技术正在重塑财务部门与企业其他团队的合作关系。云数据平台、交互式仪表板和AI工具的兴起，使得其他部门能更便捷地自主访问分析财务信息及其他数据。
CPA注册会计师及CGMA全球特许管理会计师Rebeka Mazzone将这种现象称为"数据民主化"——她在为高等教育机构领导者提供数据与财务咨询服务时，目睹这一趋势日益显著。"我们共同的目标是实现数据驱动的决策，"她在接受FM杂志采访时表示，"这要求数据必须民主化。意味着人们需要获取权、理解力——而每个人的起点都不同。"
财务部门与其他团队的合作可通过多种工具升级，包括数据仪表板、生成式AI分析、云端数据仓库、实时协作工具等。但技术实施仅是开端。具有讽刺意味的是，随着对数据分析期望值的提升，财务专业人员反而需要更深入运用软技能来优化业务合作。
在近期访谈中，Mazzone与另两位财务领导者——全球特许管理会计师Shreya Shanbhag和Aramide Balogun——分享了在数据与AI变革中管理业务合作关系的见解。在数据民主化的环境下，财务部门能成为其他职能的向导，帮助他们建立对组织信息的理解与应用能力。以下是财务部门最大化合作效益的四种方式。
邀请合作伙伴拥抱数据
新数据与工具能优化业务合作的途径不计其数。但业务合作伙伴往往尚未准备好把握这些机遇。通常，财务部门需要主动邀请他们更好地利用数据。"技术能提供卓越的洞察，但财务人员面临的最大挑战是：如何让他人理解这些数据？"Mazzone说。她与高等教育客户的会议聚焦于大学财务、招生等议题的战略解读与决策。当客户展现出数据好奇心和理解力时，她总会特别欣喜，并通过精心设计的互动环节鼓励这种特质。
Mazzone首先会建立基准线——她个人对数据的解读。"我可能花1小时分析数据，再花3小时探索可视化方案，揣摩数据传递的信息，"她解释道。她以假设形式呈现分析，并邀请合作伙伴深入提问。"我需要引导他们主动剖析和理解数据。当我把数据呈现给教研人员——那些极其聪明且受过高等教育的群体时，他们会发现数据中的每个瑕疵——而这正是我期待的，因为最终目的是让他们信任数据。"
互动是建立信任的关键。Mazzone会特意准备可即时调整的基础数据集。"当有人提问时，我能立即切割数据。"但她避免在会议中过度深入数据分析或可视化，而是着重展示数据范围，鼓励合作伙伴提出有助于运营决策的问题。目标是建立客户对数据的信心并强化合作关系，这将成为推动其他职能部门更多使用仪表板与民主化数据的第一步。
确定恰当的数据访问层级
业务部门对实时数据的需求日益增长，三位专家一致认为这是积极现象。但确定恰当的访问层级需要平衡艺术，更依赖有效的合作关系。"我认为面对面沟通是业务合作的核心，"微软西非与东非高级法定税务总监Balogun表示，"先理解他们的目标，再用专业判断筛选必要信息。"
数据访问层级取决于合作伙伴属性、目标及数据敏感度。某些场景下，静态报告（如供应商年度更新）仍是最佳选择；而销售团队通常需要更动态的数据，项目管理也常受益于仪表板。这两种情况都可通过实时对比成本、收入或运营指标来监控目标进度。"他们需要持续追踪目标达成情况，"Balogun说，"交互式仪表板能让他们每日或每周查看，避免突发状况。"
英国Arena Racing公司集团财务规划与分析经理Shanbhag指出，提升合作伙伴的数据使用能力可以是渐进过程：从PDF简报开始，逐步过渡到仪表板和预测分析。以她所在的赛马与赛狗场馆运营公司为例，其目标是帮助业务端理解从餐饮销售趋势到人力管理乃至赛事排期的全方位数据。"我们是这个领域的专家，"她谈及财务专业人员，"但有时会忽略合作伙伴可能处于不同认知层级。"通过定期会议，Shanbhag评估合作伙伴的技术与数据能力："当对方开始提问，我知道他们已理解内容。"而当他们"开始定期消费数据"时，便是引入新技术方案的时机。Mazzone补充说，2-3人的小组会议最能有效引导数据探讨。
提供财务视角
当业务伙伴更善用数据与技术时，财务部门帮助他们解读数据显得尤为关键。"他们可能无法完全理解自己筛选的内容，"Shanbhag说。事实上，业务伙伴常基于数据制定过度乐观的计划。"业务伙伴天生持积极视角，往往缺乏从现实到悲观维度的数据解读。"她通过定期会议校正不切实际的数据解读。当需要修正合作伙伴观点时，她会尝试"转向"技巧：先认可对方想法，再补充信息并建议新路径。"任何陈述都需数据支撑。这不是苛刻或质疑个人，而是聚焦问题本质。"
谨慎应用AI与高级分析
随着组织追求更深层的数据解读，财务部门必须与业务伙伴协作确保新技术的负责任使用，并合理应用人类逻辑。一方面要确保高级分析等技术产出准确有效的结果。例如，大学可能想用预测分析基于历史趋势推算招生数，这有助于平衡预算和基建准备。但Mazzone指出，只有纳入人口变化等更广泛数据，预测才最可靠。"这些工具非常出色，可作为基准——但必须叠加人类智慧。"而这往往需要跨部门协作，因为财务部门可能无法独自识别所有相关数据源。"要以提问姿态开启对话，鼓励他人引入自己的数据集。"
鉴于失败风险，全面部署前必须测试学习新技术方案。财务需确保技术不仅有用且具成本效益。"无目标的行为不会产生结果，"Shanbhag说。她的团队每月专门在部署环境测试预测分析，验证新指标的准确性后再推广至全公司。"设定目标并投入时间才能获得更好结果。"Balogun在发票自动化项目中，曾帮助工程团队理解监管要求的必要性："我必须让他们站在我的角度理解工作逻辑。"同时，生成式AI的兴起带来新挑战。Balogun强调财务既要支持实施，也要确保过程合规："需持续教育员工（无论财务或非财务人员）负责任地使用AI，避免未经核验的AI信息直接用于决策。财务人员必须充当最后防线，确保合理性审查，防止AI误导方向。"
尽管存在风险，Balogun、Shanbhag和Mazzone对合作伙伴日益增长的数据访问权仍持乐观态度。"关键是认清他们的现状并予以引导，"Mazzone总结道，"否则他们将落后于数据驱动决策的时代。"
补充阅读：《财务的风险与责任》
业务合作中数据与技术的深度应用为财务部门带来新风险与责任。
数据安全与隐私
财务部门对合作中的数据使用负有责任。"必须关注数据隐私、溯源及个人身份信息共享，"微软西非与东非高级法定税务总监Aramide Balogun强调。
访问管理
设定严格的访问与修改权限。"若数据被随意更改，后果将非常棘手，"英国Arena Racing公司集团FP&A经理Shreya Shanbhag表示。这种风险在Google Sheets等消费级产品及仍使用多本地文件副本的组织中尤为突出。
合理诠释
随着数据访问权扩大，合作伙伴会产生质量参差不齐的解读。财务必须提供更保守且 grounded 的观点。"我们试图在极端悲观与乐观间找到平衡点，"Shanbhag说。
成本效益
特别是对AI等新兴技术，必须评估其收益是否值得投入。Shanbhag团队每月花费数日测试预测分析效果："这是在获取概念验证。"
建立防线
Balogun指出，财务必须防范自动化等技术部署中的重大失误。包括在项目开发阶段聚焦合规问题、帮助合作伙伴理解操作失误后果，以及审计新系统表现。"财务人员在确保自动化或转型过程符合监管要求方面发挥着关键作用。"
