王蓬

（北京工業(yè)職業(yè)技術學院，北京 100042）

引言：公司傳統(tǒng)的財務會計工作多以單一的報表合規(guī)分析和對公司財務進行基礎核算為主。但隨著公司的擴大和轉型，加之各個子公司不斷地增加，導致對公司財務的管理過程中仍然使用傳統(tǒng)的財務會計工作，難以保證公司的財務工作順利開展。為了能夠使公司財務會計的價值得到充分的挖掘，使管理職能在公司中進行充分地發(fā)揮，各公司均對財務組織展開了前所未有的大變革。大多數公司以建立財務共享中心為主要變革方向，用來應對公司的發(fā)展。應收賬款是公司中較為重要的一種流動性的資產，為了能夠使公司內部的貸款快速回收，降低成本的同時規(guī)避公司的財務風險，公司在財務共享模式下積極的對應收賬款管理方式進行優(yōu)化，并且基于大數據智能化的背景下提出了多種技術管理方法，如采用RPA、K-Means 聚類算法等財務共享模式下的應收賬款管理，使管理流程更加完善，同時達到智能化和標準化的程度。財務共享模式下基于大數據智能化的公司應收賬款管理優(yōu)化方案如下。

一、設計目標

首先為了能夠使公司的應收賬款管理得到優(yōu)化，將公司財務共享中心的財務人員與下屬或子公司的業(yè)務會計之間進行有效的溝通，使應收賬款管理的流程能夠清晰明了，并且能夠明確各財務人員的基本需求，積極聽取各財務人員在應收賬管理方面存在的不足之處；然后充分發(fā)揮大數據智能化網絡平臺，利用平臺優(yōu)勢將信息技術與公司內部的業(yè)務運作和財務管理流程進行融合，使之能夠在財務共享模式下使公司成本得到有效降低；最后積極地將公司的業(yè)務范圍逐漸擴大以及規(guī)模變革等多種因素考慮在管理優(yōu)化方案中，使公司在對應收賬款管理優(yōu)化的過程中同樣能夠與公司的發(fā)展相吻合。

二、將基于大數據智能化的應收賬款管理框架設計進一步優(yōu)化

當前基于大數據智能化背景，在公司財務共享模式下應收款管理目標主要是能夠使公司的應收款管理流程更加簡化，公司的財務管理系統(tǒng)中將發(fā)揮系統(tǒng)內的優(yōu)勢，將多種大數據技術進行融合，以滿足公司對應收賬管理的基本需求。在對目標和框架進行設計的過程中，首先使應收賬管理的各個環(huán)節(jié)進行有效的閉環(huán)，同時在管理系統(tǒng)的內部構建出完整的閉環(huán)流程，其中流程中包括公司資金流動狀況或跨系統(tǒng)的管控等。同時也能夠為大數據智能化背景下的RPA（機器人流程自動化）提供更多的便利。一般公司的應收賬管理優(yōu)化會從公司的開票、對賬以及收款等多個流程進行優(yōu)化以及對可能存在的風險進行積極的管理。對于開票、對賬以及收款而言，公司可采用現(xiàn)代化的財務機器人進行自動化管理，可以有效避免在管理工作流程中可能會出現(xiàn)的，如數據較為復雜或工作流程更加復雜等多種情況。財務管理工作中，所面臨的風險管理一般可分為事前管理與事后管理。應對風險事前的管理一般可采用RPA 進行優(yōu)化，主要以通過對管理事項的各種指標和公司的信用評分，通過此種技術進行計算優(yōu)化，再利用K-Means 聚類算法模型進行綜合分析，分析后根據不同公司的業(yè)主信用等級，設定不同等級的應收賬款標準和與公司較符合的額度；對風險事后的管理優(yōu)化方案，依然會借助于大數據智能化背景下的K-Means 聚類算法建立起風險預測的模式，對公司財務共享中心的應收賬款管理風險進行實時的監(jiān)督和管理。

三、基于RPA 和大數據智能化背景下的應收賬款風險管理模型

（一）基于RPA 與K-Means 聚類算法的公司業(yè)主信用評級

數據收集是構建公司業(yè)主信用評級風險過程中首要內容，一般數據收集的開始應從公司簽訂合同之日起進行，收集數據的目的主要是看公司業(yè)主的信用評級能否達到本公司的要求。在信用評級的過程中一般由子公司進行，通常是先公司業(yè)主的相關信息包括所在公司的基本數據CRM 系統(tǒng)中錄入，再通過RPA 將所獲得的各種信息，通過表格等方式繪制成各類財務數據，將繪制好的財務數據與公司業(yè)主之間進行關聯(lián)，根據系統(tǒng)所設定的關聯(lián)規(guī)則查看改業(yè)主的信用評級情況。在評級的過程中一般會采用因子自薦的線性組合作為該段評級的基本公式：

公式中的F 即為RPA 中通過因子分析后所提取出的因子，α 則代表因子的權重。對信用評級風險管理模型構建時，應該重點對評價的指標體系進行評價，指標體系一般會以公司的利潤、負債以及發(fā)展和運營的情況為基本標準。總公司將采集好的信息儲存到數據庫后建立起公司的資產詳細清單，通過上述公式進行計算將結果數值在數據表對應的位置自動填寫，與此同時各項數據還可以通過因子分析進行預處理，同時還應該對所在公司的業(yè)的信用評級進行判定。在判定的過程中應該建立與之相對應的評判標準，標準的劃分一般將按照區(qū)間的方式進行劃分，劃分后可找出各層級之間的差異性，根據K-Means 聚類算法分析所產生的差異性，將差異性進行分析后對所得到的結果進行信用評級構建。

（二）基于BP 神經網絡算法的企業(yè)壞賬風險預測

BP 神經網絡主要應對公司內部復雜的處理機制，BP 網絡的特點相對較多，如有隱含模式，會對錄入到系統(tǒng)的歷史數據，結合自身的自主學習能力自動將權重和閾值進行相應的調整，并能夠自動化選擇解決問題的基本模型，同時還具有非線性映射的能力，不需要通過系統(tǒng)中復雜權重的處理，就可以直接對任意線性函數進行模擬和逼近處理。除此以外BP 網絡還具有強大的學習能力和對周圍環(huán)境良好的適應性，能夠抵御來自外界的各種噪音污染或對涉及的未知模型進行標準化的判定。對企業(yè)壞賬風險進行預測過程中，首先需要建立風險評估指標體系，一般以公式的方式進行評估，評估后采用巴特利特球度方法檢驗各指標之間的線性關聯(lián)性。業(yè)主的壞賬風險可通過BP 神經網絡的非線性映射能力，將網絡結構劃定為三層。每一層均輸入不同的數據神經元，各神經元將以數字作為評價的標準，業(yè)務員可以通過在系統(tǒng)內上傳的公司樣本數據，通過評價的結果選擇適于公司的回款策略。

四、優(yōu)化基于RPA 的開票流程

公司的應收賬款管理業(yè)務流程，最初起源于對子公司所簽訂的各種合同。在各種合同簽訂之前需要對公司業(yè)主信用狀況加以審核，審核完成后可通過審核的結果查看業(yè)主之間能夠達成合作的關系。為了對業(yè)主的信用進行審核，業(yè)務人員會通過各種渠道對業(yè)主的完整信息進行搜集和整理，例如業(yè)主所在公司的財務報表或網絡等多種方式進行搜集，搜集信息后將各類相關信息通過財務共享中心的CRM 系統(tǒng)將其進行輸入，此時系統(tǒng)會自動保護輸入的各類信息，并且根據業(yè)務員發(fā)出的指令將業(yè)主的信息數據進行修改或注銷等。當公司在資金結算的過程中，資金結算崗會在系統(tǒng)中將資金的情況做出收款登記處理，RPA 則會在財務共享中心自動化地將各種財務信息進行自動化的提取，并與共享中心中的相關數據進行自動化的匹配，無需通過人工的方式采用手動提取法，如此實現(xiàn)了跨系統(tǒng)的自動開票。在開票完畢后，子公司部門業(yè)務人員會再次將信息進行核實，確認無誤后會再次將增值稅發(fā)票上傳至財務共享中進行再次審核，一般審核會通過總賬審核崗，如審核通過系統(tǒng)會自動開具發(fā)票。

五、優(yōu)化基于RPA 的應收賬款對賬和收款核銷流程

通常應收賬款對賬和收款核銷流程會在子公司下發(fā)申請后方可啟動流程。RPA 技術可以實現(xiàn)對ERP 系統(tǒng)中各種數據的自動化提取和應收，并且能夠實現(xiàn)對系統(tǒng)內部存入的付款業(yè)主的個人匯款等多項信息進行自動化的匹配功能，使系統(tǒng)實現(xiàn)自動對賬，方便財務管理人員的手動操作。如公司的業(yè)主按照雙方約定簽訂好合同后，可將錢款自動匯入到對方指定的賬戶中，此時系統(tǒng)會通過提前所設定好的各項關聯(lián)規(guī)則實現(xiàn)對收款的自動核銷，并提醒業(yè)主或相關的業(yè)務人員對回款進行及時管理。如匯款出錯則系統(tǒng)會自動編輯成郵件，將相關信息自動地發(fā)動給子公司的業(yè)務部門，提醒再次核對后對匯款進行管理和核銷。

結束語

當前財務共享中心面臨的財務工作較為繁瑣，不僅工作量大且管理效率低。隨著大數據智能化時代的到來，通過對財務各個環(huán)節(jié)進行優(yōu)化均會對上述問題加以解決。應收賬款管理對公司的資金流動和盈利等方面影響較大，為了進一步提高應收賬款管理水平和效率，在大數據技術的支持下應對管理策略提出多種方案。如采用RPA 技術更好地解決應收賬管理過程中遇見的認知需求低以及重復程度高等數據處理問題，同時又可以對開票、對賬以及應收核銷等工作流程進行進一步優(yōu)化，實現(xiàn)公司大數據智能系統(tǒng)中的財務數據共享，使公司能夠在大數據支持下通過財務共享模式對應收賬款進行創(chuàng)新性管理，以提高公司財務工作的管理效率。