管理会计的发展离不开与信息技术的融合。信息化是支持管理会计理念与方法落地，支撑管理会计功能发挥和价值实现的重要手段和推动力量。将信息技术应用到管理会计领域，可以有效突破传统管理会计在时间空间上的限制，深入挖掘企业各个流程的相关数据，实现信息的实时传递与分析，提高计算的准确度，提升管理会计信息的及时性和有效性。
        在数字化时代，一方面，企业面对的市场环境日益复杂多变，企业所掌握的数据量也越来越大、越来越复杂，企业对信息和数据的要求更加精细、实时、多维度，而传统的管理会计系统已无法应对这些更高的需求；另一方面，以“大智移云物”为代表的新一代信息技术发展迅速，在各个领域展开了应用之路。在管理会计领域，与新技术相融合的智能管理会计极大地拓展了数据应用的可能性，使企业能够高效而深入地开展数字化的规划、控制、决策、评价，充分应对市场中的各种不确定性。
        智能管理会计具有如下五大特点。
        第一，基础数据标准化
        新一代信息技术的发展和应用使数据治理方式获得了极大扩展，数据治理的效率也得到了显著提升。基于强大的数据治理技术，管理会计系统可以在确保数据安全的前提下，对来自不同应用系统的结构化、半结构化、非结构化数据的数据标准进行实时、动态梳理，开展主数据、元数据、数据质量管理，提高各类数据的质址，使大量隐没在数据坟墓中杂乱无章的数据转变为清晰有序、有条理、有脉络的数据资产，赋能前端应用，并使前端应用产生的新数据再次进入到整个数据全生命周期中。基于高效的数据治理体系，管理会计将更加依赖内外部的高质量数据开展工作，更好地赋能企业经营管控和业务决策。
        第二，系统架构中台化
        在传统的企业信息化架构下，管理会计系统与企业其他系统都是相互独立的，各个系统之间的连接性不高，呈现烟囱式的架构，既不利于数据传递和共享，也不利于管理效率提升。
基于对中台思维的引入，智能管理会计在系统架构上通过在前后台之间增加一层系统（即数据中台），将企业信息化架构由不同平台下分散的烟囱式系统集群变革为部署在同一平台下基于服务的应用系统集群，不仅可以令管理会计具备更敏捷的响应能力，以满足不断变化的业务前端对后端管理提出的各项需求；还能打通和汇聚多源数据，实现数据资产化和内外部数据的整合，将其实时动态地共享和复用给前端应用系统，开展丰富的场景化应用。
        第三，工具应用场景化
        以往管理会计更多地强调用数据支持企业决策，但在互联网环境下，管理会计将会更讲究赋能。这个赋能不仅仅是为企业管理赋能，更重要的是为业务运营赋能。这就需要管理会计能够实现从全面化到场景化的转变。
场景化的管理会计应用是针对企业业务经营的具体场景开展的数据应用。其应用例如零售企业基于场景化应用开展区域单品的销售预测，房地产企业对所持有房产的价值分析，制造企业针对重点产品开展产销协同分析，服装企业依据某季服装销售额做出的库存、物流优化决策等。
对场景的关注使得管理会计从原来为企业解决一个大问题，变成解决一系列具体业务中的小问题。基于此，我们将会看到：对于经营预测、销量预测、成本管理、风险管理等相关领域，不同企业会投入不同的关注重点。

        第四，数据赋能主动化
        传统管理会计系统，由于数据采集、数据整理、数据加工比较缓慢。相关信息也不充分，所以更多地强调用数据支持管理层的决策，对一线业务部门赋能，对运营端的支持相对薄弱。数据中台实现了数据数量、质量、治理能力、计算能力和分析能力的大幅提升，使管理会计与业务经营的融合更紧密。这使得管理会计能够更多地应用于销售、生产、供应链和研发创新等价值链环节的具体业务场景中，主动为业务运营赋能。
管理会计系统可以开展主动预警：通过AI算法重塑人与数据的关系，能够定位每位用户最应关注的指标，并建立预警管理闭环，主动监控数据异动，第一时间推送给适合的人。管理会计系统还可以基于知识图谱进行关联问题的智能推荐，如根据分析对象自动推荐定制化的数据可视化展示等。
        第五，技术融合智能化
        智能技术是智能管理会计得以全面实现的底层技术和前提条件。人工智能的应用分为运算智能、感知智能、认知智能三个阶段。运算智能让系统能存会算，感知智能让系统“能听会说，能看会认”，而认知智能让系统“能理解，会思考”，也就是可以联想推理。认知智能是未来数据智能应用中最重要的方向，也是智能技术在管理会计应用中的最大挑战。
        突破认知智能阶段所依靠的是以机器学习为核心的智能技术。机器学习可以用来解决多变量、很难用一个规则来计算的计算模型，通过机器学习可以不集大量的预测参数，对数据的输出进行快速计算。于机器学习技术，系统可以基于对业务知识的理解。科学预测、合理控制、智能分析，真正成为管理和财务人员的智能助手，亚马逊利用机器学习算法动态定价，每天有约250万次的价格调整，禁体提升利测达25%。银行利用强化学习算法探索需求收益率最大化，机器不仅学习大数据场景进行贷款定价，还面向不同客户进行贷款定价，不过，管理会计更多的是面对内部管理及场景，这给机器学习算法支持相应应用带来了困难。本来，机器学习结合自然语言处理、知识图谱的数据交互分析技术，将给木来管理会计数据分析带来更大帮助。例如，企业可通过构建数据与业务的知识图谱，建立数据分析的推理链路，实现数据变动的自动归因测源分析，辅助业务决策。在认知智能的帮助下，企业的管理报告场景可支持更灵活的分析、更细分的业务场景、这将极大提高企业日常生产经营的决策力。