| 评论人 | 评论内容 | 评论时间 | 打分 |
| 【小叶芦荟】 | 推进“六个转变”实现基于日排程的“5E”资金管理 一、前言 二、建设背景 （一）外部环境对企业资金管理的挑战 （二）国网总部对加强资金运作的要求 （三）_公司资金精益化管理的需求 （四）新技术为资金精益管理提供支撑 三、主要做法 （一）科学规划，构建资金精益管理体系 （二）精准预测，支撑流量资金精益管控 （三）支付融合，强化业财信息高度贯通 （四）动态排程，助推业务决策智能高效 （五）融资优化，深化增量资金集中管控 四、实施成效 （一）资金管控从“被动接受”到“主动调整”转变 （二）资金收支从“分散运作”到“集中管控”转变 （三）信息流通从“单向传递”到“双向反馈”转变 （四）资金运动从“静态存量”到“动态流量”转变 （五）资金管理从“结算末端”到“业务源头”转变 （六）监督关口从“事后管理”到“事前事中”转变 五、下一步展望 一、前言 当前公司的经营发展面临新的形势，经济新常态深刻改变公司外部经营环境。持续深化的电力体制改革对电网公司的治理机制、盈利模式、经营规模产生深刻影响，大云物移等新技术的广泛应用，也将改变公司的业务布局和商业模式，各级电网的集团化、精益化、标准化、信息化发展将向纵深推进，同时，公司经过几年的信息化建设，积累了海量的内外部经营数据。 新的内外部形式导致公司财务管理的边界条件发生根本改变，要求财务集约化不断创新发展，提高电网投资效益和资金运营效率成为电网企业经营管理的重中之重。在此背景下，_公司积极响应公司财务集约化管理创新发展工作方案中有关“逐步推行二级及以下单位存量资金‘零余额’管理，实施现金流量预算按月编制按日排程”等工作要求，研究提出了以推进“六个转变”为导向，结合售电收入预测、购电费、工程资金等支出预测及支付融合、日排程管理、融资全寿命周期管理等手段，实现“5E”（Electric 是适应电网行业特点的； Efficient是高效的； Economic是有效益的； Electronic是以信息化为支撑的； E_cellent是一流、卓越的资金管理）资金精益化管理。 二、建设背景 （一）外部环境对企业资金管理的挑战 从外部发展形势看，宏观经济新常态短期内不会改变，售电量增速出现下滑，电力体制改革加速落地，电网公司盈利模式向过网费模式转变资金管理潜力，_公司以实施精细化现金流量管理为导向，借助大数据分析技术，搭建现金流入流出预测模型，通过对现金收支业务细致地梳理，建立资金日排程管理体系，实现对资金支出动态优化排程，提升资金管理精益化和智能化水平。 （四）新技术为资金精益管理提供支撑 国家电网公司于_年初启动全业务统一数据中心建设，，建成“数据干净透明、模型规范统一、分析灵活智能”的全业务统一数据中心，面向全业务范围、全数据类型、全时间维度数据提供统一的存储、管理与服务，实现源端业务高度融合、数据充分共享、后端大数据分析的信息化应用新局面。_公司作为国网公司全业务统一数据中心及大数据平台试点单位，创新采用阿里云安全可控平台，于_年完成150台服务器规模的企业云服务平台搭建工作，并于_年完成包括ERP系统、营销业务应用系统、财务管控等17套信息系统的数据接入工作，为营销收入预测、各类支出预测、日排程等各类基于大数据的分析预测模型搭建提供了强有力的支撑。 三、主要做法 （一）科学规划，构建资金精益管理体系 _公司在公司总部领导下，遵循公司统一要求：以资金“两个池”（应收池、应付池）、融资“一本账”（融资台账）为基础，以全面提高“资金三性”（安全性、效率性和效益性）为目标，以强化“业财三项能力”（信息融合能力、职责明晰能力、管控协同能力）为导向，以信息化系统支撑为手段，构建资金精益管理体系，包括： 1、全方位的收入预测 实现精准预测月售电量、预测应收电费发行、预测日回收电费资金到账，从而为实施精益现金流量管理提供基础和保障。 2、全口径的支付融合 实现资金的收支信息从前端业务发起到实际执行的各个环节数据同源，减少数据的人为干预，实现数据的自动推送和生成，实现业务流、信息流和资金流的零偏差。 3、全流程的组织融合 实现纵向从县公司、市公司到省公司之间的数据贯通，横向从业务部门到财务部门之间的资源共享、信息互通，充分发挥协同效应，提升业务处理效率。 4、全系统的平台融合 加强系统间集成融合，消除系统间的壁垒，支撑业务和数据顺畅流转，实现由业务驱动向数据驱动转变；优化系统功能，支撑公司的资金管理精准化、精益化、智能化决策。 建立资金预算应收池、应付池，与业务处理过程高度融合，建设一套权责清晰、管理精益、运行高效、广泛适用、安全先进的资金业务收支流程，实现所有收付款业务由前端发起、信息全流程在线反映、应收池和应付池自动形成、现金流预算按日排程、资金安全可控在控。 （二）精准预测，支撑流量资金精益管控 随着近年来公司信息化、自动化建设的大力推进，_公司营销业务应用系统、用电信息采集系统已覆盖全省2600万用电客户，记录了包括用户用电行为、应收电费趋势、交费行为以及资金到账规律等海量数据。从数据时效性、广泛性来看，公司拥有的数据已经体现出了企业大数据特征，为大数据应用奠定了数据基础。 在此基础上，_公司以支撑融资缺口预测、优化收支日排程业务实际应用为导向，创新应用大数据手段开展售电日现金流量精准预测模型的设计探索，利用聚类、回归、关联分析等大数据机器学习算法对售电客户的历史用电行为、交费行为、资金到账规律进行建模，改变以往根据整体平均数据和大致趋势进行售电收入预测的粗线条管理模式，避免人为误差，支持模型持续优化，提高预测数据的精准度。 1、售电月现金流量预测模型 针对售电月现金流量的预测，采用时间序列模型。 结合ARIMA时间序列模型和加法模型进行预测，将月现金流量序列分高低压用户分解为趋势分量序列、季节周期分量序列和随机分量序列，并对分别这三个序列分别进行预测，最后将预测得到的三个序列值合计得到月现金流量。其中对趋势分量采用ARIMA模型进行预测，对季节周期分量按“近大远小”原则采用基于历史同期同类分量的加权法进行预测，对随机分量采用历史同期同类的平均值进行预测。 基于_公司某地区历史5年的数据，将用户按照高低压分类分别预测后合计，得到全用户月现金流量总额。 _年7月至_年1月的数据为训练样本，_年2月至_年5月为预测样本，截至目前采用上述模型进行预测结果如下： 根据高低压用户电费发行及到账规律，构建截至某日累计发行电费与月现金流量的线性回归模型，并对误差进行分析，找到误差较低的时间节点。在相应日期采用回归预测模型，对月现金流量预测值进行修正。 回归模型作为相对时间序列模型的补充，可在当月固定时间节点对月现金流量预测值进行修正，以提高预测准确率。 2、售电日现金流量预测模型 售电日现金流量预测模型分以下三步开展。 第一步：在售电月现金流量预测的基础上，根据高低压用户群体不同的到账规律，根据每日现金流量规律将日期进行分类，并以此构建高低压到账日度量系数，用于衡量不同日期对月现金流量的贡献。 以高压用户为例，存在以下规律： 日发行电费与日现金流量具有较强的相关性，普遍呈现出T+1天的延迟； 存在发行高峰日期之后的第一个工作日一般为日现金流高峰，节假日流量较低，其他日期相对稳定也存在差异。 根据以上 | 2021-4-25 6:45:12 | 5分 |