前言

数字治理是数字化技术与治理理论融合下产生的新型治理模式，包括数据治理、内容治理和数据管治等，其概念外延相对比较宽泛，一般用于宏观层面的社会、经济和资源的综合治理。根据国际数据管理协会的定义，数据治理是对数据资产管理行使权力和控制的活动集合，是通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的模型来执行。总的来说，数据治理是利用数字化技术对数据使用的一整套管理行为。

一、企业财务大数据治理的理论支撑

（一）数字治理与数据治理

与其他生产要素相比，数据作为新型生产要素具有强烈的独特特征：一是非排他性，即不同的人可以同时使用数据，互不干扰；二是规模效应，即在大数据技术的支撑下，大数据的价值是随着数据量的增加而呈指数级增长的；三是可再生性，即数据可以无限次循环使用，没有使用生命期，没有损耗，使用量越大反而越能进一步提升数据本身的价值；四是渗透性强，即数据本身的高流动性和无限供应的特征决定了数据可以和任何其他生产要素相结合，渗透到各个领域，真正做到数据连接一切，与一切融合。数据的独特特征在一定程度上决定了数据治理的高难度与复杂性。

（二）智能财务与财务大数据治理

智能财务是利用先进技术由“人机物”共同组成的混合智能系统，“人机物”多元协同共同完成财务管理工作。智能财务通过对数据的分析与预测，促进智能财务机器人“会思考”“能行动”，实现利用智能技术推动企业高效运营。可见，如果数据不打通、数据标准不一致、数据质量不高，智能财务就很难发挥作用，因而数据治理是智能财务工作的基础。在智能财务背景下，企业海量经营管理数据实时生成，并汇集到财务数据中心。本文所指数据并不是财务专业数据，而是智能财务平台中企业内部管理以及企业与客户、供应商、合作伙伴、金融、工商、税务等各种利益相关者互动的数据，即包含了各类生产经营管理的财务大数据。数据如何成为企业有价值的数据资产已成为必须面对的问题，数据如何进行采集、加工处理及应用等治理问题也应运而生。

（三）利益相关者理论与财务大数据

治理利益相关者理论是在20世纪60年代逐步发展起来的，其中最具代表性的论著是美国学者爱德华·弗里曼在1984年发表的《战略管理：利益相关者管理的分析方法》，该理论认为：一个公司的发展是由一个利益相关者集群共同促成的，而不是某些个体；并且随着时代的发展，物质资本所有者在公司中的地位会逐渐弱化。财务大数据治理的目标是帮助提升企业财务大数据价值，进而全面提高企业价值。

党的会议中认定数据为重要的生产要素，也就是认可了数据利益相关者可以参与由数据带来的利益分配。因而，企业财务大数据治理必然要理清有哪些利益相关者、利益相关者在数据治理中发挥何种作用，以及如何进行数据利益分配等重要问题。企业只有重视财务大数据治理，充分认识到数据的巨大价值，整合数据资源，不断深挖数据潜能，才能确保在数字化时代快速发展。

二、基于利益相关者视角的企业财务大数据治理

（一）利益相关者分类

利益相关者是指企业生产经营过程中存在利益分配直接或间接关系的群体或个人。只有正视利益相关者群体的利益捆绑关系，才能形成利益共同体。在利益分配时需要同时考虑利益相关者的权力与利益的匹配关系，从而决定其未来的利益分配地位。根据Mendelow的利益相关者权力/利益矩阵，可以从两个维度对利益相关者进行分析：一是权力的大小，其影响因素包括管理等级、影响力、资源控制能力、知识技能水平、执行参与度等；二是利益的多少，利益是指相关者利益与某项策略的相关程度。主要参与者。

（二）企业财务大数据治理的利益相关者

分析利益相关者是由“相关者”和“利益”两个方面组成的，所以可以先分析企业财务大数据治理中所涉及的“相关者”，再考虑其“利益”问题。企业内部人员、供应商、合作伙伴、客户是企业财务大数据的重要参与者与创造者，也是企业财务大数据形成的核心，竞争对手、银行等金融机构、工商和税务等政府机构对企业财务大数据的形成有一定影响，其他利益相关方则影响不大。在企业财务大数据治理中可能获得较多利益的是企业内部人员、工商和税务等政府机构、外部投资者、供应商、合作伙伴、银行等金融机构、行业协会、其他债权人。

（三）企业财务大数据治理的利益相关者分析转化

从数据贡献和数据利益两个维度推导出企业财务大数据利益相关者分析转化。企业财务大数据治理的利益相关者中获得数据利益最多的是企业内部人员、政府机构、外部投资者，对企业财务大数据贡献最大的是企业内部人员、供应商、合作伙伴、客户，这两类利益相关者是企业财务大数据治理中需要重点关注的。其他利益相关者在一定条件下可能出现转化，继而成为企业财务大数据治理的外部协作力量。

（四）企业财务大数据治理关系剖析：

企业财务大数据治理中应重点关注的是A1、B1、C1、C2、C3区域的利益相关者。在此基础上，推导出企业财务大数据治理中主要会面对四个方面的关系：关系一是企业内部人员、合作伙伴与供应商之间的关系；关系二是企业内部人员、合作伙伴与客户之间的关系；关系三是企业与工商和税务等政府机构、外部投资者之间的关系；关系四是企业与竞争对手、银行等金融机构、行业协会等其他外部机构之间的关系。

理想地说，企业财务大数据治理中利益相关者的数据贡献与数据利益应该匹配，或者说数据贡献与使用数据成本成反比。如果把数据治理分为“建”“治”“用”三个层次，则企业更希望与关系紧密的利益相关者组成数据利益共同体，实现“共建”“共治”“共用”。“共建”是财务大数据治理的基础建设，“共治”是财务大数据治理的过程管控与质量保证，“共用”是财务大数据治理的成果分享。

在关系一中，其面临的问题是频繁的交易，所以双方最关注的是交易成本与收益。这层关系中的相关人员对财务大数据治理贡献最大，也应该是收益较多的，同时还是将来使用数据付出成本较低的群体。因此，针对这部分群体的工作重点应该放在“共建”与“共治”上。

在关系二中，客户对企业财务大数据贡献大，但收益少，因而主要考虑如何让客户从数据贡献中获得共享收益问题。将客户与企业绑成利益共同体，就是要让客户充分意识到自己的购买行为也能为自己带来后续的效益，客户将成为财务大数据治理中的较大受益者，在此基础上对企业大数据建设做出更多贡献。因此，针对这部分群体的工作重点应该放在“共建”与“共用”上。

在关系三中，政府机构迫切需要企业财务大数据来充实其自身的大数据，企业财务大数据治理直接关系着他们自身的数据治理成效，目前这层关系中存在的主要问题是权责不对等。这些部门使用企业财务大数据是无成本的，所以绝大部分企业不愿意与其对接财务大数据，当然也有出于数据安全问题的考虑。但只有企业财务大数据完全接入社会数据大轨道，才会真正实现社会经济大数据。政府机构及外部投资者应该是将来数据使用主要付出成本的对象，否则就应该在企业财务大数据治理中发挥重要作用，以投入换取应有的数据利益回报。

结语

因此，针对这部分群体的工作重点应该放在“共治”与“共用”上。在关系四中，只要找到共同的利益点，这类利益相关者就都可能转化为合作者，他们最关心的是合作机会或经济补偿。这类利益相关者对企业财务大数据有一定影响，可以考虑做好数据对接准备，在一定条件下，实现数据交易与合作等。因此，针对这部分群体的工作重点应该放在“共用”上。