| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 财会/审计 |
| 用友网络云转型财务风险识别 |
| 第774期 作者：□文/张宏建 时间：2026/4/1 14:48:41 浏览：12次 |
［提要］ 本文以用友网络为例，探讨其在云转型过程中的财务风险与应对策略。通过运用修正的Z-score模型，结合财务数据，从流动性、发展能力、盈利能力和股权结构等四个维度分析其财务风险。并提出包括优化现金流管理、调整分红与研发策略、推动业务结构优化以及引入战略投资者等应对措施，以助力用友网络在云转型中实现财务健康与可持续发展。
关键词：用友网络；云转型；财务风险；风险应对
中图分类号：F23 文献标识码：A
收录日期：2025年12月1日
当今，数字化转型是企业发展的必经之路。云转型与数字化转型密切相关，云转型为数字化转型提供技术支持，是提升运营效率和重构商业模式的关键路径，是数字化转型的重要支柱。本文以用友网络科技股份有限公司（以下简称“用友网络”）为例，结合财报数据和行业竞争态势，运用修正Z-score模型进行财务风险分析，并提出相应的应对策略。
一、用友网络云转型历程
用友网络科技股份有限公司是中国优秀的企业级应用软件和云服务供应商，成立于1988年。用友网络因行业特殊性，较早开始云转型，早在2010年就启动了相关计划。然而，初期公司更多处于观望状态，等待明确转型方向。直到2014年，公司董事长王文京提出“宁可死在互联网的路上，也不要在传统世界里活着”，为后续的变革奠定了基础。2015年，用友网络正式提出云转型战略，并更名为用友网络，标志着全面向云服务转型的决心。2016年，公司推出3.0战略，明确“软件+云服务+金融”的发展方向，构建了用友BIP平台，以平台化和生态化的方式满足企业创新需求。2017～2019年间，用友云发布并整合了各类云服务产品，包括行业云、私有云和混合云，覆盖不同类型企业。2020年，用友网络升级平台服务模式，发布自主可控的用友商业创新平台YouBIP。至2023年，用友进一步推动产品创新和融合，发布了用友BIP 3，覆盖十大企业应用领域，并沉淀了近100个行业领先实践。目前，用友网络的云转型仍在持续推进，不断优化云服务产品，提升收入占比和市场竞争力。
二、基于Z-score模型财务风险评估
（一）Z-score模型选择。Z-score模型在建立最初阶段，只适用于制造业上市公司的财务风险评估，初始的Z-score模型公式为：
Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5
模型建立者Altman经过对模型的不断优化和调整，最终得到了更进一步的Z-Score模型，即Z3模型，公式为：
Z=6.56X1+3.26X2+6.72X3+1.05X4
为了满足多数企业的需求，Z-score 模型经过了不断地修正和改进，并据此建立企业的财务风险防控体系。在实践方面，Z-score 模型对预测企业的财务风险具有较好的效果，并且还有比较可靠的准确度和较好的稳定性。
为了更好地反映科技企业的财务特征，避免直接替换模型中的财务指标导致偏离Altman框架，从而降低学术可比性，因此本文对Z3模型的财务指标进行了调整。首先，X1变量中流动负债剔除了合同负债部分，因为科技企业的流动负债中包含大量递延收入，如用友网络的云业务预收款，需要剔除这些部分以更准确反映流动性。其次，X2变量中将留存收益与费用化研发支出合并，因为科技企业通常有较高的研发投入，费用化研发支出直接扣除利润可能低估财务稳定性。最后，X4变量中的股东权益市值改为账面价值，避免市场乐观预期掩盖短期风险，提升模型的适用性。通过这些调整，修正后的Z3模型更能真实反映用友网络的财务风险。（表1）
修正后的Z3模型判别标准有所调整，因为用友网络属于轻资产且高利润率的软件服务行业，其Z值通常高于传统企业。因此，判别标准需要重新设定。调整后的标准如下：当Z值不超过2.0时，企业处于破产区，财务风险较大，需要在短期内改善；当Z值介于2.0～3.5之间时，企业处于灰色区域，存在一定财务风险，财务状况不稳定，需要加强风险防范和控制；当Z值大于3.5时，企业处于安全区，财务状况良好，发生财务风险的概率极低。（表2）
（二）基于Z-score模型财务风险分析。用友网络云转型从2020年开始进入加速与深化阶段，并发布战略级产品YonBIP，全面转向云原生架。据2023年财报显示，云服务收入占比进一步提高，已经超过70%，重心转向行业垂直化、全球化及生态体系构建。这一时期用友网络云转型逐渐走向成熟，为了更有效地分析用友网络云转型当下可能面临的挑战以及未来转型可以调整的方向，因此本文选择2020～2024年更具参考性的云转型加速深化阶段的财务数据，利用调整后的Z-score模型对用友网络进行财务风险分析，同时与金蝶国际进行对比。金蝶国际是用友在国内的主要竞争对手，二者业务类型和规模相似。金蝶早在2011年便启动云转型，并逐步推出了友商网、云之家、金蝶云·星空及金蝶云·苍穹等产品，云转型逐渐成熟。虽然用友与金蝶的云转型尚未完全完成，但都已处于深化阶段，具有较大的可比性。
2020～2024年，用友网络X1值分别为0.168、0.081、0.219、0.174、0.064；X2值分别为0.276、0.288、0.207、0.149、0.06；X3值分别为0.072、0.049、0.009、 -0.033、-0.081；X4值分别为1.017、0.842、1.136、0.861、0.685。2020～2024年，金蝶国际X1值分别为0.427、0.268、0.201、0.286、0.279；X2值分别为0.27、0.254、0.215、0.174、0.174；X3值分别为-0.057、 -0.068、-0.07、-0.042、-0.035；X4值分别为2.88、2.367、1.713、1.6、1.438。因此，经过计算得出2020～2024年用友网络Z值分别为3.55、2.68、3.36、2.3、0.79；2020～2024年金蝶国际Z值分别为6.27、4.54、3.34、3.84、3.67。同时，绘制出用友网络和金蝶国际Z值对比图，如图1所示。（图1）
从图1来看，2020年用友网络的Z值略高于3.5，处于安全范围内，财务风险较低。但到2021年，Z值降至2.68，进入灰色区域，表明财务风险上升，经营状况有所下滑。2022年，Z值回升至3.36，接近安全线，表明用友网络可能已意识到财务风险并采取了防范措施，经营状况有所改善。然而，2023～2024年Z值再次下降，且幅度更大，降至0.79，远低于2.0的临界值，显示财务风险显著恶化，需要调控。相比之下，金蝶国际的财务风险较低，2020～2021年Z值远高于3.5，经营状况良好。2022年Z值略降至3.34，接近临界值，但2023年回升至安全区，2024年有所下降，但财务风险仍较低。值得注意的是，金蝶国际Z值整体呈下降趋势，下降幅度较大，但始终高于安全线，表明财务风险也有所上升。
1、流动性分析。从X1计算公式来看，它反映了企业的短期偿债能力，数值越大，偿债能力越强，风险越小。用友网络的X1值从2020年到2021年骤降52%，同期金蝶国际X1值下降约33%，但始终高于用友网络，表明用友网络偿债能力较弱，流动性存在危机。这可能与云业务扩张导致流动负债激增、流动资产增速不足有关，如2023年新增数据中心建设增加了资本支出，压缩了经营性现金流。2022年X1值回升，主要得益于发行短期融资券替换高息负债，并出售非核心资产回笼资金。但2023年X1值再次下跌，表明现金流管理未根本改善，需加强应收账款的催收和周转。相比之下，金蝶国际的现金储备较为充足，X1值比用友网络高约10%。金蝶国际采用轻资产运营，依赖合作伙伴提供基础设施，经营性现金流较稳健，2023年经营性现金流净额覆盖资本支出比率为1.5倍，而用友网络仅为0.8倍。到2024年，用友网络X1指标较2020年下降62%，Z值大幅下降，主要由于X1指标下降，显示流动性能力大幅下降。根据资料，2023年用友发行了50亿元可转债，其中30亿元用于偿还到期债务，但2024年仍有25亿元短期债务到期，流动比率从1.5降至0.8。同期，金蝶国际X1值虽有所下滑，但幅度较小，流动性较为稳定。
2、发展能力分析。从X2计算公式来看，它反映了企业的经营成果，数值越大，企业自我发展能力越强，发展风险越小。2020～2021年，用友网络X2值小幅回升，但2021～2023年持续下降，降至0.149，累计下降约46%。同期，金蝶国际X2值也有所下降，但降幅较小，仅为33%。主要原因可能在于研发投入分散和利润留存不足。用友网络的研发投入分散在多个产品线，如云ERP、HR和CRM，核心产品投入不足，导致专利转化率仅为0.5%；利润留存不足可能与较高的分红率有关，2023年净利润分红率为30%，未分配利润仅增长5%，限制了投资能力，云业务亏损导致留存收益停滞。2024年，未分配利润出现大幅下跌，达到-11.88亿元，严重影响X2指标对Z值的贡献，可能与低效的研发投入和客户流失加剧有关。相比之下，金蝶国际将研发重点放在核心产品星空和苍穹平台，研发投入约70%，且2023年新增客户增长30%，收入转化率提高。此外，金蝶设定了20%的分红上限，将未分配利润用于市场扩张，2023年云业务覆盖城市从50个增加到80个。2024年，金蝶国际的自我发展能力与2023年保持稳定。用友网络存在资金短缺的财务风险，需关注利润留存问题，建议通过调整分红比例和减少非核心产品线投入来应对风险。
3、盈利能力分析。从X3计算公式来看，它反映企业的盈利能力，数值越大，盈利能力越强，风险越小。2020～2023年用友网络的X3值一直在下降，且下降幅度逐年加大，2023年首次为负值。造成这一现象的原因：一是云计算市场竞争激烈，为争夺市场份额，用友可能降低服务价格或提供折扣，导致单位客户收入下降，而客户增长未能完全弥补价格下滑的影响；二是基础设施成本上升，云业务扩张导致服务器租赁和自建数据中心运营成本增加，同时，传统软件业务收入占比下降，但未能同步缩减团队规模，导致成本刚性未能改善；三是规模效应不足，云业务收入增速低于金蝶国际，未能充分摊薄固定成本。相比之下，金蝶国际的X3值在2022年回升至-0.07，接近零，2023年亏损有所缩小，表明其在改善盈利能力，而用友网络的情况则持续恶化。2023年，用友网络的X3值为负，且2024年进一步扩大，表明在与阿里云和华为云的竞争中未能占据有利位置，尽管每年研发投入增加，但短期内未转化为收入。此外，用友的销售费用率远高于行业平均水平，也是成本上升的原因之一。
4、股权结构分析。从X4计算公式来看，它反映企业资本对负债的覆盖能力，帮助衡量长期偿债能力和资本结构稳健性。修正后的X4基于历史成本数据，稳定性强，更适合股价波动大的企业。2020～2023年，用友网络的X4值虽在2022年略有回升，但总体上呈下降趋势。这主要由于用友网络的负债持续增加，从2020年的84亿元增至2023年的137亿元，主要用于云转型投入，而股东权益增长较慢，从2020年的85亿元到2024年的97亿元，债务比率上升，资本结构风险加大。X4值降至1.0以下，表明负债超过股东权益，需警惕债务偿还压力。相比之下，金蝶国际的X4值较高，虽然从2020年的2.88下降至2024年的1.43，但仍高于用友网络，资本结构较为稳健。这得益于金蝶国际采用低负债策略，比如采取增发股票融资等策略，而用友网络未进行增发或引入战略投资者。因此，用友网络需考虑提高X4值，比如发行绿色债券置换高息债务、降低财务费用并优化股权结构。
三、用友网络云转型过程中财务风险控制策略
利用调整后的Z-score模型分析了用友网络的财务状况，并从四个指标维度分析相应的财务风险，据此本文提出以下预防措施和优化建议：
（一）流动性的提升。为提升资金流动性，建议用友网络采取资产证券化与应收账款精细化管理相结合的方式。一方面，可探索将自建数据中心等重资产打包为不动产投资信托基金发行，择选一线城市核心机房资产作为标的，联合券商设计权益型基金产品，预计可盘活大量沉淀资金，迅速补充营运资金。另一方面，建立客户信用动态分级管理体系，依据历史回款记录将客户划分为 A（优质）、B（一般）、C（高风险）三类，实施差异化账期与预付政策，并对逾期账款设置阶梯式催收机制，如超30天加收滞纳金、超60天暂停服务并启动法律程序。同时，可通过设立回款绩效奖来激励销售团队提升回款效率，进一步强化现金回收能力。
（二）发展能力的提升。用友网络可以通过研发IP化和技术输出实现收入增长，申请通用技术模块专利，并向中小软件供应商收取授权使用费。此外，成立用友技术开放平台，提供API接口和开发工具包，按调用次数收费。公司还将净利润按一定比例投入云转型基金，专门用于核心产品研发和客户成功体系建设。分红政策调整为将分红比例降至20%左右，增加未分配利润，用于东南亚市场扩张。用友网络还可以通过推出轻量化产品、低价基础款，针对金蝶的中小企业市场进行渗透，主要聚焦财务和进销存模块。同时，与省级IT服务商合作，建立区域代理网络。最后，用友可以与政企客户深度合作，提供“混合云+专属运维”套餐，延长合同周期，首年按比例付款，后续按年分期，增强客户黏性。
（三）盈利能力的改善。用友网络可以将现有的单体式ERP系统拆分为独立的微服务模块，如财务、供应链和HR，按需弹性扩展资源。同时，剥离非核心传统软件业务，进行业务瘦身，将团队人员转岗至云服务部门，可节省人力成本。采用多云战略，将负载分散至阿里云、华为云和天翼云，避免依赖单一供应商。还可以利用数字化工具，如AI销售助手，提升销售效率，实现智能线索推荐和合同自动生成。用友网络还应加强区域和国际化拓展，特别是在华南和中西部，招募本地化实施团队，提供粤语和英语双语支持，重点对接外贸企业和跨境服务商。
（四）优化股权结构。一是引入战略投资者，优先选择与云业务协同的巨头，如华为提供云计算基础设施，字节跳动支持营销获客，进行股权置换以获取资源支持。二是进行债务置换和低成本融资，发行可续期公司债或引入数字化转型基金，联合中国电子和地方国资成立产业基金，用友网络出资占大头，获得优先投资权。三是实施员工持股计划，涵盖核心研发、销售和高管人员，按比例分配，不仅能吸引和留住人才，还能提高员工积极性和公司凝聚力，优化法人治理结构，保障公司持续健康发展。
（作者单位：聊城大学商学院）
主要参考文献：
［1］雷艳丽，洪丽君，胡晓峰.基于改进Z-SCORE模型饲料上市公司的财务风险预警研究［J］.饲料研究，2022.45（02）.
［2］赵海蕾，周方召，金德环.基于人群搜索算法的上市公司的Z-Score模型财务预警研究［J］.财经理论与实践，2015.36（02）.
［3］朱艳敏，陈超.Z-score模型最优分割点的确定方法比较——基于违约风险预测能力的分析［J］.南方金融，2013（08）.
［4］黄晓芬，李文华.基于Z-Score模型的企业财务预警系统构建［J］.财会通讯，2013（20）.
［5］孙立新，谢强，余来文.资本结构对财务风险影响的实证研究——基于Z-score模型法和中小板上市公司数据［J］.经济与管理，2013.27（07）.
［6］张蔚虹，朱海霞.Z-Score模型对科技型上市公司财务风险预警的适用性检验［J］.科技管理研究，2012.32（14）.
［7］邰丽娜.Atman's Z-score模型对我国上市公司的适用性分析［J］.财会研究，2011（24）.
［8］严碧红，马广奇.基于Z-Score模型的我国房地产业上市公司财务风险的实证分析［J］.财务与金融，2011（05）.
［9］霍曼曼，刘秀清.基于z-score财务预警模型的财务危机分析——以*ST国祥为例［J］.财会通讯，2011（23）.
［10］徐秀渠.Altman's Z-Score模型在企业风险管理中的应用研究［J］.经济经纬，2010（04）.
|
|
|
|
