、さらには過去 10 年のテクノロジーではありません。現在、Workday は 25 年前の理論を現在のソフトウェア開発の指針として使用しています。これは実際にエンタープライズ管理ソフトウェアが直面する課題の大部分同様に、数年前のクラウド ネイティブであれ、現在の AIGC であれ、これらのテクノロジーが成熟しつつあるときに、企業が考える最も重要なことは、テクノロジーとビジネスの深さをどのように組み合わせるかということです。 」 Si社のチーフプロダクトアーキテクトであるTong Peize氏は業界専門家にこう語った。
彼の意見では、現在のテクノロジーは非常に高い地位まで発展していますが、そのテクノロジーを業務運営プロセスで遭遇する課題や問題と組み合わせて共同で改善し、管理できるかどうかは、大多数の人の問題です。ほとんどの ToB メーカーの場合。
To B は「長期主義者」です。テクノロジーとビジネスの統合を通じて、業界に長期的な価値をもたらすことができます。高品質な To B 企業は、テクノロジーの波が押し寄せるときに考慮しなければならないことです。Tong Peize 氏の見解では、大規模な財務モデルは価値がありますが、さらに重要なのは、長年のサービス経験を通じて、法人顧客が直面している問題や課題について洞察を得ることができるということです。これに基づいて、大規模モデルがこれらの問題をどのように解決できるかが最も現実的な考え方です。
Tong Peize 氏によると、「現在、私たちは一般的な大規模モデルのトレーニングを使用して、自然言語で記述されたビジネス要求をコンピューター言語と製品の構成に変換し、自動化されたプロセスを構築しようとしています。当社の顧客は、低レベルのコード プラットフォームを使用して製品を構成します。製品を構成するには、IT 担当者と財務担当者がモデリング方法を学習して理解する必要があります。同じことが大規模モデルにも当てはまります。このようにして、顧客は、自動プロセスを生成するためのデータを提供するプロンプトに従って、事前に大規模なモデルを作成します。」
同実業家は、トン・ペイゼ氏との会話の中で、ヘシ氏が財務モデルについて非常に慎重であることを知り、「財務モデルは現時点での飾りに違いないが、すぐに実行するのは難しい」と語った。
両国が金融モデルに対して非常に似た態度をとっているのは、それほど難しいことではありません。彼らの見解では、短期的には、大規模な財務モデルは業界に深く浸透することはできず、ましてやビジネスと組み合わせてビジネス自体を強化することは不可能です。しかし、大規模モデルの方向では、両社の姿勢は「積極的な研究開発」であり、企業顧客のシナリオにおける金融大規模モデルの真の価値を見つけて検証することを望んでいます。
それが Kingdee の最初の金融大規模モデルであれ、Hesi と Fenbeitong のこの方向でのテストであれ、それらはすべてシグナルを発しています。財務管理の分野では、大規模モデルの価値は疑いの余地がありませんが、現在の特定の機能は達成できることはまだ開発の必要があります。探索を続けてください。
2. ソリューションをスピードアップする高品質の財務データ
Kingdee が発表した大規模な財務モデルから判断すると、Kingdee が行ったことは、企業が直接電話をかけるのに便利なプレハブのプロンプト プロジェクトです。プロジェクトが迅速に進められた背景には、キングディーが税制上の優遇措置など金融分野の専門知識を大型モデルに投入したことがある。
同様に、Hesi と Fenbeitong が大規模モデルの製品面で新たなアクションを起こさない理由は、実際の財務シナリオにおける大規模モデルの価値を実際に検証していないためです。
「私たちは財務管理の方向への大規模モデルの適用に自信と希望に満ちていますが、実際にいくつかの課題と限界があります。たとえば、データの品質と完全性はモデルの精度と信頼性にとって非常に重要です。高品質の財務データの取得と照合は困難な作業となる可能性があり、また、大規模なモデルの適用には大量のコンピューティング リソースと人件費も必要となるため、一部の中小企業では困難な場合があります。 」と呉栄斌氏は語った。
高品質のデータは、 Decibel や Hesi とのやり取りで繰り返し強調される要素です。大規模モデルのトレーニング プロセスにおいて、エンタープライズ サービス プロバイダーとして高品質のデータを提供することは、大規模な財務モデルを構築するための最も重要なステップだからです。実際、どの分野の大規模モデルでも、「ベース」として高品質なデータが必要です。
しかし、金融分野では、高品質のデータを取得して整理することは非常に困難な作業です。企業は高品質なデータを提供する必要がある一方で、金融データはセキュリティに対する要求が非常に高く、データ漏洩や悪用を防ぐための技術的・管理的対策が必要です。
一方、実際のアプリケーションでは、財務データが欠落していたり、間違っていたり、一貫性がなかったりする可能性があるため、データのクリーニングと並べ替えが必要になります。データのクリーニングには、特定の技術的手段と投資が必要です。
データセキュリティとプライバシー保護が解決されていない場合、大規模な金融モデルをブレークスルーすることは難しいと言えます。
Tong Peize 氏は、大規模な財務モデルの限界について、「ビジネスと財務の統合の観点から、企業は効率性により注意を払っています。効率の観点から言えば、大規模なモデルには大きな適用スペースがあります。しかし、一方、現場の特定の垂直大規模モデルは学習、トレーニング、微調整する必要があり、これは業界データに依存しますが、問題は、十分な公開データのトレーニングがないことであり、これも大規模モデルの学習を困難にしています。特定の垂直分野で深く培われ、実践されること。」
実際、高品質のデータをどのように取得するかは、金融の大規模モデルが直面する問題だけでなく、すべてのエンタープライズレベルの大規模モデルが直面する課題でもあります。
大規模なエンタープライズ モデルを構築するプロセスにおいて、データは非常に重要な部分です。データの品質がエンタープライズレベルの大規模モデルの効果を直接決定すると言えます。その中で、業界データ収集とデータクリーニングの 2 つの最も重要なステップです。
これに関して業界では、大規模な財務モデルを開発するメーカーを例に挙げると、データを収集するメーカーと協力するという選択もできるのではないかという議論がある。データの感度を下げるという点では、大規模な金融モデルのプロバイダーは、フェデレーテッド ラーニングとプライバシー コンピューティングを使用して、データを大規模な金融モデルに安全に適用できるようにすることもできます。
Hesi社を例に挙げると、2017年にHesi社は海外メーカーと協力してAI技術を活用した財務監査を行うことを選択し、最終的に承認効率の観点から14％の監査免除を達成することができました。この過程では、この海外メーカーのデータ不感脂化技術が適用されました。
また、ローカル展開とパブリッククラウド展開を完全に分離し、コンテナアーキテクチャとマイクロサービスアーキテクチャに基づいたローカル独自展開により、それぞれデータ内部循環とデータ外部循環を実現し、最終的に財務モデル化の効果を実現した例もある。より賢い。
3. 財務管理、大型モデル時代へ
現在、金融デジタル化の水温も加速しています。
「黄金税の第4段階の到来により、企業の財務デジタル変革が加速しています。しかし、このプロセスには必ず古いものから新しいものへの引き継ぎのプロセスが伴います。つまり、片方の脚が企業の世界に入ります」 「デジタル時代が到来し、もう一方は紙の時代にあります。これに対応して、金融は従来の紙ベースの運用モードに対応するだけでなく、新しいデジタルモードにも対応する必要があります。」とTong Peize氏は語った。
この種の問題は、まさに記事冒頭の食品ブランドが直面している問題であり、ほとんどの企業財務におけるデジタル変革の縮図でもあります。
これに関連して、大規模な財務モデルの導入により、企業のデジタル変革を加速することができます。Wu Rongbin 氏の見解では、「大規模な財務モデルを適用するには、企業はデータ収集、保管、分析におけるデジタル機能の向上を含むデジタル変革を実行する必要があります。これにより、他の分野の企業のデジタル変革が促進され、全体的な業務効率が向上します」そして競争力。」
財務モデルにとって、効率の向上は 1 つの側面にすぎません。さらに重要なのは、それが財務管理ソフトウェアにもたらす破壊です。
この点に関して、Wu Rongbin 氏は次のように考えています。「対話モデルにより、企業はマンマシン対話を通じてアプリや金融システムとの対話を実現できます。財務管理はデータドリブンに大きく依存しているため、現在の BI ツールを使用することはできません」 「携帯電話は操作が簡単なので、自然言語を使用して対話し、データやグラフを取得することは、データの洞察を得るより良い方法です。」
長期的な観点から見ると、この大きなモデルは財務管理ソフトウェアをフロントエンド UI 層だけでなくバックエンド アプリケーション層でも変化させます。この点に関しては、Hesi や Decibel のような SaaS 企業は常に内部での試みと探索を行っています。
また、デジタルトランスフォーメーション全体の大規模モデルを推進することで、理解と学習のコストを削減します。
Tong Peize 氏は、「大規模なモデルにより、企業がビジネス シナリオや製品を適応させる際の困難を軽減できます。実際、現在のエンタープライズ管理ソフトウェア、特に垂直分野の管理ソフトウェアは非常に奥深いです。それが提供する機能は非常に価値があります。」ただし、理解と学習のコストによって制限されるため、たとえば、現場を理解している人でも製品を完全には理解していない可能性があり、製品の機能を理解している人でもビジネスの需要やビジネス上の課題を深く理解していない可能性があります。とある会社の。」
そのため、現場とプロダクトのマッチングが低いと、ビジネスとの融合はおろか、ツールを深く活用することも難しくなるというのが同氏の見解だ。そして、理解コストの削減こそが、大規模モデルによってもたらされる核となる価値です。
志田モデルによる財務管理ソフトの破壊やデジタルトランスフォーメーションの推進も、本質的には「人」の育成をエンパワーメントするためのものであると言える。トン・ペイゼ氏との会話の中で、過去においても未来においても、金融の役割と意味は覆されることはなく、明らかにされるだけであり、元に戻るだけであると述べました。
これはビッグモデルが金融分野に与える価値であり、テクノロジーと人の関係でもあります。
長期的には、金融大規模モデルが提供する産業価値には、リアルタイムのインテリジェントなコスト管理、データ主導の意思決定、予測と最適化が含まれ、これは将来の財務管理分野の最終成果でもあります。この点に関して、デシベルはより詳細な解釈を与えます。
まず第一に、大規模モデルの適用を通じて、企業は経費をリアルタイムで監視および管理できるため、リソースの使用をより適切に制御および最適化できます。この大規模モデルは、異常な経費と無駄を自動的に特定し、リアルタイムの警告と提案を提供し、企業が経費管理戦略をタイムリーに調整および改善できるように支援します。
第 2 に、大規模なモデルでは、さまざまな部門からの財務データと経費データを統合して分析し、より包括的で正確な財務状況と傾向分析を提供できます。これらのデータに基づいて、企業はより科学的な決定を下し、財源の配分を最適化し、企業の収益性を向上させることができます。
最後に、大規模なモデルは過去のデータとアルゴリズムを使用して予測を行うことができるため、企業は将来の財務状況をより正確に予測できます。企業は、これらの予測結果に基づいて、より的を絞った最適化と調整を行い、より安定した持続可能な財務発展を達成できます。
しかし、上記のような「終盤」が来る前に、金融分野ではさらに難しい問題が解決を待っています。