华新建材集团股份有限公司（以下简称“华新建材”）始创于1907年，深耕建材行业百年，是国内水泥工业发展的奠基企业，被誉为“中国水泥工业的摇篮”。公司前身为华新水泥股份有限公司，2025年正式更名为华新建材集团股份有限公司，新名称更加贴合企业从单一水泥生产向全场景建材解决方案服务商转型的实际业务格局。企业资本运作历程稳健成熟，1994年于上海证券交易所发行A、B股上市，1999年与全球建材龙头瑞士Holcim集团建立战略合作伙伴关系，依托国际先进技术与管理经验持续提质增效。2022年3月，公司顺利完成B股转H股改革，成功登陆香港交易所主板，实现境内外双资本市场布局。

图1:百年品质 华新建材

历经百年迭代升级，华新建材彻底摆脱传统单一建材生产模式，完成了从“基础建材供应商”向“全场景建材解决方案服务商”的战略跃迁。目前集团业务全面覆盖水泥、商品混凝土、骨料、绿色环保（废弃物处置）、装备制造与工程服务、新型建筑材料等核心板块，构建起全产业链一体化经营格局。企业经营版图辐射全国近17个省市，并积极布局海外市场，在亚洲、非洲、南美等22个国家设立经营机构，拥有300余家分、子公司，综合实力稳居中国制造业500强、财富中国500强行列，是国内建材行业数字化转型与高质量发展的标杆企业。

集团管理报告部作为CFO直接管辖的核心职能部门，承担着集团全面预算管理、经营财务分析、管理会计体系建设与财务数智化转型统筹的核心职责。部门不仅搭建了体系完善、口径统一、覆盖全域的现代化管理会计报告体系，更牵头推进集团财务数字化、智能化深度变革。通过搭建智能分析模型、智能风控体系，推动财务全流程标准化、规范化、智能化升级，彻底重塑传统财务作业模式，深度赋能前端业务价值创造。同时，部门依托AI技术开展全域、深度的数据治理工作，打通业务、财务、生产、供应链多维度数据壁垒，高效整合全域数据资源，持续沉淀标准化、高价值企业数据资产，为集团经营研判、战略落地、资源配置提供精准、高效的数字化决策支撑。

随着华新建材管理会计报告体系日趋成熟，数字化管报平台已能每月自动生成集团、区域、工厂等多个维度经营数据报表及图表，有效支撑了管理层月度经营分析会、管理层常态化决策研判，为企业精细化管理奠定了坚实基础。但伴随着市场环境加速迭代、行业竞争日趋激烈、企业业务快速扩张，管理层对数据获取的及时性、灵活性、精准性要求大幅提升。传统数据查询模式的短板不断凸显：无论是管理层自主登录平台、逐层筛选菜单、匹配维度查找数据，还是财务人员接收需求后人工跨报表查询、加工整理、反馈结果，均存在流程烦琐、耗时冗长、响应滞后的问题，无法满足当下企业高频次、随机性、跨维度的即时问数需求。

2025年，华新建材管理会计体系实现质的突破，彻底完成从“后台职能支撑”向“前台业务赋能”的角色转变，深度嵌入企业全业务运营链条。管理会计的工具、方法与分析逻辑，全面落地应用于前端市场营销的客户盈利性分析、中端生产制造的单位成本精准预测、后端供应链统筹管理与全周期业绩预判，真正构建起全员、全流程、全要素的管理会计全域应用格局。

在此背景下，传统人工查数模式的核心痛点凸显。一方面，管报平台存量报表、分析图表数量多达上百张，数据维度繁杂、层级嵌套复杂，管理人员获取目标数据需经过多步操作，人工找数效率低；另一方面，管理层经营问数需求具有极强的随机性、灵活性、跨报表特性，大量个性化、临时性数据需求，必须依赖财务人员人工检索、交叉核对、二次加工后才能反馈，人工传导链路拉长了响应周期，极大制约了经营决策效率，成为企业精细化管理的突出瓶颈。

“AI智能问数”体系整体架构与核心原理

为彻底破解数据查询效率瓶颈，打通数据服务与经营决策“最后一公里”，华新建材落地“AI智能问数”管理会计即时查询体系，核心逻辑是将传统“人找数据、人找人”的被动模式，转变成“AI替人找数”的智能模式，从而构建数据层、服务层、交互层一体化智能架构。

（一）三层立体化技术架构，筑牢智能问数底座

一是数据层：通过标准化管报平台，实现数据稳定产出。以集团成熟的智慧管报平台为核心数据源，系统自行、稳定输出标准化经营指标和报表数据，覆盖各区域产品销量、价格、EBITDA（税息折旧及摊销前利润）、OCF（经营性现金流）等核心经营指标。数据预设“集团—区域—工业园—公司”四个层级维度，数据颗粒度口径统一、更新周期固定，为AI精准问答提供坚实的数据基础。

二是服务层：通过统一数据中台，构建标准数据服务。管报平台定期将报表与数据推送至集团数据中台指标数据库，形成统一的数据资源池。通过数据中台对接标准化服务接口，为AI问答提供取数通道。

三是交互层：通过AI问答引擎，实现自然语言即时交互。用户通过对话框提问，AI自动完成意图识别、关键词抽取，精准解析用户需求中的时间范围、组织主体、产品品类、核心指标四大关键要素，快速调取中台对应数据，以简洁文本、可视化图表等形式反馈结果，实现“随口提问、秒级应答”（如图2所示）。

图2：iFinance AI+ 数智财务总体架构图

（二）双核心智能模型，保障精准合规应答

一是语义匹配模型，破解口语化问数壁垒。 依托自然语言处理技术，精准识别用户提问中的核心实体与统计口径，可有效区分当月数据、累计数据、同比、环比、结构占比等差异化需求。同时搭建完善的指标同义词库，实现业务口语与专业指标的精准映射，将“盈利多少”“卖了多少”“单价多少”等通俗表述，精准匹配至EBITDA、结算销量、结算价格等标准化指标。针对识别置信度较低的模糊提问，系统将主动反问确认，引导用户明确需求，避免答非所问。

二是建立权限过滤模型，确保数据安全底线得到坚守。 系统深度对接企业组织权限体系，根据用户岗位、职级、所属单位自动匹配数据查看范围。用户发起提问后，系统优先校验权限，自动过滤所有无权限查看的主体、维度、数据信息，在保障数据查询便捷性的同时，严格规避数据泄漏风险，实现“按需赋权、合规用数”。

 项目分步落地：从“人工查数”到“AI查数”

华新建材摒弃盲目追求前沿技术的落地思路，坚持“稳基础、快迭代、重实效”的轻量化落地路径，分三阶段稳步推进项目建设，实现AI智能问数体系从无到有、从有到优的全面升级。

第一阶段：梳理指标和建设语库—让AI“有数可查”。 项目启动初期，团队优先夯实数据底座。一方面，全面盘点数据中台存量指标资源，梳理数据中台现有的指标数据和新指标接入需要的开发周期，根据项目目标和期限圈定可实现指标，明确每个指标的定义、口径、来源及更新频率。另一方面，建立标准化同意词库，实现业务表述与指标名称一一对应，解决“问题模糊、查得不准”的源头问题。

第二阶段：搭建技术选型与内部测试平台—让AI“答得准”。 项目采用“轻量级模式+场景定制开发”的技术方案，依托文本AI模型，搭配专项场景代码开发，兼顾落地效率与使用稳定性。项目内测初期，受限于语义识别精度、口径区分能力不足，系统问答准确率仅40%左右，常出现累计数据与当月数据混淆、指标匹配错误等问题。

针对内测问题，团队开展精细化分类优化：按年度累计、当期单月、同环比、结构分析等高频场景分类梳理错误案例，逐一拆解意图识别偏差、同义词混淆、口径计算失误等问题根源，针对性完成模型调优与规则补充。同时新增智能反问确认机制，当系统无法精准判定用户需求时，主动引导用户明确指标类型、统计周期、业务维度，大幅降低误答概率。经过多轮持续迭代优化，系统问答准确率提升至95%以上，完全满足企业经营问数需求。

第三阶段：自上而下推广智能问数—让AI“用起来”。 数字化工具落地面临的最大挑战是“用户习惯”培养。为推动系统普及应用，华新建材选择以集团年终总结会为核心推广“AI智能问数”，向总裁及高管团队进行现场演示和推介，通过管理层率先试用，自上而下推动AI问数的使用习惯，打破传统人工查数的固有模式，让AI智能问数成为日常经营研判的常态化工具。

体系落地核心价值：重塑管理会计价值范式

“AI智能问数”首期聚焦核心经营指标智能问答功能，已实现企业决策与管理模式的双重改革，释放管理价值与经营价值。

在决策效率方面，数据查询实现从“小时级人工处理”，向“秒级智能应答”的变革。系统上线前，查询一份指数数据需要经过多层操作、人工核对，平均消耗约10分钟；系统上线后，按每人每天1次问数估算，全年累计释放了约600小时的决策等待时间，有效提升了经营决策的及时性与灵活性。

在财务转型方面，“AI智能问数”有效释放财务人力效能，财务人员从海量、重复的查数、核算等传统基础工作中抽离，将核心精力专注于深度分析、业务支持和专题研究，推动财务职能从“被动查数”向“主动赋能”转型。

在数据治理方面，“AI智能问数”统一集团数据口径，破除数据壁垒。过去企业普遍存在“同样的问题问不同的人，可能得到不同的答案”。例如“EBITDA是区域分摊前还是分摊后口径？”“成本是库存口径还是生产口径？”跨部门沟通成本极高。而“AI智能问答”输出结果，均严格按照管理报告部固化的标准化指标口径，确保了“一个集团、一个数据、一个口径”，从根本上消除了数据口径混乱带来的沟通成本。

 项目核心创新点

一是交互模式迎来根本变革。传统数据获取从“人际驱动”转变为“系统驱动”。管理者不再需要记住数据由谁负责，也不必等待对方回复，只需像聊天一样提问即可。这种便捷的交互方式极大地降低了数据使用门槛，让数据获取真正做到“随问随答”。

二是实现管理会计规则的隐性传播。所有AI返回的数据均内嵌标准管理会计核算逻辑，包括分产品EBITDA、OCF计算逻辑等，通过AI问答场景传递给每一位使用者。在日常问数过程中，潜移默化地普及管理会计思想与专业分析方法，让标准化数据语言和价值管理理念覆盖全集团，实现管理会计思想的低成本、广范围落地渗透。

三是实现轻量化、高回报落地应用，具备极强行业可复制性。项目摒弃重投入、高门槛的大模型实时计算建设思路，依托企业现有管报平台、BI系统和数据中台，用自然语言交互提升“找数”的便捷性。整体建设投入小、见效快、稳定性高，适合大多数制造业企业借鉴推广，为后续向更深层次的智能分析演进奠定了基础。

未来智能体迭代优化规划

基于当前一期系统的应用成效，结合企业经营发展需求，华新建材明确体系迭代优化方向，持续扩宽智能问数边界、深化智能分析能力。

一是拓宽指标覆盖范围，完善数据底座。针对目前无法查产量、应收账款、每日预测数据等数据短板，补齐日度预测、生产产量、往来账款等多维数据，优化数据中台组织层级维度，实现经营数据全覆盖。

二是升级智能分析能力，实现从“是什么”到“为什么”的跨越。目前AI能回答“是多少、变动多少”，不能解释“为什么”。计划分两步实施：第一步，预置波动归因模板。由财务BP针对销量、价格、成本等核心波动场景，预设影响因子拆解逻辑，实现数据变动的半自动归因解读；第二步，实现智能探索。通过累积高质量数据与语料，引入更先进的模型能力，让AI自动拆解维度并探索波动原因。

三是打造iFinance AI+平台，实现从“管报”到“全方位”。目前AI主要提供管理报告指标数据，服务于财务报告和价值交付。在此基础上，逐步纳入法报数据（利润、所得税等）、业务数据（客户等）、生产数据（能耗、消耗指标等），形成集成式AI平台，打造iFinance AI+平台，为集团战略并购、资源分配、价值交付、流动性管理等全方位经营决策提供智慧支撑（如图3所示）。

图3：iFinance AI+ 数智财务数据价值全景图

行业可借鉴经验

华新建材“AI智能问数”项目的成功落地，为制造行业管理会计数智化转型提供了五大可复用的核心经验。

一是先有“数”，再有“问”。 “AI智能问答”的基础是“有数可问”。如果管理会计报告体系本身不健全，数据口径混乱、更新滞后，AI问答便是空中楼阁。因此，先夯实数据基础（如管报平台），再建设智能问答，顺序不可颠倒。

二是语料库优先级高于算法模型。 在企业级经营AI问答中，决定成败的关键并非模型的先进性，而是拥有一份高质量的同义词库和指标字典。花时间梳理业务“黑话”、建立标准映射，比调三个月的模型参数更具实际价值。

三是容忍“有限智能”，追求“确定价值”。 AI从查数到分析需要循序渐进。应先从“查数”开始，奠定坚实基础；通过快速迭代，优先解决具体痛点的“工具智能”。

四是前置布局权限管理。 智能问答提高了数据获取的便利性，同时也增加了数据泄露的风险。必须在系统上线前梳理清楚权限体系，做到“什么人能看什么数”的规则明确并配置到位，确保数据安全底线。

五是构建用户价值闭环。 用户的每一次提问与纠错，都是对模型的训练。系统中设置便捷的“反馈”按钮，当用户点击“答案错了”，后台即可记录并持续改进。用户的参与是模型持续进化的核心动力。

（来源：本文首发于2026年7月期《新理财》公司理财版杂志，作者汤瑜、张红丽供职于华新建材集团股份有限公司）