可操作摘要

  • 首席财务官角色的演变——从记分员到积极主动的战略制定者。过去二十年，财务部门已从报告职能演变为前瞻性战略职能。2023年即将到来的经济衰退，加大了财务团队主动出击的压力，因为业务部门希望财务团队能够帮助他们找到正确的策略，以实现利润最大化、降低运营成本并保持增长。简单的交易性职责如今已成为必需，财务工作流程也从单向的“流”转变为迭代的“循环”。
  • 不断发展的财务组织——从数据消费者到数据所有者/驱动者。随着首席财务官的职责从简单的业务管理演变为业务运营，其组织也必须随之演变。高管们越来越期望首席财务官制定正确的数据战略，以帮助他们做出更好的决策，许多公司在更早期的阶段就投资巩固其数据分析和架构。此外，所有分析和运营团队都开始以更加整合的方式协同工作，以有效地引导公司实现长期战略目标，并打破团队之间的信息孤岛。为了实现这些转变，首席财务官正在扩大其财务团队的范围，并在2023年进行相应的重组。一些主要来自中小型市场（50-500名员工）的首席财务官现在表示，他们负责监督数据和分析团队以及收入运营 (RevOps) 团队（传统上分别由首席技术官和首席风险官领导）。
  • 不断发展的财务工具集——从电子表格到平台。随着人工智能的近期发展、财务人才日益短缺以及战略职责范围的不断扩大，首席财务官们正在认真审视他们的工具堆栈。过去20年，财务生态系统中充斥着各种最佳的单点解决方案。尽管实现了数据集成，但随着首席财务官职责范围的不断扩大，大多数解决方案仍然无法满足财务团队所需的复杂性。费用管理、采购和人力资源等类别正在出现重组趋势，约80%的首席财务官表示有兴趣转向覆盖范围更广的单一供应商解决方案，而非多点解决方案。未来几年，我们将看到人工智能在财务领域最直接的应用进一步深化和加速已经存在一段时间的自动化，而不是创造完全不同的局面。然而，重要的是要认识到，许多人工智能应用程序需要进行大量的微调，才能被财务团队安全有效地使用。
  • 财务主管如何才能更好地适应这一新领域？为了影响GTM决策并有效利用人工智能提升生产力，财务主管必须投资于（1）协调财务和业务合作伙伴的工作流程，以及（2）尽早集中数据。事实上，研究表明，优先考虑数据驱动洞察的公司吸引新客户的可能性高出23倍，盈利的可能性高出19倍。除了规划之外，财务主管还必须展现其在执行过程中成为关键合作伙伴的能力，通过在规划后和交易完成前为首席风险官（CRO）和首席营销官（CMO）提供实时数据和洞察指导。确保所有业务团队和支持人工智能的工具都按照相同的定义运行至关重要。
  • 从事财务工作的创始人如何才能更好地定位自己？为了向首席财务官推销产品，从事财务工作的创始人必须 (1) 展示其为相关非财务部门带来的投资回报率 (ROI)；(2) 构建强大的数据架构，清晰地输入、输出并与财务团队使用的其他工具建立连接。虽然大型企业可能拥有分销能力和数据壁垒，但初创公司在重塑工作流程的速度和敏捷性方面占据优势。随着 API 支持的集成和人工智能的最新进展，我们相信财务软件激动人心的新篇章已经到来。对于能够深度融入财务和业务工作流程的供应商来说，这是一个巨大的机遇，他们可以节省时间，打破数据孤岛，并最终赋能财务和业务领导者，实现更高效的协同运营。

为什么是现在？首席财务官的新职责

切勿浪费危机——首席财务官比任何人都深知这一点。危机是重塑企业、减少低效环节、进行更明智投资的机会，助您超越竞争对手，最终取得胜利。

过去十年，财务系统现代化进程在高管的优先事项中逐渐上升。然而，在过去三年中，主动出击的压力却与日俱增。如今，首席财务官比以往任何时候都更加专注于实现利润最大化和提升运营效率。财务部门的转型面临三大关键推动力。1.人才短缺

在财务和会计领域，企业难以留住人才。美国的会计师和审计师纷纷离开该领域，导致这些职位在2020年至2022年间减少了17%，原因往往是退休或倦怠。在企业财务领域，人才渠道的质量也受到了重大打击。财务团队传统上依赖于前投资银行家或四大会计师事务所的专业人士。但随着这些机构在大学招聘过程中的“声望层级”下降，企业发现，在人才转换周期的早期阶段，优秀人才就直接流失到了私募股权、对冲基金或初创公司。

由于宏观经济逆风的影响，CFO 的职责范围不断扩大，而员工人数却日益受限，2023 年的 CFO 们将感受到依赖传统系统的痛苦，因为这些系统只能解决他们不断变化的需求中的一小部分。以往，财务团队会聘请更多分析师来处理常规的月度和季度流程，但现在他们正在积极探索工具来自动化这些任务并提高效率。简而言之，CFO 需要更好的软件来最大限度地发挥其人手不足的团队的影响力。2. 财务组织扩张

一些CFO，主要在中小型公司（员工人数50-500人），现在负责监管数据与分析团队和RevOps团队（传统上分别由CTO和CRO领导）。此次扩张的重点是：

  • 打破团队之间的数据孤岛。鉴于初创公司的架构较为松散，数据与分析团队和 RevOps 团队自然比 CTO 和 CRO 领导下的团队更适合财务活动。 在流程尚处于萌芽阶段时，个人和团队之间的信息流可以自由流动。随着业务的成熟，职能部门规模不断扩大，彼此之间的距离也必然会越来越远。
  • 减少工作流程差距。 从历史上看，财务被视为GTM绩效的产出，而非投入。随着财务职能承担起更具战略性的角色，财务合作伙伴越来越多地发现自己需要与RevOps团队在交易台和佣金等项目上携手合作。多个团队被系统和流程分割，阻碍了各个职能部门的协同扩展。

扩大的范围增加了投资工具的压力，这些工具（1）能够与相邻部门的工具堆栈很好地集成，（2）使财务/会计组织能够扩大其职责，同时自动化传统的管理任务（例如报告、合并）。3. 人工智能应用的兴起

86%的金融服务高管计划在 2025 年前增加人工智能相关投资，以提高生产力和运营效率。首席财务官致力于确保财务部门拥有合适的技术栈，为其日益扩大的职责提供杠杆。德勤在 2022 年第四季度的首席财务官调查显示，2023 年财务高管的两大关键优先事项如下：(1) 84% 的首席财务官同意他们将利用自动化技术解放员工，让他们专注于更高价值的工作；(2) 79% 的首席财务官计划将更多自动化技术融入运营。

资料来源：德勤2022 年第四季度北美首席财务官信号调查

过去，许多公司在采用新的财务工具方面进展缓慢，因为它们要么（1）已经在传统解决方案上进行了大量投资（例如时间、金钱、人力资源），要么（2）生产力提升没有超过迁移风险。

在接受 Contrary Research 采访时，一家价值 100 多亿美元的消费者社交公司的财务主管表示：

俗话说，‘买IBM的钱不会被炒鱿鱼’。但现在情况不同了。我们没有足够的资源投入更多人力来管理这些系统。我评估过很多新一代财务工具，但我认为这次人工智能或许能成为‘解锁’的关键。谁能向我展示一个不仅涵盖财务，还包括数据和运营的可量化投资回报率，谁就是赢家。”

面对动荡，敏捷性的需求迫使许多首席财务官重新思考企业财务职能的角色。如今，首席财务官的眼光不再局限于会计，而是着眼于为组织提供更具活力的支持。快速调整、指导业务合作伙伴的战略决策以及缩短周期的能力正变得日益重要。

从流到循环

传统上，首席财务官（CFO）主要负责三项任务：财务报告、投资者关系和合规。CFO被视为幕后操作的数字计算者。当预算不足时，他们会说“不”，并在事后报告财务结果。战略决策则留给了其他高管。换句话说，CFO的角色仅限于“签字”。

来源：HighRadius

因此，财务工作流程一直是单向且被动的。财务的职责是监控公司资金的使用情况，并确保公司资金不至于耗尽，而市场营销和销售则被视为创收团队。在旧秩序中，财务仅仅是一个收款职能。

如今，CFO 的职责更像是“首席绩效官”。CFO 的新角色不再是专注于报告的会计师，而是专注于理解的运营领导者。其职责已从管理业务（通过执行常规的月度和季度财务流程）转变为运营业务（通过日常分析和运营决策）。简单的交易性职责如今已成为必备的条件。

资料来源：a16z

在接受 Contrary Research 采访时，一家人力资源软件公司的首席财务官这样描述他不断变化的角色：

现在我的角色更像是首席运营官。我花在会计上的时间少了，花在运营上的时间多了，制定我们的市场进入战略。我一直在和其他部门主管打交道，我需要一个能够实现企业级协作功能，并与销售和 RevOps 正在使用的其他工具进行沟通的工具栈。

因此，现代财务工作流程正在从单向的“流”转变为迭代的“循环”。财务曾经主要被视为从规划到报告的职能。如今，财务的作用在于协调跨职能团队，并在规划后和交易完成前，通过实时数据和洞察指导业务合作伙伴。企业正在转向更敏捷的方法，例如超越预算、滚动预测和零基预算。这些方法看似显而易见，但事实上，45%的企业仍然依赖传统的预算编制方式（即静态年度计划）。

资料来源：Contrary Research

为了应对职责范围的扩大，一些首席财务官（主要在中小型市场（50-500 名员工））现在表示，他们负责监督数据与分析团队和 RevOps 团队，以协调组织协调。更普遍的是，所有分析和运营团队正在转向以更整合的方式协同工作，以有效地引导公司朝着长期战略目标前进，并打破团队之间的信息孤岛。

数据与分析

数据质量低下每年给美国经济造成高达3.1万亿美元的损失。据估计，到2022年，财务报告失灵将给美国企业造成78亿美元的损失。尽管数据工具日益普及，但许多公司仍在努力利用数据来运营业务。

这仍然是一个巨大的问题。事实上，超过70%的企业在利用数据创造价值的能力方面仍然落后。87 %的数据项目甚至从未投入生产。在设计阶段没有数据消费者（例如业务团队）参与的数据项目通常会导致采用率较低。将数据团队纳入业务团队的合作伙伴或组成部分，可以促进更好的协调和更快的决策。

RevOps

企业销售渠道和商业模式比以往任何时候都更加多样化，这使得收益管理成为一项重大挑战。随着这种复杂性的增加，企业需要一个具有凝聚力的部门来加速增长，并提供收入洞察。2022 年的一项调查显示，95%的高科技和软件行业高管表示，他们已经实施了 RevOps 相关计划，或者正在实施或考虑实施。通过将 RevOps 职能与 GTM 财务合作伙伴整合，首席财务官可以确保两个部门以相同的售后目标为导向，从而推动销售、市场营销和客户成功方面的变革。

话虽如此，组织协调并不能解决所有问题。目前各个部门使用的工具可能不支持统一的工作流程。

在接受 Contrary Research 采访时，一家价值 100 亿美元以上的人力资源软件公司的战略财务主管这样描述财务与 RevOps 之间的联系：

现有的财务和 RevOps 工具目前在工作流程上存在巨大的差距。例如，在 CPQ、CRM 和计费系统（即 RevOps 工具）中，如果客户上线，他们可能要等到 6 个月后才能开始使用该工具，而 ARR 也要等到那时才能上线。您如何设定客户引导期，并确保它通过[您的财务系统]正确记录？我们必须构建内部工具来解决这个问题。

除了在运营上平衡财务和收入报告之外，这些系统之间的集成也存在局限性。Divvy（现为 Bill.com）的收入高级副总裁 Sterling Snow 明确指出了这一点：

每次发布产品，财务和收益团队之间都需要进行大量的手动工作来清理和映射数据，包括年度经常性收入 (ARR)、成交/赢单量和账单数据。协调核心定义需要花费大量时间。

财务组织对完全集成工具的日益重视代表着财务新篇章的开始。

金融工具的演变

资料来源：Anaplan；Contrary Research

过去四十年，金融工具的演变经历了四个阶段：

  1. 传统的本地系统
  2. 基于云的点解决方案
  3. 无处不在的数据集成
  4. 重新捆绑

要了解金融工具的未来机遇，关键在于了解现有解决方案的优势和劣势，以及它们在哪些方面无法满足现代金融需求。下面，我们将逐一剖析金融工具的演变阶段。

第一幕（1980 年代 – 2000 年）：传统的本地系统

传统财务软件主要包括企业资源规划 (ERP) 和企业绩效管理 (EPM) 系统。该领域的领先公司包括 Hyperion（甲骨文）、SAP 和 IBM TM1。尽管 ERP 系统可以追溯到 20 世纪 60 年代（称为物料资源规划），但直到 1990 年，Gartner 才正式创造了“ERP”一词。ERP 将整个业务完全集成到一个数据库中，以便根据市场对 MRP 和 MRP II 系统计划的需求进行敏捷调整。

这些产品是本地部署的解决方案，通常需要6个月以上的时间才能部署完成，而且硬件成本高昂，第一年的总拥有成本有时甚至超过100万美元。如此高昂的前期投资，加上缓慢的处理速度和昂贵的存储成本，使得此类解决方案只有大型企业才能负担得起。Microsoft Excel 的广泛使用也限制了不同工具之间有意义的集成，因为本地工作流程彼此孤立。

第二幕（2000-2010）：基于云的点解决方案

ERP 系统在 21 世纪初不断发展。云 ERP 最初由 NetSuite 于 1998 年推出，并在 21 世纪中后期得到广泛采用。企业现在可以通过任何联网设备访问关键数据。云解决方案意味着公司不再需要购买和维护硬件，从而减少了对 IT 人员的需求，并简化了实施流程。

随着向云端的转变，第二代工具将功能从传统系统中分离出来，构建了一个由 Anaplan、Workday、Coupa 和 Expensify 等工具组成的最佳单点解决方案生态系统。以费用管理为例。虽然一些 ERP 确实具备费用管理功能，但它们被视为核心解决方案的附属品。因此，用户体验欠佳。与原生 ERP 集成的独立解决方案能够提供更高的灵活性和洞察力。

但单点解决方案的优势也暴露了它们最大的弱点：它们只提供单一功能。随着公司规模的扩大，由 Excel 电子表格和一些单点解决方案组成的薄弱基础设施开始崩溃。财务团队不得不应对多个平台、用户权限和分散的数据集。真正的问题就在这里。

第三幕（2010-2020）：数据集成无处不在

2010 年至 2020 年间，全球数据量迅猛增长。全球创建、捕获、复制和使用的数据量增长了约 50 倍，从 1.2 万亿 GB 增至 59 万亿 GB。Snowflake和Databricks等云数据仓库以及 dbt Labs 和 Fivetran 等数据转换公司的兴起，使企业能够大规模存储数据，并增加可访问数据量。随着数据的爆发式增长以及云部署的加速，首席财务官们面临着新的问题，包括：

  1. 企业应如何捕获整个金融价值链中的数据（结构化和非结构化）？
  2. 哪些新工具可以随着业务扩展，同时与现有技术堆栈很好地集成？
  3. 财务团队如何与业务利益相关者合作以获得洞察力并做出决策？

为了解决这一问题， Bill.com、Navan和Floqast等第三代工具专注于原生数据集成、分析和自动化功能，以减轻繁琐的任务，使财务团队能够专注于战略活动。这些解决方案的成本明显低于第二代解决方案，吸引了中端市场买家。然而，数据工具的采用速度往往快于财务工具，而财务的范围却在不断扩大。

尽管大多数单点解决方案都宣称其集成能够消除跨工具的数据孤岛，但市场营销往往与实际情况不符。每位经验丰富的财务领导者都经历过重大集成失败的惨痛经历，最终导致他们购买的财务工具沦为废品。

在接受 Contrary Research 采访时，Alloy 的 RevOps 总监 Albert Wong 指出，金融系统仍然存在很大差异：

每个财务工具都声称它们与财务系统集成，但这并不能完全解决问题。这些工具仍然各自独立。我们仍然需要构建 Salesforce 连接器来导入 Google 表格，即便如此，Salesforce 的一些自定义字段仍然无法在系统中传输。这导致需要进行更多手动对账，并延迟会计结算。

这些问题催生了Merge、Rutter * 和Finch等 API 公司的诞生。即便如此，一流的财务工具仍然会构建与 Netsuite 等关键系统的原生集成，以降低依赖风险，并支持财务团队所需的各种复杂性。

第四幕（2020年至今）：重组

过去十年，随着特定功能单点解决方案的兴起以及数据的爆炸式增长，财务技术栈变得高度碎片化。尽管产品种类繁多，但许多财务主管仍表示有意整合其技术栈。一项调查显示，约 80%的首席财务官表示，他们更倾向于选择能够提供集成化产品的单一供应商，而非多个同类最佳的单点解决方案。然而，现有供应商仍然占据着相当大的市场份额。在企业绩效管理 (EPM) 领域，甲骨文 (Oracle)、SAP、IBM 和 Anaplan 合计占据56% 的市场份额。在差旅和费用管理 (T&E) 领域，SAP 占据 52% 的市场份额，Expensify 紧随其后，占 7%。第四代供应商致力于满足新型客户群体的需求，这些客户由数字化原生、渴望更快做出决策的敏捷团队组成。

与前几代相比，第四代财务工具注重以用户为中心的设计、低成本、更短的实施时间和自助服务功能。许多这类公司专注于向中小企业（即尚未建立成熟财务技术栈的公司）销售产品，目标是随着客户的增长而扩展规模。高端竞争对手采取的另一种策略是，先向中型市场和大型企业销售“楔形”解决方案，然后再进行扩展，提供更广泛的服务，并取代传统的老牌企业。

第四代金融公司也利用数据作为跨领域扩张的切入点。我们已经看到跨领域业务的重新捆绑趋势，这与上述捆绑情绪一致。Ramp* 从公司卡（与美国运通合作）扩展到费用管理（Concur）、账单支付（Bill.com）、营运资金融资和 SaaS 购买。Zip 从业务入手，逐步扩展到支付领域。Tropic从采购起步，随后进军 SaaS 管理和合同管理领域。Rippling从人力资源和 IT 管理起步，随后推出了一系列金融产品，包括公司卡和费用管理。

虽然 SAP Concur 等传统解决方案专注于在垂直领域构建更深层次的企业功能，但较新的工具则专注于为 CFO 部门拥有“交易层”，快速部署新的横向产品。

正如 Tomasz Tunguz所说：

软件世界的一个简单划分是记录系统与工作流应用程序。记录系统是特定部门或公司信息的唯一来源。SaaS 的下一个转变将是初创公司利用其工作流根基，通过改变购买流程来颠覆记录系统。他们从这种使用方式中收集的数据将提供先前记录系统无法提供的独特洞察。

地盘之争才刚刚开始。

财务堆栈的构建模块

随着重组运动的兴起以及从“流”到“循环”的转变，新一代工具专注于：(1) 将财务数据和运营数据连接起来，形成记录系统；(2) 为财务和业务合作伙伴提供更深入的协作功能。下文我们将重点介绍一些新兴企业，它们正努力在四个核心工作流程中满足现代财务需求。

资料来源：Contrary Research

系统

企业资源规划（ERP）

ERP 是一种记录系统，包含会计总账并提供非财务资源规划功能（例如供应链、项目管理、库存）。小型企业倾向于选择Quickbooks (Intuit) 和Xero。大型公司则逐渐转向企业级解决方案，例如NetSuite (Oracle) 或SAP。传统 ERP 的某些功能已被有效地拆分为 Coupa 或 Bill.com 等产品。Coupa是一种企业支出管理工具，与SAP Ariba或 Oracle 的NetSuite SCM模块竞争。Bill.com剥离了传统 ERP 的一些功能，而这些功能将由 SAP Concur 或 Oracle 的财务模块等产品提供。


数据仓库

传统上，管理层将数据仓库视为首席技术官（CTO）领导下的成本中心。虽然许多公司确实有内部流程来存储和收集数据，但过去十年产生的海量数据迫使首席财务官转向外部来源。通过集中数据仓库并将其作为事实来源，财务和非技术团队可以更快地查询和分析多个数据源。访问历史数据可以提高绩效透明度和决策敏捷性。流行的数据仓库包括Snowflake、Amazon Redshift和Google BigQuery。

在接受 Contrary Research 采访时，Productboard财务副总裁 James Lee概述了建立功能齐全的数据管理系统的复杂性：

最难的是确保数据质量和指标标准化。公司往往拖延太久才建立商业智能/分析部门或数据湖。良好的设置可以让你实现知识的民主化，并提高决策速度。每个人都需要关注相同的数字。

商业智能 (BI) 与分析

虽然数据量呈指数级增长，但理解这些数据并从中获取洞察的能力仍然是一个复杂的过程。财务部门已介入，将数据转化为可用的格式，用于财务和运营分析。一些数据分析堆栈可以像在数据仓库（例如 Snowflake 或 Redshift）之上构建的Tableau或Looker仪表板一样简单。随着财务部门寻求更具战略性的洞察，其他提供特定财务分析的工具应运而生，例如Digits和Subscript。

规划与预测

财务规划与分析（FP&A）

FP&A 工具使财务团队能够规划、预测、报告和分析其业务。像 Anaplan、Adaptive 和 Planful 这样的第一代公司主要充当财务计划的存储库，但并未消除规划、报告和决策过程中跨职能工作中的摩擦。因此，财务团队仍然在努力应对 CSV、Excel/Google 表格和临时 SQL 输出的组合。自动化和简化这些工作是一个更现代的需求，只有更新的工具才能解决这一问题。

尽管 Microsoft Excel 仍然是最受欢迎的 FP&A 工具，但较新的平台专注于通过创建访问控制、协作功能、数据集成以及基于 Web 的建模和报告，将用户工作流程整合到一处。这些工具采用以下两种方法之一：(1) 增强电子表格（OnPlan、Datarails、Cube）；或 (2) 完全替换电子表格（Vareto *、Pigment、Mosaic）。前一种方法对于 Excel 重度用户来说更为熟悉，但由于这些公司无法完全控制平台，因此其特性和功能可能会受到限制。


劳动力规划

劳动力成本约占总运营支出的70%，然而，由于涉及众多利益相关者、复杂的数据来源以及相互冲突的优先事项，人员编制规划难度极大。较新的工具旨在成为跨员工数据系统（包括人力资源信息系统 (HRIS) 和申请人跟踪系统 (ATS)）同步的真实来源。与电子表格不同，这些工具允许公司通过基于角色的访问控制来规划团队、跟踪招聘、预测人员流失和预算。参与员工参与的知名公司包括ChartHop、Knoetic * 和TeamOhana。


基准测试

疫情加速了职场权益的转移，并颠覆了以往的支出趋势。Pave *和Compete提高了员工薪酬的透明度。像Varos这样的增长和营销 KPI 基准测试公司可以帮助财务团队与同类公司比较指标，从而决定哪些 KPI 应该加倍投入，而不是花时间去修复。

执行

应收账款 (AR) 和收入管理

随着企业开始平衡各种不同的盈利模式，收入管理变得越来越复杂。管理整个收入周期，尤其是应收账款（例如，您应收的款项）的流程，已经变得异常复杂。对于传统的订阅业务而言，像Zuora、Chargebee和Recurly这样的公司是管理 AR 的典型平台。此外，基于使用量的定价模式的兴起催生了Metronome和Orb等公司的诞生。


应付账款 (AP) 和支出管理

对许多企业来说，管理公司的费用账户可能会让他们损失惨重。平均而言，一家公司每年仅在 SaaS 订阅上就花费34.3 万美元。像Avidxchange和Bill.com这样的传统公司帮助企业更快地支付费用，但新兴的应付账款和支出管理公司则专注于帮助企业降低支出。他们通过情境化地分析供应商和员工支出的驱动因素、自动化会计工作流程以及简化报告和账单支付流程来实现这一目标。值得注意的参与者包括Ramp *、Brex、Vic.ai和Glean.ai。


财务运营

根据2022年的一项调查，约50%的企业难以控制云成本，部分原因是缺乏对使用情况的可见性。降低云成本已成为当务之急，81%的IT领导者表示要减少或停止额外的云支出。“财务运营”（FinOps）是一种跨职能实践，它将财务和工程部门整合在一起，以优化云支出，增强财务控制力和可预测性，并更快地交付产品。尽管这一类别已经存在十多年，例如Cloudability、CloudHealth和Apptio等公司，但云基础设施日益复杂，催生了Vantage、CloudZero和Zesty等新参与者。


采购和 SaaS 管理

如今，平均每家公司使用超过130 种 SaaS 解决方案，SaaS 支出已成为仅次于薪资和房地产的第三大成本项目。这种现状，加上采购决策的分散化，给现代企业带来了巨大的摩擦。跟踪、管理和协商软件支出仍然是一个繁琐而复杂的过程。

采购部门负责识别成本节约并代表公司进行谈判。SaaS 管理部门帮助组织组织、优化和协调其 SaaS 供应商。过去两年，随着参与者寻求完善 SaaS 采购生命周期（从发现到供应商管理），这些类别已经融合。值得关注的参与者包括Productiv、Zylo、Tropic和Vendr。


支付操作和现金流管理

支付操作涵盖资金流动的整个生命周期，包括交易发起、审批处理、支付失败解决以及交易与银行对账单的对账。过去，大型后台团队负责管理这些耗时且手动的流程。随着支付方式（例如先买后付 (BNPL) 和实时支付 (RTP)）、跨境交易以及新业务模式（例如基于使用量、基于地理位置、基于交易量）的激增，支付对账正变得越来越复杂。Modern Treasury、Proper和Nilus等公司正在大规模地推进交易自动化。

现金流管理工具与公司的银行账户和财务工具集成，实时追踪现金流入和流出，并提供企业现金状况的可视性。值得关注的公司包括Agicap和Trovata。最近，这两类公司也开始融合，因为参与者希望构建一个统一的平台来协调和管理资金流动。

记录保存

簿记与税务

大多数公司都有会计结账和税务筹划流程。如果一切顺利，结账只是例行公事，不会引起管理层的太多关注。但如果数据出现延误或错误，情况就完全不同了。加快结账流程（通常为 5-10 天）可以让高管更快地做出决策，并使财务团队能够专注于更重要的战略重点。

然而，这些流程极其繁琐，因为会计和税务团队必须与财务部门合作，在紧迫的期限内核对交易并提交税务表格。从历史上看，像 Blackline 和 Avalara 这样的公司一直是紧密管理和税务管理的首选传统工具。而像Floqast、Trullion、Puzzle和Anrok这样的公司则顺应了这些流程的变化。


工资和福利

薪资和福利平台简化了全球员工的管理，涵盖从招聘入职到薪酬和合规的各个环节。Rippling和Gusto等更广泛的人力资源平台旨在成为跨部门的单一记录系统。随着疫情加剧了分布式劳动力的蔓延，Deel、Remote和Papaya Global等公司帮助企业招聘独立承包商和全职员工，并简化了薪资流程。虽然这些系统主要由人力资源部门负责，但由于薪资支出占支出的很大一部分，财务团队也经常参与其中。


薪酬管理

销售薪酬软件支持销售激励计划的制定和实施，收集销售数据，并计算和跟踪佣金。传统解决方案可以轻松计算月度佣金，但在月度内，销售和GTM团队经常需要使用Excel跟踪交易，然后手动调整以确定支付给完成配额的销售代表的销售报酬。随着公司规模扩大和薪酬结构变得更加复杂，这些问题变得更加严重。较新的佣金工具可以促进财务、运营和人力资源部门之间的协作，并与包含薪酬输入的数据仓库集成。过去，人们曾使用Xactly或Anaplan等传统工具来管理这一流程，但近年来，包括CaptivateIQ和Spiff在内的流行工具应运而生。

融资

银行与财政

新银行主要服务于初创企业，提供传统银行服务（例如支票/储蓄账户、融资、财务），并结合现代技术，例如允许客户在其工作流程中构建可定制自动化功能的API。硅谷银行倒闭后， Mercury和Brex等公司获得了数十亿美元的存款流入。

大型科技公司拥有专门的企业财务部门，负责执行重要的资本回报计划，以推动股东回报。例如，苹果公司拥有自己的资产管理公司Braeburn Capital来管理其现金。然而，目前中小企业层面尚不存在这一职能。专注于独立财务产品的新兴企业包括Vesto *、Arc和Meow。


股权结构表管理

股权结构表管理平台帮助公司管理股权结构表、债务融资、409a估值、员工股票薪酬等。该领域的公司包括股权管理公司Carta或Pulley 、债务管理公司Finley以及投资组合管理公司Standard Metrics 。

人工智能在金融领域的应用

多年来，CFO们一直被敦促要实现团队工作方式的现代化。随着人工智能的快速发展，以及财务人才日益短缺的现状，CFO们正在认真审视自己的工具组合，而人工智能或许将成为这次变革的关键。86 %的金融服务业高管计划在2025年之前增加人工智能相关投资，以提高生产力和运营效率。

例如，惠普首席财务官玛丽·迈尔斯 (Marie Myers)表示：

归根结底，这些数字是巨大的。[人工智能]可能是我职业生涯中亲眼目睹的生产力领域中，除了智能手机和互联网之外最敏捷的时刻。……这是一种真正意义重大的变革管理。财务专业人士喜欢严谨的作风，他们喜欢结构化。人工智能颠覆了一切。我确实认为，你的组织需要具备不同水平的技能和敏捷性，甚至可能需要一种不同的结构，才能快速提升生产力。

人工智能的力量在哪里？

人工智能对金融领域最大的影响之一将体现在平台内部。与其他平台转型不同，利用人工智能的独特之处在于，与向移动或云计算的转变不同，大多数公司并非从零开始。相反，构建模型通常需要大量特定的训练数据。模型的用户越多，其有效性就越高。因此，拥有庞大现有用户群的平台将受益匪浅。

因此，你在金融人工智能领域看到的一些先行者都是老牌企业。像Workday和微软这样的老牌平台，都构建了自己的内部人工智能解决方案。彭博推出的 BloombergGPT 是一个专门围绕金融数据构建的法学硕士 (LLM) 项目，同样利用公司现有的数据构建了拥有 500 亿个参数的模型。

Workday 联合首席执行官 Carl Eschenbach强调了公司在更深入地整合人工智能方面的努力：

我们已经将人工智能和机器学习深度嵌入平台。大多数公司的做法是，因为他们没有从一开始就将其嵌入平台，而是将其临时添加。如果你想添加人工智能，就必须为此付费。

虽然企业可以掌握分销权和数据护城河，但初创公司在重塑工作流程的速度和敏捷性方面占据优势。Brex与OpenAI和Scale AI合作推出了Brex Empower，它能够提供类似公司和行业的支出或每位员工效率的比较洞察。由 GPT-4 提供支持的Ramp* Intelligence利用其现有的交易数据语料库，提供供应商价格情报、会计辅助驾驶以及合同提取和谈判。

世事瞬息万变。但除了人工智能聊天机器人之外，还有什么可能改变呢？

人工智能改变了什么？

未来几年，我们将看到人工智能在金融领域最直接的应用，进一步深化和加速已存在一段时间的自动化，而非创造全新的东西。不同层次的自动化将通过三个阶段推动变革：(1) 通过交易任务的自动化节省时间；(2) 打破不同工作流程和工具之间的数据孤岛；(3) 最终赋能财务和业务领导者，实现更高效的协同运营。

一方面，机器人流程自动化 (RPA) 等技术已实现超过42%的财务活动（通常是基本的交易任务）的自动化。事实上，诸如一般会计操作、现金支出和收入管理等活动的自动化程度高达 75%以上。另一方面，人工智能则更上一层楼，使人类能够做出更好、更快的决策。

人工智能应用可以广泛应用于从个人到组织的一系列生产力提升。决策支持（例如聊天机器人）通常是第一步。然而，个人或部门生产力的提升才是最终目标。财务主管正在优化组织生产力。例如，在预测方面，人工智能可以超越枯燥的方差分析，寻找过去与假期、宏观经济形势和时事的关联，并为财务、数据或运营团队的参与提供一个合理的起点。拥有最具粘性应用的公司通常会先构建一个冠军部门，然后再逐步扩展，以提升邻近业务合作伙伴的生产力。

资料来源：Contrary Research

以下是我们在金融周期中看到的一些初步应用：

  • 决策支持：利用人工智能自动回答有关数据的问题，提供叙述性摘要，并提出相关的问题或分析。
  • 预测：建模辅助驾驶可以帮助财务团队更快地构建模型，并减少错误，类似于 Github Copilot 帮助工程师更高效地编写代码。此外，AI 还可以帮助比较多种场景，并了解驱动因素对指标的影响，从而在规划和预测周期内实现更快的迭代。
  • 账单和收款： 收款可能较为被动，但自动化可以预测哪些客户会支付发票、何时支付，以及其他风险账户的标记，从而增强收款流程。机器学习可以用来预测不同的结果。
  • 支出管理：人工智能可以分析从文件（例如发票、收据或合同）中提取的数据，以识别模式和趋势，使财务团队能够深入了解支出模式并确定可以提高效率的领域。
  • 合同管理： 人工智能可以帮助组织阅读正在谈判的合同，突出需要审查的领域，发现合规关注的领域，并为谈判要点提供建议。
  • 月度结账： 人工智能工具可以通过检测交易和支付系统中的异常并标记系统间的差异来帮助进行对账。

人工智能的风险是什么？

必须认识到，如今大多数金融领域的人工智能应用都只是令人激动的梦想，但如今它们大多仍停留在梦想阶段。金融是一个受到严格监管的行业。因此，出于对数据泄露、安全和隐私的担忧，全球金融领域对生成式人工智能的采用相对较慢。Salesforce 最近对 500 多位高级 IT 领导者进行的一项调查发现，71% 的人认为企业使用生成式人工智能可能会使公司数据面临新的安全风险。

以下是我们在金融周期中看到的一些初步应用：

  • 决策支持：利用人工智能自动回答有关数据的问题，提供叙述性摘要，并提出相关的问题或分析。
  • 预测：建模辅助驾驶可以帮助财务团队更快地构建模型，并减少错误，类似于 Github Copilot 帮助工程师更高效地编写代码。此外，AI 还可以帮助比较多种场景，并了解驱动因素对指标的影响，从而在规划和预测周期内实现更快的迭代。
  • 账单和收款： 收款可能较为被动，但自动化可以预测哪些客户会支付发票、何时支付，以及其他风险账户的标记，从而增强收款流程。机器学习可以用来预测不同的结果。
  • 支出管理：人工智能可以分析从文件（例如发票、收据或合同）中提取的数据，以识别模式和趋势，使财务团队能够深入了解支出模式并确定可以提高效率的领域。
  • 合同管理： 人工智能可以帮助组织阅读正在谈判的合同，突出需要审查的领域，发现合规关注的领域，并为谈判要点提供建议。
  • 月度结账： 人工智能工具可以通过检测交易和支付系统中的异常并标记系统间的差异来帮助进行对账。

人工智能的风险是什么？

必须认识到，如今大多数金融领域的人工智能应用都只是令人激动的梦想，但如今它们大多仍停留在梦想阶段。金融是一个受到严格监管的行业。因此，出于对数据泄露、安全和隐私的担忧，全球金融领域对生成式人工智能的采用相对较慢。Salesforce 最近对 500 多位高级 IT 领导者进行的一项调查发现，71% 的人认为企业使用生成式人工智能可能会使公司数据面临新的安全风险。

在将人工智能用于金融应用时，需要注意以下几个风险：

  • 信息错误：造成错误 的原因有很多，包括训练数据质量差或过时、用户错误（例如未正确输入AI提示），甚至AI出现幻觉。这可能会导致道德或法律后果。例如，如果对话式AI向首席财务官提供虚假信息，首席财务官可能会做出错误的决策，并造成严重的后续后果（例如巨额财务损失、市场不稳定）。
  • 敏感数据处理不当：如果没有适当的数据治理，人工智能可能缺乏必要的安全和隐私措施来处理敏感的客户信息，例如个人身份信息 (PII)、交易详情或财务账户数据。如果处理不当，可能会导致身份盗窃、金融欺诈和重大声誉损害。
  • 缺乏可解释性：虽然人工智能/机器学习有助于提高预测准确性并应用于其他用例，但在解释这些结果时往往存在黑盒问题。在基于驱动因素的模型中，您可以清晰地指出输入、输出和计算。而在人工智能/机器学习模型中，可能存在数千甚至数百万个变量，并且没有简洁的公式来连接这些变量。这可能会给决策、管理监督和合规性带来问题，尤其是在监管严格的行业。

     

财务主管必须制定人工智能实施路线图，并建立对其数据的治理、安全、访问和控制。

  1. 谁应该有权访问底层数据？
  2. 哪些任务/问题应该或不应该委托给人工智能？
  3. 什么时候应该依赖人工智能？
  4. 如何确定 AI 答案的适当置信度？
  5. 如何衡量人工智能实施的成功并量化投资回报率？

虽然人工智能的能力可能会带来变革，但它究竟会改变金融的哪些方面，仍是一个悬而未决的问题。人工智能可以帮助减轻繁琐的任务，但它尚未完全理解商业环境，不知道该提出什么问题，也不知道如何给出连贯的答案。

勇闯新边疆

在过去十年的经济“好时光”里，制定粗略的招聘计划并在必要时投入更多人力来处理手动报告流程是轻而易举的事。如今，形势已然逆转。随着宏观环境恶化、财务人才短缺加剧以及战略职责范围不断扩大，首席财务官们正在认真审视自己的工具。即使是资金雄厚的企业也在寻求升级技术栈，以解锁自动化、增强决策能力并提升盈利水平。

展望未来，财务领导者和构建财务工具的公司应如何为这一新领域做好最佳定位？

财务主管应该牢记什么？

  • 协调财务与业务合作伙伴的工作流程： 财务职能不再仅仅被视为产出，而是GTM绩效的投入。事实上，研究表明，优先考虑数据驱动洞察的公司吸引新客户的可能性高出23倍，盈利的可能性高出19倍。如果您的财务部门仍然主要负责催收，那么您如何在GTM中赢得一席之地呢？尽早与您的首席风险官（CRO）和首席营销官（CMO）建立信任。除了规划之外，还要通过在规划后和交易完成前提供实时数据和洞察指导运营人员，证明财务团队在执行过程中可以成为重要的合作伙伴。随着业务的成熟，职能部门规模不断扩大，不可避免地会彼此疏远。财务团队始终是整个组织的连接纽带，这一点至关重要。即使财务主管不直接监督数据与分析团队和RevOps团队，他们也应该不断寻找方法，通过连接各自的系统和流程来缩小工作流程之间的差距。
  • 集中化和结构化的数据是先决条件： 俗话说，“垃圾进，垃圾出”。想象一下，一位首席财务官在没有事先定义“收入”含义的情况下，要求人工智能聊天机器人提取收入数据；或者销售团队在没有共享账户分类数据逻辑的情况下，试图对客户细分场景进行建模。财务团队必须尽早实施数据治理。确保所有业务团队和人工智能支持的工具在维度（例如业务线、客户细分、部门）和核心KPI（例如ARR、LTV）方面都按照相同的定义运行。规模化运营不仅会更加困难，而且成本也会更高。

创始人在融资时应该注意什么？

  • 展示相关部门的投资回报率：随着首席财务官不断协调财务和业务合作伙伴的工作流程，工具必须展示切实可行的方法，帮助财务部门和利益相关者更高效地协作。仅仅提高财务部门的生产力是不够的。您还想赋能哪些人？您的工具将如何帮助跨职能合作伙伴与财务部门协作？
  • 从数据入手，而非机器学习：许多初创公司都急于宣扬“金融领域的人工智能/机器学习”。但有效应用机器学习需要强大的数据架构来支撑数据流。您将可以访问哪些数据？您将创建哪些新数据？例如，您的软件是针对特定用例的全新记录系统，还是专注于整合现有数据集，并在其上叠加您自己的见解？务必明确软件底层的数据结构，以及它将如何与其他工具交互（例如通过集成）。如果您的工具数据孤立，财务团队将不愿采用。此外，如果没有清晰的数据基础，您将无法有效地利用人工智能。

毫无疑问：向首席财务官推销产品绝非易事。然而，尽管企业可能掌握着分销权和数据壁垒，但初创公司在重塑工作流程的速度和敏捷性方面却占据上风。随着 API 支持的集成和人工智能的最新进展，我们相信财务软件激动人心的新篇章已经到来。对于那些能够深度融入财务和业务工作流程的供应商来说，巨大的机遇依然存在，他们可以节省时间，打破数据孤岛，并最终赋能财务和业务领导者，实现更高效的协同运营。


感谢Jeff Epstein、Jeff McCombs、Mitesh Popat、 Taylor Otstot、Mika Kasumov、Mark Hawkins、Eddie Lievens和Ehud Gelbum对本文的想法和反馈。


*一个或多个 Contrary 关联公司已投资金融工具市场的公司，包括 Ramp、Pave、Vesto、Vareto 和 Knoetic，这些公司均包含在上面的市场地图中。