財(cái)務(wù)共享模式下應(yīng)收賬款管理優(yōu)化

賈赟

【摘要】? 近年來(lái)，各個(gè)集團(tuán)公司紛紛建立起財(cái)務(wù)共享中心，以降低成本和提供決策數(shù)據(jù)信息支持，但在財(cái)務(wù)共享模式下應(yīng)收賬款管理中系統(tǒng)的銜接性、深度集成與自動(dòng)化方面尚顯不足，大數(shù)據(jù)智能化為解決上述問(wèn)題提供了很好的思路與發(fā)展方向?；诖耍恼吕么髷?shù)據(jù)技術(shù)設(shè)計(jì)了財(cái)務(wù)共享模式下應(yīng)收賬款管理的優(yōu)化方案，即開(kāi)票流程、應(yīng)收賬款對(duì)賬及收款核銷(xiāo)流程自動(dòng)化和構(gòu)建業(yè)主信用評(píng)級(jí)、壞賬風(fēng)險(xiǎn)預(yù)測(cè)模型，并以某建筑行業(yè)上市公司為例展示了該方案的具體實(shí)施過(guò)程。該方案的實(shí)用性和可行性較高，對(duì)提高集團(tuán)公司應(yīng)收賬款管理水平、降低財(cái)務(wù)風(fēng)險(xiǎn)有所裨益。

【關(guān)鍵詞】? ?財(cái)務(wù)共享模式;應(yīng)收賬款管理;大數(shù)據(jù)智能化

【中圖分類(lèi)號(hào)】? F232? 【文獻(xiàn)標(biāo)識(shí)碼】? A? 【文章編號(hào)】? 1002-5812（2020）06-0066-04

以單一報(bào)表進(jìn)行合規(guī)分析及基礎(chǔ)核算的傳統(tǒng)財(cái)務(wù)會(huì)計(jì)已無(wú)法滿(mǎn)足集團(tuán)公司經(jīng)營(yíng)管理的需求。同時(shí)集團(tuán)公司在擴(kuò)張過(guò)程中分、子公司眾多，為充分挖掘財(cái)務(wù)會(huì)計(jì)的多元化價(jià)值，促進(jìn)管理職能的有效發(fā)揮，財(cái)務(wù)組織應(yīng)積極開(kāi)展自我變革。在此背景下，眾多集團(tuán)公司紛紛建立起財(cái)務(wù)共享中心，以應(yīng)對(duì)當(dāng)前的發(fā)展?fàn)顩r。應(yīng)收賬款是集團(tuán)公司的一項(xiàng)重要的流動(dòng)資產(chǎn)，完善應(yīng)收賬款管理機(jī)制對(duì)于加快貨款回收、防范財(cái)務(wù)風(fēng)險(xiǎn)具有重要意義。隨著集團(tuán)公司規(guī)模的擴(kuò)大，財(cái)務(wù)共享中心需要處理的應(yīng)收賬款工作量也逐漸增多，其中涉及的跨系統(tǒng)調(diào)取數(shù)據(jù)、人工反復(fù)復(fù)核及流程繁瑣等問(wèn)題日益突出。在大數(shù)據(jù)智能化背景下，積極運(yùn)用RPA技術(shù)、K-Means聚類(lèi)算法和BP神經(jīng)網(wǎng)絡(luò)等大數(shù)據(jù)技術(shù)優(yōu)化財(cái)務(wù)共享中心應(yīng)收賬款管理，提高管理流程的自動(dòng)化、智能化和標(biāo)準(zhǔn)化程度，事前及事后相結(jié)合管控應(yīng)收賬款風(fēng)險(xiǎn)，可有效解決當(dāng)前集團(tuán)公司應(yīng)收賬款管理存在的弊端，為集團(tuán)公司管理水平的提高添磚加瓦。

一、財(cái)務(wù)共享模式下應(yīng)收賬款管理優(yōu)化方案設(shè)計(jì)

（一）設(shè)計(jì)目標(biāo)及整體框架

在大數(shù)據(jù)時(shí)代背景下，應(yīng)收賬款管理的主要目標(biāo)為：一方面，理清應(yīng)收賬款管理流程，借助系統(tǒng)功能優(yōu)勢(shì)充分融合信息技術(shù)、業(yè)務(wù)及財(cái)務(wù)管理流程;另一方面，充分利用現(xiàn)有的大數(shù)據(jù)技術(shù)積極實(shí)現(xiàn)集團(tuán)公司應(yīng)收賬款管理需求，使業(yè)務(wù)流程更加標(biāo)準(zhǔn)化和簡(jiǎn)便化。基于大數(shù)據(jù)智能化的應(yīng)收賬款管理優(yōu)化，首先需要將涉及的各管理環(huán)節(jié)有效閉合，構(gòu)建可以進(jìn)行資金流監(jiān)督及跨系統(tǒng)管控的規(guī)范化和完整化的流程閉環(huán)，同時(shí)為RPA技術(shù)的應(yīng)用提供便利。應(yīng)收賬款管理優(yōu)化可以從開(kāi)票、對(duì)賬及收款流程優(yōu)化和風(fēng)險(xiǎn)管理兩方面來(lái)實(shí)現(xiàn)，財(cái)務(wù)機(jī)器人自動(dòng)化可應(yīng)用于重復(fù)率高、工序繁瑣且容易出問(wèn)題的流程，而風(fēng)險(xiǎn)管理則需要分為事前管理與事后管理。事前管理可以通過(guò)RPA技術(shù)篩選財(cái)務(wù)指標(biāo)、降維并計(jì)算信用評(píng)分，后續(xù)使用K-Means聚類(lèi)算法進(jìn)行分析得出業(yè)主信用評(píng)級(jí)模型，針對(duì)不同信用等級(jí)設(shè)定不同的應(yīng)收賬款額度及標(biāo)準(zhǔn);事后管理則需要借助K-Means聚類(lèi)算法建立風(fēng)險(xiǎn)預(yù)測(cè)模型，在此基礎(chǔ)上利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建壞賬預(yù)測(cè)模型，共同監(jiān)管財(cái)務(wù)共享中心的應(yīng)收賬款管理風(fēng)險(xiǎn)。綜上所述，應(yīng)收賬款管理優(yōu)化的整體框架如右圖所示。

（二）基于RPA的開(kāi)票、應(yīng)收賬款對(duì)賬及收款核銷(xiāo)流程優(yōu)化

1.開(kāi)票流程自動(dòng)化。優(yōu)化起點(diǎn)為各子公司業(yè)務(wù)合同的簽訂，系統(tǒng)會(huì)依照指令進(jìn)行業(yè)主數(shù)據(jù)創(chuàng)建、修改與注銷(xiāo);確定合作關(guān)系后簽訂的合同經(jīng)過(guò)OCR技術(shù)識(shí)別后上傳至財(cái)務(wù)共享中心合同管理系統(tǒng);子公司向業(yè)主提供合同規(guī)定的勞務(wù)或服務(wù);當(dāng)資金結(jié)算中心進(jìn)行收款登記后，RPA技術(shù)會(huì)自動(dòng)提取財(cái)務(wù)共享中心合同管理系統(tǒng)的相關(guān)數(shù)據(jù)進(jìn)行匹配，并對(duì)數(shù)據(jù)進(jìn)行同步更新，同時(shí)實(shí)現(xiàn)跨系統(tǒng)自動(dòng)開(kāi)票和錄入賬務(wù)信息;財(cái)務(wù)共享中心出納崗切實(shí)收到款項(xiàng)后，系統(tǒng)會(huì)自動(dòng)在資金結(jié)算中心進(jìn)行收款登記，并與自動(dòng)錄入信息進(jìn)行校驗(yàn);審核通過(guò)后，系統(tǒng)自動(dòng)生成憑證發(fā)送至總賬核算崗，收款登記信息由子公司業(yè)務(wù)部門(mén)人員認(rèn)領(lǐng)，相當(dāng)于二次審核;兩次審核均一致，則核銷(xiāo)該收款款項(xiàng)。

2.應(yīng)收賬款對(duì)賬及收款核銷(xiāo)流程自動(dòng)化。子公司業(yè)務(wù)部門(mén)發(fā)起對(duì)賬申請(qǐng)，RPA技術(shù)會(huì)自動(dòng)提取財(cái)務(wù)共享中心ERP系統(tǒng)中相關(guān)的應(yīng)收、實(shí)收數(shù)據(jù);同時(shí)，為便于對(duì)應(yīng)收賬款精準(zhǔn)管理，RPA技術(shù)還會(huì)從財(cái)務(wù)共享中心合同管理系統(tǒng)自動(dòng)匹配選取業(yè)主賬戶(hù)、賬齡、賬期和打款備注等詳細(xì)信息;ERP系統(tǒng)會(huì)自動(dòng)驗(yàn)證兩方信息的一致性并自動(dòng)對(duì)賬，若支付款項(xiàng)與賬目款項(xiàng)一致，則在總賬核算崗自動(dòng)收款核銷(xiāo);反之，財(cái)務(wù)共享中心會(huì)向子公司業(yè)務(wù)部門(mén)發(fā)送郵件，提醒相關(guān)業(yè)務(wù)人員核對(duì)賬目，督促業(yè)主按時(shí)足額繳納款項(xiàng)。

（三）應(yīng)收賬款風(fēng)險(xiǎn)管理模型的構(gòu)建

1.基于RPA技術(shù)和K-Means聚類(lèi)算法的業(yè)主信用評(píng)級(jí)。

（1）數(shù)據(jù)收集。應(yīng)收賬款管理的起點(diǎn)為簽訂合同，因此，進(jìn)行信用評(píng)級(jí)首先需要收集業(yè)主相關(guān)數(shù)據(jù)信息。子公司人員可將業(yè)主相關(guān)信息錄入CRM系統(tǒng)之中，通過(guò)RPA技術(shù)從中提取信息形成相應(yīng)的財(cái)務(wù)指標(biāo)，然后根據(jù)相互之間的關(guān)聯(lián)規(guī)則代入模型自動(dòng)對(duì)信用進(jìn)行評(píng)級(jí)。

（2）評(píng)級(jí)。該階段函數(shù)可用因子之間的線性組合來(lái)展示，公式為：

Z=α1F1+α2F2+…+αmFm? ? （1）

其中，F(xiàn)為通過(guò)因子分析提取的因子，α為因子的權(quán)重。構(gòu)建模型首先需要建立評(píng)價(jià)指標(biāo)體系，相應(yīng)的評(píng)價(jià)指標(biāo)可從公司年報(bào)及工商數(shù)據(jù)中從盈利、償債、發(fā)展及營(yíng)運(yùn)四方面選取，具體指標(biāo)見(jiàn)下頁(yè)表1。

集團(tuán)公司需要將采集的數(shù)據(jù)統(tǒng)一儲(chǔ)存在數(shù)據(jù)庫(kù)，并建立資產(chǎn)負(fù)債表及利潤(rùn)表，之后通過(guò)SQL語(yǔ)句進(jìn)行標(biāo)準(zhǔn)化處理，最后通過(guò)上述公式將結(jié)果數(shù)值存儲(chǔ)在數(shù)據(jù)表的相應(yīng)位置。各項(xiàng)數(shù)據(jù)還要通過(guò)因子分析來(lái)進(jìn)行預(yù)處理，因子間線性相關(guān)的程度可借由巴特利特球度檢驗(yàn)、平均值計(jì)算和KMO檢驗(yàn)獲取，其中，前者檢驗(yàn)的數(shù)據(jù)值預(yù)期接近零則說(shuō)明指標(biāo)間的線性相關(guān)性成立。其中，5個(gè)因子保留了原變量百分之七十的信息，因此選取5個(gè)因子進(jìn)行后續(xù)分析，并構(gòu)建Z值得分系數(shù)矩陣。在該矩陣中，可以得到5個(gè)主成分與14個(gè)初始變量的轉(zhuǎn)換關(guān)系，Y為主成分，X為初始變量，初始變量的得分記作K，具體公式為：

Yj= KiXi，j=1，2，…，5;i=1，2，…，14? ? （2）

同時(shí)，為便于清楚明了地判斷業(yè)主的信用評(píng)級(jí)情況，還需構(gòu)建評(píng)級(jí)標(biāo)準(zhǔn)。首先，根據(jù)Z值將各個(gè)業(yè)主劃分至各區(qū)間進(jìn)行分類(lèi)，然后找出各層級(jí)的分界線，最后，根據(jù)K-Means聚類(lèi)算法分析結(jié)果構(gòu)建評(píng)級(jí)模型，依照分值距中心點(diǎn)距離最短原則劃分等級(jí)。

2.基于BP神經(jīng)網(wǎng)絡(luò)的壞賬風(fēng)險(xiǎn)預(yù)測(cè)。若BP神經(jīng)網(wǎng)絡(luò)輸入與隱含層間的權(quán)值為Viw，隱含與輸出層間的權(quán)值為Vjw，輸入、隱含及輸出層的節(jié)點(diǎn)數(shù)分別為c、e和d，而隱含層及輸出層函數(shù)分別為f1和f2，則隱含層及輸出層節(jié)點(diǎn)的輸出公式分別如下所示：

Zk=f1（? ? ? ?VikXi），k=1，2，…，q? ? （3）

ym=f2（? ? ? ? VdmZm），k=1，2，…，d? ? （4）

在輸入x1，x2，…，xc個(gè)學(xué)習(xí)樣本后，其輸出值為yjc（j=1，2，…，c），采用平方型誤差函數(shù)即可得到誤差值，若當(dāng)時(shí)輸入的是p個(gè)學(xué)習(xí)樣本，則其誤差值的計(jì)算公式為：

Ep=0.5? ? ? ? （tjp-yjp）2? ? （5）

其中，tjp指的是期望輸出數(shù)值，整體誤差值計(jì)算公式為：

E=0.5? ? ? ? ? ? ? （tjp-yjp）2? ? （6）

利用累計(jì)誤差算法調(diào)整權(quán)值來(lái)降低整體誤差，若γ表示該模型的學(xué)習(xí)率，則誤差調(diào)整公式為：

Δwjw=-γ? ? ? ?=-γ? ? ? ? ? ?（? ? ?Ep）=? ? ? -γ? ? ? （7）

本文選取2013—2018年50家A股上市公司作為樣本，其中分別有25家ST及25家非ST公司，研究數(shù)據(jù)為T(mén)-3年和橫截面數(shù)據(jù)并將其記錄為T(mén)年，將數(shù)據(jù)輸入作為檢驗(yàn)及訓(xùn)練之用。之后，構(gòu)建風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，可從縱向和橫向來(lái)選擇指標(biāo)，具體指標(biāo)主要包括產(chǎn)權(quán)比率、凈利潤(rùn)增長(zhǎng)率、資產(chǎn)負(fù)債比率、固定資產(chǎn)增長(zhǎng)率、應(yīng)收賬款周轉(zhuǎn)率及財(cái)務(wù)杠桿。

在構(gòu)建風(fēng)險(xiǎn)評(píng)估指標(biāo)體系后，還要采用巴特利特球度檢驗(yàn)各指標(biāo)的線性相關(guān)性。當(dāng)因子有4個(gè)時(shí)，原有變量信息基本保留，但數(shù)量?jī)H為原有變量的三分之二，達(dá)到了精簡(jiǎn)的目的，因此選取3個(gè)因子進(jìn)行主成分分析。通過(guò)以上步驟可以得到Z值系數(shù)矩陣，權(quán)重為因子的方差貢獻(xiàn)率，以獲取業(yè)主綜合得分。最后，按照上文所述方法構(gòu)建評(píng)級(jí)模型，劃分業(yè)主等級(jí)。

將各業(yè)主的壞賬風(fēng)險(xiǎn)預(yù)測(cè)看作輸入到輸出的非線性映射，可設(shè)定3層BP網(wǎng)絡(luò)結(jié)構(gòu)，其中，3個(gè)財(cái)務(wù)指標(biāo)為輸入層神經(jīng)元，而輸出層為1個(gè)神經(jīng)元，是取值1到7的任意整數(shù)，以代表評(píng)價(jià)結(jié)果，將上文選取的樣本數(shù)據(jù)作為訓(xùn)練集，通過(guò)梯度下降法逐漸減少誤差。業(yè)務(wù)人員可以通過(guò)評(píng)價(jià)結(jié)果選擇回款策略，逾期賬款由相應(yīng)業(yè)務(wù)部門(mén)及法務(wù)部門(mén)共同負(fù)責(zé)。

二、財(cái)務(wù)共享模式下應(yīng)收賬款管理優(yōu)化方案的案例應(yīng)用

某建筑股份有限公司（以下簡(jiǎn)稱(chēng)“某建筑公司”）成立于2007年，于2009年上市，是某建筑集團(tuán)有限公司旗下的一家上市公司，主要經(jīng)營(yíng)范圍為：承接國(guó)內(nèi)外公用、民用房屋建筑工程的施工、安裝及咨詢(xún);承建裝飾工程、園林工程的設(shè)計(jì)與施工。公司獲得標(biāo)普、穆迪、惠譽(yù)等國(guó)際三大評(píng)級(jí)機(jī)構(gòu)信用評(píng)級(jí)A級(jí)，2018年度被《財(cái)富》雜志評(píng)為世界500強(qiáng)企業(yè)。某建筑公司基于大數(shù)據(jù)智能化視角的應(yīng)收賬款管理優(yōu)化實(shí)施情況如下：

（一）應(yīng)收賬款管理流程優(yōu)化后的實(shí)施情況

某建筑公司應(yīng)用基于RPA流程的Uipath自動(dòng)化軟件后，財(cái)務(wù)共享中心應(yīng)收賬款管理功能更為完善，同時(shí)可以共享和重用插件，使得財(cái)務(wù)機(jī)器人可以模擬及執(zhí)行重復(fù)操作，還能跨系統(tǒng)調(diào)閱數(shù)據(jù)，有效節(jié)省時(shí)間。其功能主要由以下三個(gè)工具實(shí)現(xiàn)：一是Orchestrator工具，是一種基于Wed的高度可擴(kuò)展服務(wù)器平臺(tái)，由成千上萬(wàn)的財(cái)務(wù)機(jī)器人進(jìn)行自動(dòng)化過(guò)程，使用靈活且成本較低。二是Studio工具，可以建模所有組織所需的業(yè)務(wù)流程，完美兼容SAP和Java等系統(tǒng)，可讀寫(xiě)任何類(lèi)型的文檔。三是Robot工具，可通過(guò)系統(tǒng)協(xié)調(diào)器進(jìn)行管理，由人工觸發(fā)，后由系統(tǒng)設(shè)定關(guān)聯(lián)規(guī)則觸發(fā)相應(yīng)后續(xù)流程。

應(yīng)收賬款管理流程優(yōu)化主要體現(xiàn)在Excel操作自動(dòng)化和自動(dòng)發(fā)送電子郵件兩方面。一是數(shù)據(jù)拷貝，Excel通過(guò)添加Excel application scope（以下簡(jiǎn)稱(chēng)EAS），制定文件路徑，添加Read Range活動(dòng)至添加程序中，讀取其中數(shù)據(jù)，保存在另一個(gè)文件中，并轉(zhuǎn)換數(shù)據(jù)類(lèi)型，以備寫(xiě)入目標(biāo)文件，重復(fù)上述流程，將Read Range變更為Write Range，最終將文件寫(xiě)入目標(biāo)文件。二是添加數(shù)據(jù)，添加Build Data Table活動(dòng)創(chuàng)建數(shù)據(jù)表，再添加EAS選擇操作的表格文件，最后添加Write Range活動(dòng)，即可在制定表格文件中指定位置添加數(shù)據(jù)。三是表格排序，打開(kāi)文件選中相應(yīng)數(shù)據(jù)，設(shè)置名稱(chēng)后添加EAS，隨后添加表單頁(yè)名及范圍，最后添加Write Range，將排序后數(shù)據(jù)寫(xiě)入文件中運(yùn)行。四是篩選數(shù)據(jù)，設(shè)置表格應(yīng)用程序范圍EAS，添加選擇范圍來(lái)讀取表格數(shù)據(jù)保存在變量中，添加IF活動(dòng)輸入篩選條件，再添加Write Range，輸出滿(mǎn)足條件的單元格名稱(chēng)。五是建新表格，設(shè)置添加數(shù)據(jù)表，在參數(shù)選項(xiàng)中輸入新列及相應(yīng)屬性值，添加ESA創(chuàng)建新存儲(chǔ)表格路徑文件，最后添加Write Range，將參數(shù)設(shè)置為New DT，運(yùn)行新數(shù)據(jù)表。后者需要在設(shè)計(jì)面板添加Send Outlook Mail Message，填上主題、收件人及內(nèi)容，即可自動(dòng)發(fā)送電子郵件。

（二）業(yè)主信用評(píng)級(jí)模型的實(shí)施情況

某建筑公司屬于建筑行業(yè)，模型數(shù)據(jù)為在國(guó)泰安數(shù)據(jù)庫(kù)的業(yè)主相關(guān)行業(yè)中隨機(jī)選擇385家上市公司數(shù)據(jù)。為在保障原始信息完整性的同時(shí)精簡(jiǎn)變量方便后續(xù)計(jì)算，對(duì)各項(xiàng)因子還需進(jìn)行因子分析操作，具體操作為：首先，選擇影響應(yīng)收賬款管理的各項(xiàng)指標(biāo)（見(jiàn)上頁(yè)表1），在統(tǒng)計(jì)選項(xiàng)中選擇初始解，相關(guān)性矩陣選項(xiàng)中選擇巴特利特球度檢驗(yàn)和KMO檢驗(yàn)。其次，選擇主成分分析方法，特征值大于1，最大收斂迭代次數(shù)為25。再次，使用最大方差法輸出旋轉(zhuǎn)后的解，將因子得分保存為變量并顯示因子得分系數(shù)矩陣。最后，在排除小系數(shù)后按照大小進(jìn)行排序，得出綜合得分計(jì)算結(jié)果。

K-Means聚類(lèi)算法分析步驟如下：某建筑公司要根據(jù)自身需求選擇固定集群數(shù)，之后制定K類(lèi)的初始類(lèi)中心，該項(xiàng)數(shù)值的確定要結(jié)合實(shí)際工作及經(jīng)驗(yàn)，保證數(shù)值的合理性和客觀性;據(jù)此計(jì)算各數(shù)據(jù)點(diǎn)到中心的歐幾里得距離，基于最近距離原則將觀測(cè)值分類(lèi);據(jù)此計(jì)算各類(lèi)中各變量的均值作為類(lèi)中心點(diǎn)，進(jìn)行迭代。最后，判斷是否滿(mǎn)足終止條件，滿(mǎn)足即可停止迭代，反之，重復(fù)迭代直到滿(mǎn)足條件為止。

（三）壞賬風(fēng)險(xiǎn)預(yù)測(cè)模型實(shí)施情況

在2013—2018年分別選取50家上市公司和50家ST上市公司，以其T-3年數(shù)據(jù)為研究對(duì)象。采用隨機(jī)抽列方法分別選擇25家ST公司和25家非ST公司用于測(cè)試，剩余部分則用于訓(xùn)練，在使用前期還要對(duì)訓(xùn)練樣本采用最大最小區(qū)間映射法完成歸一化處理。其中，n、M和m分別為BP神經(jīng)網(wǎng)絡(luò)三個(gè)層級(jí)的節(jié)點(diǎn)數(shù)量。經(jīng)計(jì)算，隱含層最優(yōu)節(jié)點(diǎn)數(shù)目為3，公式如下：

M=? ? ? ? ? ? ? ?+10? ? （8）

某建筑公司的壞賬預(yù)測(cè)模型的隱含和輸出層節(jié)點(diǎn)分別為3個(gè)和1個(gè)，隱含層節(jié)點(diǎn)為壞賬風(fēng)險(xiǎn)預(yù)測(cè)指標(biāo)，輸出節(jié)點(diǎn)取整數(shù)作為某建筑公司業(yè)務(wù)信用評(píng)級(jí)數(shù)值。隱含層3個(gè)節(jié)點(diǎn)分別為現(xiàn)金比率、應(yīng)收賬款周轉(zhuǎn)率和速動(dòng)比率，因變量為1，聚類(lèi)評(píng)級(jí)為7，訓(xùn)練后最優(yōu)正確率為99.6%，誤差低于預(yù)定誤差1e-13。將所有數(shù)據(jù)輸入該模型進(jìn)行實(shí)驗(yàn)檢驗(yàn)精確度，結(jié)果發(fā)現(xiàn)ST公司的正確率為84.00%，非ST公司的正確率為78.00%。數(shù)據(jù)表明，該模型具有一定的實(shí)用性，可以用于預(yù)測(cè)公司是否出現(xiàn)了壞賬導(dǎo)致的財(cái)務(wù)危機(jī)，及時(shí)加強(qiáng)公司應(yīng)收賬款管理，降低壞賬占比。

三、結(jié)論

在大數(shù)據(jù)智能化背景下，財(cái)務(wù)共享中心面臨的財(cái)務(wù)處理工作繁雜、重復(fù)工作量大且管理效率偏低等問(wèn)題都可以借由大數(shù)據(jù)技術(shù)予以解決。其中，應(yīng)收賬款管理對(duì)集團(tuán)公司現(xiàn)金流及盈利能力的影響頗大，為提高管理水平和效率，利用大數(shù)據(jù)技術(shù)對(duì)應(yīng)收賬款進(jìn)行流程優(yōu)化和風(fēng)險(xiǎn)管控尤為重要。對(duì)此，本文首先基于大數(shù)據(jù)技術(shù)探討應(yīng)收賬款流程自動(dòng)化優(yōu)化、業(yè)主信用評(píng)級(jí)和壞賬風(fēng)險(xiǎn)預(yù)測(cè)，之后以某建筑公司為案例進(jìn)行應(yīng)用分析，得出以下結(jié)論：基于RPA技術(shù)的應(yīng)收賬款流程優(yōu)化可快速準(zhǔn)確地解決認(rèn)知需求低、重復(fù)程度高、多系統(tǒng)訪問(wèn)及易于標(biāo)準(zhǔn)化的規(guī)則性數(shù)據(jù)的處理工作，可有效優(yōu)化開(kāi)票、對(duì)賬及應(yīng)收核銷(xiāo)工作流程，實(shí)現(xiàn)數(shù)據(jù)共享;應(yīng)收賬款風(fēng)險(xiǎn)管理模型則可借助大數(shù)據(jù)技術(shù)進(jìn)行事前業(yè)主信用評(píng)級(jí)和事后壞賬預(yù)測(cè)工作，提高企業(yè)集團(tuán)應(yīng)收賬款的管理水平。

【主要參考文獻(xiàn)】

[1] 李剛.應(yīng)收賬款的風(fēng)險(xiǎn)與管理探討——以漢森制藥為例[J].商業(yè)會(huì)計(jì)，2017，（13）：40-42.

[2] 李芳萍.中小企業(yè)應(yīng)收賬款管理的問(wèn)題與對(duì)策[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016，38（S2）：72-73.

[3] 雒長(zhǎng)剛.煤炭行業(yè)應(yīng)收賬款高企的因素分析及應(yīng)對(duì)策略[J].財(cái)務(wù)與會(huì)計(jì)，2018，（02）：59-60.

[4] 徐德順，馬軍海.企業(yè)應(yīng)收賬款類(lèi)信用資產(chǎn)管理研究[J].宏觀經(jīng)濟(jì)研究，2018，（01）：129-145+155.

[5] 趙慧琳.國(guó)有大型煤炭企業(yè)應(yīng)收賬款催收管理之實(shí)踐——以××大型煤炭企業(yè)為例[J].商業(yè)會(huì)計(jì)，2018，（15）：90-92.