智能管理會計有兩層含義：一是全面應用以“大智移云物”和區塊鏈為代表的數字化技術；二是對傳統管理會計模式，包括組織、流程和工作模式等進行全方位變革，使管理會計體系能夠更好地支撐企業業務發展。與傳統管理會計相比，智能管理會計呈現出五個鮮明的特點。數據是重要的戰略資源，也是管理會計應用的基礎。智能化時代將擴大企業有用數據的邊界。傳統管理會計所應用的數據主要局限于財務數據和部分業務數據，智能管理會計則需要依賴涵蓋內部數據和外部數據的大規模數據產生價值。大數據是一種規模大到在獲取、存儲、管理、分析方面大大超出傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。對企業而言，大數據主要涵蓋與企業所處行業相關的競爭環境、盈利模式、業務模式、客戶消費模式等一系列內外部經營相關的信息流，是來自企業外部的社會數據。身處萬物互聯時代，大數據的演進已經成為不可逆的浪潮。我們看到，在整個企業運行過程中，企業壁壘變得越來越薄，甚至有可能被瞬間打破。獲取資源的過程和內部交易的過程，都會依賴大數據來定義客戶，完成交易。企業不再只是產品的制造者，而要整合外部平臺。這將令大數據的價值日益凸顯，也是近年來企業大數據應用風潮日盛的根本原因。同時，企業在經營活動中還會產生大量內部數據，包括以收入、成本、利潤、資產、負債等為代表的財務數據和與產品、客戶、渠道、生產、研發等相關的業務數據。這些數據直接反映企業經營情況和財務狀況，是企業在經營和管理決策中長期應用、必不可少的重要依據。以預算管理為例，在從目標到計劃到預算到資源到行動的整個過程中，其首先用到的數據就是生產計劃、銷售計劃等業務數據和收入、費用等財務數據。成功的數據應用是深度融合內外部數據的應用。無論是某房地產企業在投前測算中綜合采用運營計劃、項目成本、銷售進度等內部數據以及地塊基本情況、競爭對手拿地情況等外部數據，還是某快消企業在供應鏈決策中綜合協同銷售、生產、采購、財務等部門內部數據以及競爭對手狀況、區域天氣、市場環境等外部數據，內部業財數據只有與大數據相結合，才能觸發真正令人滿意的數據應用效果。依托大數據、物聯網等新一代信息技術采集到的海量內外部數據，智能管理會計獲得了前所未有的絕佳數據基礎支撐，能夠開展更有價值的數據應用。實時化是市場環境對管理會計提出的新要求，也是在新一代信息技術推動下智能管理會計應用創新的新發展。在進入數據爆炸的移動互聯網和大數據時代后，成熟企業的管理會計應用的數據量急劇增長，如何提升數據處理、數據分析和數據響應的速度成為智能管理會計的新挑戰。智能管理會計系統基于對內存計算技術的全面應用，能夠把數據完整保留于內存中，并通過優化的存儲結構和算法處理海量數據和復雜邏輯，將用戶的數據讀寫請求快速轉換為內存讀寫和內存計算，使得系統性能不會因數據量的持續增加而發生衰減，從而使數據處理的頻度和速度獲得大幅度提升。企業從原來被動的事后分析轉變為主動的實時決策，并可以以此為基礎創建基于預測、而非響應的業務模型。以預算管理為例，過去絕大多數我國企業都強調年度預算，一年考核一次、一年評價一次，但是隨著環境和技術的快速變化，數據業務發展變化呈現出一個重要趨勢：年度預算對實際經營的指導作用越來越小，動態的滾動預算才能更好地支撐決策和預算控制。于是，從三到五年的長期預算，到年度預算，到按月、按周、按日的滾動預測，再到實時的業務預測，就是基于智能管理會計信息系統把預算管理從年度化轉變為滾動化，再到實時化的一個典型應用。傳統管理會計系統由于數據采集、數據整理、數據加工比較緩慢，相關信息也不充分，所以更多地強調用數據支持管理層的決策，對一線業務部門的賦能、對運營端的支持相對較為薄弱。在數字化時代，數據的數量、質量，對數據的治理能力、計算能力和分析能力均大幅提升，管理會計與業務經營的融合更緊密。這使智能管理會計能夠更多地應用于銷售、生產、供應鏈和研發創新等價值鏈環節的具體業務場景中，直接為業務運營賦能。例如，零售企業基于場景化應用開展區域單品的銷售預測，房地產企業對所持有房產的價值分析，制造企業針對重點產品開展產銷協同分析，服裝企業依據某季服裝銷售額做出的庫存/物流優化決策，等等。智能管理會計涵蓋對信息系統自動化、智能化、在線化、實時化和業務流程的數字化等多方面的要求。在這中間，智能技術無疑是其得以全面實現的底層技術和前提條件。人工智能在管理會計中主要應用于三個方面：運算智能、感知智能和認知智能。運算智能讓系統能存會算；感知智能讓系統“能聽會說，能看會認”；而認知智能讓系統“能理解，會思考”，也就是可以聯想推理。智能管理會計涵蓋對人工智能的全方面深入應用。通過應用內存多維數據庫和分布式計算，系統能夠實現數據時效性的革命性突破和數據計算速度的革命性提升，用戶能夠以前所未有的方式獲得新的洞察和完成業務流程。通過應用自然語言識別技術，系統能夠具備感知并認知自然語言的能力。用戶可以通過語音給系統發出指令，甚至與之進行對話。通過應用知識圖譜和智能推理技術，系統可以自動檢索、閱讀，并與用戶進行智能問答。應用機器學習可以令系統具備自助分析的能力。系統基于對業務知識的理解，科學預測、合理控制、智能分析，真正成為管理和財務人員的智能助手。以數據分析為例，傳統的分析工作需要靠人按照一定的路徑對管理數據進行瀏覽和探索（下鉆、旋轉），與預算、經營目標對比來尋找數據異常以發現經營和管理中的問題并形成分析結論。智能管理會計能夠對數據進行自助的快速、多維度分析，并輸出或者保存分析報表。目前，依托初期的智能技術，企業已經可以實現對主體的財務預測、經營推演和風險量化等。未來，隨著人工智能技術的深度發展和在財務領域的高階應用，擁有高級人腦智慧的財務平臺將基于對業務知識的理解，科學預測、合理控制、智能分析，甚至直接代替管理者進行自動化決策。數據應用可以幫助企業感知現在和預測未來。感知現在即基于歷史數據看當下，包括描述性分析和診斷性分析，表現為將歷史數據與當前數據融合，挖掘潛在線索與模式，向用戶展現企業“發生了什么”和“為什么這樣發生”。預測未來則是應用模型開展對未來態勢的判定與調控，包括預測性分析、優化性分析和自主性分析，表現為基于數據模型解釋事件發展演變規律，進而對發展趨勢進行預測，不僅要告訴用戶“可能發生什么”，更要幫助用戶了解企業“應該怎么做”以及“如何適應改變”。從價值創造的角度來說，預測未來的應用致力于解決問題，更符合數據洞察“向前看”的發展趨勢。傳統管理會計主要是感知未來的數據應用，而智能管理會計則更加重視預測未來的數據應用。舉個例子，企業可以利用隱形關聯的歷史數據，如企業內部運營數據（訂單數量、投訴數量等）和外部數據（天氣、社交網絡情緒指數等）來訓練機器學習模型。利用完成訓練的模型對在線數據進行預測，從而讓對歷史數據的靜態分析變成一個動態的預測模型。在智能管理會計領域，基于對新一代信息技術的充分應用，企業將獲得更充分的業務決策信息，從而更好地支持計劃預算和經營預測。
