财务数字化成为数字化转型的突破口。
数据中台的核心是用数据赋能业务，打通底层数据，实现数据共享和数据建模。数据中台不 仅彻底解决了企业的信息孤岛问题，有力提升了数据采集和数据转换的效率和质量，而且根 除了企业 IT 系统重复建设的现象，为数据存储和数据管理带来便利。基于数据中台，管理会 计不需要依赖于财务会计提供的信息就可以自动进行数据处理。在此基础上，通过将管理会 计与业务化、场景化、实时化的数据分析相结合，企业可以将决策实时转化为行动，基于系 统平台的流程协同能力，快速形成指令驱动和控制业务。
在数据中台的支撑下，管理会计与业务经营的融合更紧密，管理会计将具备更敏捷的响应能 力，可以满足不断变化的业务前端对后端管理提出的各项需求，并能更多地应用于销售、生产、 供应链和研发创新等价值链环节的具体业务场景中，主动为业务运营赋能。
财务系统作为连接企业采购、生产、运营、销售等经营行为的枢纽，连接从企业管理层到一 线业务人员各个层级，在推动企业数字化转型过程中具有得天独厚的优势。从企业过往的信 息化、数字化历史进程来看，从会计电算化到 ERP 推广普及，财务在企业转型过程中都扮演 着引领推动的重要角色。以财务数字化为突破口，逐步延申到业务数字化，由此开展企业整 体的数字化转型，将成为企业未来数字化转型的主要路径。
此外，在企业财务数字化转型过程中，财务边界的扩充将反过来赋能企业数字化转型应用场景。 通过与企业具体的数字化转型应用场景相结合，开展实时化、敏捷化的财务分析、经营决策、 预算管理、风险管控，更高效地发挥数据价值，赋能企业整体数字化转型。
随着财务部门重复性工作被替代，以及业财融合的进一步深入，企业业务人员和财务人员的职 能也将出现互通：一方面，在业务数据化以后，精细化核算和数据分析所带来的工作量远远超 过传统财务核算，不同级别的组织，不同的考核维度，所需要核算及分析的内容都是不同的， 组织细分的数量越多、颗粒度越细，则区别度和复杂度越高，财务人员必须更加深入业务，才 有可能做出科学及时的业务分析；另一方面，业务人员也将具有财务职能，数据的录入和核算 可以由业务人员直接进行，减少人工成本的同时，提高分析的实用性，还能激活员工自我赋能 和主动创造价值的动力。
有了先进技术的支撑，在未来每个员工既是业务人员又是财务人员的情况将可能成为现实，员 工没有增加不必要的工作量，并且原有的重复性工作也相对减少，节省出更多的时间自主分析 和思考自身工作所涉及的经营流程环节，提出创新性的想法，形成自己的流程信息、业务信息 和财务信息，利用这些信息，成为各环节的分析决策者，实现自我驱动。
业务人员要具备财务职能主要有赖于数字化技术的普及，就现阶段而言业财融合下更强调财务 人员的“业务性”。华为总裁任正非给财务人员指出过三个方向：
一是参与项目管理，基层财务人员要想尽快掌握企业业务经营情况，最好的选择是做项目财务。 一个项目相当于一个小企业的完整周期，全面且贴近业务；二是参与经营分析，财务分析要透 过财务数据挖掘背后的业务原因，指出问题，找出对策，落实责任，到期考核；三是参与预算 预测，在参与预算预测的过程中，财务人员必须不断与业务人员沟通才能得出务实的结论，由 此突破财务分析的范畴，将视野逐步延展到业务经营。
2023 年金税四期工程有望正式上线。税务总局对企业涉税风险的监管水平将再次提升，倒逼 企业快速提升数字化税务管理水平，改变在应对税务检查、稽查时被动应对的状态。税务数字 化将成为大企业通过税务管理提升整体管理效率、降低成本的主导方向。
通过税务数字化系统的建设，实现税局信息与企业实际业务操作的有效对接，承载大企业集团 全税种、全主体、全业务、全流程的税务管理应用工作，满足集团型企业对各个分子公司的税务执行审核需求，解决纳税主体多、税种多、涉税业务类型多、数量大，各地税收口径存在 差异化等诸多困难。部分国企已经开始探索实现全税种统一线上管理，全级次涉税信息全面 归集，一键开票、一键校验、自动申报，在信息化、数字化基础上，搭建税务筹划管理体系， 建立税务风险指标测算、预警、评价机制，利用智能技术赋能企业全球化税务管理。
智能化财务，是在传统财务的基础上重塑人机边界，实现新技术与财务工作的深度融合，基 于 RPA 等多种智能技术，推动数字员工、智能助手走入了更多企业，替代基础、重复的财务 工作，打通封闭的异构系统，实现数据交互，拓展财务共享中心在知识赋能、风险预警、数 据洞察等方面的职能。其中，RPA 即机器人流程自动化，作为 AI 技术在财务领域的先锋应用， 已在企业中得到广泛认同。RPA 可以出色地完成大量重复性、定义清晰、有固定逻辑而少有 意外情况的工作。
根据某大型家电集团数据表明，应用 RPA 机器人后，数据处理效率达到人工的 500 倍，对于 临时性分析、经营分析等场景，耗费时间从以往人均数据加工的 3-4 天缩减到半天， 让分析 师更多地可以将时间资源分配到与业务端沟通和数据洞察等高价值任务。
随着 AI 技术深度发展，基于强大的深度学习能力、计算能力和反应能力，继 RPA 和 IPA 后，财 务领域应用 AI 技术甚至有像人类一样进行自主信息搜集、信息分析，并代替人类作出经营决策。
