IMA管理会计能力素质框架-新版解读
近日，美国管理会计师协会（IMA®）近日发布新版管理会计能力素质框架（下称“能力素质框架”），反映了财会专业人士应对当下及未来挑战所应具备的多种技能和素质。其中，最显著的更新为“技术和分析”，也就是数据治理、数据分析、数据可视化等一系列能力。
新增加强型能力素质主要覆盖了善用业务自动化的多重需求，如战略管理、数据分析、数据治理和数据可视化等。“职业道德和价值观”为新增的技能领域，以彰显会计职业中道德行为的必要性和重要性。
2016年底，我的一篇文章专门解读了《IMA管理会计能力素质框架》，BI和预测是IMA最关注的的有关技术和分析的能力。
最近19年新版的《IMA管理会计能力素质框架》，给出了新的能力和考试要求，和PivotModel刘凯老师一起了解下吧。
一、什么是“能力素质框架？”
所谓能力素质框架，是指在当前大数云移、业财融合的背景下，传统会计核算工作不断被财务机器人所取代，财会人士面临向价值创造转型，所需掌握的技能和素质，“能力素质框架为 财会专业人士技能评估、职业发展和企业人才管理提供全面的指南。
其他类似的能力框架包括：
（1）CGMA管理会计框架，比较宏观，强调了业务财务和一系列软技能。
图：CGMA管理会计框架
（2）《数字达尔文主义》中调研的十大技能
除了IMA和CGMA以外，刘凯老师在2014年的绿皮书序言中也引用了ACCA和IMA联合调研报告《数字达尔文主义》中介绍的未来财会人士的十大技能，比较具体。
其中，使用BI工具进行数据抽取和挖掘的能力，数据建模和分析的能力变得至关重要。分别列为第一、第二位。
二、最大的变化“技术和分析”体现在哪些方面？
“技术和分析”，一方面，是指会计核算等的“自动化”，另一方面，是指利用技术和分析创造价值。前者绝大多数的工作会被财务机器人、共享服务中心等取代，后者要求财会人士具有更高的战略、业财融合能力和和数据能力。
具体来说，“技术和分析”实际上反映的是个一条传统的信息供应链（见下图），信息系统和整合报告之间，需要以数据治理为核心的数据管理能力。
反映了从CRM、ERP等业务系统到数据集市和数据仓库的分析型系统，到数据管理（数据治理、数据分析、数据可视化）以确保数据的可用性、实用性、完整性和安全性，以及最终企业整合报告 成果等一系列能力。
从成果来看，较之传统的”财务报表”，目前更加强调的基于治理后的数据整合的“企业整合报告”。这里的“企业整合报告”，既包含财务报表数据，也包含企业社会责任、可持续发展等业务数据，以便清晰沟通企业如如何创造价值的。
从过程上来看，更加强调数据治理、数据分析、数据可视化。结合之前IMA各届年会演讲嘉宾分享的议题，实际上更多地强调使用Excel智能表格、BI商务智能工具、并能够开展包括预测在内的高阶分析以支持决策。这就要求将数据治理作为一项重要的素质和技能。信息系统在最初提需求和设计时，就要考虑最终管理会计报告/企业整合报告的需求，而非仅仅完成业务流程功能或者简单地记录交易。也就是说，从数据生产的业务系统层面，要实现数据的流动；在数据仓库和分析的层面上，要实现数据的整合，以便使用商务智能工具开展分析，最终生成包含管理会计报告在内的企业整合报告。
从企业文化来看，任何的经营分析会议和讨论中的工作报告都讲数字成果，描述问题有数据依据。“技术和分析”跟强调推动管理会计的落地时BI相关的一种企业文化，一种思维方法，一套制度流程，一个系统体系，和一门专业技能。建立数据文化涉及管理层是否建立了以数据为辅助的管理决策模式，全员是否对数据处理和计算规则有一致的理解，对维度和指标有统一的定义和解读，对数据分析有概念，能结合业务需求来深度理解问题、机会、威胁以及预测未来。
三、企业整合报告
企业整合报告，不仅指用于生成报告的数据整合（对基础数据进行了标准化和治理），而且所生成的多个不同版本类型的报告（企业财报、可持续报告、社会责任报告等）的财务指标和非财务指标，都得到了整合。
2010年8月，国际整合报告委员会（IIRC）成立。2013年4月，IIRC面向全球发布了整合报告框架的征求意见稿；2013年12月，IIRC发布了正式的整合报告框架。
整合报告，是一种以更加清晰、简洁和注重使用者需求的形式全方位提供有关企业运营状况信息的报告。相对于仅披露财务信息的传统财务报告，整合报告对于企业业绩解释的涉及面更广。与传统的企业报告模式相比，整合报告摒弃了对短期业绩的过分强调，而将重点放在传递企业创造长期价值的信息上，并且全面反映了企业各种资本运作的情况。
整合报告框架遵循原则导向，规定了企业编制综合报告的基本概念、指导原则和主要内容，以期在全球范围内建立一个统一的整合报告编制原则，包括战略重点和未来方向、信息的关联性、利益相关方的响应程度、重要性和简明性、可靠性和完整性、一致性和可比性等6个指导原则；机构概况和运行环境、风险和机遇、战略及资源分配、治理、业绩、未来前景、商业模式等7部分内容。
整合报告的生成，离不开上游企业数据治理，和数据整合。
四、数据治理
“技术与分析”包括了信息系统、数据治理、数据分析、数据可视化。其核心仍然是全面的数据管理能力。对于财会人士来说，由于能够接触企业财务、运营、人力等各方面，因此是负责企业数据治理和数据标准制定的主导方。
数据分析和数据可视化，需要开展数据治理，数据治理的目标之一，简单来说就是数据整合，实现数据生产层面和数据分析层面的流通，并让合适的人在合适的时间、合适的地点快速获取到合适的数据。所谓合适，包括数据的可用性、及时性、实用性、完整性、准确性和安全性等等等数据质量维度。
关于数据治理，是个较大的话题，通常情况下需要制定企业数据标准在内的一系列制度、组织、规范、流程，建立基础数据标准和指标标准，以及建立企业数据模型。
接下来，简单介绍下数据治理主要涉及两类数据：
（1） 一类是基础数据。
基础数据通常是涉及业务系统（事务型系统，OLTP）中产生，业务前端直接产生和采集，未经过加工计算业务交易流水数据、采集的客户基础数据等。
基础数据为何需要数据治理？
基础数据是企业开展日常业务经营所直接产生的，为中台、后台的风险管理、财务核算、管理分析、统计应用提供了数据基础。由于业务系统的需求提出和设计，主要是满足业务流程和功能的需要，而非决策支持的需要。这种数据的供应和数据的消费不匹配，会导致在创建管理报告，开展分析时发现基础数据明细存在的问题是数据缺失，数据质量不高，因此需要针对业务流程中的数据生成点，开展数据治理，提升基础数据质量。
（2） 另一类是指标数据。
指标数据通常是涉及数据仓库/集市和商务智能（分析系统，OLAP）
指标是反映对象特征属性的、可衡量的单位或方法，是具有商业意义的度量。关键绩效指标通常还包含目标值和实际值。
指标数据是经过聚合的，用于分析的数据，最常见的指标数据问题就是指标口径不一致。因此需要从指标体系规划入手，开展数据治理，建立指标体系并通过管理驾驶舱设计实现落地。
基础数据和指标数据的划分都是相对而言的。实际上针对不同的场景会存在交叉融合。总之为了整合数据，开展可视化分析，生成企业整合报告，需要对这两方面的数据开展治理。
五、对数据分析师、管理会计师、数据管理专业人士（CDMP）的影响。
简单来说，对于数据分析师而言，通常过于关注分析工具和技能，缺乏方法、体系、框架。数据分析师可以左手数据管理，右手管理会计。
对于互联网初创企业而言，增长模型和CGO是个快速的高管通道，对于中型拟上市企业而言，管理会计和CFO是个快速的高管通道。对于金融、能源、电信、BAT、医疗、军工、民生行业而言，数据管理和CDO是个合适的高管通道。
目前，数据管理能力已经不是CDO、数据架构师、或者专业精英群体的专利。数据管理应该从高大上的位置走下来，更接地气。管理会计师也可以通过DMBOK数据管理知识体系和CDMP数据管理专业人士 认证获得专业的数据治理和数据整合能力。包括数据治理、数据架构与建模实现企业数据的结构良好和可扩展性、通过主数据与参考数据管理提升数据关联的一致性和有效性、通过数据仓库和商务智能实现数据整合等等，只有基于质量良好的数据，才能驾驭企业数据资产，制定正确的决策和报告。
对数据分析师、管理会计师而言，数据分析通常只是某一类技能，是决策支持的手段。数据分析师更多地是个角色，也可能是公司任何部门任何团队中的一个永久的或临时、兼职的或全职的职位，但有一点是可以肯定的，数据分析师开展分析时往往不能够获得高质量的整合后的数据，数据分析师交付给企业的报告果也缺乏明确的价值创造导向。还有就是数据分析师缺乏明确的职业成长路径。
现在，数据分析师可以向数据管理（CDMP）获得更多有关数据治理、架构建模等技能。进入到专业的商务智能BI团队/数据管理部门，获得更加专业更加综合的技能发展。管理会计师可以从DM-BOK中获得如何利用数据进行设计、开发、运维企业数据资产并最大化数据价值的。也可以从其他的体系如Cobit中获得如何对信息系统进行内控和风险的。
数据分析师还可以向管理会计师转型以更好地实现价值创造。利用自己熟练的技能、工具、编程（如VBA、Phyton）来基于财务和非财务信息生成报告，不仅为了辅助决策，更多时候要掌握坚实的商务沟通技能，来沟通清除企业的价值是如何创造出来的，并进一步采取措施降本增效控制风险。
有关数据治理和数据管理，可以从数据生命周期、职能分类、主题分类等多个角度分而治之。在后续的文章中详细展开。
文章被以下专栏收录
