基于大數據智能化的企業應收賬款管理優化研究

摘 要：本文以大數據智能化為背景，首先介紹人工神經網絡BP算法與機器人流程自動化（RPA）相關理論，其次詳細分析企業應收賬款管理智能化的作用，最后重點闡述企業借助大數據智能化，探究進行應收賬款管理的優化方法，希望以此能促進企業財務工作的順利進行。

關鍵詞：大數據智能化;RPA技術;BP算法;應收賬款

一、相關理論研究

1.人工神經網絡BP算法

在上個世紀中期，人們就對人工神經網絡進行研究，主要在神經元數學模型上有所建樹。近幾年隨著信息技術與研究的深化，運用最多的是基于誤差反向傳播學習算法的BP神經網絡算法模型。很多學者在研究多層神經網絡后，建立新結構的網絡模型，側重反向傳播算法。人工神經BP算法往往包括四個步驟：第一，設置初始化參數。令分布在BP神經網絡的輸出與輸入層的神經元數量保證合理;第二，正向傳播的操作。輸入層數據與設定權重值可以重置并進行線性轉換，激活傳遞函數，獲得隱藏層的神經元值，并在此層次反復計算，到后期輸出層神經元值;第三，對比參考輸出與BP神經網絡模型標準值之間誤差;第四，反向傳播操作，使用梯度下降法計算并更新隱藏層的權值。

將BP神經網絡算法運用于企業應收賬款管理中的風險評估。經眾多實踐與研究表明，企業中的財務現狀與應收賬款的判斷，是通過一系列變量后得到的結論。應收賬款與其他財務指標數據互相影響，不是單獨存在的;預測變量中的多種指標，不是以正態的模式呈現?；诖耍瑐鹘y的計算方法不能更好實現上述內容，但是在BP神經網絡運用下對應收賬款數據的判別、預測與分析等，為解決上述問題提供便捷。BP神經網絡在解決應收賬款數據分析上的難題時，對數據中的隱藏數據與特征進行提取，主動生成結果。由此可知運用BP神經網絡算法評估進行應收賬款風險的評估是可行的。

2.機器人流程自動化（RPA）

目前對機器人流程自動化還沒有一個明確的定論，將此作為軟件自動化的工具，如在系統中可收集數據信息，并做出清理與整理工作。每一個RPA都具有自己的ID，可根據工作人員制定的規則，執行任務。將RPA運用到企業實際業務場景中，需滿足兩個條件：第一，本項工作的工作量大、重復性高;第二，本項業務具有明顯的規律。借此可發揮RPA技術控制與執行的優勢，特別是企業業務中場景的構建，在大數據智能化背景下發揮RPA技術的價值。RPA流程自動化是一款基于桌面記錄的自動化軟件、擁有比人工還要精準與高效的工作效率、具有極強的管控與審核能力。阿里云曾經指出在大數據智能化里，應收賬款管理是適用于RPA技術的業務場景，開票流程自動化、應收賬款自動對賬與收款核銷、可自主進行業主信用管理。

二、企業應收賬款管理智能化的作用

1.完善應收賬款風險的管理

應收賬款管理方面，很多企業在此過程中會出現保證金風險與結算風險，此與應收賬款風險管理與業主信用管理相關。業主信用管理工作中需企業先對業主進行評估，包括賬戶信息、信用情況與發展需求等，以此才能更早發現問題并采取一定措施規避風險。可使用CRM系統的信用評級對業主進行評估，企業發展渠道中，可先加強對業主的了解，通過對其需求的挖掘，盡量提升對其服務的滿意度，完成雙贏。對企業應收賬款的管理，最關鍵是管理逾期賬款，這對財務利潤提升有一定影響。因此要對企業應收賬款風險進行評估，并針對其評估結果選擇適合的匯款方式。

2.應收賬款跨系統的自動讀取

企業中應收賬款管理，是財務工作中重要的內容，可以脫離其他管理單獨運行，也可與其他管理系統合作，協同運行，互通數據與憑證圖片，這為完成跨系統提取與分享數據提供支撐。企業中各部門可先進行原始票據的分類整合，接著按照數字信息的掃描技術，將原始的紙質憑證生成圖像資源，在計算機中保存。另外將大數據技術與RPA技術結合，實現對原始票據中數據的識別，完成自動分類，并儲存到大數據庫中，實現同一企業不同部門或者不同子公司的跨系統數據讀取。

3.賬期的自動提示

基于大數據智能化的RPA技術，財務人員無需將應收賬款統計數據單面對面交到業務人員手中，而是借助大數據智能化技術，在網絡中建立數據庫，由財務人員設置業主應付賬款時間與金額，到期與應收賬款進行自動對賬與核銷。若出現延期或者應收與實收數據不同的情況，就可通過郵件將問題反饋。

三、基于大數據智能化的企業應收賬款管理優化設計

1.基于RPA和大數據算法的應收賬款風險管理模式

（1）基于RPA的業主信用評級

應收賬款的管理開始于合同，基于對業主單位財務數據中的指標，反映出企業的信用水平，企業以此為切入點分析，盡量減少與信用不良單位合作，避免產生呆賬、壞賬的情況。第一，企業中的業務人員通過實地考察與網絡信息收集，整合業主的資質信息，如銀行賬號、稅號、單位具體名稱、財務報表等，一次性錄入CRM系統中，建立一套業主資質信息表，統一化管理。第二，在CRM系統中形成對應財務指標，以此關聯規則，然后帶入K-Means聚類算法，實施對業主的信用等級模型的使用，完成自動評級，如評級結果為低，則表示與該企業合作存在壞賬風險幾率較大，進而減少與其合作。基于RPA業主信用流程詳細描述為表1。

（2）基于BP神經網絡算法的企業呆賬、壞賬風險的預測

應收賬款是企業與業主建立合作關系后，業主需要支付，但是因為種種原因還未支付的款項。包括貨物款項、增值稅、價外費用等。受企業與對應業主在發展中可能產生各種情況影響，以至于應收賬款的流動性增強，因此風險也很大，重視其安全與質量問題，加快自身應收賬款周轉效率，減少壞賬與呆賬問題，提升自身經營效益。

一方面，建立應收賬款風險評估指標，建立體系。對于應收賬款的分析，要著重對其流動性探究，經過應收賬款結構與趨勢的分析，找到其變化規律，對可能產生的異常情況做重點關注，討論可能發生異常與變化等情況，進而可對企業中的實際風險實施控制。可通過橫向與縱向兩種情況完成應收賬款風險的評估。橫向分析指標也是趨勢分析指標，對一段時間的應收賬款金額與賬齡等進行分析。若其漲幅超出營業收入的增幅，就是警示信號，說明銷售業績是透支信用支撐的。每次通過大數據智能化上傳的歷史交易記錄，確定應收賬款規模，經過對照分析，體現營銷策略與營業業績的變化。縱向分析指標也是結構分析指標，是根據應收賬款有關的財務比率，深化分析，即發現企業應收賬款的內部、外部環境與經營策略等方面的變化。在網絡中上傳財務報表數值，以應收賬款占收入的比重對應收賬款與企業流動資產的比值，進行重新測度。

另一方面，在BP神經網絡基礎上對壞賬風險預測模型的建立。企業財務發展中要加強對壞賬風險的預測，此為輸入到輸出的非線性映射。一個三層BP網絡更加接近映射關系，基于此，企業壞賬風險預測可設置三層BP網絡結構模式，輸入層中添加的是業主企業財務對應指標。隱含層為一層，確定神經元的個數需求，并將輸出層神經元在1-7之間任意取值，以此表示企業應收賬款風險的評價。得到評價數值后，業務人員就可根據風險評估，制定適合的匯款策略，對逾期未收的賬款進行催收，并與法務部的業務部門合作，一同開展工作。兩個部門根據合同，一同依據合同制定的付款期限，盡量與對方業主交流，多渠道多角度分析其不能及時支付應付賬款的原因，進而采取適合的節點進行款項催收。

2.基于RPA的開票流程自動化

企業中應收賬款管理工作需要工作人員從多種渠道收集財務方面的信息，如財務數據、網絡信息與實地走訪的信息等，然后將此輸入CRM系統中，以CRM系統維護信息資源的完整性，在指令下對眾多數據進行修改或者刪除、修改。經過對企業財務中資金結算崗位部門的實收賬款登記，通過RPA中的財務信息和企業與業主簽訂合同中的金額、數量等數據信息，進行智能化匹配。此過程堅守財務人員人工工作環節，只要利用計算機技術，就可進行自動開票。若企業有分或子公司，就可由其再進行一次審核，確保無誤后就可將增值稅發票傳送到總公司財務部的賬務審核崗，完成對應收賬款的審核，數據一致后就可進入開票流程。更詳細的開票流程如表2。

3.基于RPA應收賬款對賬和收款核銷流程的完善

企業的子公司或者下屬部門有應收賬款對賬的需求后就可提出申請，通過財務系統，提取應收與實收數據，與合同管理系統中的付款單位（個人）名稱、付款賬戶（個人賬戶）、開票金額等信息進行自動對賬。如對方已經按照合同約定的日期與金額，將款項打到指定賬戶，系統中就可依據關聯賬目對其進行核銷，如果轉賬金額與系統中金額數據不相符，財務系統會以郵件的形式，將不符數據信息發給企業業務部門主管，提示其進行處理?；赗PA應收賬款對賬與收款核銷流程詳細如表3。

四、企業應收賬款管理智能化保障措施

1.技術保障

大數據智能化背景下的企業應收賬款的管理更加依賴于網絡，這就對網絡技術有更高的要求。以財務軟件的使用為例，在運行的時候可能受病毒的問題，影響應收賬款管理效率。因此要提升技術保障，如提升應收賬款信息安全授權、定期使用殺毒措施，預防黑客入侵，進而建立具體防護措施。對于很多企業來說，財務系統的建立要從技術的角度設計安全防護措施，進一步做到網絡防御，提升對信息的保障安全能力。

2.人員保障

企業應收賬款管理智能化下的人員保障，一方面，要加強對財務與業務人員現代化信息技術型人才的培養，加強對相關人員的專業技術培訓，進而為財務共享工作營造信息環境。同時轉變財務人員觀念，實現財務會計向管理會計的轉型，在良好學習與溝通環境下，做好大數據處理的建模，更好提取財務信息。企業也要適當招聘一些數學與統計型的人才。另一方面，通過激勵制度激發員工的工作熱情。企業應收賬款的管理工作對員工專業能力與努力程度要求很高，除了上述對人才的培養，企業還可使用激勵的手段，在以人為本的基礎上，強調對財務與業務人員激勵制度的完善，以此調動工作人員工作創造性與主動性。

五、結論

綜上所述，在大數據智能化背景下的企業應收賬款管理的優化，滿足財務共享服務需求，通過大數據算法、RPA系統的運用，更好推動企業應收賬款管理的發展，以此實現企業價值的創造。

參考文獻：

[1]楊霽鈺.醫藥行業應收賬款管理研究——以H醫藥公司為例[J].對外經貿，2020（07）：52-55.

[2]代佳.基于大數據智能化的M海事局預算業務內部控制優化[D].重慶理工大學，2020.

[3]陸岷峰，徐陽洋.區塊鏈技術在普惠金融風險控制中的運用研究——以供應鏈中的小微企業為例[J].農村金融研究，2019（08）：13-20.

[4]羅昊.基于業財融合的財務共享服務中心功能提升研究[D].南京審計大學，2019.

[5]劉紅菊.財務共享模式下基于大數據智能化的Z建筑企業管理會計報告生成優化研究[D].重慶理工大學，2019.

作者簡介：丁碩（1998.07- ），女，漢族，佳木斯大學經濟與管理學院會計專業學生