当财务同事问你「为什么这个月的利润跟预算差这么多」，你会怎么回答？以前我们回答不上来，现在我们有600+用户每天在用AI财报分析查这个问题。

财务人的痛点

每个月末，都是财务同事最忙的时候：

• 「这个月收入为什么少了100万？」
• 「成本异常是哪个部门导致的？」
• 「预算执行偏差怎么这么大？」

以前我们是这样的：

1. 财务同事提需求
2. 数据团队跑SQL
3. 等分析师排期
4. 三天后出报告

平均响应时间：3天财务同事满意度：崩溃

我们做了什么

第一步：找到「对的人」

我们没有一上来就堆技术，而是问了财务同事一个问题：

「你平时分析财报时，最常用的三个数据是什么？」

答案出乎意料：

• 收入、毛利、净利
• 部门费用明细
• 预算执行率

洞察：财务人不需要「炫酷的仪表盘」，只需要「能回答问题的数据」。

第二步：搭建数据底座

数据源

• EBS总账系统（财务主数据）
• 预算系统（预算编制）
• 合同系统（收入确认）

存储

• 向量数据库存储历史财报分析案例
• 关系数据库存财务主数据

核心指标库

收入类：收入、毛利、净利、毛利率成本类：总成本、成本率、部门成本费用类：部门费用、费用率、预算执行率盈利类：EBIT、净利润、ROE

第三步：训练AI财务分析师

我们用了三个月的财务对话数据，训练了一个「财报问答模型」：

提示词核心结构

你是一名资深财务分析师，负责回答关于公司财报的问题。数据范围：[2024-01]至[2026-04]公司范围：19家子公司分析维度：收入、成本、费用、盈利回答格式：1. 直接回答问题（用数据说话）2. 给出原因分析（可能的业务因素）3. 建议下一步行动（需要找谁确认）

准确率优化路径

• 第1版：60%（经常答非所问）
• 第2版：73%（加了「财务专业词汇表」）
• 第3版：85%（加了「追问机制」）
• 当前版：88%+（持续优化中）

数据会说话

上线六个月：

• 覆盖公司：19家
• 累计用户：600+
• 日活跃用户：120+
• 平均响应时间：8秒（以前3天）

业务价值

以前财务分析流程：

需求提出 → 排期等3天 → 分析 → 报告 → 回复 (~5天)

现在：

提问 → AI即时回答 (~8秒)

节省时间 = 5天 - 8秒 ≈ 5天

我们的心得

1. 先解决问题，再谈酷炫
   ——财务要的是「能用的AI」，不是「最前沿的模型」
2. 数据质量是命门
   ——Garbage In, Garbage Out
3. 持续优化最重要
   ——准确率从60%到88%，不是一次性的，是三个月磨出来的

下期预告：AI项目怎么推落地：技术人的孤独探索