加速数字高校治理方式，提供预算绩效管理高技术配置

水牛翻筋斗

前言

站在数字经济时代前沿，加速数字高校治理方式，结合机器学习等前沿技术，提供预算绩效管理高技术配置，助推我国高校数字化治理体制建设至关重要。

一、全面预算管理的价值链改进
预算管理控制的过程是一个此消彼长的联动关系，某一个方面投入较大控制资源，在人力、物力等总资源一定的前提下，就会削弱其他流程的控制力度，我们要解决的问题是，如何在不同流程有效地分配控制资源，使得系统的效益最佳。
预算绩效信息对预算的影响，也是对组织价值链的调整和改进，分析预算绩效信息的影响作用，可以从绩效信息对高校运营价值链的作用机理进行量化分析。而价值链各节点对组织的价值贡献量化手段依赖于机器学习算法的支持，机器学习擅长建立变量之间的函数关系，应用价值工程法。
基于机器学习进行预算过程控制分析、各个流程之间的联动性分析，以及各个流程管理耗用的资源及对绩效的贡献程度，根据对绩效结果的影响程度，筛选出关联性流程和增值性流程，根据绩效结果的变动方向，减少或消除不必要流程，加大社会效益关键贡献业务的投入。

价值工程的核心是以最低的成本实现产品应具备的必要功能。Ｖ（价值）＝Ｆ（功能）／Ｃ（成本）王雍君指出，通过整合“基本预算”和“项目预算”，使其向“规划预算”模式发展，通过对比相对贡献和相对成本进行作业规划，提高绩效信息的作业指导性。
用公式简易归纳，相对价值＝相对贡献／相对成本，吻合价值工程法对价值的定义，即在可实现目标一致的前提，通过绩效信息分析，选择相对价值更高的活动，从而达到结果应用的目的。
另外，在预算绩效评价结果嵌入价值判断信息，可为高校的价值创造指出存在的问题，并因果溯源，基于战略目标将绩效问题分解到各层级岗位，使各级岗位更清晰组织需要他们采取的行动方向。

二、溯源高校预算绩效信息使用领域
从构建全方位、全过程、全覆盖的全面预算管理到全面预算绩效管理，溯源高校预算绩效信息使用的领域：所有收入和支出。机器学习助力绩效信息在使用领域影响跃迁，采用更灵活的领域划分，细化收入和支出的分类，便利定位绩效贡献的来源和管理改进方向。绩效管理融合机器学习算法，通过对学校收入结构、收入到位情况和催收制度、减免政策的改进，为支出的效益、产出和成本提供参考。
三、预算绩效结果应用保障机制
（一）完善绩效信息使用的组织机构和奖惩机制
合理的组织机构设置对绩效理念的贯彻和机器学习情境下的结果应用机制保障至关重要，它决定了整个机制的持续完善性和稳定性、前瞻性。

完善决策机构（学校预算管理委员会）、明晰决策负责人（总负责人、校党委、分模块管理层负责人处长、预算科长等）、强化相关人员胜任能力和职业操守、改进内部控制对决策层、技术设计层、执行层、评价层不相容岗位分离的设置，优化绩效结果应用所涉机构之间的权责联动分配，构成绩效结果应用机制的重要组织机构环境。
推行预算绩效管理目标责任制，将预算绩效结果应用机制、效果与相关责任人的工作绩效挂钩，基层财务人员只能对预算资金使用合规性负责，无法对预算执行的效益、效率负责，而领导者的绩效理念和对预算绩效政策的领悟决定了绩效运行的深度和广度，对绩效结果应用机制至关重要，它意味着，具有激励效应的基于绩效的领导人奖励机制能在一定程度上促进以提高绩效产出为目标的绩效结果应用程度。

（二）建立基于机器学习的绩效信息应用制度体系
国家层面尚未制定统一的预算绩效结果应用制度，值得肯定的是，良好的制度设计可以减少管理的不确定性，使复杂的管理活动更具“可预见性”，为绩效结果有效解决各类问题提供了重要保障。
通过制度化实现以下目的：第一，建立绩效管理制度落实绩效管理常态化治理约束机制，通过日常绩效管理情况总结建立操作导向性的结果应用制度体系；第二，通过制度界定重要性水平，对重要的预算决策和管理实施额外的风险应对措施。
制度一方面保障了机器学习技术下的绩效结果应用机制顺利开展，另一方面制度的完善又需要机器学习算法辅助分析。机器学习通过ＮＬＰ分析、文本匹配、ＯＣＲ文本检测、字符分析，对交叉重复、碎片化的政策规定予以整合，找出文件的重复处和矛盾处，提供大量缺失政策的经济处理事项的聚类与政策改进建议；

通过动态分析文本政策制订及执行与绩效结果之间的关联，推导政策的有效性，改进政策的关键条款，分析绩效结果的变动状态，并依据新的绩效结果调整政策文本，进行新一轮的政策执行与评估，推动绩效结果与政策之间的动态关联。
（三）构建基于机器学习的绩效信息管理系统
预算绩效改革的推行视现有系统的有效性和影响性，考虑将改革因素融入到现有的系统并有效作用，而不是单纯的想替换原有的系统。嵌入机器学习系统，形成基于机器学习的预算绩效结果应用系统。系统提供信息支持必须与预算管理和绩效评价体系互相耦合，为预算决策和管理改善、战略实现达成良性支持。
智能化管理的基础环境要求建立系统之间标准接口，系统之间数据相互打通，不同系统的数据要求高质量、同源的、同标准的，后续不同职能部门之间的数据流转没有口径转换和缩放问题，以支持机器学习数据关联分析需求。

（四）风险管控绩效评价结果
包含各类指标的计算与评分，依据机器学习进行动态实时指标风险控制，将动态风险控制在可接受水平，是实现绩效目标管理的必要保障，同时也促进了绩效管理理念的普及。机器学习通过分析过去各项指标值与运营面临的低绩效产出风险系数，建立函数关联，确定各指标的单项预警线与关联指标结构预警线，为系统绩效产出控制指标提供可接受区间，对预算执行设置报警和阻止机制。
首先，分析指标之间的关联，如资金支付与预算绩效目标完成度配比率、预算资金支付对制度政策红线的触犯、可持续发展能力、资金流指标、满意度指标等，强调指标之间的互相印证，对指标进行实时分析、动态监控。

其次，设定一定时间间隔的自动指标计算程序，利用机器学习进行数据无监督训练，进行异常检测并生成异常数据，汇总异常报告。另外，机器学习一个较为成熟的应用，是根据历史数据预测下一次的发生数。
在资金流方面，便可根据资金日流动量信息预测下一日或几日的资金流量，计算不同的资金流情况对绩效产出的影响程度，通过资金流的评价信息提高资金流动的合理性，提高资金流动管理的针对性，促进资金管理平稳性，减少资金管控风险，便于高校从可持续性发展的角度安排各期间之间的预算资金使用情况。
微观组织的优质绩效管理是构建财政宏观绩效的基石，借由财政预算绩效改革这股东风之力破解高校内部绩效管理“瓶颈”，融合数智化技术提出针对高校的解决对策也是化解现有财政预算绩效结果应用低效局面的途径。

本文在国内外预算绩效结果应用的相关文献研究基础上得出，建立预算绩效结果应用机制，首先须明晰绩效结果形成阶段及应用阶段尚存在的各种问题是导致绩效应用薄弱的根本原因。伴随着数智化时代推动和会计学科创新发展需求，以建立关联为本质的机器学习可望成为高校预算绩效管理的重要技术配置。
研究表明，依托机器学习，从提高目标激励性、增强信息预测性、成本可控性、指标体系优化等方面持续提升绩效评价结果的质量，并预测各影响因素变动对绩效结果的关联影响，改进资金投入方向和结构、政策、管理模式等因素，辅以价值链基础上的增值流程分析。
重构成本效益性的以结果为导向的预算绩效管理机制，有望解决预算绩效管理改革中普遍存在的评价主观性、模糊性、结果应用逻辑匹配不充分等问题。

来源：http://www.yidianzixun.com/article/0mIFaJ7J
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！