数字经济企业转型论文参考文献

摘   要 继农业经济和工业经济之后，经济体正处于一个更先进更高级的经济阶段——数字经济。通过数字、信息技术与实体经济的深度融合，传统产业正不断向数字化、智能化水平发展。因此本文对国内外相关文献进行梳理总结,为深入研究数字经济与实体经济融合的发展提供理论参考。 关键词： 数字经济；实体经济；数字经济与实体经济融合；产业转型升级 一、数字经济与实体经济的涵义 （一）数字经济的涵义 什么是数字经济？最早提出“数字经济”概念的是DonTapscott，DonTapscott（1996）在《数字经济：网络智能时代的希望和危险》中指出，数字经济是“利用比特而非原子”的经济。[1]随着数字技术的日新月异，数字经济涉及的范围越来越广，各国对数字经济的理解及发展重点也大相径庭。 在中国，一般以2016年杭州峰会《G20数字经济发展与合作倡议》的表述为准，提出“数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”。[2]同中国一样，韩国和俄罗斯也认为数字经济是一种经济活动，但是韩国对其的定义更为广泛，认为“数字经济是基于互联网在内的所有信息通讯产业为基础的所有经济活动”；俄罗斯认为这种经济活动是用来保障国家利益的。[3]反观美国、法国，对数字经济的理解是基于数字经济的测算，美国对于数字经济的测算包括电子商务和数字服务两部分[4]，法国则是从行业的角度来进行测算的。英国研究委员会（2010）对数字经济的理解着眼于产出角度，认为其是通过人、过程和技术发生复杂关系而创造社会经济效益。[5]澳大利亚则认为数字经济是一种通过互联网、移动电话和传感器网络等信息和通讯技术，实现经济和社会的全球性网络化的社会进程。[6] （二）实体经济的涵义 次贷危机之后，各业界频繁使用“实体经济”，美联储从行业市场区分的角度将实体经济定义为除去房地产市场和金融市场之外的部分。刘骏民（2003）却不主张这种做法，他认为实体经济是以成本和技术支撑的价格体系。[7]而成思危（2003）从物质生产角度对实体经济进行定义，他认为实体经济就是与具体的产品生产及为增加产品价值的经济活动。[8] 但对于服务业是否属于实体经济，学者们的争议不断。金碚（2012）认为实体经济应该包括一、二、三产业中直接服务业和工业化服务业[9]，所以金碚认为部分服务业也隶属于实体经济。同时，金融时报词典（Financial Times Lexicon）和经济术语（Economic Glossary）中都认为实体经济是一种可以通过使用各种资源生产商品和服务一满足人们的生活需求的经济活动。吴秀生和林左鸣（2006）对此持相反的意见，他们认为实体经济仅仅包括物质生产活动，[10]服务业不属于实体经济，应隶属于广义虚拟经济。刘晓欣（2011）则根据马克思的“物质生产与非物质生产分类”来定义实体经济，她认为狭义的实体经济包括工业、农业、建筑业和商业以及相关的物质生产但不包括服务业，但广义的实体经济包括第一、二产业，还有部分第三产业，如虚拟经济、高端服务业。[11] 二、数字经济与实体经济融合的基本理论 （一）数字经济与实体经济融合的内涵 数字经济与实体经济融合是近几年才提出来，因此学者们对这个概念研究的不多，同时融合涉及不同方面、层次、内容，是一个极为抽象、宽泛的概念。其中于乐和潘新兴（2012）认为：狭义的是指数字信息技术与工业、农业、建筑业和商业以及相关的物质生产相结合的过程；广义的是指工业化的社会进程和数字化的社会进程相结合的进程。[12] （二）数字经济与实体经济的互动关系 1、实体经济是数字经济的基础 学界对于数字经济是融入而不是取代实体经济这一观点达成共识。十九大报告指出，“建设现代化经济体系，必须把发展经济的着力点放在实体经济上”，这无疑奠定了实体经济的基础性地位，我国全面小康的目标不能片面的强调数字化，而应从整体全面的角度出发，将数字经济融入农业、工业、服务业，整体推进我国工业化、现代化目标的实现。（于乐，潘新兴，2012）离开了实体经济，数字经济就会成为无本之木，无源之水，数字化和工业化是经济发展的两面，两者缺一不可。 国内学者普遍认为数字经济是融合性经济。闫德利（2018）认为，数字经济与实体经济融合的产物就是“数字化的实体经济”，它是数字经济主要的组成部分，其主体属于实体经济[13]；邬贺铨（2016）基于数字经济就是数字化的工业经济、数字化的农业经济的理解，认为数字经济就是实体经济[14]。马云（2018）也指出数字经济本身就是实体经济，它们既非各自独立存在，更非相互对立地存在，因为只有拥抱了数字技术的实体经济，包括制造业、服务业、流通业，才是真正健康、有前景的实体经济。 2、数字经济是实体经济的动力源泉 国内外学者对数字经济的认识基本呈一致观点，他们认为数字经济能够驱动实体经济发展，是实体经济的动力与源泉。其中Brookes, Martin和Zaki Wahhaj（2000）通过观测电子商务对日本和美国宏观经济的影响，认为电子商务作为信息技术应用的典范，将成为经济增长的新生力量。[15]另外，Georgion（2009）测算电子商务对英国、德国等13个西欧国家经济的影响，结果发现电子商务通过提升公司市场表现进一步促进经济增长。[16] 王亚男（2011）基于中国制造业的发展现状，结合制造业的优势和不足，提出了数字经济与实体经济融合不仅能改变制造业原有的增长模式提升制造业的竞争力，更能通过发展生产性服务业寻找制造业新的增长点。[17]刘吉超和庞洋（2013）认为基于信息技术的制造数字化革命和分布式能源互联网的普及应用，将带来分布式、社会化、网络化的大规模定制的生产方式，形成分散、开放、合作的社会商业架构和商业模式，以信息化改造生产制造和经营管理全流程、通过服务化将经营重心向产业价值链的两端延伸、推动制造业向绿色化方向发展，是制造业提升竞争力的主要路径。[18]马化腾（2017）认为，“互联网+”是数字经济发展的手段，目前“互联网+”带来的各行业的改变只是开始，但在不久的将来，数字经济的发展将会重塑各个行业的核心竞争力。[19]陈养才（2018）发现煤炭行业在两化融合的推动下，转型升级效果显著，具体体现在产业结构发生调整、产业技术得到升级、实现产业化发展、煤炭清洁高效利用水平提高，煤炭绿色发展落到实处以及煤机装备制造水平提升。[20] 三、数字经济与实体经济融合的国内外研究综述 （一）国外研究进展 由于西方发达国家是在工业化进程完成之后才开始信息化发展，所以国外学者直接探讨数字经济与实体经济的融合问题比较少，多数是研究信息技术与产业转型、企业发展之间的关联。KevinM.Stolarick（1999）认为将信息技术嫁接到传统产业、产品和工艺方面，会提高相关企业的生产率。正如Salvador和Ikeda所说，互联网可以通过信息透明化释放巨大的价值，大数据时代会产生新的产业形态和组织间管理规则。 然而，Michael等（2001）认为，信息化技术的应用并不一定能够直接增强制造业企业的竞争优势，对竞争优势的潜在贡献则是通过其对独特组织能力的开发和利用的影响。[21] Anna Giunta和Francesco Trivieri（2007）通过对约1.7万家公司进行了抽样调查，并使用IT采用指数作为因变量，对这些公司进行了有序的probit分析，研究结果显示，企业规模、地理位置、员工的职能构成、研发活动、分包、出口和企业之间的合作都是意大利中小型制造企业采用信息技术的重要决定因素。[22]。 Moosa（2011）通过研究数字经济与实体经济融合和制造业企业之间的关系，发现融合中的企业能够利用信息化网络来构建拓展生产模式，从而实现网络化、集约化制造，能够显著提升制造业和客户之间的联系，进而利用更加人性化的生产组织来降低经营风险。[23] Concetta Castiglione（2012）使用translog和Cobb-Douglas生产函数来估计1995年至2003年期间意大利制造公司的信息通讯技术（ICT）对技术效率(TE)的影响，结果信息通讯技术（ICT）投资对企业的技术效率（TE）有显著的正向影响。[24] （二）国内研究进展 国内学者在数字经济与实体经济融合发展的实证研究主要是对企业效益或产业转型升级的影响上进行研究。实证研究结果均表明，数字经济与实体经济融合会促进产业结构转型升级，对企业效益具有显著的促进作用。同时由于各地区融合水平各有差异，导致融合对产业结构升级的作用效果存在较大差异。 何帆和刘红霞（2019）利用A股2012～2017年数据考察实体企业数字化变革的业绩提升效应，实证结果显示数字化变革显著提升了实体企业经济效益，而且发现通过数字技术的应用降低成本费用、提高资产使用效率以及增强创新能力，可以有效实现企业数字化变革的经济效益提升。[25]李晓钟和黄蓉（2018）为研究分析了实体经济（纺织产业）与数字经济（电子信息产业）融合发展及其驱动纺织产业竞争力提升的机理,基于产业融合理论，通过构建两大产业融合评价模型，实证结果显示数字经济发展程度与两大产业耦合协调度和产业融合水平呈正相关，同时发现数字经济发展水平对纺织产业创新能力、出口规模及出口质量等起到显著的促进作用。[26]杨德明和刘泳文（2018）为探讨“互联网+”对传统企业业绩的影响，采用2013—2015年中国上市公司相关数据，并构建反映传统企业实施“互联网+”的指标，实证研究发现传统企业与互联网的融合显著提升了公司业绩[27]。倪萍（2013）基于重庆市数据对高新技术产业与现代服务业的关联性分析，结果表明，促进高新技术产业发展，推动信息化建设，会显著加快重庆市服务业的发展和产业结构转型，且后续作用会互相产生积极发展的影响，[28] 在数字经济与实体经济融合提出之前，被称作两化融合，即信息化与工业化融合。由于两化融合提出较早，国内学者对其研究较为丰富。主要研究工业化和信息化融合水平对制造业产业结构升级的影响效果、作用机理与区域差异。 张亚斌等（2014）利用协调发展系数法和SBM-Luenberger指数法分别测度了区域两化融合质量和工业绿色全要素生产率，实证结果表明，重化工业化趋势不利于工业绿色全要素生产率的改善，而区域两化融合质量的提升可以有效改善，提高区域工业环境质量绩效，进而促使工业向绿色发展转型。[29]谷唐敏（2016）通过对全样本面板数据的固定效应模型和随机效应模型采用系统广义矩估计进行回归分析我国30个省市2010－2014年考察两化融合对我国制造业转型升级发展的影响效果与区域差异。结果显示：两化融合影响制造业转型升级呈现显著区域差异性，其中东部地区的影响程度最大，但东、中两部地区的促进作用却逐步减弱。[30]焦勇和杨蕙馨（2017）研究表明，两化融合耦合程度和增值能力、政府干预显著促进产业结构向合理化与高级化发展，同时发现不同区域融合对产业结构高级化具有显著的异质性影响，而对产业结构合理化呈现出正向影响。[31]刘桂林（2017）以基础环境、工业应用和应用效益三个测度两化融合水平的分指标探讨了两化融合对我国产业结构升级的影响和作用机理。研究表明，基础环境和应用效益对产业结构合理化的影响相对显著，其作用机理主要是通过提升应用效益推动产业结构高级化。[32]马欢欢（2018）分析了工业化和信息化融合水平对制造业产业结构升级的作用机理，结果表明，两化融合水平对制造业产业结构升级有着显著的正向效果，且作用最强；且不同区域的工业化和信息化融合水平不同，其作用也存在明显的差异，对东部地区具有促进作用，而对中西部地区起到一定的抑制作用。[33] 四、数字经济与实体经济融合发展中面临的主要问题 我国数字经济发展仍处于初级阶段，在网络信息技术与实体经济融合的过程中，同样会出现诸多问题。而我们只有充分了解认识融合发展中问题，并及时解决，才能够持续推进数字经济与实体经济深度融合、健康发展。 （一）产业结构发展失衡 网络信息技术与实体经济加速融合应用，促进了一二三产业转型升级，但发现存在三次产业数字经济发展不均衡问题，第三产业数字经济发展远超一、二产业；而且，发达地区与欠发达地区数字经济发展极不不均衡；同时，数字经济生产领域技术、资源投入不如消费领域多，在创新、设计、生产制造等核心环节变革上远低于发达国家。（鲁春从，孙克，2017[34]；孙克，2017[35]） （二）传统产业转型压力大 数字时代的到来，给传统产业转型升级提供了很好的契机，但是由于许多传统企业数字化转型的实力普遍不足，存在着资金、技术和融合性人才缺乏，而导致缺乏创新，数字技术运用水平低下，以及涉及数字技术的领域其从投入应用到产生收益周期较长，亟需完善传统产业软硬件的基础发展。（严震，2018[36]；康伟，姜宝，2018[37]；方晓红，2019）同时，由于数字经济与实体经济加速融合，使得实体经济逐渐出现企业退出、不良资产积累等问题，对实体经济造成不小的冲击，反过来因为融合后主体、行为、环节更为复杂，联系更为紧密，从而导致无论哪个环节出现问题便极可能波及整个经济。（孙克，2017） （三）新旧动能转换支撑不足 数字经济驱动传统产业转型升级，但多数传统产业存在着高转换成本、搞试错成本和风险、大信息化投入、强资产专用性、长投资周期、等运用数字信息技术的动力不足问题；传统产业存在着较强的固化思维，使得数字信息技术子在实体经济中应用难度大，并且由于新兴产业刚进入，行业标准不够完善甚至缺乏，严重制约了企业前进的脚步；由于传统企业内部大多信息化基础较差，应用数字技术的能力不足，使得企业内部基础无法与外部服务体系相协调。（方晓红，2019）同时，由于数字经济与实体经济融合发展会使得企业原因的生产方式、生产模式发展变革，会对传统产业相关部门造成不小的冲击，因此这些组织部门需要进行调整以适应变化，但据研究表明，这个适应性调整的时间，即从数字信息技术投入到产生收益所需时间为3-10年。（孙克，2017） （四）高层次人才缺乏 数字经济产业在我国属于战略性新兴产业，精通互联网、大数据、人工智能等专业知识的人才本来就缺乏，而数字经济与实体经济融合便要求复合型人才，这远不能满足融合发展的现实需求。特别地，对于依稀中小制造企业来说，由于缺乏高素质复合型人才，无法实现互联网等数字技术与生产制造产业完美的进行融合，从而严重制约了其发展。（方晓红，2019）同时，普通高校培养方向重理论、轻实操，课程设置跟不上企业实际需求。（康伟，姜宝，2018） （五）自主创新能力差 近年来，虽然我国数字经济发展迅猛，但是，从技术方面来看，我国数字经济只是在电子商务、移动支付、共享经济等应用领域的技术创新能力较强，而在生产领域的核心技术创新能力仍然较弱。（方晓红，2019）从制造业的技术创新能力来看，我国的技术创新力水平低下，其中关键技术、核心技术主要来源于国外。从目前来看，我国本土制造业企业并没有没有形成技术扩散后的吸收和自主创新的良性循环，反而大多数企业基于眼前的利益，往往在引进核心技术后便进行模仿，以至于制造业产品仍处于产业链低端的状态。（王亚男，2011） 五、总结性评述 （一）评述 综上所述，学者对于数字经济与实体经济融合发展的研究，对我国传统产业的转型升级具有非常重要的意义。可以发现西方学者直接研究数字经济与实体经济融合影响产业结构转型升级的文章较少，大多是研究信息技术与企业发展之间的关系；国内学者对两化融合研究相对较为丰富，然而对数字经济与实体经济融合的实证研究仍旧太少。但实证分析侧重于研究对产业结构升级的影响，即基于整个国家或区域的视角研究产业间的转型升级，没有具体到某个省市、某个产业内的转型升级。由于我国各省份产业发展状况存在明显的地域差异，各地区的主导产业不同，研究产业结构升级对具体产业的发展不具有针对性，相关建议适用性不强。 从目前文献来看，对于数字经济的研究大多基于“数字”或信息技术视角，从经济视角的较少，并且由于数字经济与实体经济融合是2016年才提出来的，因此这方面的研究咨询机构、互联网企业等相比学者来说进行了较多的研究，其中具体的细分领域入手进行的实证和案例研究较多，系统性的理论分析较少。 （二）展望 数字经济发展历史并不长，且仍处于初级阶段，未来数字经济与实体经济容融合发展还有很大的研究空间，需要加强相关理论与实证的研究。理论方面，今后的研究应该更加注重数字经济与实体经济融合的本质与内涵，来挖掘数字经济的价值对传统产业的作用机理，为传统产业转型升级指出明确的道路；实证方面，今后的研究可以具体到省市的具体产业为研究对象，分析数字经济与实体经济融合水平对产业结构转型升级的具体作用，以弥补目前研究领域的空白。 同时，现今的研究对数字经济与实体经济测定的研究相对较为丰富，但是缺乏系统的关于数字经济与数字经济融合测度的指标，因此今后应注重融合的测度及评价。因为科学系统的评价体系是推动数字经济与实体经济深度融合发展的必要条件，不仅可以准确把握数字经济的特点，还充分考虑到实体经济的结构特征。此外，评价指标体系的构建正是为了反映两者融合的成熟度，从而可以指标帮助企业及政府有效找出融合过程中存在的问题。因此，评价指标体系的构建是数字经济与实体经济融合发展今后研究中的一大重点，应该分别构建一套完备、系统、权威的总体评价指标模型和反映区域、各行业的评价指标模型。 参考文献: [1] Don Tapscott. The digital economy:Promise and perilin the age of network and intelligence. Vol.1.NewYork:McGraw-Hill，1996. [2] Предложения Экспертногосоветапри Правительстве Российской Федерациипоразра боткепрограммы《Цифроваяэкономика》.23января 2017г.Цит.поэл.версии .（2017.2.27）. [3] ErichH.Strassner，BEA Advisory Committee.Measuring the Digital Economy[EB/OL].  . [4] UKGovernment，Digital economy act2010[EB/OL].  . [5] Australian Government.National digitale conomy strategy[EB/OL].   economy strategy. [6] Brookes,Martin,Zaki Wahhaj. The Shocking Economic Effect of B2B[M]. Goldman,Sachs & Co. Global Econimics,Februrary 3.2000. [7] Georgiou,M.N. E-Commerce has a Postive Impact on Economic Growth: A Panel Data Analysis fou Western Europe [R].2009. [8] Haltiwanger J, Jarmin R S.Measuring the Digital Economy[J].E.byrnjolfsson&B.kahin Understanding the Digital,2000. [9] Bo C.The Digital Economy:what is new and what is not[J].Structural Change&Economic Dynamics,2004,15(3):245-264. [10] Michael J Zhang, Augustine A Lado. Information systems and competitive advantage:a competency －based view[J]. Technovation,2001,21(3). [11] Anna Giunta, Francesco Trivieri. Understanding the determinants of information technology adoption: evidence from Italian manufacturing firms[J]. Applied Economics,2007,39(10). [12] Imad Moosa. On the U.S.－Chinese trade dispute[J] Journal of Post Keynesian Economics, 2011,34(1). [13] Concetta Castiglione.Technical efficiency and ICT investment in Italian manufacturing firms[J]. Applied Economics,2012,44(14). [14] 引用自《二十国集团数字经济发展与合作倡议》 [15] 刘骏民. 虚拟经济的理论框架及其命题[J]. 南开学报:哲学社会科学版,2003(2):34-40. [16] 成思危. 虚拟经济探微[J]. 南开学报：哲学社会科学版,2003(2):23-28. [17] 金碚. 全球竞争新格局与中国产业发展趋势[J].中国工业经济,2012(5):5-17. [18] 吴秀生,林左鸣. 以广义虚拟经济的视角定位“新”经济[J]. 经济体制改革,2006(2):12-16. [19] 刘晓欣.个别风险系统化与金融危机——来自虚拟经济学的解释[J]. 政治经济学评论,2011(4):005. [20] 于乐,潘新兴. “两化融合”相关问题研究综述[J]. 价值工程,2012,31(14):148-150. [21] 闫德利. 数字经济是融合性经济,其主体属于实体经济[J]. 中国信息化,2018(06):99-100. [22] 邬贺铨. 邬贺铨:数字经济就是实体经济[J]. 南方企业家,2016(12):18. [23] 王亚男. 两化融合中我国制造业的机遇、挑战与发展[J]. 北京邮电大学学报(社会科学版),2011,13(02):75-82. [24] 刘吉超,庞洋. 两化融合背景下制造业竞争力的提升路径[J]. 未来与发展,2013, 36(11):69-73. [25] 马化腾. 数字经济与实体经济的分野终将消失[J]. 中国经济周刊,2017(18):82-83. [26] 陈养才. 深入推进两化融合促进煤炭工业转型升级[J]. 中国煤炭工业,2018(06):8-12． [27] 何帆,刘红霞. 数字经济视角下实体企业数字化变革的业绩提升效应评估[J]. 改革,2019(04):137-148. [28] 李晓钟,黄蓉. 工业4.0背景下我国纺织产业竞争力提升研究——基于纺织产业与电子信息产业融合视角[J].中国软科学,2018(2):21-31. [29] 杨德明,刘泳文. “互联网+”为什么加出了业绩[J]. 中国工业经济,2018(05):80-98. [30] 倪萍. 两化融合对现代服务业影响的统计研究[D]. 重庆工商大学,2013. [31] 沈裕谋,张亚斌. 两化融合对中国工业绿色全要素生产率的影响研究[J]. 湖南科技大学学报(社会科学版),2014,17(03):70-77. [32] 谷唐敏. 两化融合对我国制造业转型升级的影响与区域差异[D]. 江西财经大学,2016. [33] 焦勇,杨蕙馨. 政府干预、两化融合与产业结构变迁——基于2003-2014年省际面板数据的分析[J]. 经济管理,2017,39(06):6-19. [34] 刘桂林. 信息化和工业化融合能否推动产业结构升级?——基于中国省际面板数据的经验分析[J]. 现代管理科学,2017(10):48-50. [35] 马欢欢. 工业化和信息化融合水平对制造业产业结构升级的影响[D]. 上海师范大学,2018. [36] 鲁春丛,孙克. 繁荣数字经济的思考[J]. 中国信息界,2017(02):32-35. [37] 孙克. 促进数字经济加快成长促进数字经济加快成长:变革、问题与建议[J]. 世界电信,2017(03):31-36. [38] 严震. 四川数字经济和实体经济融合问题初探[J]. 四川省情,2018(09):3-64. [39] 董浩,韩文泉. 山东省数字经济与实体经济融合发展研究[J]. 山东纺织经济,2019(03):5-7. [40] 卢永真,杜天佳,王佳佳,袁雪. 实体与数字经济融合助推高质量发展[J]. 国家电网,2019(02):24-25. [41] 张丽哲. 数字经济与实体经济评价的差异分析[J]. 改革与开放,2018(24):37-39. [42] 严震. 四川数字经济和实体经济融合问题初探[J]. 四川省情,2018(09):63-64. [43] 倪晓炜,张海峰. 中国数字经济发展路径[J]. 中国电信业,2018(08):75-77. [44] 周士跃. 科技创新与经济发展融合问题研究综述[J]. 中共乐山市委党校学报,2018,20(03):72-75. [45] 杨德明,刘泳文. “互联网+”为什么加出了业绩[J]. 中国工业经济,2018(05):80-98. [46] 王春晖. 实体经济与数字经济融合构建现代化经济体系的基石[J]. 通信世界,2017(33):9. [47] 许旭. 我国数字经济发展的新动向、新模式与新路径[J]. 中国经贸导刊（理论版）,2017(29):49-51. [48] 司晓,孟昭莉,王花蕾,闫德利. 数字经济:内涵、发展与挑战[J].互联网天地,2017(03):23-28. [49] 陈畴镛. 把握数字经济机遇培育发展新动能的建议[J]. 决策咨询,2017(01):11-12. [50] 康伟,姜宝.数字经济的内涵、挑战及对策分析[J].电子科技大学学报（社科版）,2018,20(05):12-18. 文章写于2019年6月，仅供参考！

客观看，根据数字经济的定义不同，其参与到实体经济的程度也是有所不同。例如对于移动互联网来说，通过手机APP下单已经成为了现代社会中普遍性的消费习惯，而其背后便是各大互联网等数字化技术应用平台的支持，而如果将数字经济定义为如ERP一类的产业信息化系统，我们可以发现此也在很多大中型的厂商中普遍存在，对其财务、生产、销售、采购等多个部门产生信息提升效率的影响。按照不同定义的对应的经济场景，其中既有数字化的成分，也会有实体经济的发展，可根据场景的不同来区分具体两者的结合形式。首先，类似上述提及的产业信息化、移动互联网中的TO B、TO C等场景，我们可以看到虽然具体的营销方式有所改变，例如从过往线下的卖场促销转变为现在线上的生态会议、直播卖货，但本质的商业机理仍是以实体经济的供应链作为基础的商业模式，数字经济和技术的助力更多是在渠道方面进行改革，从而最终以更加直接的方式促成订单。基于渠道方式的改革，我们可以看到互联网流量的巨大提升，不仅仅带来的是各类实体商家的渠道方式转变，还为相关互联网平台和技术的支持商带来了巨大的头部效应，典型的便是随着数据量的巨量沉淀，对于数据耦合架构、数据颗粒度等方面的要求不断提升，以至于可以明显看到云计算作为新赛道开始参加到各类数字化系统之中。在过往若干年的发展过程中，结合国产自主等方面要求的提升，以云计算等新兴技术为基础的数字化开发，开始向更加深入的产业应用进军，典型面临要解决的问题便是如何通过数字化系统，在更少人力等资源的投入下产出更多的成果，尤其是在建筑工程等传统范式较强的行业之中。以建筑工程为例，由于其涉及产业链条长、专业逻辑强、参与利益相关方等因素，数字化的软件工程需要结合强业务逻辑澄清相关场景的需求和痛点，从而定向开发出适合客户工作需要的功能和应用。如此的业务开发，除了产品逻辑上的定性，其关键基础在于软硬件架构的支持，硬件方面来源于算力的充足支持，软件方面需要符合松耦合、资源可伸缩的特点，在软硬件的前提架构下，根据客户不同阶段的需求来针对性的开发功能，并保持功能模块之间的可组合性，例如针对正向设计阶段的三维审图平台，施工阶段的项目问题协同平台等，其中的自动语义识别模块、BIM模块、任务处理模块等，都可以作为独立的功能模块，在类似低代码系统进行另外系统的组装。如上，数字经济和实体经济的界限愈加模糊，最终评判的标准便是数字化是否真正为现实客观世界产生降本增效、开源增利的成果。

文章来源于公众号：洞见学堂

作者：王勇 谢晨颖

【导读】

数字经济时代，“大智移云物区”等数字技术已经成为重塑各行各业的重要力量。财务管理作为企业管理的重要内容，也受到了巨大的影响和冲击。传统财务的工作流程、管理模式、管理理念、组织架构等各方面都发生了不同程度的变化。企业的财务管理正在从电算化、信息化，逐渐走向数字化、智能化。

数字技术的进步会给财务管理带来怎样的改变？本文将从财务决策、资金管理、成本管理、财务职能、财务报告和财务风险六个方面阐述数字经济时代财务管理发生的变革。

1. 财务决策：从依赖经验的直觉决策到数据算法驱动的科学决策

长期以来，管理者通常凭借经验、直觉、判断力来进行决策，虽然也会通过获取数据进行模型的计算得出结果，但 在过去，受限于技术能力，数据获取不全面，导致很多决策模型无法使用，财务决策仅仅建立在企业内部“财务小数据”的基础上，包括收入、成本、利润、资产、负债等，难以做出合理的决策。

数字经济时代，大数据的大量性（Volume）和多样性（Variety）给管理者使用决策模型提供便利，可以得出更加科学合理的结果。 大数据不仅能收集到财务信息，也能收集到非财务信息；不仅能收集结构化数据，也能收集到非结构化、半结构化数据；除了企业内部业务数据，更延伸到企业外部，包括所属行业、供应链、竞争对手、监管机构、政府部门等所有利益相关者的数据。数据和算法通过机器学习的方式不断自我优化，进而用“数据决策”替代“凭直觉经验和拍脑袋式决策”。

以投资决策为例，在进行投资决策时，过去的决策者在决策时无法掌握所有信息，且容易受到个人风险偏好、认知偏差的影响，造成决策的主观性。基于大数据的投资决策模型纠正了决策中的非理性问题，得出的结论更加的科学，提高投资决策的合理性和准确性。同时，通过建立量化投资模型帮助决策者处理海量数据，决策者能够在短时间内对影响投资结果的因素进行多角度分析，如经济周期、未来预期、盈利能力、心理因素、市场等，根据模型分析结果做出投资决策，极大提高了投资效率。 有实证研究表明，企业的投资规模、投资回报率与大数据发展指数之间呈正相关关系 ，即大数据的发展有利于企业做出更好的投资决策； 同时，大数据发展指数与企业融资效率、内源融资率及债务清偿率均呈正相关关系。 大数据能够提升企业融资决策的质量。[1]

谷歌采用“The Machine”算法，通过或否决新的投资和后续投资。 通过收集某特定公司的市场数据、融资金额、联合投资合作伙伴、以前的投资者、行业领域以及以前估值与目前估值的差额等方面的数据进行分析，用红绿灯系统来考核某项投资指标体系，绿灯表示投资机会良好，红灯表示不投资，黄灯表示需谨慎行事。在使用初期只是作为投资尽调的辅助配角，现在其AI算法已经进入投资委员会，可以对投资进行评估，且评估结果的准确率很高。

2. 资金管理：从内部资金管理到全产业链资金管理

传统财资管理系统中更多是平面化财资管理，将财资管理的重点放在账户管理、资金结算、资金划拨、资金对账等交易性处理流程上，主要是对企业内部资金的管理。

数字经济时代，随着数字技术的不断发展，可以支撑更加复杂多样的资金管理模式，财资管理将从平面走向立体。企业的资金管理不再局限于内部资金的集中管控和调配，而是向供应链金融模式转变。 利用大数据、AI、云计算等技术，可以对产业链资金流动进行静态和动态监测管理。 上至供应商，可以开展供应链金融，做应收账款保理；下到消费者，可以做消费信贷，盘活全产业链资金。[2]

蒙牛集团 在企业内部搭建了资金共享平台，实现对资金的集中管控。由集团总部统一调度、管理和运用所有的资金。大量实时汇总的资金大数据，使现金流预测模型更加精确，让集团对内部资金的管理更精细、更高效、更主动。除了内部资金管理，在企业外部，蒙牛还 建立了服务于上下游的供应链融资平台 。通过 “互联网+大数据” ，从蒙牛上下游、奶源等第一层直联的约上万数量合作伙伴群，逐步延伸到第二层的上百万数量的蒙牛生态圈伙伴，实现高效、低成本融资。目前，蒙牛已与多家金融机构合作开展供应链金融业务。通过EAS系统和银行在数据渠道上打通，上下游企业可以直接登录蒙牛供应链融资平台，高效融资，使得以蒙牛为核心企业的生态圈更加 健康 。

3. 成本管理：实现精细化核算、前置化管控，优化成本控制

在 成本核算 方面，作业成本法是现在较为精细化的管理方式，但基于技术条件的限制，很多作业层面的数据难以收集，导致实施起来较为复杂和困难。

数字经济时代，随着大数据、物联网等技术的兴起， 生产或服务中的每一步骤甚至每一个细节都能够被各种智能仪器收集到 ，并传递到数据处理中心进行处理。企业能够 方便快捷地获取、筛选与成本相关的各种数据 ，避免了繁琐的人工筛选数据的过程，使得作业成本法得以便捷的实现。 同时，成本数据的收集更为精确和全面，便于确定成本动因、识别增值作业 ，精细化成本管理，优化成本控制过程。实际上，由于智能设备和物联网的应用， 一些传统的间接费用变为直接成本 ，即使需要分配间接费用，也能找到较为 精确的分配因子 。

Amani等(2017)对 数据挖掘技术在成本管理应用 中的几个层面进行了综述，分别是设备层面、流程层面、施工层面、产品层面和项目层面。其中，在设备层可以用数据挖掘来评估设备制造成本，从而提高设备检查和维修的精确度， 追踪设备更新成本 ；在流程层数据挖掘技术用来 在成本核算中确定成本驱动因素 ,并帮助 制定转移定价 的决策；在施工层通过创建神经网络系统，实现快速且 精确的成本评估 ；在产品层数据挖掘可以用以预测产品单元的成本、评估产品生命周期成本；在项目层数据挖掘可以协助建立成本评估体系，包括有形产品和无形产品,如软件和应用等。基于全过程、多层次的原则，财务可以 在数据挖掘技术下实现对成本的精益管理 ，这是大数据技术在成本管理领域的重要应用场景。

此外，传统的成本控制是在成本发生后进行事后追踪。随着数字技术的应用，成本、费用被细分成不同的子类，针对不同子类都可以进一步向前延伸，建立专业的前端业务管理系统，如商旅管理系统、品牌宣传管理系统、通信费用管理系统等等。[3]这些前置业务系统和财务系统之间实现无缝衔接， 将成本费用的管理前置到业务过程中去，实现前置化、过程化的成本控制和监督 。

4. 财务职能：从交易记录、核算监督到决策支持、价值创造，实现业财深度融合

传统财务的主要工作是承担企业的财务核算和监督职能，进行报表的编制、资金结算、报送财务信息等基础性工作。财务角色定位局限于账务处理、薄记经营活动，财务部门只是职能部门，不能产生附加价值，是“后台”角色。

数字经济时代，财务的职能将发生重大变革。 以“凭证”为起点的传统财务会计将逐渐被自动化和智能化，很多重复性、规则性的财务工作会被财务机器人所替代，更多财会人员被释放出来，新的财务管理模式将实现“无人会计” 。

麦肯锡《自动化和人工智能如何重塑财务职能》中显示，大多数财务活动都存在自动化计划，其中以交易型活动最易于自动化，对于一般的会计活动而言，77%的活动是可以全自动化的，12%的活动可以高度自动化。牛津大学研究者也曾预测，未来20年，在英国会计行业中，财务行政人员和注册会计师可能被机器完全替代的概率分别为96.8%和95.3%。

财务人员正在从以交易处理为主的财务会计向决策支持为主的管理会计转型，转变为赋能者和创新引领者 。借助大数据挖掘技术，发现业务经营中存在的问题、企业潜在的发展机会，参与经营决策，并更多承担资金管理、预算管理、风险管控等高价值工作，全面参与到企业的经营管理和价值创造活动中去。

同时，传统财务工作相对独立、封闭，很难与各项业务工作有效的融合,“会计和业务两张皮”现象较为常见。数字化时代，一切业务数据化，一切数据业务化， 财务工作将与业务工作高度融合。 业务信息系统和财务信息系统在输入、处理、存储和输出等各个环节共享，业务和财务人员之间的组织和职能划分将会逐渐消失。在数字技术、智能技术的加持下，会计人员的部分职责会转移到业务人员身上， “人人财务”的趋势逐渐凸显 。（“人人财务”表现为财务即业务，业务即财务；人人皆财务，财务皆人人。）

新奥集团 是一家业务版块广泛、子公司众多的大型集团公司，其财务共享中心日常业务种类繁多，且有相当一部分业务流程需依靠人工完成，员工工作强度大、耗时久。在财务数字化转型中，新奥集团利用IBM RPA（机器人流程自动化）、规则引擎等技术，打造自动化财务机器人， 引入虚拟员工，在财务共享中心上岗 。自动化机器人代替人工完成业务流程中重复度高、规则精确和吞吐量大的任务，以及跨岗位的多人操作、跨数据源的数据核对等；只有异常处理、需要创意和决策的任务才交给人工操作。 借助RPA技术，新奥集团财务共享中心不仅更快速、更高效地完成工作，而且最大限度释放员工价值，让员工做对企业有更高附加值的工作。

美的集团 在财务数字化转型中，构建了财务共享平台，重新架构了管理体系，真正实现了 “业财融合”。转型后财务人员从重复投入和效率低的境况中解放出来，将更多资源和精力投入到辅助经营中。 财务职能由“办公室”型财务转变成“业务型和经营管理型财务”，通过深入了解业务，深度分析各业务领域的经营数据，为业务部门提供有力的数据支撑，支持企业经营管理决策，提升经营价值。另外，集团重新设置了 财经 各模块职能岗位，比如 财经 管理部的“预算管理专员、成本管理专员、会计管理专员、研发成本管理专员、资金管理专员”等岗位设计， 所有财务工作侧重于参与企业经营管理，而不是会计核算。财务人员从传统的日常记账中解脱出来，走进前线，参与到业务中，为业务提供决策支持。

5. 财务报告：从定期、标准化报表到实时、多样化、全面化报表

传统财务报告通过对经济业务的确认、计量和报告，定期提供标准化的财报，有三个特点：一 是主要提供财务数据，非财务数据很少呈现 。财报很难全面展现企业的财务状况、经营业绩与发展前景。 二是标准化 ，即对所有使用者提供相同的格式和信息，不考虑信息使用者的个性化需求。 三是滞后性 ，传统的“三表一注”面向过去，按季度或年度定期编制，对企业经营状况的反馈是滞后的。

随着大数据、云计算、人工智能、图像识别、机器学习等各种技术的出现，正在不断改变会计信息加工的规则和方法，一些机构已经开始借助于人工智能算法，实现凭证的智能编制和报表的智能生成。可以 根据不同用户的需求，提供多样化的财务报告 ， 满足不同层级用户的多样化需求。 这些报告不再局限于财务信息，还包括大量非财务信息，财务报告走向精细和全面。也不再局限于定期报告，而是可以做到 实时化、可视化 。财务数据实时采集、实时核算与分析、实时传输与报告，为企业经营决策提供支持。

其中，区块链技术给财务报告带来的影响是革命性的 。企业外部信息使用者及其内部信息需求都能够通过共识机制快速确定。每一个企业参与者都可以 提出多样化的信息需求，通过区块链技术能够生成并发布各种样式、内容、结构、目的的财务报告，如 以经济事项为基础的报告、全面收益报告、相互式按需报告 、 实时智能财务报告 以及 智能分析报告 等，极大地克服了现行财务报告的诸多局限性。

德邦快递 的客户量大、单量大，流转数据大，对报表的时效要求非常高。通过构建业财一体化系统平台，梳理业务单据与财务凭证之间的数据关联，德邦快递实现了90%凭证的自动生成、审核，每月自动处理200万份业务单据；设置的各项报表架构和业务规则，自动归集、计算、输出报表，每次报表编制时间由4小时缩短至60s，实现 报表智能编制、实时查询 ，满足管理者对报表时效的高要求。

6. 财务风险：从依靠人进行风险管控到机器自动识别风险、提前预警

财务风险包括筹资风险、投资风险、现金流风险等。传统财务风险管控主要依靠财务人员搜集信息，进行风险识别时需要搜集的数据量庞大，财务人员难以整合多种渠道的数据，难以进行关联信息查询和扩展，效率低下，风险控制的成本较大。

随着大数据、人工智能等技术的广泛应用， 财务风险管控有了更先进的算法、模型和工具 。借助监督式学习算法、知识图谱等技术，把人类具有的直觉推理加以形式化或机器模拟，可以 大量处理会计信息、供应商管理审查信息、应收账款账龄信息等，对财务风险形成预判能力。 通过建立数学模型对不同风险因素进行组合分析，使企业能够在较短时间内 迅速识别潜在风险并进行精确的量化分析 ，进而实现对财务风险的及时控制。此外，根据大数据的分析结果设立预警指标与临界指标，还可提醒管理者 在财务风险发生前就做出应对措施 。

德勤认为机器学习可以解读财务人员对于风险的反应方式，从而在没有回馈或干预的情况下自主采取行动，根据持续的信息流快速反应，进而降低财务风险，使财务不需要在人的干预下就可以自主驱动智能工具，实现无人化的风险管控。

阿里巴巴 为了保持现金流的稳定性和充足性，防止现金流风险， 建立了大数据财务风险预警体系 ， 将产生财务风险的内外部经营环境等抽象因素数据化， 利用大数据处理技术对各种风险因子异常变化情况进行识别， 任何涉及到现金流的风险因子出现异常，预警体系都能够基于大数据分析处理进行主动识别，并预警潜在的现金流风险，通知管理人员及时进行风险的管控 。与传统财务风险预警体系不同，大数据财务风险预警体系在云技术的支持下能够实现事前预测、事中处理、事后管控的实时动态监控。

【 小结 】

数字经济时代，在大数据、云计算、区块链等数字技术的冲击下，传统的财务管理模式发生了深刻变革。财务决策从经验驱动变为数据驱动，资金管理从内部管理延伸到全产业链、生态圈的管理，成本核算精细化、成本控制前置化，财务职能从核算监督到决策支持、价值创造，财务报表从定期、标准到实时、多样，财务风险管控从依靠人到机器自动识别、提前预警。企业要抓住数字经济的时代机遇，加快财务管理的数字化转型，充分发挥财务在数据方面具有的先决性优势。

参考文献：

具体引用文献的方式要按照论文写作规范和所选用的引文格式来决定，以下是一些可能适用的格式：MLA格式：在论文中用括号标注引用，标注方式为作者名和页码。例如：（李明 25）。在文献列表中按照作者字母顺序排列，依次列出作者名、文献名称、出版日期、出版社信息等。例如：李明。《中国数字经济发展白皮书》。2020年，中国人民大学出版社。APA格式：在论文中用括号标注引用，标注方式为作者名、出版年份和页码。例如：（李明，2020，p. 25）。在文献列表中按照作者字母顺序排列，依次列出作者名、出版年份、文献名称、出版社信息等。例如：李明（2020）。《中国数字经济发展白皮书》。中国人民大学出版社。Chicago格式：在论文中用脚注或尾注标注引用，标注方式为作者名、文献名称、出版日期、页码。例如：李明，《中国数字经济发展白皮书》（北京：中国人民大学出版社，2020），25页。在文献列表中按照作者字母顺序排列，依次列出作者名、文献名称、出版日期、出版社信息等。例如：李明。《中国数字经济发展白皮书》。北京：中国人民大学出版社，2020。需要注意的是，以上只是一些常见的引用格式，具体格式要根据实际情况和所选用的论文写作规范来确定。

1、市场竞争加剧

2020年10月，著名的科学杂志《自然》刊登了一篇研究论文，论文中指出人类生产制造出的物质已经超过了地球上所有生物质量的总和，并且这种增长速度还在不断加快。

随着物质生活的丰裕，人们对企业提供的产品和服务的要求也在不断提高。短短几十年时间，人们对产品和服务的需求经过了从无到有，从有到多，从多到好，从好到优的变化，甚至有不少人群已经开始将需求转变为新颖和个性化。

数据可视化-派可数据商业智能BI

随着物质增长的加快，人类的人口增长速度反倒开始持续减缓，预计在2100年前达到峰值，这就导致市场从增量变为了存量。面对这种新局面，企业为了满足日益变化的用户和市场需求，只能被迫选择转型，寻求新的突破。

2、数字化程度加深

随着新一代信息技术的普及应用，社会数字化程度不断加深，逐渐成为当下乃至未来的时代标志，预示着人类“第二空间”的腾飞发展。

根据中国互联网络信息中心最新的《中国互联网络发展状况统计报告》显示，截止2021年12月，我国网民规模已经达到10.32亿，其中手机上网比例为99.7%，另外还有以下信息：

3、数据价值凸显

随着数字化深入社会底层，涉及人类生活工作的方方面面，其所产生的总体数据量有了巨幅增长，数据本身也成为构建现代信息、数字社会的重要元素。根据国际数据公司（IDC）预测，2025年时中国产生的数据量预计将达48.6ZB，在全球中的比例为27.8%。

在长期的实践中，人们发现数据不只是人类活动产生的附加品，还是促进人类活动发展、优化和改变的重要元素。这主要是因为，数据背后蕴含着丰富的信息量，只要将数据转化为信息，就能通过数据促进信息的增长和交换，创造数据价值。

IDC《2021年上半年中国商业智能软件市场数据跟踪报告》中显示，随着数字化增长，数字化相关技术、服务市场也在不断提升，仅2021年上半年中国商业智能市场规模就达到了3.2亿美元，将前两年20%的增长速度拉高到了30.4%。

商业智能BI-派可数据商业智能BI

从商业智能我们就可以看出数据在现代社会的价值，因为商业智能是一套完整的由数据仓库、查询报表、数据分析、数据可视化等组成的数据类技术解决方案，它可以打破数据孤岛，利用数据仓库整合不同来源的数据，并通过ETL和数据模型进行规范处理，然后以图形化手段，进行数据可视化分析，将数据转化为信息和知识，为业务和管理人员提供决策信息支撑。

4、数字经济增长

互联网、物联网、人工智能、云计算、大数据、区块链等新一代信息技术引发了新一轮的科技革命，将数字化建设传播到众多领域，也让数字经济全面开花，在传统经济增长乏力的当下，承当起了国民经济增长的重要支柱。

与此同时，数字经济因为自身的特性，为社会人群构建了一套新颖、互联、线上、跨界的数字空间，为传统的产业经济焕发了第二春，催生出了不同领域的新型经济，为数字经济的多样性作出了证明。

派可数据 商业智能BI可视化分析平台