战略到执行的企业绩效管理体系对于大型企业至关重要，国际大型企业将其置于一级核心流程之一的位置。
我国大型企业绩效管理运行中通常出现的“五大”痛点：战略实现路径不清晰、业务计划形不成合力、预算资源配置效果不佳、绩效目标分解不成体系、管理执行和监控不集成等。
要彻底根除以上问题，不能依靠单点解决，而是要从顶层出发，通过“对标世界一流”，进行系统性的企业级变革，同时借助数字化、智能化手段实现管理能力的弯道超车。
“三变一化”，建立企业战略到执行的绩效管理体系
国内大型企业应该从“三变一化”着手，才能实现企业战略到执行的绩效管理体系产生根本性的改进。即：变革理念、变革组织、变革流程和数智化。唯有将“三变”与“一化”相结合，才能产生“1+1>2”的倍增效应，从而缩小与国际企业的差距，在新一轮全球竞争中取得优势。
一，变革理念，提升企业绩效管理的地位和意识。二，变革组织，建立流程型组织和清晰的责任体系。三，变革流程，重构战略到执行的企业绩效管理体系。
数字化、智能化技术是推动企业绩效管理体系高效运转的基础。在全球化、数字化、国产化三浪叠加的背景下，目前国内一些服务于ToB业务的头部厂商，如用友公司，已经在企业绩效管理方面突破了一些核心技术，将为国内大型企业绩效管理插上数智化的翅膀。
插上数智化的翅膀，让大型企业绩效管理更高效
用友通过构建和运行全球领先的商业创新平台——用友BIP，服务企业数智化转型和商业创新。用友BIP|财务云，基于事项法会计理论，采用最新的大智物移云的技术，构建财务会计、管理会计、税务服务、费控服务、财资服务、企业绩效、档案服务、数据服务、共享服务的全新一代财务体系。
用BIP|财务云，构建基于多维模型的企业绩效管理新体系，支持复杂业务规则，预算预测场景应用、合并报表应用、管理报告应用、全球所得税报表应用等。通过先进的数智化技术融合企业财务业务场景，助力大型企业绩效管理体系高效运行。
一，基于OLAP的内存式多维数据库技术，实现数据处理性能质的飞跃。
传统国内企业绩效管理(EPM)高端市场长期被一些国际厂商产品所占据。近年来，国内一些厂商已经在基于OLAP的内存式多维数据库上取得了长足的进步。该技术有以下重要特性，将极大提升大型企业在全面预算、合并报表、多维分析等领域的数据处理能力。
多维引擎：采用自主可控多维引擎技术，支持多维度预算编制、报表展现和多维灵活分析;
内存计算：利用内存快速访问的特性，把数据完整保留于内存，并通过优化的存储结构和算法处理数据和复杂逻辑，将用户的数据读写请求转换为内存读写和内存计算，极大提升系统性能;
高性能内存计算：支持对海量数据进行聚合和运算，满足对数据进行快速查询和分析需求。
灵活建模：改变“公式”定义规则模式，以Python及系统函数的方式设定规则脚本，如通过Python语言定义合并报表、预算编制等计算逻辑，让数据处理更加便捷、灵活和高效。
二，基于事项的智能核算系统，将使“多维、精细、实时”的管理会计核算成为可能。
会计信息是被不同的决策者利用的，每个决策者对会计信息的种类、信息量、汇总程度的关注点不同。然而，传统会计信息系统仅提供了价值汇总程度很高的会计信息(如会计报表)，显然不能满足各个不同层次、不同种类的决策者的需要。
在此背景下，美国教授索特在1969年明确提出了事项会计法，但受制于当时的信息技术等因素，该方法没有得到广泛应用。
在数字化的今天，企业对数据服务的广度和深度愈来愈高，在数据湖等新技术的加持下，数据存储、加工和计算能力不断提升，事项会计法开始焕发了新的生机，其实现的基本逻辑如下：
首先，通过数据移动、数据湖等技术将前端各业务系统发生的“原汁原味”的各类经济业务事项实时采集到事项库中，数据湖技术有效解决了大数据量存储问题。
其次，在事项库中基于核算规则和事项转换规则，将标准业务事项转换为业务和财务事项。如将采购入库业务事项转换为采购应付业务和财务事项。
最后，在智能会计平台中，定义入账规则、科目对照，凭证模板等规则，即可实时产生基于业务的会计凭证。
用友BIP|财务云新一代智能核算系统将可根据不同核算目的，基于会计引擎实现不同颗粒度的自动化核算服务。
如基于会计准则的“粗财会”核算和基于内部管理会计规则的“细管会”核算，并实现二者数据的“同源分流”，即二者都是基于前端相同的业务事项进行核算的，这将有效解决很多大型企业管理会计和财务会计差异分析追踪的难题。
基于事项的智能核算技术将有力促进大型企业基于划小核算、阿米巴等内部市场化的精细核算需求，助力大型企业实时出具内部管理报告。
三，基于数据中台的智能分析技术，将极大提升企业的数据服务能力，实现数据驱动的智能预测，智能分析和智能决策。
国内大型企业在ERP时代建立了很多异构的业务系统。如何利用好这些数据资源成为了一道难题。而数据中台技术的出现将可以有效解决这一难题。
大型企业可以基于数据中台，建立企业级的数据中心，通过数据移动将企业所有历史投资的系统上的数据及外部收集的数据进行汇聚、清洗和转换，形成有价值的数据资产。
结合人工智能技术，利用“模型+算法”以及机器学习等技术，实现基于数据驱动的智能预测、智能决策、智能分析等智能化应用。
