根据Gartner的解释：Digitization是数字化转换，反映的是“信息的数字化”，本质是各种信息以“0-1”的二进制数字形式进行读写、存储、传递，用财务常见业务举例，例如原来手写借贷凭证，现在是电子凭证，原来纸质档案传递，现在电子报表传递。

Digitalization是数字化升级，反映的是“流程的数字化”，用财务常见业务举例，例如常用的ERP系统、核算系统等。

Digital transformation是数字化转型，反映的是“业务的数字化”，在超越了两前者的基础上，本质是用现代信息技术新建一个富有活力的数字化商业模式。用财务常见业务举例，例如智能审核，通过把财务原始单据信息数字化，利用机器学习等技术实现自动审核、记账，从而成为一种新的财务作业模式。

Gartner把信息的数字化和流程的数字化定义的很清楚，但是数字化转型还是有点不易懂。我又找了另外一个定义，综合埃森哲和华为对数字化转型的理解，焦宗双和张雪滢两位研究员认为：数字化转型是以大数据、云计算、人工智能、区块链等新一代信息通信技术为驱动力，以数据为关键要素，通过实现企业的生产智能化、营销精准化、运营数据化、管理智慧化，催生一批新业态、新模式、新动能。

从各种定义看，我们不难发现数字化转型的几个关键点：

1、以数据为基础。这里的数据，是指能输入计算机、服务器等设备并能够被程序处理的数据，强调数据量和数据质量；

2、使用信息技术。应该既包括软件技术，又包括硬件技术；当然是否现代技术还是看业务需求，只要是技术能够解决问题就可以，不一定必须追求人工智能、区块链之类；

3、创造新价值。更直接的表述是替代人做事、比人做的更好、比原信息系统做的更好。

严格来讲，只有具备了这三点才算是真正的数字化转型，当然如果只满足2、3点，也算广义的数据化转型。

根据数字化转型的各种定义，结合财务业务特点，我们不难分析财务数字化转型的方向。

（1）数据基础：ICR识别原始单据上的信息完成数据化，加上前端ERP系统传输的数据；

（2）信息技术：建立映射规则，原始单据和ERP系统的哪些数据根据哪些映射规则填入报销单、支付单、工单等；举例说，报销单填单需要的报销事项说明，数据来源提单人、发票项目，映射规则是提单人和识别出来的发票项目的段值，再加上“报销”二字传输到报销事项说明这个段值，即形成“张三报销餐费”，或者在发票项目这里做个转换，如果是“餐费”，填入事项说明时转换为“招待费”。

当然如果因为规则复杂、信息量大，导致有些场景的映射规则人工无法梳理制定，我们可以利用机器学习的技术来完成映射规则的建立。

（3）新价值描述：节省了员工报销的很多时间；改变了原来的业务操作，员工收集到原始单据后直接扫描提交即可。

这么分析我们就能理解，为何有的场景无法实现完全的智能提单，依然有一些信息需要人工填写。

有两个原因：

一，没有数据，从原始单据里根本无法将需要的数据识别出来，或者根本没有，在提单人的大脑里。

二，规则太过复杂技术解决不掉。在项目实施时，就需要企业和技术方联合解决，比如增加原始单据信息、增加ERP传输数据、优化原始单据格式、优化创建单据要求等。

（1）数据基础：与提单类似，ICR识别原始单据，加ERP系统；

（2）信息技术：与提单类似，业务初审规则自动化；但在初审环节，强调的是新技术达到处理效率。例如做发票验真，员工扫描发票后，需要在1-2秒内返回验真结果。在这1-2秒内，技术要完成发票识别、发票信息传输发票池、拉抵账库数据回发票池、数据比对、结果返回。员工收到验真没问题后，再扫描其他原始单据提交流程。

（3）新价值描述：直接替代人工完成自动审核，降本的基础上也大幅提高审核效率。

（1）数据基础：ICR识别原始单据数据，ERP系统传输数据，抵账库真实发票数据等；但因财务原始单据的复杂和ICR技术的限制，ICR识别差错率导致的数据质量不够以及ICR无法识别全部原始单据导致的数据不全，业务里需要加入人工补录环节，即让人将原始单据上的信息录到系统内。

不要觉得人工介入就不智能，如果数据达不到要求，后边的审核记账根本无法实现。

（2）信息技术：ICR，用来准备数据，可以将其定义为数字化工具；规则自动化，将所有的审核规则写入系统内，完成数据的自动审核、比对；规则引擎，代替技术写代码，实现前台可配置；机器学习，对于复杂规则、数据量大的规则，人工无法建立规则，机器学习可以。

（3）新价值描述：直接替代人完成审核、记账工作，彻底改变原来工作模式。

当然，替代人工完成多少比例的审核记账工作，考验两个核心，一个是数据完整和数据质量，一个是规则完整性。在项目实施时，需要企业和技术方联合解决。

从实践看，数据是制约智能审核项目落地的核心：我们能否找到合适的数字化工具达到数据的完整性，能否推动业务的标准化满足数据质量。规则完整性方面，只要数据条件满足，技术手段都可解决。

依托以上的逻辑，后续我们简单聊。

智能集采有点业财一体化的意思，只是感觉现在提一体化有点老，智能化比较时髦。智能集采的数据基础是把财务业务线上化。现在的各种电商平台为采购事项提供了很好的集中采购的基础。

技术实现上，更多的是如何与那么多供应商做系统对接，如何把采购系统体验做的足够好，如何把一些管理需求融入到采购事前和事中。业务落地的难点在于经营上的特殊采购事项是否能够满足、采购观念的改变、业务的便捷性等。

智能集采的价值肯定是很大的，减少每次比价选型的投入、避免灰色采购、减少业务提单报销付款、较少财务审核付款等。

目前尚未看到成熟的案例，可以畅想下。数据基础是依托智能审核获取到的经营数据，通过模型的建立，可以发现经营事项的异常情况。机器学习中的一个逻辑是从历史数据里找大概率的规则，比如大概率下一步棋怎么下、大概率这是什么病、大概率记在什么会计科目。但反过来看小概率的时候，是不是在经营数据里的小概率事件，就是有风险的，就是不合规的。

不过整体看，目前看到的案例依然是点上的应用。从理论研究和咨询方案角度看，数字化转型会更完整、更详细。比如要提高企业整体数字化转型意识；比如要建立数字化转型委员会；比如要构建数字化转型的业务价值目标；比如要规范业务流程和制度，在数据采集前的提高数据质量；比如要构建数据中台，汇总数据、做数据治理提高数据量和数据质量。