财报列报迎来十余年来最大规模修订！2026年8月5日，财政部公开发布《企业会计准则第30号——财务报表列报》（财会〔2026〕11号）。这是自2014年以来，我国财务报表列报准则时隔十余年迎来的最大规模结构性重塑。新准则由原45条扩展至71条，此次修订延续我国企业会计准则与国际财务报告准则的持续趋同，在多项核心列报要求上与 IFRS 18 相衔接，旨在提升报表列报质量与会计信息透明度。实施节奏梯度过渡 时间窗口逐批关闭◈ 同时在境内外上市的企业，以及仅在境外上市并采用国际财务报告准则或企业会计准则编制财务报表的企业：2027年1月1日起率先执行——已不足4个月！◈ 境内其他上市企业：2029年起实施；◈ 执行企业会计准则的非上市企业：宽限至2030年。同时，新准则要求调整相关报表项目以及相应的比较报表、附注数据——首批2027年执行企业通常需要准备2026年比较期间的数据。这意味着准则切换不是“未来时”，而是“现在进行时”。四大核心变化直击合并报表系统痛点本次修订的主要影响集中在列示和披露，整体上不改变多数交易和事项的确认计量要求，符合特定衔接条件的企业仍需单独评估相关会计政策选择。以下四大变化，对企业的合并报表系统提出了全新的配置与计算要求，每一项都涉及底层逻辑改造：利润表结构全面重构“五分类”体系落地新准则将当期损益划分为经营、投资、筹资、所得税费用、终止经营五个类别，新增“经营利润” “经营及投资利润” “持续经营利润”等合计项目，并建立新的利润表分类框架，明确最低列示项目和必须列示的合计、分项项目。💢系统冲击：科目结构、计算规则、报表模板，全部需要重新设计与配置！引入管理层业绩指标（MPM）披露要求新准则要求，企业在正式公开资料中使用的、反映整体财务业绩的非准则损益指标，符合条件的应作为管理层业绩指标（MPM）披露，并说明其计算方法及与准则指标的调节关系。企业需评估现有系统是否能够支持 MPM 的计算、调节、比较数据，以及调节项目所得税和少数股东损益影响的披露。💢系统冲击：自定义指标的定义、计算、追溯、披露，一套能力都不能少！明确财务信息汇总与分解原则具有共同特征的项目汇总列报，不同特征的项目分解列报。个别报表与合并报表层面的损益分类可能不同，集团内各主体主要业务不同时，合并层面的判断也可能不同——合并报表编制与系统计算复杂度大幅提升。完善“重要性”定义新增“模糊处理”判断条件新准则对“重要性”的定义进行了修订，明确在合理预期下，财务报表某项目的省略、错报或模糊处理会影响使用者据此作出经济决策的，该项目具有重要性。其中，“模糊处理”为新增条件，是指相关信息虽然存在于财务报表中，但因其呈现方式不恰当，导致使用者难以获取或理解重要信息，从而产生与省略或错报相似的影响。该修订提出了更加严格、完善的重要性判断标准。💢系统影响：合并系统需支持按主体、按项目配置重要性阈值，并对汇总后可能模糊重要信息的场景给出预警，确保附注披露的颗粒度满足新准则要求。💢系统冲击：多层级分类逻辑与合并调整能力，复杂度成倍增长！合并系统升级从“可选”到“必选”上述变化，对合并报表系统带来的是根本性冲击。尤其对多层合并集团：众多子公司口径统一、海量历史数据追溯、合并系统迭代——单一报表调整，根本无法覆盖全链条改造需求！历史数据追溯调整意味着：不仅要改写未来的报表生成逻辑，还要对涉及的比较报表和附注数据作相应调整。数据迁移与计算能力，将直接决定切换成败。系统升级，已经没有“等等再看”的余地！汉得解决方案系统优化 快速适配准则切换汉得专注为使用合并系统（HFM / FCCS / BPC / 丰贺等）的企业提供准则适配升级服务，已成功为大型企业集团完成 CAS 30 新准则下的系统改造，实施经验成熟、方案标准化。八项核心能力，一站式护航：✅ 准则差异分析与影响评估：全面梳理对科目体系、计算逻辑、披露要求的影响，出具差异分析报告与改造方案。✅ 科目体系重构：按“五分类”重新设计科目体系，确保每笔损益准确归类。✅ 计算规则与业务规则重写：全面重构业务规则与成员公式，确保计算准确无误。✅ 合并调整逻辑增强：支持个别报表与合并报表层面分类不一致的调整。✅ 管理层业绩指标（MPM）模块配置：预置自定义指标的定义、计算与披露数据提取功能。✅ 利润表报表模板全面更新：按新准则统一格式重新设计财务报告模板。✅ 历史数据追溯调整：支持首批2027年执行企业对2026年比较期间数据全面追溯重述，平稳过渡。✅ 全流程测试与上线支持：从测试验证到生产上线的全流程保障，业务中断风险降至最低。成功案例已为企业完成准则切换升级汉得已为大型企业集团完成 IFRS 18 列报改造并上线运行，并依据 CAS 30 最终稿开展并行期报表出具与差异验证，积累了相关系统实施经验，确保企业在准则生效前顺利完成系统切换、平稳过渡至新列报体系。现在行动，从容应对再拖一天，被动一天新列报准则将于2027年1月1日正式施行，并按企业类型分批执行，留给企业的准备时间已十分紧迫。首批2027年执行企业还需准备2026年相关比较数据及新旧准则调节信息，越早启动，越能为测试验证与历史数据重述留出充足时间。准则变革是挑战，更是系统升级与流程优化的契机。汉得愿与您携手，将这次准则切换转化为企业合并报表管理能力全面跃升的起点！如需了解更多详情或获取定制化升级方案，欢迎联系您熟悉的汉得销售或扫描文末二维码立即咨询。携手汉得，共铸硬核竞争力！

近日，汉得顺利通过 DCMM（数据管理能力成熟度评估模型）四级认证。如何把经过验证的数据能力，转化为客户看得见、用得上的业务价值，并进一步支撑 AI 数字员工进入企业正式工作，是每个企业 AI 智能化升级核心目标。DCMMDCMM 是我国数据管理领域的重要国家标准，依据 GB/T 36073—2018，从数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用和数据生存周期八个能力域，对企业的数据管理能力进行系统评估。该标准将企业数据管理能力划分为五个等级，从低到高分别为：初始级（1级）、受管理级（2级）、稳健级（3级）、量化管理级（4级）和优化级（5级）。四级对应“量化管理级”，意味着企业已经建立较为完整的数据管理体系，并能够对关键数据管理过程进行量化监测和持续优化。目前，全国四级及以上获证企业占比不足2%，充分体现了该等级的含金量与认证难度。AI 越深入企业越需要可信数据企业并不缺数据。ERP、CRM、MES、WMS、SRM、EPM 等系统已经运行多年，订单、客户、供应商、产品、库存、质量和财务等数据沉淀在不同系统中。但“系统里有数据”，并不等于“业务可以直接使用”。同一个客户，在不同系统中可能有不同编码；同一个经营指标，不同部门可能采用不同口径。尤其当企业发生组织调整、区域合并或科目变化后，今年与去年的数据看似都在，却不一定能够直接比较。过去，这些问题可能只是让报表做得慢一些、对数时间长一些。当 AI 开始获取企业数据、生成经营结论，甚至参与业务执行时，问题就会被进一步放大：💢数据来源不清楚，AI 就无法判断应该相信哪一个结果；💢指标口径不一致，AI 给出的答案越快，风险反而可能越大；💢权限和责任不明确，AI 就难以进入企业正式工作。因此，AI 越深入企业，越需要可信、可理解、可追溯的数据基础。汉得不仅懂数据更懂数据背后的业务企业数据治理真正困难的地方，从来不只是把数据接进来、存下来。数据背后是企业的组织、流程、规则和经营逻辑。比如，管理者要比较今年与去年同口径的经营变化，看起来只是调取两组数据。但如果期间发生了组织调整、区域合并或科目变化，直接取数得到的结果就未必可比。此时，数据团队不仅要找到数字，还要识别组织变化、建立映射关系、统一计算口径，并保留可追溯的依据。这既需要数据技术，也需要对企业组织、业务流程和经营管理的理解。长期以来，汉得持续参与企业 ERP、供应链、制造、财务、人力和营销等核心系统建设。我们不仅熟悉数据存放在哪里，也理解数据为什么产生、在业务中如何流转、最终要支持什么工作。这种“业务理解＋系统经验＋数据能力”的融合，形成了汉得服务复杂企业数据建设的综合能力。此次 DCMM 四级认证，验证的不只是平台和工具，也包括数据战略、组织机制、管理制度、业务流程、质量标准、安全权限和持续运营能力。这些能力最终要解决的，是同一件事：让数据不仅能被找到，更能被业务持续、准确地使用从可信数据到 AI 数字员工岗位履职当 AI 开始融入企业核心业务流程、使用企业专有数据，参与核对、分析、提醒和业务协同时，企业对 AI 的要求也随之发生变化。企业要的 AI 数字员工从来不仅仅是数字文员它不能只会写材料、做总结、回答问题，还要知道：❓ 数据从哪里来❓ 企业采用什么口径❓ 谁有权限查看❓ 什么时候应该工作❓ 发现问题后又应该交给谁处理围绕这条路径，汉得形成了 DATA × AI 的完整支撑体系：H-ONE融合数据平台（灵狐）治理数据来源、口径、质量和权限，为 AI 提供可信数据；SmartBrain企业知识平台（灵知）沉淀制度、规则、流程和业务经验，让 AI 理解企业自己的工作方法；DataClaw 企业 AI 数字员工中心（灵舟）把数据和知识转化为岗位能力，让 AI 能够进入真实工作并持续履职。在权限控制和审计机制下，不同岗位的 AI 数字员工可以承担不同工作：有的调用 MES、WMS，持续发现工单、库存和质量异常，并及时提醒相关人员；有的调用 ERP、SRM、CRM，完成跨系统核对、经营跟踪和协同提醒；有的结合 EPM、BI，开展经营分析、追溯异常原因，为管理者提供决策参考。它们不是替代企业已有系统，而是在现有系统之上，把数据、知识、规则和业务动作串联起来，逐步接住一项完整工作。DCMM 四级把数据能力转化为客户价值DCMM 四级证明的是，汉得已经具备的数据管理能力。客户真正关心的，则是这些能力能否解决自己的问题：❓ 跨系统数据能不能连起来❓ 指标口径能不能统一❓ 数据质量和权限能不能管住❓ AI 能不能使用可信数据，进入一项真实工作企业不必等所有数据问题全部解决后，再开始探索 AI。更务实的方式，是先选择一个岗位、一项高频工作，明确它需要使用的数据、知识、规则、权限和验收标准，让 AI 数字员工先试岗、先验证价值。验证成功后，再从一项工作扩展到一个岗位，从一个岗位走向一条业务链，逐步形成企业自己的AI 数字员工体系。这正是汉得 DATA x AI 持续推动的变化：让知识会思考让数据会决策让 AI 会工作如果您的企业也面临数据口径不统一、跨系统取数困难，或者正在考虑让 AI 进入正式业务工作，欢迎联系您熟悉的汉得销售或扫描文末的咨询二维码。从一个岗位、一项真实任务开始，完成一次 AI 数字员工上岗评估与试岗验证。携手汉得，共铸硬核竞争力！

🤦🏼‍♂AI 会写材料、做 PPT，就准备让它进企业上岗？💢不是会聊天，就叫上岗？办公AI提升个人效率，汉得 DataClaw 面向企业岗位履职。二者不是二选一，而是“1+1”。😑每来一个 AI 需求，还准备重新开发一个场景？💢不是做场景，而是培育员工。汉得 DataClaw 让企业从“开发 AI 场景”，走向“培育 AI 数字员工”。🙀岗位没定、业务没学、数据没接、权限没领，就让 AI 直接上岗？💢上岗前，先完成入职。汉得 DataClaw 让企业像培养员工一样培养AI——定岗位、学业务、接数据、领权限。😓不懂企业规则，不认公司数据口径，也敢让 AI 当经营参谋？💢AI办公，不等于企业岗位专才。 汉得 DataClaw 依托业务 Know-how × 可信数据，训练企业自己的岗位专才。🚨只会给答案，进不了 ERP、SRM、MES把事办完，也能上岗？💢不只做文员，还要把事办完。汉得 DataClaw 连接正式业务系统，让 AI 在规则和权限范围内完成工作。🙅AI 员工上岗后，不考核、不培育？💢上岗之后，还要持续成长汉得 DataClaw 统一管理岗位、Skill、记忆、权限与运行，让 AI 数字员工持续成长。💡企业 AI 上岗，别靠胆子，靠 DataClaw！🤖企业 AI 数字员工，不仅仅要会聊天、会写材料，进入企业岗位，还需要理解业务、使用可信数据、遵守规则与权限，并能连接正式系统持续完成工作。🚀汉得 DataClaw 让企业不再一个个开发 AI 场景，而是开始培育、上岗和管理自己的 AI 数字员工——🧩连接企业正式系统和私有数据，在权限与安全可控的前提下，让 AI 能上岗、能协作、能私有化部署。让 AI 数字员工懂企业规划，知业务规则，晓数据权限，上岗后依然能持续成长，形成长期价值。✨企业要的 AI 数字员工，从来不仅仅是数字文员。联系汉得，从选择一个适合的岗位开始，先试岗，验证价值，再转正。让知识会思考｜让数据会决策｜让 AI 会工作【了解更多】汉得DataClaw发布｜为B端而造，打造企业级私有可控的AI员工军团！DataClaw答疑篇｜和其他龙虾有啥不同？安不安全？一次说清！汉得DataClaw“硅基人”上岗记：（1）销售经营参谋汉得DataClaw“硅基人”上岗记：（2）事业部总经理分身汉得DataClaw“硅基人”上岗记：（3）生产采购专家汉得DataClaw“硅基人”上岗记：（4）毛利成本调查官AI 数字员工上岗像招聘员工一样：先试岗，验证价值，再转正！