打造运营敏捷、管理精益、服务高效的价值型综合财务管理平台
伴随金融科技在证券行业的应用与渗透,众多证券公司纷纷开启数智化转型之路。财务部门作为证券公司天然的数据和信息集散中心,具有得天独厚的优势,能将数据转化为价值。通过系统性地学习与调研,长城证券财务部制定并不断深化财务智能化转型的目标及发展路径。
2020年,长城证券财务部提出围绕三大职能建设,在未来两到三年,明确目标、重点突破,打造公司“财务智能化综合管理平台”;2021年,明确要深化“财务智能化综合管理平台”建设,以此为基础拓展共享边界,推动财务管理从传统的纵向管控模式向国际领先的战略财务、业务财务、共享财务“三中心”运营模式转变;2022年,围绕国务院国资委《关于中央企业加快建设世界一流财务管理体系建设》总体要求,提出以财务管理理念变革探索推进“智慧财务管理平台”建设,借助信息技术、重构公司运营数据架构等,实现“智慧决策、价值引领、协同共生”。
长城证券财务智能化建设内容
自2017年开始,长城证券着手升级财务管理体系,以流程再造和数智化转型为突破口,努力打破闭环模块信息孤岛,结合云计算、大数据、语义模型、RPA等新技术运用,进行智能财务体系建设的探索。目前,整体建设内容包括:
(1)报表系统自动化
实现系统自动化生成合并报表,系统全自动化处理数据、智能上报,有效提升效率与准确性。
(2)商旅费控智慧化
建设内容主要包含商旅、财务无缝对接、网上报销整体UI优化与流程改造、掌上报账及税务云智能验票与查重等,通过与差旅壹号、长城长APP的集成,使员工实现移动智能报销。
(3)清算一体化系统
无缝对接新意系统和金证交易平台,实现分支机构证券交易业务清算财务处理全业务、全流程自动化,实现一键清算、一人核算、实时分账的高度集约化目标。
(4)租赁管理核算系统
通过流程构建、网页设计、系统建模,实现租赁合同从业务前端产生到财务后台凭证自动生成的全过程管理。
不仅能根据各业务场景对应的租赁使用权资产负债计算模型,为租赁业务各流程节点的自动账务核算提供支撑,同时能快速、灵活支持规则参数的弹性配置,充分适应准则未来的变化和延伸。
(5)金融工具管理平台
通过有效打通业务系统、资金系统、风控系统和财务系统,平台实现四大类二十余种自营投资全品类金融产品全生命周期的自动化、数字化,实现资产负债管理、负债结构管理、内部资金转移定价、金融资产估值减值、流动性风险监测、流动性风险计量等金融工具管理的数字化转型,大幅提升金融工具的数据治理能力及全流程可信度,有效降低业务运营成本和人工操作风险。该平台建设理念系行业创新,通过主动协同各业务部门及风险管理部,打破部门壁垒,打通线上线下断点流程实现“业财风资”全面融合。
长城证券财务数智化体系建设成果
目前,长城证券财务数智化体系初见成效。
通过报表系统自动化改造,改变以往通过Excel手工出具年报、半年报、季报、快报,且报表数据无法集成到公司数据平台的弊端,大幅提升出表效率和准确性。
通过商旅费控智慧化改造,借助系统架构、底层数据、流程节点、管理模式、内控要求等方面的全方位梳理与流程重构,在智能票据识别、智能稽核、智能结算、智能核算等方面取得了一定突破,实现一次观念再造、流程再造、系统再造。
通过清算一体化系统建设,每个工作日近百万条证券经纪交易业务流水的相关财务处理工作由1人一键通过系统1小时内自动完成,释放核算日均工时超40小时,推动近20%的核算会计转变为管理会计,为共享中心迭代、财务部职能转变奠定基石。
通过租赁管理核算系统建设,保障了新旧租赁准则平稳切换。该项目的成功落地增强了长城证券财务系统自主研发力量,进一步支持财务系统的适配性开发、推进财务智能化建设进程。
通过金融工具管理平台建设,实现了公司各个业务管理系统、风险管理系统、财务管理系统和资金管理系统的互联互通,打通了资产负债管理、负债结构管理、内部资金转移定价、金融资产估值减值、现金流预测、流动性风险监测、流动性风险计量、标签管理等一体化处理流程堵点。同时,通过信息技术手段将财务数据与业务数据相互校验,从各个维度计量相关业务的规模和风险敞口等指标,实现部分合规风险的量化监测和预警,提高内部精细化经营管理效率,平衡“安全性、流动性和盈利性”的多重管理需求。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。