基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)的智能財務(wù)研究

朱敏

【關(guān)鍵詞】 深度學(xué)習(xí); BP神經(jīng)網(wǎng)絡(luò)技術(shù)（BPNN）; 智能財務(wù); 產(chǎn)品定價

【中圖分類號】 F272;F270.7? 【文獻標識碼】 A? 【文章編號】 1004-5937（2021）18-0038-05

移動互聯(lián)網(wǎng)、人工智能、區(qū)塊鏈、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等新興技術(shù)改變了服務(wù)和商品的性質(zhì)，在商業(yè)以及企業(yè)管理領(lǐng)域開拓了一系列新的業(yè)務(wù)場景，新的數(shù)字技術(shù)推動互聯(lián)網(wǎng)進入算法競爭的下半場，智能化轉(zhuǎn)型將成為企業(yè)智力水平競賽的制勝關(guān)鍵。2020年國家發(fā)改委對新基建做了進一步定義，新基建以經(jīng)濟轉(zhuǎn)型、增效發(fā)展為總綱，旨在加快各產(chǎn)業(yè)的數(shù)字化升級，國家“新基建”戰(zhàn)略要求企業(yè)加速智能化管理轉(zhuǎn)型。傳統(tǒng)企業(yè)紛紛謀求財務(wù)轉(zhuǎn)型，信息化和數(shù)字化技術(shù)為財務(wù)智能化變革提供了技術(shù)支持，人工智能將使計算機替代人類心智完成工作任務(wù)。

目前對財務(wù)智能化的研究主要集中在職能、宏觀架構(gòu)、內(nèi)涵、風險等方面，對智能財務(wù)的具體技術(shù)路徑探索較少。智能化轉(zhuǎn)型的本質(zhì)是數(shù)據(jù)技術(shù)驅(qū)動的智能升級，深度學(xué)習(xí)在語音識別、金融、司法領(lǐng)域的運用實踐對財務(wù)智能化將產(chǎn)生重大啟示，本文對引入深度學(xué)習(xí)之BP神經(jīng)網(wǎng)絡(luò)技術(shù)（Back Propagation Neural Network，BPNN）的財務(wù)智能化轉(zhuǎn)型路徑進行探索研究。

一、BP神經(jīng)網(wǎng)絡(luò)技術(shù)和智能財務(wù)概述

（一）BP神經(jīng)網(wǎng)絡(luò)技術(shù)

BP神經(jīng)網(wǎng)絡(luò)技術(shù)屬于深度學(xué)習(xí)使用最普遍的一種算法。深度學(xué)習(xí)技術(shù)自20世紀90年代以來被運用于自動駕駛、交通管理、語言處理、語音識別、醫(yī)療診斷、司法判斷及金融量化等多領(lǐng)域?qū)嵺`[ 1 ]。深度學(xué)習(xí)運用于語音識別領(lǐng)域，極大地降低了語音識別錯誤率;在電子游戲及唇語識別中取得超越人類的表現(xiàn);對金融交易過程生物識別提供技術(shù)保障，提升了金融機構(gòu)貸款信用評估效率;幫助律師事務(wù)所完成輔助復(fù)核，瀏覽海量文件獲取合法證據(jù)，使法律工作流程更高效，成本大幅下降;在新興教育行業(yè)中，深度學(xué)習(xí)發(fā)揮了數(shù)字導(dǎo)師功能，使教師從教學(xué)重復(fù)勞動中解脫，致力于精神層次支持和啟發(fā)[ 2 ]。隨著更強大的計算機、更龐大的數(shù)據(jù)集和更深邃網(wǎng)絡(luò)的發(fā)展，深度學(xué)習(xí)技術(shù)必然被逐漸應(yīng)用于更多商業(yè)領(lǐng)域。以不可替代的技術(shù)優(yōu)勢，深度學(xué)習(xí)將成為推動智能財務(wù)轉(zhuǎn)型的技術(shù)利器。

BP神經(jīng)網(wǎng)絡(luò)技術(shù)（BPNN）相比于傳統(tǒng)深度學(xué)習(xí)能夠更有效地學(xué)習(xí)非線性目標函數(shù)[ 3 ]。BPNN包含輸入層、隱藏層和輸出層三層級，包括正向和反向傳播兩個計算步驟（如圖1所示）。（1）正向傳播：信息特征從輸入層進入神經(jīng)網(wǎng)絡(luò)，通過隱藏層計算，由輸出層輸出;（2）反向傳播：計算輸出層的輸出與真實值的誤差，將誤差反向傳播，通過梯度下降算法更新各層級參數(shù)，實現(xiàn)自我學(xué)習(xí)，直到計算輸出層的輸出與真實值的誤差停止更新為止。

BP神經(jīng)網(wǎng)絡(luò)技術(shù)大幅擴展了計算機靈活表達并模擬世界萬物特征規(guī)律的能力，幫助計算機通過持續(xù)訓(xùn)練樣本，進行嘗試和自主學(xué)習(xí)，逐步總結(jié)事物客觀規(guī)律。

（二）智能財務(wù)

智能財務(wù)指人類財務(wù)專家與人工智能技術(shù)聯(lián)合組成人—機協(xié)同系統(tǒng)，完成企業(yè)復(fù)雜的財務(wù)管理任務(wù)，同時，人工智能技術(shù)在財務(wù)管理活動中不斷得到演化，逐步取代人類財務(wù)專家的功能[ 4 ]。

企業(yè)運用新的信息技術(shù)重構(gòu)組織架構(gòu)、再造業(yè)務(wù)流程、賦能業(yè)務(wù)并支持決策，這個過程被稱為財務(wù)數(shù)字化轉(zhuǎn)型，但不能稱為智能財務(wù)，因為工作流程仍然依賴人工編程設(shè)計完成[ 5 ]。財務(wù)共享中心使用財務(wù)機器人（RPA）替代人工進行單據(jù)識別和數(shù)據(jù)記錄等重復(fù)性、有規(guī)律的操作層面的業(yè)務(wù)活動，RPA財務(wù)機器人以零差錯、低成本優(yōu)勢快速取代開票、對賬、錄入等重復(fù)流程化工作，釋放出大量財務(wù)人力資源，極大提升了財務(wù)工作效率。但是，RPA財務(wù)機器人實際上距離智能財務(wù)實現(xiàn)人—機互動、替代財務(wù)專家進行財務(wù)預(yù)測與決策支持的功能和目標尚遠。

財務(wù)數(shù)字化是智能財務(wù)的基礎(chǔ)，智能財務(wù)是財務(wù)數(shù)字化的發(fā)展方向。財務(wù)共享中心是財務(wù)數(shù)字化的起點，基于云計算，分散的業(yè)務(wù)活動在共享中心集聚，并被標準化、數(shù)據(jù)化，集合為數(shù)據(jù)倉庫和集市。智能財務(wù)發(fā)揮算法和算力作用，在大量實踐樣本數(shù)據(jù)基礎(chǔ)上，無限模擬企業(yè)資源配置，輔助甚至代替管理人員做出預(yù)測和決策。智能財務(wù)技術(shù)激活、治理數(shù)字化平臺的數(shù)據(jù)集合，不斷進化迭代的人機交互算法支持預(yù)測、控制、決策財務(wù)模型，實踐財務(wù)運用場景，最終實現(xiàn)財務(wù)管理的終極價值（張慶龍，2020）。

二、財務(wù)智能化發(fā)展現(xiàn)狀與問題

2019年，上海國家會計學(xué)院智能財務(wù)研究中心發(fā)布了《中國企業(yè)財務(wù)智能化現(xiàn)狀調(diào)查報告》，指出企業(yè)智能財務(wù)運用最多的領(lǐng)域是會計核算和銀企互聯(lián)系統(tǒng)，而對風險管理和決策支持模塊的使用程度最低。報告顯示，企業(yè)財務(wù)智能化運用尚處于探索階段。

新技術(shù)背景下，企業(yè)不斷推進財務(wù)數(shù)字化平臺建設(shè)，來自客戶、供應(yīng)商等不同渠道的巨量業(yè)務(wù)數(shù)據(jù)涌入信息系統(tǒng)，但一系列迫切需要解決的問題和挑戰(zhàn)隨之而來，包括高效融合數(shù)據(jù)倉庫多維特征困難、業(yè)務(wù)數(shù)據(jù)間邏輯關(guān)系未能充分表達、數(shù)據(jù)特征兼容性不夠、信息孤島增多、數(shù)據(jù)再造更新滯后、獲取業(yè)務(wù)數(shù)據(jù)服務(wù)困難等。數(shù)據(jù)資產(chǎn)的價值在于被應(yīng)用并實現(xiàn)企業(yè)提質(zhì)增效目標，由于數(shù)據(jù)價值未能充分被釋放，數(shù)據(jù)資源浪費嚴重，企業(yè)數(shù)字化并未如預(yù)期賦能業(yè)務(wù)并指導(dǎo)決策。

更高級別的財務(wù)智能化實施尚存在難度。財務(wù)智能化必須借助智能技術(shù)有效解構(gòu)多源異構(gòu)數(shù)據(jù)池，挖掘數(shù)據(jù)間關(guān)聯(lián)特征，重塑業(yè)務(wù)流程，融合數(shù)據(jù)管道，提升數(shù)據(jù)資產(chǎn)使用效率，再造數(shù)字化平臺積累的數(shù)據(jù)鏈價值。

智能財務(wù)轉(zhuǎn)型不僅是信息基礎(chǔ)設(shè)施系統(tǒng)的升級和數(shù)字化，而且是持續(xù)迭代升級的數(shù)據(jù)技術(shù)逐步改變管理方式和經(jīng)營方式的系統(tǒng)工程。

智能財務(wù)場景的實現(xiàn)需要強大的人工智能技術(shù)作為數(shù)據(jù)治理與預(yù)測能力的技術(shù)背景和基礎(chǔ)，BPNN以其對視覺和語音識別、數(shù)據(jù)多維特征提取治理、訓(xùn)練樣本預(yù)測未來的技術(shù)優(yōu)勢，將成為解決財務(wù)智能化轉(zhuǎn)型問題的技術(shù)利器。

三、BP神經(jīng)網(wǎng)絡(luò)技術(shù)優(yōu)勢

BPNN包含多個隱藏層，可以容納大量設(shè)置和調(diào)整參數(shù)，擁有強大的非線性表達、自適應(yīng)、自學(xué)習(xí)、容錯及泛化能力，具備提取描述海量數(shù)據(jù)異構(gòu)多維的特征和優(yōu)勢。

BPNN進入財務(wù)領(lǐng)域后，可以作為挖掘和識別業(yè)務(wù)數(shù)據(jù)深層特征信息的技術(shù)利器，整合企業(yè)內(nèi)外部包括業(yè)務(wù)合作伙伴相關(guān)的財務(wù)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，梳理數(shù)據(jù)潛在規(guī)則，挖掘數(shù)據(jù)價值，高質(zhì)量實現(xiàn)數(shù)據(jù)互通互聯(lián)和數(shù)據(jù)鏈有機融合，構(gòu)建智能財務(wù)的數(shù)據(jù)基礎(chǔ)。

融入BPNN的智能化模式下，企業(yè)將標準化的財務(wù)工作交由機器完成。智能化系統(tǒng)不斷訓(xùn)練和修正自身參數(shù)，系統(tǒng)、高效、準確地實現(xiàn)實時經(jīng)營數(shù)據(jù)反映、未來現(xiàn)金流量預(yù)測、流程改進及再造模擬等功能，持續(xù)推進人工智能財務(wù)系統(tǒng)進階。

四、基于BPNN的財務(wù)智能化應(yīng)用場景

不同的財務(wù)應(yīng)用場景應(yīng)基于不同層級的BPNN技術(shù)實現(xiàn)有區(qū)分度的價值目標。基于BPNN技術(shù)，企業(yè)對財務(wù)共享中心數(shù)據(jù)中臺類型多樣、規(guī)模巨大的數(shù)據(jù)進行高效解讀和關(guān)聯(lián)處理，持續(xù)訓(xùn)練樣本，優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)重值和閾值。數(shù)據(jù)特征經(jīng)過神經(jīng)網(wǎng)絡(luò)正向傳導(dǎo)，對該網(wǎng)絡(luò)進行反饋調(diào)節(jié)，使輸出層財務(wù)數(shù)據(jù)的誤差最小，從而實現(xiàn)核算層面、內(nèi)控及風險管理層面、決策層面、專家顧問策略支持等智能化應(yīng)用場景，提高決策效率，改善服務(wù)水平，獲得更好的客戶體驗感，降低管理風險，解決財務(wù)共享中心沉淀數(shù)據(jù)治理問題，驅(qū)動數(shù)據(jù)價值鏈重塑，最終實現(xiàn)數(shù)據(jù)資產(chǎn)增值，甚至可以實現(xiàn)智能化自主預(yù)測和決策，強化財務(wù)服務(wù)與管理職能。

（一）產(chǎn)品定價

利用BPNN非線性特征提取和表達功能，設(shè)置定價規(guī)則和參數(shù)，建立基于企業(yè)自身、客戶、供應(yīng)商及競爭對手多維影響因素的產(chǎn)品定價模型，深度學(xué)習(xí)技術(shù)充分利用企業(yè)擁有的多渠道影響數(shù)據(jù)，不斷提取數(shù)據(jù)特征，與市場接受度和企業(yè)成本進行持續(xù)比對，不斷自迭代定價方案，訓(xùn)練系統(tǒng)，徹底變革根據(jù)人工經(jīng)驗做出定價的現(xiàn)狀。

（二）資金管理

基于BPNN技術(shù)的資金管理系統(tǒng)集成財務(wù)共享中心的數(shù)據(jù)池特征，集成對象包括銀企直連、費用報銷、稅收及發(fā)票管理、供應(yīng)鏈單據(jù)驗證、客戶信用管理等模塊，實現(xiàn)收付款自動化、生成稅收籌劃和繳納方案、進行最佳現(xiàn)金持有量動態(tài)管理等智能服務(wù)。

（三）經(jīng)營風險及財務(wù)風險評估模型

企業(yè)所處內(nèi)外部環(huán)境隨時在發(fā)生變化，初創(chuàng)期、繁榮期、衰退期面臨外部政治、金融、法律、商業(yè)、行業(yè)、環(huán)保，以及內(nèi)部施工、生產(chǎn)、技術(shù)等顯性隱性多維因素，BPNN模型不斷進行數(shù)據(jù)獲取、聚集、互換，將業(yè)務(wù)流程信息不斷交互驗證，挖掘積累供應(yīng)商和客戶信息，評價信用指標，洞察風險點，建立數(shù)據(jù)安全屏障，評價企業(yè)自身經(jīng)營及財務(wù)指標實時風險。甚至可以輸入歷史風險案例，抓取案例數(shù)據(jù)風險內(nèi)在發(fā)生機制和規(guī)律，關(guān)聯(lián)實時業(yè)務(wù)的發(fā)展趨勢，實現(xiàn)更超前預(yù)警，提出規(guī)避風險的建議，提升企業(yè)內(nèi)部控制能力，更有效支持決策。

（四）全面預(yù)算管理動態(tài)分析系統(tǒng)

全面預(yù)算管理是有效的企業(yè)戰(zhàn)略和績效管理工具，引入BPNN后，更有利于平衡計分卡融入戰(zhàn)略管理，支持戰(zhàn)略目標分解到基于平衡計分卡方法的客戶、財務(wù)、內(nèi)部運營、學(xué)習(xí)與成長四個維度，實現(xiàn)戰(zhàn)略、資源配置到產(chǎn)業(yè)協(xié)同層面的可視化管理，更充分獲取和解構(gòu)客戶需求，進行實時動態(tài)業(yè)務(wù)數(shù)據(jù)監(jiān)測，執(zhí)行實時預(yù)算與實際執(zhí)行狀態(tài)差異比對分析，生成績效評價分析報告，及時對經(jīng)營活動糾偏，充分實現(xiàn)管理提質(zhì)增效目標。

（五）基于未來現(xiàn)金流量的企業(yè)價值評估系統(tǒng)

BPNN通過監(jiān)督學(xué)習(xí)和語音、圖像、語言處理技術(shù)，整合全行業(yè)估值案例，建立價值評估比對模型，歸集共享中心數(shù)據(jù)標簽，反饋訓(xùn)練樣本集，處理大量非結(jié)構(gòu)化數(shù)據(jù)，發(fā)掘數(shù)據(jù)間的隱藏關(guān)系，呈現(xiàn)未來現(xiàn)金流量趨勢，關(guān)聯(lián)匹配動態(tài)調(diào)整的行業(yè)折現(xiàn)率，實現(xiàn)企業(yè)實時價值模型，作為企業(yè)經(jīng)營活動、股權(quán)交易、項目投融資決策依據(jù)。BPNN技術(shù)很大程度上解決了企業(yè)未來內(nèi)在價值難以計量的經(jīng)典難題，取代了對收入、凈利潤、折舊、成本變動、費用支出及貼現(xiàn)率等諸多變量的人為預(yù)測及選擇。

（六）專家和策略顧問支持系統(tǒng)

憑借BPNN強大的數(shù)據(jù)治理功能，企業(yè)財務(wù)共享中心數(shù)據(jù)池整合上游供應(yīng)商、下游客戶、第三方服務(wù)機構(gòu)、政府信息，打通數(shù)據(jù)接口，發(fā)掘商機，打造業(yè)務(wù)專家和策略顧問支持系統(tǒng)，從公司治理結(jié)構(gòu)、股權(quán)投資、項目投資、銷售策略及生產(chǎn)技術(shù)持續(xù)改進等方面實現(xiàn)更多的定制化服務(wù)，幫助財務(wù)實現(xiàn)前瞻性和走出去職能，甚至成為行業(yè)鏈條企業(yè)經(jīng)營決策的策略支持者和服務(wù)協(xié)同者。

五、企業(yè)財務(wù)智能化研究

（一）LA集團公司財務(wù)數(shù)字化平臺運行現(xiàn)狀和需求

LA公司成立于1990年，是中國市場上生產(chǎn)銷售氣體產(chǎn)品系列最為廣泛的氣體公司之一。公司擁有世界一流的技術(shù)研發(fā)中心，不斷開發(fā)工業(yè)氣體、醫(yī)療氣體及混合氣體應(yīng)用技術(shù)，廣泛應(yīng)用于工業(yè)、醫(yī)療、食品、環(huán)保等各個領(lǐng)域。隨著業(yè)務(wù)發(fā)展和規(guī)模壯大，LA公司開始集團化運作，全國有獨立核算的30多個子公司，跨部門和跨區(qū)域溝通的時效性不強，整合共享資源越來越困難，整個集團組織及管理效率不斷降低。

基于工業(yè)4.0數(shù)字化革命的外部環(huán)境競爭驅(qū)動，以及企業(yè)內(nèi)部價值管理需求，LA集團組建項目團隊開發(fā)了研發(fā)、供應(yīng)鏈、生產(chǎn)和客戶服務(wù)數(shù)字化管理系統(tǒng)，搭建了財務(wù)共享中心，由于屬地稅務(wù)管理需求，各子公司仍然保留法人財務(wù)組織。集團業(yè)務(wù)在財務(wù)共享中心進行集中核算，日常核算品質(zhì)和效率得到了提高，總部統(tǒng)一要求報送的傳統(tǒng)內(nèi)部管理指標可以從共享中心挖掘數(shù)據(jù)。但數(shù)字化平臺運行中，預(yù)期的數(shù)據(jù)價值目標卻未能實現(xiàn)，集團業(yè)務(wù)和財務(wù)數(shù)據(jù)無法深度貫通，財務(wù)職能受到極大挑戰(zhàn)，對戰(zhàn)略決策和業(yè)務(wù)的支持嚴重不足。

經(jīng)過團隊調(diào)研后發(fā)現(xiàn)，LA集團缺乏與智能財務(wù)匹配的戰(zhàn)略導(dǎo)向數(shù)據(jù)治理組織和數(shù)據(jù)質(zhì)量管理體系，缺乏智能技術(shù)支撐，導(dǎo)致業(yè)務(wù)數(shù)據(jù)的多維特征難以在通暢的管道中發(fā)揮作用，反而需要不斷增加人力，改變流程去整合和處理大量堆砌的數(shù)據(jù)，最終花費昂貴的智能化平臺系統(tǒng)仍然只能通過抓取業(yè)務(wù)單元部分數(shù)據(jù)特征輸出財務(wù)結(jié)果。

LA公司目前使用人工編程信息系統(tǒng)實現(xiàn)氧氣定價（見圖2）。

LA公司目前最突出的需求是突破財務(wù)共享中心數(shù)據(jù)堆砌后的治理困難，建立系統(tǒng)性和前瞻性并重的智能財務(wù)框架，充分挖掘數(shù)據(jù)生產(chǎn)力的價值，提高管理效能，及時提供決策支持。

（二）LA集團基于BPNN的智能化財務(wù)路徑研究

1.戰(zhàn)略層面數(shù)據(jù)治理頂層制度設(shè)計

財務(wù)智能化最關(guān)鍵的因素是領(lǐng)導(dǎo)層對智能財務(wù)項目價值的充分認識和重視。領(lǐng)導(dǎo)層應(yīng)以更高遠的視角，重新認知和理解企業(yè)內(nèi)外部環(huán)境及資源，引領(lǐng)企業(yè)實現(xiàn)財務(wù)、業(yè)務(wù)、技術(shù)邏輯的系統(tǒng)更新[ 6 ]。建立數(shù)字愿景后，組織變革能力成為智能財務(wù)轉(zhuǎn)型的必要條件。LA集團必須制定戰(zhàn)略導(dǎo)向的智能財務(wù)組織架構(gòu)，梳理數(shù)據(jù)治理方法、流程和標準，建立數(shù)據(jù)質(zhì)量管理體系，將智能財務(wù)戰(zhàn)略融入集團整體戰(zhàn)略，探索商業(yè)模式變革，完成戰(zhàn)略導(dǎo)向的組織能力及人力資源保障建設(shè)路線圖，制定長期與短期工作計劃，自上而下推動，上下協(xié)同一致，提升全員數(shù)字化意識，循序漸進推動迭代升級，營造財務(wù)智能生態(tài)系統(tǒng)[ 7 ]。

2.智能財務(wù)場景運用研究——以產(chǎn)品定價為例

LA公司采取局部探索帶動整體轉(zhuǎn)型的思路，從最容易產(chǎn)生問題的核心業(yè)務(wù)——產(chǎn)品定價入手，建立基于BPNN的氧氣定價智能財務(wù)應(yīng)用場景。

LA公司目前面對多樣化的客戶，氣體產(chǎn)品處于充分競爭市場。首先，業(yè)務(wù)部門與財務(wù)部門充分評估和定義影響產(chǎn)品定價的相關(guān)因素。企業(yè)內(nèi)部環(huán)境、外部環(huán)境、競爭對手和客戶因素四個維度下的多維動態(tài)變量交互影響著氣體產(chǎn)品定價（見表1），除了產(chǎn)品成本、物流費用、安全庫存量等因素，事實上，競爭對手產(chǎn)品質(zhì)量和報價、道路限行時段、運輸車量載貨量、客戶平均用氣量、客戶可收貨時段等因素都對產(chǎn)品定價產(chǎn)生影響，傳統(tǒng)的預(yù)測模型難以整合多維特征。BPNN強大的數(shù)據(jù)融合和非線性特征表達優(yōu)勢適用于解決氣體定價問題。其次，制定數(shù)據(jù)清單，將業(yè)務(wù)數(shù)據(jù)化，確定數(shù)據(jù)處理規(guī)則，對影響氧氣定價四個維度的元數(shù)據(jù)屬性進行定義，充分清洗、解構(gòu)多維度業(yè)務(wù)信息的關(guān)聯(lián)關(guān)系和特征，形成堅實的數(shù)據(jù)基礎(chǔ)。

標準化數(shù)據(jù)通過傳遞函數(shù)輸入到神經(jīng)網(wǎng)絡(luò)隱藏層，在各級神經(jīng)元間進行連接和特征交換，獲得不同維度的特征描述，數(shù)據(jù)被神經(jīng)網(wǎng)絡(luò)深度分類融合，再通過傳遞函數(shù)輸出科學(xué)合理的產(chǎn)品定價。BPNN定價系統(tǒng)將客戶接受的樣本作為新的訓(xùn)練集，通過反向傳播不斷調(diào)整參數(shù)和閾值，提升智能系統(tǒng)整體性能。LA公司同時設(shè)立數(shù)據(jù)對照系，與基于經(jīng)驗的傳統(tǒng)單點特征集合得出的財務(wù)結(jié)果進行比對。市場反饋的實驗樣本數(shù)據(jù)持續(xù)輸入，BP神經(jīng)網(wǎng)絡(luò)得到偏差后，智能定價系統(tǒng)功能持續(xù)自我優(yōu)化（見圖3）。

傳統(tǒng)氧氣定價法很大程度上是簡單的市場客戶接受逆向法，對自身綜合成本平衡及可持續(xù)發(fā)展能力等多維度因素的考量是不全面的，帶來極大的潛在內(nèi)控風險?？梢钥闯?，BPNN網(wǎng)絡(luò)憑借強大的非線性函數(shù)表達功能，高質(zhì)量融合了影響氧氣定價的四個維度多變量數(shù)據(jù)特征，將客戶安全庫存量、客戶可收貨可卸貨時段、物流過程限行時段等繁復(fù)的可量化及抽象特征系統(tǒng)完整描述，輸入到目標函數(shù)相關(guān)網(wǎng)絡(luò)層，進行大量自適應(yīng)迭代運算及訓(xùn)練，重組數(shù)據(jù)特征鏈條誤差，通過誤差反向傳播訓(xùn)練和權(quán)重更新進行持續(xù)優(yōu)化，完成目標值。系統(tǒng)最優(yōu)價格與市場接受誤差值越來越小，高效滿足企業(yè)對氧氣產(chǎn)品實時可靠定價的需求（見表2）。

這時的財務(wù)指標是內(nèi)外部因素協(xié)同，業(yè)務(wù)、財務(wù)和技術(shù)深度融合的結(jié)果，同時也成為通過嚴格的標準化管理及精益化管理提升企業(yè)價值的典型業(yè)務(wù)案例。

通過BPNN智能化改造，LA集團解決了數(shù)據(jù)融合困難，實現(xiàn)了財務(wù)量化數(shù)據(jù)和非財務(wù)因素協(xié)同、多維度參數(shù)變化條件下實時動態(tài)的最優(yōu)化定價系統(tǒng)。LA集團從局部智能化場景改造驅(qū)動財務(wù)共享中心整體智能化轉(zhuǎn)型，以單點突破實現(xiàn)系統(tǒng)提升，通過探索研發(fā)、采購、生產(chǎn)、倉儲、運營、銷售業(yè)務(wù)單元的智能財務(wù)場景實踐，建立了高效的數(shù)據(jù)資產(chǎn)管理體系，不斷推進新的數(shù)據(jù)價值產(chǎn)生，推動業(yè)務(wù)模塊間不斷協(xié)同，從局部觸發(fā)整體，實現(xiàn)業(yè)務(wù)流、財務(wù)流和信息流融合后的智能財務(wù)系統(tǒng)不斷升級與進化。

六、結(jié)論

本文基于BPNN原理進行財務(wù)智能化研究，提出了將BPNN運用于財務(wù)智能化應(yīng)用場景的思路，解決智能化過程中數(shù)據(jù)多維信息特征治理困難的問題。

基于BPNN智能財務(wù)系統(tǒng)融合了業(yè)務(wù)數(shù)據(jù)多維特征，同時系統(tǒng)具有持續(xù)自我學(xué)習(xí)、修正和升級的優(yōu)勢，業(yè)務(wù)場景在流程化標準化改造甚至“自我演化”后，源源不斷產(chǎn)生人—機協(xié)同效應(yīng)，持續(xù)促進企業(yè)提升資源配置效率和組織建設(shè)能力，在競爭環(huán)境下創(chuàng)造更大的經(jīng)濟價值。

未來，人工智能必然與大數(shù)據(jù)、區(qū)塊鏈、下一代ERP等新技術(shù)相融合，即使沒有人類專家指導(dǎo)，單個智能體也能通過不斷試錯、糾偏程序自主完成任務(wù)，這就是智能財務(wù)運用最高階段的發(fā)展方向?？傊?，具有自我意識、自主學(xué)習(xí)、自主決策的強化深度學(xué)習(xí)在智能財務(wù)場景有著廣闊的運用空間和研究價值。

【主要參考文獻】

[1] 伊恩·古德費洛.深度學(xué)習(xí)[M].北京：人民郵電出版社，2020：1-337.

[2] 特倫斯.謝諾夫斯基.深度學(xué)習(xí)[M].北京：中信出版社，2019：1-327.

[3] 張紅，程傳祺，徐志剛，等.基于深度學(xué)習(xí)的數(shù)據(jù)融合方法研究綜述[J].計算機工程與運用，2020（1）：1-12.

[4] 劉勤，楊寅.智能財務(wù)的體系架構(gòu)、實現(xiàn)路徑和應(yīng)用趨勢探討[J].管理會計研究，2018（1）：84-96.

[5] 唐勇，胡先偉.共享服務(wù)模式下企業(yè)財務(wù)數(shù)字化轉(zhuǎn)型探討[J].會計之友，2019（8）：122-125.

[6] 陳春花，朱麗.數(shù)字化時代組織效率的本質(zhì)[M].北京：機械工業(yè)出版社，2019：1-276.

[7] SELMI N，CHANEY D.A measure of revenue management orientation and its mediating role in the relationship between market orientation and performance[J].Journal of Business Research，2018，89：99-109.