财务数字化应用场景按照数字化财务职能可划分为：财务会计数字化、管理会计数字化、业务支持数字化、决策支持数字化四个层次的场景。其中，财务会计发挥的是财务的基础职能，包括会计核算、资金管理、税务管理与报表出具；管理会计是财务发挥管理职能的关键，包括预算管理、绩效管理、成本管理、风险管理、投融资管理等；业务支持是财务与业务流程产生交互时，对业务管理提供的支持职能，包括从研发、采购到产品，营销、交付到回款等全周期的业务价值链深度支持；决策支持是指企业层面的战略布局以及运营管理，构建企业经营价值体系，为战略规划、执行控制到结果评价提供支持。
上篇内容【财务数据价值链】数据价值体系：财务会计与管理会计数字化场景，对财务会计数字化与管理会计数字化场景进行详细介绍，本篇内容将聚焦业务支持数字化与决策支持数字化场景。
深入业务，推动业务支持数字化
业务支持数字化是在财务深度参与业务价值链的过程中，通过业财一体化运营，全面采集业财数据并发挥数据价值，支持业务管理与发展。业务支持数字化是财务走向财经的重要一步，通过将财务视角转变为业务视角，理解业务、融入业务，横向延伸财务的能力范畴，在发挥“财”的专业职能基础之上，塑造“经”的业务支持职能。
实现业务支持数字化，需要财务围绕业务发展需求，深入业务团队，梳理业财交互节点，帮助业务团队达成目标与规划，同时，面向业务需求提供数据与算法，引导业务管理团队提升决策中的商业分析和判断能力。
以研发和生产制造类企业为例，在企业运营的五大业务流程：市场、客户、供应链、产品与售后中，可梳理出35个主要流程节点，在其中，挖掘出22个业财交互点，业财交互中共32个数字化应用场景。
以市场流程为例，在主要流程节点中，市场选择、客户选择、销售通路管理与订单获取为业财交互点，在交互过程中，通过业财一体化运营，财务不断加深对业务的支持，并在数字化推动下形成市场选择决策、客户信用评级、渠道管理商业模式设计等9个数字化应用场景。比如在客户信用评级场景中，财务对新引入的客户，通过获取内外部信息对客户进行品质、能力、资本、担保、环境等全面的资信评级，评估客户的财务能力、支付意愿风险等，在此基础上明确对该客户的信用政策。又比如在产品商务决策场景中，财务需要根据中长期经营规划与经营目标，协同业务团队确定产品定价策略，制定区域定价授权规则，将盈利目标引入产品定价模型。
场景一：客户信用风险及应收管理数字化
应收管理是提升企业盈利能力、降低资金成本与经营风险的关键，企业通过制定信用政策、建立管控体系，以提升应收账款周转效率。业务循环、财务循环以及管理循环，“三环”共同作用，降低应收账款管理的风险与成本。
构建“三环”管理体系，打通应收账款全周期全方位管理
“三环”管理体系通过财务环（内环）打通应收账款数据核算流程，构建应收数据循环；以业务环（中环）贯穿LTC（Leads To Cash，从线索到回款）全业务流程；以管理环（外环）构建起应收账款的管理基础。
- 财务环是应收账款管理中财务部门直接管理控制的范围，包括发票管理、应收确认与核销、客户对账业务，是遵循“开票到合同、核销到发票、对账到客户”的基本原则建立的。
- 业务环通过业财深度融合，从事前、事中、事后三阶段进行管控，事前管控是指严控客户信用风险及商务条款，事中管控是指实时把控项目交付执行，事后管控主要是规范收账流程，分步、分级、分类推进欠款清收。
- 管理环则由组织、人员、流程、制度、系统、绩效六要素组成，为应收账款创造管理环境和基础。
描绘客户信用画像，量化信用风险
企业可以在“三环”管理体系建设中，利用数字化手段，沉淀客户信用数据，以描绘客户信用画像，支撑客户信用评级以及授信管理，筛选出优质客户。信用画像是客户全量数据的产物，通过充分吸纳内外部关键数据，融合运用知识图谱和机器学习技术，挖掘企业之间复杂的关联关系，校验失信记录，判别潜在偿款风险，构建算法模型推演客户信用评级，精准量化信用风险。
场景二：采购全生命周期合规管控数字化
采购合规管控数字化将基于供应商以及采购全流程数据的获取，借助知识图谱、自然语言处理（NLP，Natural Language Processing）、机器学习等技术的融合应用，为采购环节提供全生命周期的合规管控，重点包括招标合规、合同合规、供应商合规三个方面。
采购招标：深度排查关联关系
在企业招标过程中，供应商关联关系图谱能够深入挖掘企业之间的显性、隐性关系，增强对企业内外部多种关联关系的洞察。深度排查供应商企业集团、子公司与其他投标企业的合作关系，判断是否存在围标、串标、陪标等风险，同时，深度核查供应商与企业内部股东高管的关系，严格防范商业贿赂、利益输送等风险。
合同审核：智能核查关键信息
对采购合同进行审核，利用NLP技术对合同关键信息进行数据比对分析、一致性校验，分析合作方及其联系人、合作金额、合作业务等关键要素是否存在风险。例如，合同标题是否与合同约定的业务类型相符、合同金额是否超过了合作方注册资本等，对合同条款进行合规性审核的同时，对供应商风险进行正式合作前的最后一轮“把关”。
供应商管理：全程把控供应商风险
在供应商准入阶段，需要全面汇聚工商、司法、税务、知识产权、资产、舆情等维度信息，对目标供应商进行360°全景尽调；在供应商评估分级阶段，根据供应商的产品质量、价格、生产能力、结算方式等指标排序打分，实现供应商分级管理；在供应商履约阶段，对供应商进行多维度实时风险监控，并基于风险传导网络通过机器学习建立风险模型，智能判断供应商风险事件可能造成的扩散影响。
科学驱动决策支持数字化
决策支持是数字化赋予财务的全新价值，通过不断迭代算法，提升算力，强化预测与洞察能力，驱动决策制定。决策支持数字化通过编制中长期滚动经营预测，支持企业战略规划、战略投资管理以及战略执行评价，同时搭建企业经营价值体系，以数据指标抽象化核心管理需求，进行多维运营分析，打造能够支持业务实战、深入经营、具有战略高度的财务能力。决策支持数字化下的财务将从信息反馈的核算视角转变为业务全局的经营视角，从交易处理的执行层面转变为支持战略的决策层面，全力驱动战略与经营管理科学决策。
场景三：中长期滚动经营预测数字化
科学预测是支撑企业战略决策的基础。相对于短期预测而言，中长期预测的难点在于通常会受到更多不确定因素或宏观形势的影响，预测模型复杂。
在企业中，传统中长期经营预测往往立足于历史数据，实质上并没有真正考虑事物变化的因素，仅致力于数据的拟合，对规律性的洞察收获甚少，缺乏准确性与指导性，难以支撑企业的战略规划与决策。DT时代下，人工智能技术与应用数学迅猛发展，应用于企业中长期经营预测中，以多模型组合预测，并通过逐期动态滚动，实现柔性预测，在战略目标的指引下支持企业战略规划以及商业计划、业务规划、预算、绩效管理。
多模型组合，全面预测
中长期经营预测数字化将集聚经营相关的全方位数据，数据越丰富，数据间的联系越可能被感知和洞察，越能全面反映发展变化规律。同时，通过机器学习将BP神经网络模型、灰色预测模型、ARMA模型等多种预测模型进行组合搭建，从而对多种预测结果进行有机合成，有效获取多种信息，提高预测科学性和准确性。
动态滚动，柔性调整
中长期滚动经营预测基于计划、预算、绩效完成情况，利用云计算等新兴技术极大提高数据的计算、存储、交互能力，保障数据的实时处理与快速响应，从而不断修正、动态调整并延续预测过程，使预测从实际出发，避免企业对战略目标的僵化执行，切实指导企业的经营活动。
场景四：多维经营分析数字化
多维经营分析数字化解决方案：财经云图，以战略目标为导向，从战术决策与作业决策出发，将战略目标层层分解落实到管理、业务层面，通过搭建经营价值体系，深度挖掘数据价值，发挥决策支持作用。在财经云图建设过程中，需要经过“自上而下”的规划路径与“自下而上”的实施路径。
自上而下：规划建立与价值链紧密结合的经营价值体系
第一，财务需要清楚识别企业的价值主张和价值驱动因素，以此为核心搭建企业经营价值体系；第二，梳理企业业务流程，识别管理关注点与核心决策点；第三，构建贴合行业特点和企业现状的多维度指标分析模型，为数据驱动决策构建指标框架。
自下而上：挖潜数据资产价值为决策者提供数据服务
具体实施过程中，首先需要以多源数据汇聚为基础，同时保障数据资产的有效利用与价值最大化；根据经营价值体系构造经营分析模型与智能算法，通过数据处理分析，面向应用场景提供敏捷灵活的数据服务；最终分主题、分层次进行数据展示，实现多维分析报表自动生成以及经营价值数据动态可视。
以地产行业为例，财经云图通过从地产业务过程中抽象出经营关注要点，构建经营价值体系以及有效的多维数据分析机制。第一，自上而下进行规划，地产项目周期长、投入大且难以完全标准化生产，因此基于风险管控的库存与现金流管理是企业的关键价值驱动因素，土储到开发循环、销售到回款循环是地产行业的核心业务流程，由此抽象出规模、盈利、成长、稳健、融资与运营六个需要关注的核心方面，构建多维度指标分析模型。第二，自下而上进行实施，梳理数据资产，构建算法模型，层层钻取数据价值，搭建多维可视化看板。以运营维度为例，把控“去库存、快回款、降成本、稳杠杆、看未来、提进度”的整体目标，深入进行销售分析（去化率）、存货分析（资产周转、存销比）、现金流分析（回款率），从而帮助企业把握核心决策，优化管理运营。
本文部分内容来源于《财务数字化白皮书——从财务走向财经》