MK体育（国际）官方网站-在互动中感受生活之美-mksport官方版-MK体育（国际）官方网站-在互动中感受生活之美-mksport2026最新版v.369.57.215.046 安卓版-22265安卓网

2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与资料发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！

长期规划是财务团队最重要的工作之一，但它同时也是最难规模化的一项工作。

在 Snowflake，我们需要针对一个业已变得极其复杂的业务做 10 年期预测：涉及 40 多个实体，每个实体下面又有 100 多个成本中心，还有数百个支出类别。我们之因此需要做到这种细颗粒度，是因为长期规划业已不只是财务部门内部的产物，它业已成为其他团队依赖的一套数据集。

比如，税务团队需要的并不只是高层级的费用预测。他们往往还需要理解货物与服务的拆分、法律实体、司法辖区以及其他对规划至关重要的运营细节。资金团队需要现金视图。人力规划须要 headcount 假设。高管则需要理解增长、利润率、投资和自由现金流之间的战略权衡。

这就意味着，规划模型必须同时支撑所有这些需求。

随着时间推移，它也逐渐变成了大多数大型财务模型最终会变成的样子。它确实能用，但看起来像一个“弗兰肯斯坦”。新 tab 一直往上加，新公式不断补丁式拼接，新逻辑叠加在旧逻辑之上，以适应不断变化的业务。这个模型的价值越来越高，但维护、治理和扩展也越来越困难。

于是，和很多公司一样，当业务规模超出现有工具能力时，我们做了财务团队最常做的那件事：构建了一个巨大的 Excel 模型。

从电子表格模型到规划平台

这是我们首先要解决的问题。

一年多以前，我们把长期规划模型重建在 Snowflake 上，并采用 Streamlit 作为 UI 层，让分析师和高管可以直接与预测结果交互。

这就是后来的 Snowplan，也就是我们的内部长期规划应用。

我们的目标不是做一个 dashboard，而是做一个真正的规划平台。我们希望它对财务使用者来说依然直观，但底层与此同时拥有 Snowflake 的扩展能力、治理能力和计算能力。

在 Snowplan 中，分析师可以通过可编辑的 Streamlit 界面更新各种假设。这些修改会直接写回 Snowflake，模型在其中运行，而新的输出也会立刻回显到应用中。不再有公式损坏的问题，不再须要来回保存文件，也不用再猜到底哪个版本才是 source of truth。

这种架构改变了整个规划流程。

我们不再维护一个庞大的离线 workbook，而是拥有了一个与实际业务原始数据源相连接、并带有治理能力的应用。实际数据可以自动流入模型，而不用有人花几个小时去更新文件。各种假设可以被版本化，场景可以被对比，不同角色的用户也可以按适合自己的细粒度，在同一个规划平台上工作。

对于 individual contributors 和 associates，Snowplan 给出细粒度输入页面、假设管理、场景创建和版本控制。对于 directors 和 managers，它给出逻辑和假设变更的可见性，便于审阅与批准。对于高管，它提供整合后的 P&L、自由现金流以及重要场景视图。

这很重要，因为长期规划从来不只是建模练习，它本质上也是一个对齐组织的过程。财务团队花在维护模型上的时间越多，真正拿去和业务一起推演战略的时间就越少。

上图中采用的数据均为完全合成数据

为什么把模型建在 Snowflake 中，改变了模型本身

我们做出的最重要决定，是把模型建在数据本来就已经存在的地方。

因为 Snowplan 运行在 Snowflake 上，所以它天然连接着我们的原始数据源和治理过的数据模型。这意味着，我们不须要再花时间手工把 actuals 更新进模型里，也不需要反复协调离线数据拉取。模型直接嵌在财务资料、权限、逻辑和历史记录本来就存在的环境里。

这造成了几层面优势。

第一，模型可以真正扩展。一个覆盖 10 年、横跨实体、成本中心、支出类别、headcount、收入、资产负债表和自由现金流的预测，会产生大量数据，而这正是 Snowflake 最擅长处理的负载类型。

第二，模型更容易治理。可以通过 Snowflake 的基于角色权限和行级控制来管理访问，因此不同角色只会看到自己应该看到的数据和功能。高管不需要与分析师看到同样的界面，分析师也不需要为每个利益相关者额外导出不同版本。

第三，同一平台还可以支撑人力规划、股权激励建模、司库现金预测、套期保值、法人主体预测、营业成本规划以及并购场景分析。

这才是更大的故事。Snowplan 不是一个一次性规划应用，它正在变成一个财务规划平台。

Snowflake CoCo 让场景规划变成了对话式过程

Streamlit 让 Snowplan 变得可扩展、可用；Snowflake CoCo 则让它变成可对话的。

在引入 CoCo 之前，Snowplan 已经给了我们一种更好的长期规划管理方式。分析师可以在应用里更新假设、运行不同场景并比较输出。但用户仍然需要自己知道该去哪里、要调哪个假设、还有如何理解这些改动造成的下游影响。

CoCo 改变了这种交互模式。

现在，我不需要再穿过一页页假设配置去找答案，而是能够直接用自然语言提问。我可以让 CoCo 比较两个版本的预测，并总结主要驱动因素；我可以问去年给董事会看的计划版本和现在正在准备的最新版本之间到底变了什么；我还可以问这些变化的净影响、利润率扩张或摊薄的关键驱动因素，以及哪些假设最值得关注。

这在高管规划里非常强大。

由于在准备董事会讨论时，真正的问题通常不是“你能给我最新的预测资料吗？”而是“哪些东西变了，为什么变了，这意味着我们的叙事该怎么调整？”CoCo 把这种原本需要手工比对才能完成的分析，压缩成了一场对话。

一个真实例子：围绕潜在税制变化做场景规划

它带来的价值不只是速度，更关键的是：财务团队可以在战略讨论还在进行时持续迭代。

最能说明问题的例子之一，就是围绕潜在税务变化进行场景规划。

在过去，这类问题通常从开会着手。我们会先和税务团队讨论问题，定义受影响销售额，拉数，建立假设，更新模型，审查输出，做敏感性分析表，然后再决定还须要谁参与。

而在 CoCo 接入 Snowplan 之后，这个过程变得流畅得多。

我可以先让 CoCo 概括潜在的税务变化。接着，我可以要求它创建一个新的 forecast 版本，假设这项税务变化会正式经由。

这会立刻演变成财务团队在会议里本来就会进行的那种来回推演：这项税是转嫁给客户，还是作为利润率损失吸收掉？有多大比例能够现实地转嫁？哪些销售会受到影响？它会对收入、毛利率、营业利润率和自由现金流产生什么影响？

由于分析建立在 Snowflake tables 之上，CoCo 可以识别哪些销售会受到这项税的影响，输出财务影响，并给出支撑关键金额的核心指标。它还能够创建敏感性分析表，展示在不同税负转嫁比例下营业利润率会被稀释到什么程度。

同样重要的是，它还能够提示风险和注意事项。例如，一阶模型可能没有纳入企业为了支持申报、维护合规数据集或满足新增报告义务而产生的额外间接成本。这种提醒恰恰是优秀财务伙伴在把一个场景当成“结论”之前，必须主动提出的课题。

到了这里，它就不再只是 AI 辅助建模，而是 AI 辅助规划。

之后，CoCo 甚至还能够协助生成下一步动作，例如帮我们起草一封发给税务部门相关同事的邮件，总结分析结果、重要假设、待确认问题和决策点。也就是说，这个系统不只是给出一个数字，而是在帮助判断问题、识别领域专家，并推动整个流程继续往前走。

这为什么对财务团队很关键

财务团队经常被要求，以远快于传统规划流程的速度回答战略问题。

如果我们加速增长会怎样？如果开一个新办公室会怎样？如果云成本改善 25 个基点会怎样？如果薪酬通胀高于预期会怎样？如果税务或监管变化影响到部分销售会怎样？如果我们在不同职能之间重新分配投资会怎样？

这些都不是理论问题，而是高管会在现实中实时抛出来的问题。

问题在于，传统规划工具和大型电子表格模型，并不是为这种级别的迭代而设计的。它们是用来产出一个 plan 的，而不是用来支持一场继续的战略对话。

通过在 Snowflake 上结合 Streamlit 构建 Snowplan，我们做出了一个可以随着业务复杂度扩展的规划平台。再加入 CoCo，我们把这个平台更深一步变成了可对话的系统。

这种组合改变了财务团队真正能做的事情。

财务团队不再需要把时间花在更新实际数据、维护公式、协调场景或者人工比较版本上，而是能把更多时间用在真正重要的工作上：挑战假设、对齐高管、评估取舍、塑造长期战略。

为什么在 AI 驱动的规划里，信任如此关键

对于财务团队来说，对话式规划之所以可行，前提是数字必须值得信任。

这也是为什么架构至关重要。CoCo 并不是在脱离业务上下文的情况下凭空生成一个预测数据。它是在与支撑 Snowplan 的同一套治理数据、假设和逻辑交互。当它较为版本、解释驱动因素或创建场景时，它依赖的是我们已经在用的 Snowflake 数据模型和规划逻辑。

每个场景都可以版本化，每次修改都可以被审阅，访问控制也可以沿用应用本身的角色模型。分析师和高管能够比较前后差异、理解变化内容，并在需要时把场景向前推进或回滚。

这是一个关键区别。我们不是让财务领导者去相信一个 black box，而是用 AI 去操作一个治理良好的规划平台。在这个平台里，数据、业务逻辑、权限和输出都是可见、可解释、可审计的。

这才让 AI 真正适用于企业财务。

从规划工具走向战略平台

Snowplan 最令人兴奋的地方在于，它已经超越了最初的长期规划用例。

当模型被迁移到 Snowflake 后，整个架构就变成了可复用的。同一套基础，如今已经支持，或者可以继续支撑，多种财务规划工作流：人员编制规划、股权激励建模、资金现金流预测、对冲、法人实体预测、销货成本规划和并购场景建模。

每一个新的规划工作流，都可以复用相同的治理基础，都可以连接到相应的数据源，也都可以暴露出一个对财务用户友好的 Streamlit 界面。而有了 CoCo 之后，每个流程都能更容易地通过自然语言被提问、被调整、被解释。

这就是把它当作平台而不是一次性应用来建设的优势。

我认为越来越多的财务团队会沿着这样一条路径前进：

第一步，把模型迁移到数据所在的位置。

• 第二步，为使用者构建直观的应用层。

• 第三步，用 AI 让规划流程变成对话式过程。

真正的 ROI

Snowplan 的真正 ROI，不是让财务团队变得“更技术化”，而是把更多时间还给判断力。

长期规划本不该只是维护一个庞大的 workbook。它应该帮助团队理解企业未来的发展方向，协助领导者判断在哪里投资，如何平衡增长与盈利，哪些风险正在浮现，以及哪些取舍最为关键。

Snowflake 和 Streamlit 给了我们一个平台，使长期规划能够规模化、可治理，并与实时资料相连。CoCo 正在帮助我们让它变得更快、更具交互性，也更具战略价值。

这就是变化所在。

财务团队可以把更少时间花在更新模型和手工调整假设上，把更多时间花在与高管团队一起围绕公司长期战略不断迭代上。

对于 FP&A 团队来说，这才是 AI 在规划领域真正的价值所在。它不是取代财务职能，而是拿走那些拖慢财务团队的手工劳动，让财务能把更多精力放在真正应该做的事情上。

原文地址：https://www.snowflake.com/en/blog/fpa-ai-modernization-snowplan-v2/

点击链接立即报名注册：Ascent-Snowflake Platform Training-China，更多 Snowflake 精彩活动请关注专区