張 超，肖 聰，朱衛(wèi)東（博士生導(dǎo)師），陳緒龍，李正西

一、引言

商業(yè)智能是指運(yùn)用ETL、數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等關(guān)鍵技術(shù)對(duì)商業(yè)信息進(jìn)行加工、處理，為企業(yè)各層級(jí)決策者提供可靠、有用的信息，而財(cái)務(wù)智能是商業(yè)智能領(lǐng)域中的重要研究領(lǐng)域和分支，是商務(wù)智能系統(tǒng)的核心模塊和關(guān)鍵組成部分。近年來，人工智能取得突破性進(jìn)展，在大數(shù)據(jù)、高性能的計(jì)算能力和合理的智能計(jì)算框架的支持下，實(shí)現(xiàn)大數(shù)據(jù)智能。伴隨著大數(shù)據(jù)智能技術(shù)的不斷發(fā)展，商業(yè)智能（含財(cái)務(wù)智能）進(jìn)入了快速發(fā)展階段，特別是數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等關(guān)鍵技術(shù)與方法在財(cái)務(wù)智能領(lǐng)域的應(yīng)用，使其理論與應(yīng)用研究得到進(jìn)一步深化。

德勤財(cái)務(wù)機(jī)器人的誕生與應(yīng)用引起了會(huì)計(jì)領(lǐng)域?qū)W者和實(shí)務(wù)工作者對(duì)人工智能的較大興趣，在原有云計(jì)算、大數(shù)據(jù)與會(huì)計(jì)和財(cái)務(wù)融合研究的基礎(chǔ)上，研究人工智能技術(shù)與財(cái)務(wù)領(lǐng)域的融合，實(shí)現(xiàn)財(cái)務(wù)智能。一直以來，運(yùn)用EXCEL、OLAP、數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡(luò)等相關(guān)技術(shù)進(jìn)行財(cái)務(wù)的多維度分析、財(cái)務(wù)預(yù)警系統(tǒng)構(gòu)建等都可以看作是財(cái)務(wù)智能的研究領(lǐng)域。目前，諸多學(xué)者與實(shí)務(wù)工作者更多地將關(guān)注點(diǎn)放在運(yùn)用最新的大數(shù)據(jù)智能技術(shù)實(shí)現(xiàn)財(cái)務(wù)的智能決策與專家群決策，為相關(guān)利益者提供更有效的決策信息。

為更直觀、有效地掌握國(guó)內(nèi)外學(xué)者在財(cái)務(wù)智能相關(guān)領(lǐng)域的研究現(xiàn)狀、主題以及內(nèi)容，本文首先運(yùn)用文獻(xiàn)計(jì)量方法對(duì)國(guó)內(nèi)外財(cái)務(wù)智能相關(guān)研究領(lǐng)域進(jìn)行可視化分析，然后對(duì)財(cái)務(wù)智能研究領(lǐng)域的核心研究主題進(jìn)行綜述，最后基于研究現(xiàn)狀和內(nèi)容對(duì)財(cái)務(wù)智能領(lǐng)域研究進(jìn)行述評(píng)和展望。本文所分析的數(shù)據(jù)主要來源于國(guó)內(nèi)外知名數(shù)據(jù)庫。其中，國(guó)外數(shù)據(jù)來源于Web of Science，對(duì)“Accounting and Intelligent”進(jìn)行主題檢索，檢索年限截止到2017年，共檢索出2607篇文獻(xiàn)；國(guó)內(nèi)數(shù)據(jù)來源于知網(wǎng)（CNKI），檢索條件設(shè)定為“（題名=智能and 題名=財(cái)務(wù)）or（題名=智能and題名=會(huì)計(jì)）or（題名=數(shù)據(jù)挖掘and題名=財(cái)務(wù)）or（題名=數(shù)據(jù)挖掘and 題名=會(huì)計(jì)）or（題名=OLAP and題名=財(cái)務(wù)）or（題名=OLAP and 題名=會(huì)計(jì)）”，進(jìn)行精確匹配檢索，檢索年限截止到2017年，來源期刊類別限定為核心期刊與CSSCI，共檢索出86條記錄。再運(yùn)用Web of Science和CNKI自帶的計(jì)量可視化分析軟件進(jìn)行結(jié)果分析。主要運(yùn)用文獻(xiàn)計(jì)量方法（科學(xué)數(shù)據(jù)挖掘）對(duì)財(cái)務(wù)智能的研究現(xiàn)狀進(jìn)行分析，分別從文獻(xiàn)發(fā)表時(shí)間、地域分布、文獻(xiàn)作者等方面，探討財(cái)務(wù)智能領(lǐng)域的基本研究現(xiàn)狀。最后從文獻(xiàn)的研究方向、關(guān)鍵詞等把握國(guó)內(nèi)外對(duì)財(cái)務(wù)智能的研究熱點(diǎn)和發(fā)展方向。

二、基于文獻(xiàn)計(jì)量的財(cái)務(wù)智能國(guó)內(nèi)外研究現(xiàn)狀與可視化分析

（一）財(cái)務(wù)智能外文文獻(xiàn)

關(guān)于財(cái)務(wù)智能的外文文獻(xiàn)主要有以下幾個(gè)特征：①2607 篇文獻(xiàn)分布在2003～2017年間，2016年發(fā)表量達(dá)到最高點(diǎn)為311 篇，占到這幾年總發(fā)表量的11.929%，2017年發(fā)表量減少到208 篇（7.979%），具體見圖1。②2003～2017年，論文被引頻次總計(jì)15736 次，剔除自引頻次后被引頻次總計(jì)15610 次，每項(xiàng)平均引用次數(shù)為6.04次，h-index 指數(shù)為56，說明財(cái)務(wù)智能領(lǐng)域的文獻(xiàn)至少被引用56 次的文獻(xiàn)有56篇，其中單篇文獻(xiàn)最高引文數(shù)為254次。③2607篇文獻(xiàn)中，有1569 篇為會(huì)議論文（Proceedings paper），占總量的60.184%，1091 篇為期刊論文（Article），占總量的41.849%，51篇為綜述或評(píng)論（Review），文獻(xiàn)涉及171 個(gè)會(huì)議，452 個(gè)出版物，涵蓋了820 位作者，發(fā)表數(shù)最多的（12 篇）作者為Wang Y.。④2607 篇文獻(xiàn)涉及139 個(gè)基金資助機(jī)構(gòu)，最多的是中國(guó)國(guó)家自然科學(xué)基金（73篇）。

1.從研究文獻(xiàn)的地域分布來看。2607篇文獻(xiàn)主要由來自79個(gè)國(guó)家和地區(qū)的學(xué)者撰寫，說明財(cái)務(wù)智能相關(guān)研究在全世界具有一定的地域性發(fā)展空間。發(fā)表量排在前十位的國(guó)家和地區(qū)主要有中國(guó)、美國(guó)、法國(guó)等，具體見表1。說明我國(guó)在財(cái)務(wù)智能領(lǐng)域的研究成果豐碩，發(fā)文量處于國(guó)際領(lǐng)先地位。

表1 財(cái)務(wù)智能外文文獻(xiàn)地區(qū)分布（前十）

2.從研究方向來看。2607 篇文獻(xiàn)涉及137 個(gè)Web of Science 學(xué)科類別（見表2），主要包括電子工程、計(jì)算機(jī)科學(xué)與人工智能、計(jì)算機(jī)科學(xué)理論方法、計(jì)算機(jī)科學(xué)信息系統(tǒng)等。可見，目前財(cái)務(wù)智能外文文獻(xiàn)的研究主要是將財(cái)務(wù)智能作為計(jì)算機(jī)科學(xué)、工程學(xué)和管理信息系統(tǒng)等領(lǐng)域中的某一模塊或分支展開的，運(yùn)用計(jì)算機(jī)科學(xué)、工程學(xué)、運(yùn)籌學(xué)與管理科學(xué)等領(lǐng)域的研究方法，尋求在相應(yīng)領(lǐng)域內(nèi)實(shí)現(xiàn)財(cái)務(wù)智能的功能與創(chuàng)新。在這些研究領(lǐng)域中，關(guān)鍵詞主要集中于數(shù)據(jù)挖掘、財(cái)務(wù)分析、數(shù)據(jù)倉庫，神經(jīng)網(wǎng)絡(luò)、XBRL等。

（二）財(cái)務(wù)智能中文文獻(xiàn)

圖2 是財(cái)務(wù)智能中文文獻(xiàn)發(fā)表和被引時(shí)間分布，可以看出：①86篇文獻(xiàn)分布在1996～2017年間，數(shù)量分布上總體呈倒U 型，2007年發(fā)表量最多，有10 篇，但近幾年發(fā)文量呈現(xiàn)波動(dòng)，基本穩(wěn)定在每年4 篇左右。②2001～2017年論文被引頻次總計(jì)693 次，每項(xiàng)平均引用次數(shù)為8.06次，在2007年之前每年引文數(shù)量不到30次，2014年引文達(dá)到最高點(diǎn)為59 次，其中單篇文獻(xiàn)最高引文數(shù)為66 次，被引次數(shù)超過20次的文獻(xiàn)有6 篇，具體見表3?？梢钥闯觯?cái)務(wù)智能領(lǐng)域的高引論文主要集中于數(shù)據(jù)挖掘與財(cái)務(wù)、財(cái)務(wù)預(yù)警、智能財(cái)務(wù)分析、XBRL、財(cái)務(wù)控制等方面。

圖1 財(cái)務(wù)智能外文文獻(xiàn)發(fā)表數(shù)和引文情況

表2 財(cái)務(wù)智能外文文獻(xiàn)Web of Science學(xué)科類別分布（前十）

圖2 財(cái)務(wù)智能中文文獻(xiàn)發(fā)表數(shù)和被引時(shí)間分布

1.從論文的高產(chǎn)作者來看。排在第一位的是曾繁榮，發(fā)表論文共5 篇，根據(jù)普賴斯定律和其計(jì)算公式（高產(chǎn)作者數(shù)量的平方根乘以0.749，即1.67 篇，取整為2 篇）可知，發(fā)表數(shù)在2 篇以上的作者有8 位，發(fā)文量應(yīng)占到論文總數(shù)的50%，然而實(shí)際上只有20 篇，僅占到總數(shù)的23.26%，說明財(cái)務(wù)智能領(lǐng)域高產(chǎn)學(xué)術(shù)作者的帶頭作用還未形成，也未形成穩(wěn)定的高產(chǎn)作者群，具體見圖3。

表3 財(cái)務(wù)智能中文文獻(xiàn)被引次數(shù)統(tǒng)計(jì)情況（前十）

圖3 財(cái)務(wù)智能領(lǐng)域中文文獻(xiàn)高產(chǎn)作者（前十）

2.從論文的發(fā)表期刊來看。86篇論文發(fā)表在10種CSSCI、72種核心期刊以及1種EI上，發(fā)刊量較多的期刊主要包括《財(cái)會(huì)通訊》《財(cái)會(huì)月刊》《會(huì)計(jì)之友》《中國(guó)管理信息化》等，具體見圖4。前十位的期刊總發(fā)表量為52 篇，占總數(shù)的60.47%，說明財(cái)務(wù)智能領(lǐng)域中文文獻(xiàn)發(fā)表期刊較為集中，已經(jīng)形成了固定的發(fā)刊群。

圖4 財(cái)務(wù)智能領(lǐng)域主要發(fā)文期刊（前十）

3.從論文的學(xué)科分布來看。86篇論文涉及19個(gè)學(xué)科，主要包括會(huì)計(jì)、計(jì)算機(jī)軟件及計(jì)算機(jī)應(yīng)用、企業(yè)經(jīng)濟(jì)等，具體見圖5。與國(guó)際期刊研究方向和學(xué)科不同的是，沒有出現(xiàn)較多的工程學(xué)及通信工程領(lǐng)域，原因除了中英文檢索方式不同外，也和國(guó)內(nèi)外研究的偏重不同、學(xué)科劃分不同等因素有關(guān)。為進(jìn)一步說明問題，在進(jìn)行中文檢索時(shí)，將期刊領(lǐng)域擴(kuò)展到CNKI 的全部期刊，得到的學(xué)科分布依然主要集中在經(jīng)濟(jì)管理學(xué)科及計(jì)算機(jī)學(xué)科等領(lǐng)域。

圖5 財(cái)務(wù)智能領(lǐng)域主要學(xué)科分布（前十）

4.從關(guān)鍵詞分布來看。如圖6 所示，在86 篇中文文獻(xiàn)中出現(xiàn)次數(shù)超過三次的關(guān)鍵詞有12個(gè)，出現(xiàn)頻次有64 次，占詞條總數(shù)的52.46%。主要包括數(shù)據(jù)挖掘、財(cái)務(wù)分析、財(cái)務(wù)預(yù)警、人工智能、商業(yè)智能等，可以看出，財(cái)務(wù)智能是商務(wù)智能的一種特殊應(yīng)用，是人工智能技術(shù)、大數(shù)據(jù)技術(shù)等新型信息技術(shù)與財(cái)務(wù)領(lǐng)域的融合，采用數(shù)據(jù)挖掘、OLAP等商務(wù)智能關(guān)鍵技術(shù)進(jìn)行財(cái)務(wù)分析與決策，研究方法多以某領(lǐng)域?qū)嵗芯炕虬咐芯繛橹?，這與國(guó)際期刊是一致的。

圖6 財(cái)務(wù)智能中文文獻(xiàn)關(guān)鍵詞統(tǒng)計(jì)

關(guān)鍵詞共現(xiàn)分析反映的是所分析內(nèi)容領(lǐng)域的內(nèi)在聯(lián)系及其主要特征，一般而言，關(guān)鍵詞共現(xiàn)次數(shù)多，則兩者的關(guān)系越緊密。圖7給出了財(cái)務(wù)智能領(lǐng)域中文文獻(xiàn)關(guān)鍵詞共現(xiàn)次數(shù)超過4 次的共現(xiàn)網(wǎng)絡(luò)，主要包括：①智能技術(shù)與方法類，如數(shù)據(jù)挖掘（28次）、數(shù)據(jù)倉庫（12次）、神經(jīng)網(wǎng)絡(luò)（9次）、商務(wù)智能（5次）、支持向量機(jī)（4 次）、遺傳算法（4 次）等；②財(cái)務(wù)智能應(yīng)用類，如財(cái)務(wù)分析（14 次）、數(shù)據(jù)分析（7 次）、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警（5 次）、企業(yè)財(cái)務(wù)危機(jī)（5 次）、財(cái)務(wù)管理（4次）等。

圖7 共現(xiàn)頻數(shù)大于等于4次的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

三、財(cái)務(wù)智能研究主題綜述

根據(jù)圖7 中共現(xiàn)次數(shù)較多的關(guān)鍵詞可以發(fā)現(xiàn)，財(cái)務(wù)智能決策的研究主題主要涉及財(cái)務(wù)智能關(guān)鍵技術(shù)和財(cái)務(wù)智能應(yīng)用領(lǐng)域，涵蓋了財(cái)務(wù)智能關(guān)鍵技術(shù)、功能、實(shí)施過程以及實(shí)施效果全過程，具體見圖8。圖8 是基于綜述的角度分析財(cái)務(wù)智能研究，主要從當(dāng)前信息技術(shù)的發(fā)展特別是商務(wù)智能的關(guān)鍵技術(shù)出發(fā)，分析其對(duì)財(cái)務(wù)智能的影響，形成了財(cái)務(wù)智能的多功能模塊，涵蓋了財(cái)務(wù)會(huì)計(jì)與管理會(huì)計(jì)的相關(guān)研究?jī)?nèi)容。財(cái)務(wù)智能系統(tǒng)在實(shí)施的過程中要注重基礎(chǔ)設(shè)施的投資、工作方式以及人員配置，實(shí)施后會(huì)對(duì)企業(yè)的信息化水平、經(jīng)營(yíng)管理效率和績(jī)效產(chǎn)生重大影響。

（一）財(cái)務(wù)智能關(guān)鍵技術(shù)及應(yīng)用研究

大數(shù)據(jù)時(shí)代的來臨，數(shù)據(jù)量級(jí)、種類和傳遞速度影響到商業(yè)智能關(guān)鍵技術(shù)的應(yīng)用與發(fā)展，使數(shù)據(jù)更加科學(xué)[1]。田歆等[2]認(rèn)為大數(shù)據(jù)環(huán)境下的商務(wù)智能系統(tǒng)關(guān)鍵技術(shù)包括數(shù)據(jù)倉庫、數(shù)據(jù)抽取工具、多維數(shù)據(jù)庫、數(shù)據(jù)倉庫管理、信息發(fā)布等。財(cái)務(wù)智能作為商務(wù)智能的核心模塊，其關(guān)鍵技術(shù)與商務(wù)智能系統(tǒng)相一致，謝壹[3]將財(cái)務(wù)智能概括為通過ETL、數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等技術(shù)對(duì)企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)數(shù)據(jù)的經(jīng)濟(jì)價(jià)值。

1.ETL 技術(shù)與財(cái)務(wù)。數(shù)據(jù)預(yù)處理的主要過程包括數(shù)據(jù)抽?。‥xtraction）、數(shù)據(jù)轉(zhuǎn)換（Transformation）和數(shù)據(jù)加載（Loading），即為ETL。其中，抽取是將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)抽取到臨時(shí)中間層；轉(zhuǎn)換是指按照一定的規(guī)則對(duì)抽取的數(shù)據(jù)進(jìn)行格式標(biāo)準(zhǔn)化；轉(zhuǎn)載是指將轉(zhuǎn)化好的數(shù)據(jù)導(dǎo)入數(shù)據(jù)倉庫中[4，5]。Syed 等[6]指出大數(shù)據(jù)由結(jié)構(gòu)化和非結(jié)構(gòu)數(shù)據(jù)（90%為非結(jié)構(gòu)化數(shù)據(jù)）組成，包含網(wǎng)絡(luò)信息如郵件信息、社會(huì)媒介信息（微博等）、通訊信息、網(wǎng)站流量和視頻量信息等。畢錕等[7]提出ETL 技術(shù)影響著財(cái)務(wù)決策分析結(jié)果的質(zhì)量。廖林偉等[8]認(rèn)為，ETL可以識(shí)別和抽取多源異構(gòu)數(shù)據(jù)，并對(duì)相關(guān)財(cái)務(wù)數(shù)據(jù)進(jìn)行清洗，然后裝載到數(shù)據(jù)倉庫。黃展英等[9]指出XBRL 標(biāo)準(zhǔn)化語義有利于異質(zhì)財(cái)務(wù)數(shù)據(jù)的集成，是最新的財(cái)務(wù)信息處理技術(shù)。

2.數(shù)據(jù)倉庫與財(cái)務(wù)。在現(xiàn)行的商務(wù)智能系統(tǒng)中，如SAP商務(wù)智能的數(shù)據(jù)倉庫解決方案SAP BW，為SAP 數(shù)據(jù)和非SAP 數(shù)據(jù)的采集、存儲(chǔ)、分析和管理提供一個(gè)集成的、面向商務(wù)的平臺(tái)，主要包括數(shù)據(jù)抽取器、數(shù)據(jù)存取器、前端分析、監(jiān)測(cè)系統(tǒng)運(yùn)行等一系列工具[10]。陳俊等[11]提出，數(shù)據(jù)倉庫是通過集成數(shù)據(jù)源，對(duì)數(shù)據(jù)重新組織，將數(shù)據(jù)匯總成一個(gè)易于分析使用的數(shù)據(jù)集成平臺(tái)。張琦等[12]認(rèn)為，財(cái)務(wù)數(shù)據(jù)倉庫能夠及時(shí)提供企業(yè)管理者需要的決策信息，使企業(yè)得以在全面的數(shù)據(jù)分析背景下做出科學(xué)決策，這是傳統(tǒng)決策方式所不能比擬的。毛華揚(yáng)等[13]指出，數(shù)據(jù)倉庫中存放的是企業(yè)靜態(tài)的歷史數(shù)據(jù)，這些數(shù)據(jù)具有低使用率和高訪問量的特點(diǎn)。大數(shù)據(jù)環(huán)境下的Hadoop 技術(shù)框架為其提供了解決方案，John Kreisa[14]認(rèn)為Hadoop 和數(shù)據(jù)倉庫可以共同合作進(jìn)行數(shù)據(jù)管理，由傳統(tǒng)數(shù)據(jù)倉庫工具對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理，由Hadoop對(duì)更大規(guī)模的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行預(yù)處理，并將兩者處理后的數(shù)據(jù)存儲(chǔ)至結(jié)構(gòu)化數(shù)據(jù)庫中，以便于后續(xù)的分析和展示。

圖8 財(cái)務(wù)智能研究主題綜述分析框架

3.OLAP 與多維度財(cái)務(wù)分析。聯(lián)機(jī)分析處理（Online Analytical Processing，OLAP）又稱多維分析，于1993年由E.F.Codd 提出，是與數(shù)據(jù)倉庫技術(shù)相伴而發(fā)展起來的，作為分析處理數(shù)據(jù)倉庫中海量數(shù)據(jù)的有效手段，彌補(bǔ)了數(shù)據(jù)倉庫在直接支持多維數(shù)據(jù)視圖方面的不足[15]。楊春華[16]認(rèn)為，將OLAP 技術(shù)應(yīng)用于財(cái)務(wù)決策是有必要的，不僅可以提升企業(yè)決策財(cái)務(wù)信息使用效率以及財(cái)務(wù)決策的準(zhǔn)確性，而且其高效性解決了企業(yè)的數(shù)據(jù)噪音問題。丁保劍等[17]認(rèn)為OLAP 技術(shù)使得用戶可以從多維視角對(duì)目標(biāo)數(shù)據(jù)進(jìn)行查詢分析，幫助使用者更進(jìn)一步地理解數(shù)據(jù)價(jià)值。孫婧豪等[18]將OLAP技術(shù)應(yīng)用于電力上市公司，通過對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行切片、切塊、旋轉(zhuǎn)、鉆取等分析方式，得出銀行貸款是企業(yè)最佳的融資方式，并且呼吁企業(yè)重視應(yīng)付賬款等融資方式，為企業(yè)科學(xué)的經(jīng)營(yíng)決策提供技術(shù)支持。謝夢(mèng)怡[19]將OLAP技術(shù)應(yīng)用于零售商品行業(yè)，通過對(duì)商品種類、商品的季節(jié)性、滯銷商品的銷售量進(jìn)行分析，科學(xué)指導(dǎo)企業(yè)經(jīng)營(yíng)決策。

4.數(shù)據(jù)挖掘與高級(jí)財(cái)務(wù)分析。Spangler 等[20]在1999年提出3 種數(shù)據(jù)信息挖掘方法，并成功地在財(cái)務(wù)領(lǐng)域中引入商業(yè)智能技術(shù)對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行識(shí)別與審核。Jean Francois Boulicaut 于2000年采用真實(shí)數(shù)據(jù)驗(yàn)證了數(shù)據(jù)挖掘技術(shù)在決策支持與財(cái)務(wù)數(shù)據(jù)識(shí)別分析中的效果。Weber[21]在政府財(cái)務(wù)管理中利用數(shù)據(jù)挖掘技術(shù)輔助會(huì)計(jì)信息化建設(shè)，并認(rèn)為數(shù)據(jù)挖掘是計(jì)算機(jī)輔助審計(jì)的有力工具。J.Donald Warren等[22]指出企業(yè)可以運(yùn)用大數(shù)據(jù)挖掘技術(shù)進(jìn)行數(shù)據(jù)分析，為決策提供大量的有用數(shù)據(jù)信息，如隨著視頻和圖像存儲(chǔ)、處理和分析技術(shù)的成熟，運(yùn)用這些數(shù)據(jù)來增強(qiáng)會(huì)計(jì)記錄正迅速成為現(xiàn)實(shí)；與業(yè)務(wù)活動(dòng)相關(guān)的音頻數(shù)據(jù)可以提高財(cái)務(wù)記錄效率和財(cái)務(wù)信息質(zhì)量；來源于社交媒體、網(wǎng)絡(luò)中的文本數(shù)據(jù)有助于評(píng)估和改善企業(yè)的業(yè)務(wù)表現(xiàn)。

國(guó)內(nèi)學(xué)者主要圍繞運(yùn)用財(cái)務(wù)智能關(guān)鍵技術(shù)對(duì)經(jīng)濟(jì)活動(dòng)所產(chǎn)生的原始數(shù)據(jù)進(jìn)行抽取、清洗、加載，然后從數(shù)據(jù)挖掘等方面展開。甘衛(wèi)平[23]認(rèn)為數(shù)據(jù)挖掘應(yīng)用于管理會(huì)計(jì)中，可以幫助管理會(huì)計(jì)人員精確計(jì)算企業(yè)的生產(chǎn)成本，優(yōu)化企業(yè)生產(chǎn)配置。呂橙等[24]認(rèn)為數(shù)據(jù)挖掘易于理解且操作簡(jiǎn)單，廣泛應(yīng)用于各行各業(yè)。數(shù)據(jù)挖掘顛覆了傳統(tǒng)數(shù)據(jù)庫技術(shù)，通過智能決策分析，探究企業(yè)龐大數(shù)據(jù)潛藏的數(shù)據(jù)關(guān)系，提升企業(yè)決策的科學(xué)性。借鑒數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘等商業(yè)智能技術(shù)的優(yōu)勢(shì)，胡俊俊等[25]提出了一種新型的會(huì)計(jì)信息化處理模型，該模型利用數(shù)據(jù)倉庫技術(shù)，有效地解決了面向海量數(shù)據(jù)的挖掘、清洗與識(shí)別。宋強(qiáng)等[26]提出，數(shù)據(jù)挖掘技術(shù)廣泛應(yīng)用于財(cái)務(wù)智能中，企業(yè)可以通過數(shù)據(jù)挖掘幫助企業(yè)維系顧客關(guān)系，分析市場(chǎng)趨勢(shì)并及時(shí)作出戰(zhàn)略調(diào)整，預(yù)測(cè)存貨與銷量的優(yōu)化組合等。

5.報(bào)表技術(shù)與智能報(bào)告。在財(cái)務(wù)智能系統(tǒng)的實(shí)施過程中，報(bào)表技術(shù)是其中的關(guān)鍵點(diǎn)，同時(shí)也是難點(diǎn)，主要在于：靈活復(fù)雜的報(bào)表定義，報(bào)表變化頻繁，最終用戶的自定義和維護(hù)，是否支持Web，是否可發(fā)布成XLS、PDF、XBRL 等標(biāo)準(zhǔn)格式文檔，是否支持現(xiàn)有的分布式應(yīng)用技術(shù)環(huán)境，是否支持與現(xiàn)有數(shù)據(jù)資源的集成[27]。M.Alles 等[28]指出，會(huì)計(jì)人員在大數(shù)據(jù)環(huán)境下收集、分析、管理和報(bào)告對(duì)企業(yè)決策有用的信息。袁振興等[29]指出，大數(shù)據(jù)既有結(jié)構(gòu)化數(shù)據(jù)也有非結(jié)構(gòu)化數(shù)據(jù)，且非結(jié)構(gòu)化數(shù)據(jù)占絕大部分，但目前被排除在傳統(tǒng)財(cái)務(wù)報(bào)告體系之外，大數(shù)據(jù)環(huán)境下計(jì)量屬性和貨幣計(jì)量可以呈現(xiàn)多元化，會(huì)計(jì)數(shù)據(jù)的大數(shù)據(jù)化將提高會(huì)計(jì)信息的相關(guān)性，大數(shù)據(jù)使得財(cái)務(wù)報(bào)告內(nèi)容得以擴(kuò)展，原來不能量化的信息變得易于取得。俞紅梅等[30]認(rèn)為，大數(shù)據(jù)時(shí)代的到來使得現(xiàn)代財(cái)務(wù)報(bào)告管理模式從事后報(bào)告向著事前報(bào)告的模式轉(zhuǎn)變，實(shí)時(shí)報(bào)告也成為可能，且促進(jìn)財(cái)務(wù)報(bào)告從事后反映向著預(yù)測(cè)未來的方向發(fā)展。黃展英等[9]指出XBRL 是對(duì)傳統(tǒng)財(cái)務(wù)報(bào)告的變革，可以提供實(shí)時(shí)、全面、格式相一致的數(shù)據(jù)，使財(cái)務(wù)信息可以方便、快捷、智能化處理。

（二）財(cái)務(wù)智能與管理會(huì)計(jì)功能融合研究

綜上可知，商務(wù)智能與財(cái)務(wù)會(huì)計(jì)的融合主要集中在財(cái)務(wù)的多維度分析、財(cái)務(wù)數(shù)據(jù)挖掘或高級(jí)財(cái)務(wù)分析、智能報(bào)表與報(bào)告等。根據(jù)2017年財(cái)政部發(fā)布的《管理會(huì)計(jì)基本指引》和若干應(yīng)用指引，管理會(huì)計(jì)的主要應(yīng)用領(lǐng)域包括戰(zhàn)略管理、預(yù)算管理、營(yíng)運(yùn)管理、投融資管理、成本管理、風(fēng)險(xiǎn)管理、績(jī)效管理、管理會(huì)計(jì)報(bào)告等八大功能模塊。

本文重點(diǎn)分析財(cái)務(wù)智能與管理會(huì)計(jì)功能融合研究，具體內(nèi)容如下：甘衛(wèi)平[23]從價(jià)值鏈、顧客管理、投資決策、產(chǎn)品與市場(chǎng)等方面，全方位地分析了財(cái)務(wù)智能技術(shù)對(duì)管理會(huì)計(jì)的沖擊，呼吁企業(yè)重視管理會(huì)計(jì)信息化進(jìn)程。孟巖等[31]將數(shù)據(jù)挖掘技術(shù)應(yīng)用在戰(zhàn)略管理會(huì)計(jì)領(lǐng)域，實(shí)現(xiàn)經(jīng)營(yíng)環(huán)境分析、競(jìng)爭(zhēng)能力分析、價(jià)值鏈分析、成本動(dòng)因分析等。王艦等[32]指出將數(shù)據(jù)挖掘（DM）應(yīng)用于管理會(huì)計(jì)中，管理會(huì)計(jì)師可以預(yù)測(cè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，構(gòu)建智能財(cái)務(wù)預(yù)警系統(tǒng)。李玉華等[33]提到智能財(cái)務(wù)管理對(duì)于企業(yè)具有戰(zhàn)略意義，通過對(duì)企業(yè)財(cái)務(wù)數(shù)據(jù)的分析，洞悉企業(yè)過去的發(fā)展歷程，明晰企業(yè)現(xiàn)在的財(cái)務(wù)狀況，預(yù)測(cè)企業(yè)未來的財(cái)務(wù)風(fēng)險(xiǎn)。Nikoomaram H.等[34]通過對(duì)基于決策支持和商業(yè)智能的管理會(huì)計(jì)信息系統(tǒng)進(jìn)行評(píng)估，發(fā)現(xiàn)德黑蘭上市公司的管理會(huì)計(jì)信息系統(tǒng)的商業(yè)交流與推斷、商業(yè)預(yù)警、供給報(bào)告決策工具分析等構(gòu)成要素與決策變量相關(guān)性較弱，而與正向和反向推理的決策類型相關(guān)性較強(qiáng)。王小龍[35]指出，通過BI技術(shù)對(duì)生產(chǎn)經(jīng)營(yíng)科學(xué)監(jiān)管和分析，企業(yè)能夠了解真實(shí)財(cái)務(wù)狀況，方便管理者對(duì)財(cái)務(wù)數(shù)據(jù)的查詢與分析。其他相關(guān)主題文獻(xiàn)研究?jī)?nèi)容不再贅述。

（三）財(cái)務(wù)智能系統(tǒng)實(shí)施過程與實(shí)施效果研究

財(cái)務(wù)智能系統(tǒng)實(shí)施涉及軟硬件投資、戰(zhàn)略規(guī)劃、組織變革和人力資源管理等。G.Schryen[36]認(rèn)為BI投資包括與BI相關(guān)的軟件、硬件、基礎(chǔ)設(shè)施、人力資源和管理能力投入等。劉麗霞[37]指出運(yùn)用財(cái)務(wù)智能技術(shù)，企業(yè)HR 可以更有效地進(jìn)行人員的調(diào)配與監(jiān)管，降低人工成本，有利于加強(qiáng)員工管理。李玉華等[33]指出財(cái)務(wù)智能建設(shè)需要規(guī)范企業(yè)業(yè)務(wù)流程，加強(qiáng)員工管理，優(yōu)化資源配置，以促進(jìn)企業(yè)遠(yuǎn)期戰(zhàn)略目標(biāo)的實(shí)現(xiàn)。王小龍[35]認(rèn)為，財(cái)務(wù)智能可以從工作方式和工作內(nèi)容方面，全面提升財(cái)務(wù)人員業(yè)務(wù)水平，促進(jìn)財(cái)務(wù)人員從核算工作者轉(zhuǎn)變?yōu)槠髽I(yè)管理者。

財(cái)務(wù)智能系統(tǒng)不僅可以在數(shù)據(jù)挖掘與分析、業(yè)務(wù)功能模塊方面提升會(huì)計(jì)信息化水平，而且最終體現(xiàn)在經(jīng)營(yíng)管理效率、業(yè)績(jī)績(jī)效等具體的實(shí)施效果上。Elbashir 等[38]通過總結(jié)以往研究，基于商務(wù)智能的系統(tǒng)特性，驗(yàn)證了會(huì)計(jì)業(yè)績(jī)和管理績(jī)效之間的關(guān)系，結(jié)果發(fā)現(xiàn)不同行業(yè)之間呈現(xiàn)顯著差異。李玉華等[33]指出，商業(yè)智能技術(shù)應(yīng)用于企業(yè)財(cái)務(wù)管理系統(tǒng)，可以從數(shù)據(jù)倉庫中的海量數(shù)據(jù)篩選出有用的信息，使財(cái)務(wù)人員和管理者能夠從多個(gè)維度快速地把握企業(yè)整體盈利狀況，進(jìn)而提高企業(yè)財(cái)務(wù)管理的工作效率。Roodposhti、Nikoomaram 和Mahmoodi[39]通過層次分析法（AHP）和問卷調(diào)查法將財(cái)務(wù)智能系統(tǒng)劃分為強(qiáng)、中、弱三類，并以銷售成本、存貨、營(yíng)業(yè)利潤(rùn)、凈利潤(rùn)、廢品率等指標(biāo)為解釋變量，對(duì)在德黑蘭證交所上市的制造業(yè)企業(yè)的會(huì)計(jì)信息系統(tǒng)及其與投資回報(bào)率和凈資產(chǎn)回報(bào)率之間的關(guān)系進(jìn)行測(cè)度。結(jié)果顯示，會(huì)計(jì)信息化越強(qiáng)，企業(yè)的投資回報(bào)率和凈資產(chǎn)收益率越高，而管理會(huì)計(jì)信息化較弱的企業(yè)，財(cái)務(wù)業(yè)績(jī)表現(xiàn)較差。

五、存在的問題與建議

（一）財(cái)務(wù)智能文獻(xiàn)研究存在的問題

從國(guó)內(nèi)外研究現(xiàn)狀與研究?jī)?nèi)容看，財(cái)務(wù)智能方面的研究存在以下問題：①從研究現(xiàn)狀來看，財(cái)務(wù)智能領(lǐng)域未形成穩(wěn)定的高產(chǎn)作者群和固定的發(fā)文機(jī)構(gòu)；發(fā)文期刊在國(guó)內(nèi)主要集中于北大核心期刊，而CSSCI期刊發(fā)文較少；相較于國(guó)際期刊的研究方向，國(guó)內(nèi)主要傾向于經(jīng)管類和計(jì)算機(jī)類學(xué)科，而與工程應(yīng)用類領(lǐng)域融合較少。②財(cái)務(wù)智能屬于商務(wù)智能的核心模塊和關(guān)鍵組成部分，但相比商務(wù)智能，專門研究財(cái)務(wù)智能的文獻(xiàn)較少，基本是融合于商務(wù)智能理論與實(shí)務(wù)研究中；從研究主題來看，財(cái)務(wù)智能研究偏向于商務(wù)智能關(guān)鍵技術(shù)在財(cái)務(wù)領(lǐng)域的應(yīng)用，而相關(guān)理論模型構(gòu)建相比較少；從研究?jī)?nèi)容來看，財(cái)務(wù)智能與財(cái)務(wù)會(huì)計(jì)領(lǐng)域的融合研究成果較多，主要集中于多維度分析、高級(jí)分析及智能報(bào)告，而財(cái)務(wù)智能與管理會(huì)計(jì)領(lǐng)域的融合研究成果較少，目前集中于風(fēng)險(xiǎn)管控、預(yù)算、業(yè)績(jī)?cè)u(píng)價(jià)等領(lǐng)域，但在其他領(lǐng)域的成果較少；從財(cái)務(wù)智能應(yīng)用研究來看，主要集中于財(cái)務(wù)主題的多維度分析，相比較而言，財(cái)務(wù)數(shù)據(jù)挖掘的高級(jí)分析研究相對(duì)較少，特別是最新的深度學(xué)習(xí)等大數(shù)據(jù)智能技術(shù)與財(cái)務(wù)融合研究成果較少，且集中于財(cái)務(wù)預(yù)警領(lǐng)域，其他領(lǐng)域有待進(jìn)一步研究。

（二）財(cái)務(wù)智能文獻(xiàn)研究建議與未來研究展望

“互聯(lián)網(wǎng)+”與人工智能的高速發(fā)展，使得企業(yè)智能化成為未來的發(fā)展趨勢(shì)，但智能化是一個(gè)漸進(jìn)過程，CSDN（我國(guó)最大的IT社區(qū)和服務(wù)平臺(tái)）發(fā)布了“企業(yè)智能化成熟度模型”（Capability Maturity Model for Enterprise Artificial Intelligence），該模型借鑒了“軟件能力成熟度模型”中以過程為核心的管理思想，將企業(yè)按照智能化的程度劃分為0～5 級(jí)6個(gè)發(fā)展階段，具體見圖9。

圖9 企業(yè)智能化成熟度模型（AIMM）

從圖9可以看出，企業(yè)智能化不是一蹴而就的。伴隨著智能化過程，包括財(cái)務(wù)智能在內(nèi)的企業(yè)智能化研究也是循序漸進(jìn)的。本文認(rèn)為，未來會(huì)出現(xiàn)以下趨勢(shì)和研究熱點(diǎn)：①財(cái)務(wù)智能是當(dāng)前“大智移云物”技術(shù)（大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)、云計(jì)算、物聯(lián)網(wǎng)）與財(cái)務(wù)領(lǐng)域最新融合研究，未來將成為一種新的研究趨勢(shì)，重點(diǎn)研究新一代信息技術(shù)對(duì)會(huì)計(jì)和財(cái)務(wù)領(lǐng)域的影響和實(shí)施路徑。②各高校與科研機(jī)構(gòu)相繼成立大數(shù)據(jù)或人工智能學(xué)院和研究所，未來在財(cái)務(wù)智能或商務(wù)智能領(lǐng)域很有可能出現(xiàn)固定的研究機(jī)構(gòu)或研究群體，應(yīng)加強(qiáng)對(duì)復(fù)合型智能財(cái)務(wù)人才的培養(yǎng)。③對(duì)應(yīng)于2 級(jí)的商業(yè)智能到3 級(jí)的算法模型階段，財(cái)務(wù)智能研究應(yīng)在多維度財(cái)務(wù)分析的基礎(chǔ)上，運(yùn)用最新的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等大數(shù)據(jù)和人工智能技術(shù)構(gòu)建財(cái)務(wù)決策模型，加強(qiáng)智能化決策支持系統(tǒng)方面的理論與應(yīng)用研究。④財(cái)務(wù)智能關(guān)鍵技術(shù)研究應(yīng)融合最新的大數(shù)據(jù)Hadoop 和Spark 框架，運(yùn)用大數(shù)據(jù)技術(shù)構(gòu)建新型商務(wù)智能系統(tǒng)（或財(cái)務(wù)智能系統(tǒng)），對(duì)應(yīng)于4級(jí)AI采用和5級(jí)AI驅(qū)動(dòng)，未來可重點(diǎn)研究構(gòu)建新型財(cái)務(wù)智能系統(tǒng)的業(yè)務(wù)模式或商業(yè)模式、新型業(yè)態(tài)以及相應(yīng)的企業(yè)管理變革。⑤未來在研究方法上可以結(jié)合最新的商務(wù)智能（或財(cái)務(wù)智能）實(shí)踐進(jìn)行案例研究，總結(jié)實(shí)施方法論，抽象出相應(yīng)的理論模型架構(gòu)。⑥在研究?jī)?nèi)容上，應(yīng)融合多源異構(gòu)數(shù)據(jù)、智能財(cái)務(wù)報(bào)告、智能化財(cái)務(wù)風(fēng)險(xiǎn)管控、財(cái)務(wù)預(yù)測(cè)與決策等多功能模塊，構(gòu)建系統(tǒng)化的、融合大數(shù)據(jù)的財(cái)務(wù)智能決策支持系統(tǒng)。