作者：用友 吳昌秀
戰略到執行的企業績效管理體系對于大型企業至關重要，國際大型企業將其置于一級核心流程之一的位置。
我國大型企業績效管理運行中通常出現的“五大”痛點：戰略實現路徑不清晰、業務計劃形不成合力、預算資源配置效果不佳、績效目標分解不成體系、管理執行和監控不集成等。
要徹底根除以上問題，不能依靠單點解決，而是要從頂層出發，通過“對標世界一流”，進行系統性的企業級變革，同時借助數字化、智能化手段實現管理能力的彎道超車。
“三變一化”，建立企業戰略到執行的績效管理體系
國內大型企業應該從“三變一化”著手，才能實現企業戰略到執行的績效管理體系產生根本性的改進。即：變革理念、變革組織、變革流程和數智化。唯有將“三變”與“一化”相結合，才能產生“1+1>2”的倍增效應，從而縮小與國際企業的差距，在新一輪全球競爭中取得優勢。
一，變革理念，提升企業績效管理的地位和意識。二，變革組織，建立流程型組織和清晰的責任體系。三，變革流程，重構戰略到執行的企業績效管理體系。
數字化、智能化技術是推動企業績效管理體系高效運轉的基礎。在全球化、數字化、國產化三浪疊加的背景下，目前國內一些服務于ToB業務的頭部廠商，如用友公司，已經在企業績效管理方面突破了一些核心技術，將為國內大型企業績效管理插上數智化的翅膀。
插上數智化的翅膀，讓大型企業績效管理更高效
用友通過構建和運行全球領先的商業創新平臺——用友BIP，服務企業數智化轉型和商業創新。用友BIP|財務云，基于事項法會計理論，采用最新的大智物移云的技術，構建財務會計、管理會計、稅務服務、費控服務、財資服務、企業績效、檔案服務、數據服務、共享服務的全新一代財務體系。
用BIP|財務云，構建基于多維模型的企業績效管理新體系，支持復雜業務規則，預算預測場景應用、合并報表應用、管理報告應用、全球所得稅報表應用等。通過先進的數智化技術融合企業財務業務場景，助力大型企業績效管理體系高效運行。
一，基于OLAP的內存式多維數據庫技術，實現數據處理性能質的飛躍。
傳統國內企業績效管理（EPM）高端市場長期被一些國際廠商產品所占據。近年來，國內一些廠商已經在基于OLAP的內存式多維數據庫上取得了長足的進步。該技術有以下重要特性，將極大提升大型企業在全面預算、合并報表、多維分析等領域的數據處理能力。
多維引擎：采用自主可控多維引擎技術，支持多維度預算編制、報表展現和多維靈活分析；
內存計算：利用內存快速訪問的特性，把數據完整保留于內存，并通過優化的存儲結構和算法處理數據和復雜邏輯，將用戶的數據讀寫請求轉換為內存讀寫和內存計算，極大提升系統性能；
高性能內存計算：支持對海量數據進行聚合和運算，滿足對數據進行快速查詢和分析需求。
靈活建模：改變“公式”定義規則模式，以Python及系統函數的方式設定規則腳本，如通過Python語言定義合并報表、預算編制等計算邏輯，讓數據處理更加便捷、靈活和高效。
二，基于事項的智能核算系統，將使“多維、精細、實時”的管理會計核算成為可能。
會計信息是被不同的決策者利用的，每個決策者對會計信息的種類、信息量、匯總程度的關注點不同。然而，傳統會計信息系統僅提供了價值匯總程度很高的會計信息（如會計報表），顯然不能滿足各個不同層次、不同種類的決策者的需要。
在此背景下，美國教授索特在1969年明確提出了事項會計法，但受制于當時的信息技術等因素，該方法沒有得到廣泛應用。
在數字化的今天，企業對數據服務的廣度和深度愈來愈高，在數據湖等新技術的加持下，數據存儲、加工和計算能力不斷提升，事項會計法開始煥發了新的生機，其實現的基本邏輯如下：
首先，通過數據移動、數據湖等技術將前端各業務系統發生的“原汁原味”的各類經濟業務事項實時采集到事項庫中，數據湖技術有效解決了大數據量存儲問題。
其次，在事項庫中基于核算規則和事項轉換規則，將標準業務事項轉換為業務和財務事項。如將采購入庫業務事項轉換為采購應付業務和財務事項。
最后，在智能會計平臺中，定義入賬規則、科目對照，憑證模板等規則，即可實時產生基于業務的會計憑證。
用友BIP|財務云新一代智能核算系統將可根據不同核算目的，基于會計引擎實現不同顆粒度的自動化核算服務。
如基于會計準則的“粗財會”核算和基于內部管理會計規則的“細管會”核算，并實現二者數據的“同源分流”，即二者都是基于前端相同的業務事項進行核算的，這將有效解決很多大型企業管理會計和財務會計差異分析追蹤的難題。
基于事項的智能核算技術將有力促進大型企業基于劃小核算、阿米巴等內部市場化的精細核算需求，助力大型企業實時出具內部管理報告。
三，基于數據中臺的智能分析技術，將極大提升企業的數據服務能力，實現數據驅動的智能預測，智能分析和智能決策。
國內大型企業在ERP時代建立了很多異構的業務系統。如何利用好這些數據資源成為了一道難題。而數據中臺技術的出現將可以有效解決這一難題。
大型企業可以基于數據中臺，建立企業級的數據中心，通過數據移動將企業所有歷史投資的系統上的數據及外部收集的數據進行匯聚、清洗和轉換，形成有價值的數據資產。
結合人工智能技術，利用“模型+算法”以及機器學習等技術，實現基于數據驅動的智能預測、智能決策、智能分析等智能化應用。
