集團(tuán)企業(yè)財(cái)務(wù)共享智能流程優(yōu)化研究

于瑞雨

（哈爾濱商業(yè)大學(xué)會計(jì)學(xué)院，黑龍江哈爾濱 150028）

0 引言

財(cái)務(wù)共享是由福特、通用電氣等一些大型跨國企業(yè)20世紀(jì)末提出的一種組織管理理念，通過將大型企業(yè)或集團(tuán)企業(yè)分布在各地區(qū)的眾多子公司中可標(biāo)準(zhǔn)化的財(cái)務(wù)工作歸集至獨(dú)立的財(cái)務(wù)共享中心處理，實(shí)現(xiàn)流程再造，為集團(tuán)企業(yè)財(cái)務(wù)工作流程建設(shè)與智能化奠定基礎(chǔ)［1］。財(cái)務(wù)共享在增強(qiáng)集團(tuán)管控、降本增效方面成效顯著，受到集團(tuán)企業(yè)關(guān)注，推動了組織結(jié)構(gòu)變革。信息化社會，以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)為代表的人工智能技術(shù)突飛猛進(jìn)，在眾多領(lǐng)域廣泛應(yīng)用且成效頗佳［2］。人工智能技術(shù)可將繁瑣的工作進(jìn)行數(shù)字化處理，財(cái)務(wù)智能化成為21 世紀(jì)財(cái)會學(xué)科的發(fā)展趨勢。集團(tuán)企業(yè)財(cái)務(wù)共享中心存在員工工作量大、基礎(chǔ)工作多、業(yè)務(wù)效率低、員工價值提升難、人員流失率大等問題［3-4］。因此，從新技術(shù)應(yīng)用入手優(yōu)化改造財(cái)務(wù)共享中心服務(wù)與運(yùn)營尤為重要，應(yīng)大力推廣先進(jìn)的賬務(wù)系統(tǒng)、OCR 技術(shù)、人工智能等相關(guān)技術(shù)［5］。本文在借鑒前人研究成果基礎(chǔ)上，探索人工智能技術(shù)與集團(tuán)企業(yè)結(jié)構(gòu)化數(shù)據(jù)、自動化系統(tǒng)相結(jié)合的途徑，將人工智能運(yùn)用于解決較復(fù)雜問題，以提升集團(tuán)企業(yè)財(cái)務(wù)智能化水平。

1 集團(tuán)企業(yè)財(cái)務(wù)共享中心概述

財(cái)務(wù)共享中心以經(jīng)濟(jì)事項(xiàng)維度統(tǒng)一制定規(guī)則、業(yè)務(wù)流程、制度系統(tǒng)，可代表大量業(yè)務(wù)單位完成交易處理。其利用服務(wù)水平協(xié)議（SLA）定義業(yè)務(wù)單位所接收服務(wù)的水平，著重追求流程效率最大化和持續(xù)改進(jìn)。財(cái)務(wù)共享中心工作流程：先把匯聚來的集團(tuán)企業(yè)所有子公司的同類業(yè)務(wù)打散，然后在成本較低地區(qū)的財(cái)務(wù)共享中心內(nèi)按照業(yè)務(wù)類型實(shí)行集中流程化合并作業(yè)處理，產(chǎn)生巨大的作業(yè)規(guī)模優(yōu)勢，在以較低成本提供優(yōu)質(zhì)服務(wù)的同時大量減少底層財(cái)務(wù)作業(yè)人員工作量。在該模式下所有業(yè)務(wù)透明，易于實(shí)現(xiàn)規(guī)章制度、管理模式的統(tǒng)一以及業(yè)務(wù)流程的標(biāo)準(zhǔn)化，集團(tuán)企業(yè)可對子公司進(jìn)行高效管理并提高掌控程度。在整個財(cái)務(wù)共享模式下，集團(tuán)企業(yè)原有的財(cái)務(wù)組織體系會被拆分為總部財(cái)務(wù)、業(yè)務(wù)財(cái)務(wù)兩個部分，財(cái)務(wù)共享中心則作為新增的第三個結(jié)構(gòu)部分。財(cái)務(wù)共享中心通過集中作業(yè)的方式歸集處理集團(tuán)企業(yè)應(yīng)收、應(yīng)付、費(fèi)用、總賬核算和稅務(wù)等大量日常標(biāo)準(zhǔn)化業(yè)務(wù)。

2 集團(tuán)企業(yè)財(cái)務(wù)共享存在的問題

2.1 業(yè)務(wù)量超過運(yùn)營承載力

隨著集團(tuán)企業(yè)業(yè)務(wù)規(guī)模的擴(kuò)張，財(cái)務(wù)共享中心承接業(yè)務(wù)量亦日益增多，常出現(xiàn)業(yè)務(wù)高峰期無法及時完成財(cái)務(wù)工作情況，致使財(cái)務(wù)團(tuán)隊(duì)難堪重負(fù)。例如集團(tuán)企業(yè)每月普遍承擔(dān)數(shù)萬筆財(cái)務(wù)單據(jù)的審核工作，包括費(fèi)用報(bào)銷單、應(yīng)付賬款單、應(yīng)收賬款單和財(cái)務(wù)總賬單等。財(cái)務(wù)共享中心需要根據(jù)幾千條的審核規(guī)則，人工判斷是否符合記賬規(guī)則，其中還存在提單不規(guī)范導(dǎo)致退單率高的現(xiàn)象，造成復(fù)審工作量很大。前端的業(yè)務(wù)多導(dǎo)致財(cái)務(wù)人員工作任務(wù)增加，不堪重負(fù)。

2.2 人才資源嚴(yán)重浪費(fèi)

類似單據(jù)審核這種財(cái)務(wù)工作是財(cái)務(wù)共享中心的重要日常業(yè)務(wù)之一，其通過前端業(yè)務(wù)根據(jù)自身需求提交相關(guān)申請，于系統(tǒng)中完善所需字段并上傳相關(guān)附件，以輔助共享中心員工審核信息是否準(zhǔn)確，錄入信息量大且非工作日無法完成審批。由于其為相對基礎(chǔ)的工作，專業(yè)性較低且內(nèi)容單一，故不利于員工價值發(fā)揮和職業(yè)發(fā)展，員工的低價值感致使離職風(fēng)險上升，大大增加管理難度。提升集團(tuán)企業(yè)自動化、智能化水平，讓更多財(cái)務(wù)工作實(shí)現(xiàn)無人化處理勢在必行。

2.3 結(jié)構(gòu)化數(shù)據(jù)積累困難

集團(tuán)企業(yè)財(cái)務(wù)共享中心原有工作流程不易積累起足夠的結(jié)構(gòu)化數(shù)據(jù)，難以為分析決策提供支持，故無法推進(jìn)更多的智能化項(xiàng)目。如費(fèi)用項(xiàng)目作為集團(tuán)企業(yè)經(jīng)營成本的重要組成部分，由于各行業(yè)對成本的高敏感性要求必須對其進(jìn)行分析，將原來僅保存于電算化系統(tǒng)上的單據(jù)信息全部轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，通過深層次挖掘和分析，對業(yè)務(wù)優(yōu)化和風(fēng)險防控具有支持和參考價值。但集團(tuán)企業(yè)核算工作中只有不到一半的票據(jù)有國標(biāo)、行標(biāo)版式，故對票據(jù)進(jìn)行數(shù)據(jù)結(jié)構(gòu)化很不容易，這時需運(yùn)用人工智能技術(shù)中的機(jī)器學(xué)習(xí)方法，在已經(jīng)實(shí)現(xiàn)財(cái)務(wù)融合的集團(tuán)企業(yè)使用財(cái)務(wù)共享中心的大量歷史財(cái)務(wù)數(shù)據(jù)進(jìn)行訓(xùn)練，生成規(guī)則后不斷獲取新的數(shù)據(jù)再次對算法進(jìn)行優(yōu)化，實(shí)現(xiàn)良性循環(huán)。

2.4 人工差錯率高

財(cái)務(wù)工作紙質(zhì)單據(jù)多、審核、記賬規(guī)則多，審核耗時且易出疏漏，致使運(yùn)營成本居高不下。原有的自動化模式雖然對財(cái)務(wù)工作進(jìn)行了一定優(yōu)化，簡化了部分人工流程，但效果并不理想。全員提單背景下部分業(yè)務(wù)較為復(fù)雜，由于流動性較大的提單人員不是專業(yè)的財(cái)務(wù)人員，但同樣需要處理很多專業(yè)的票據(jù)信息，理解偏差和不規(guī)范操作導(dǎo)致提單質(zhì)量參差不齊，退單率直線上升，復(fù)審和修改工作增加了財(cái)務(wù)人員工作量。另外，當(dāng)核算事項(xiàng)處于模棱兩可狀態(tài)時，某些審核點(diǎn)在執(zhí)行上就會出現(xiàn)偏差，對復(fù)雜審核點(diǎn)、特殊審核點(diǎn)、罕見審核點(diǎn)無法統(tǒng)一意見。

3 集團(tuán)企業(yè)財(cái)務(wù)共享流程優(yōu)化

通過財(cái)務(wù)共享中心的智能流程優(yōu)化，在財(cái)務(wù)作業(yè)層構(gòu)建財(cái)務(wù)共享服務(wù)體系，通過流程優(yōu)化實(shí)現(xiàn)集團(tuán)企業(yè)管理模式轉(zhuǎn)型，真正由管控轉(zhuǎn)向于服務(wù)，讓服務(wù)成為共享的內(nèi)生基因。

圖1 為集團(tuán)企業(yè)財(cái)務(wù)共享流程優(yōu)化架構(gòu)。上層三部分是集團(tuán)企業(yè)需著力研究的高階智能化應(yīng)用。先抓取所有財(cái)務(wù)數(shù)據(jù)并進(jìn)行清洗，將其歸集到數(shù)據(jù)管理平臺。管理駕駛艙是集團(tuán)企業(yè)對財(cái)務(wù)數(shù)據(jù)的應(yīng)用，通過預(yù)先設(shè)置指標(biāo)實(shí)行事中監(jiān)控，由數(shù)據(jù)動態(tài)反映出集團(tuán)企業(yè)的經(jīng)營行為。決策支持指流程優(yōu)化后將以往根據(jù)人工制定的少量規(guī)則作出決策變?yōu)橄到y(tǒng)通過新生成的大量規(guī)則自動作出決策。中間的應(yīng)用層包括核算、資金、稅務(wù)、財(cái)務(wù)管理模塊系統(tǒng)，以及可進(jìn)行智能流程優(yōu)化的共享運(yùn)營和智能財(cái)務(wù)模塊。共享運(yùn)營模塊默認(rèn)包含集團(tuán)企業(yè)共享作業(yè)平臺和OCR 影像系統(tǒng)，可以引入財(cái)務(wù)機(jī)器人、智能審核平臺和記賬模型進(jìn)行流程優(yōu)化，處理部分可實(shí)現(xiàn)自動化的財(cái)務(wù)工作。智能財(cái)務(wù)模塊嘗試與外部系統(tǒng)協(xié)同將原有的財(cái)務(wù)系統(tǒng)對接，把事后控制變?yōu)槭虑翱刂?。比如建立與攜程這類企業(yè)對接的商旅平臺，員工出差開銷將不用再墊付差旅相關(guān)費(fèi)用，也不用索要紙質(zhì)單據(jù)，可同時節(jié)省業(yè)務(wù)員和財(cái)務(wù)人員工作量。還有電商平臺對接辦公用品等日常低值易耗品采購，交通中介平臺對接交通出行，外賣平臺對接員工餐飲等。最下面一層是業(yè)財(cái)一體化，如ERP、CRM、OA 或HR 系統(tǒng)等。

Fig.1 Optimized structure of financial sharing process optimization in group enterprises圖1 集團(tuán)企業(yè)財(cái)務(wù)共享流程優(yōu)化架構(gòu)

財(cái)務(wù)核算業(yè)務(wù)以前依靠電算化軟件內(nèi)置規(guī)則完成，而電算化軟件基本沒有顧及票據(jù)數(shù)據(jù)，實(shí)現(xiàn)的是部分?jǐn)?shù)據(jù)自動化，內(nèi)置規(guī)則覆蓋面小，非結(jié)構(gòu)化數(shù)據(jù)規(guī)則缺失，不具備基本的推導(dǎo)能力，無法應(yīng)對復(fù)雜核算場景，日常報(bào)銷核算和研發(fā)費(fèi)用資本化核算也存在同樣問題。引入人工智能技術(shù)對財(cái)務(wù)共享中心流程優(yōu)化后，可通過接口或RPA 自動抓取附件影像或相關(guān)信息傳輸至智能識別模塊做緩存處理，智能識別附件類型并執(zhí)行敏感詞、文本格式、收款方類型的檢查程序，應(yīng)用兩套分類器完成識別準(zhǔn)確率分析（置信區(qū)間計(jì)算）。對準(zhǔn)確率低于設(shè)定值的字段文本或者不能運(yùn)用機(jī)器判斷的附件類型完成虛擬切割（影像碎片化），然后將其傳輸至人工校對隊(duì)列。通過智能識別結(jié)合人工補(bǔ)錄規(guī)則，運(yùn)用流程化規(guī)則模擬人工操作，可應(yīng)用于費(fèi)用、總賬，成本、應(yīng)收，應(yīng)付、稅務(wù)、資金等各類財(cái)務(wù)核算工作，宛如虛擬財(cái)務(wù)人員般服務(wù)于各個財(cái)務(wù)工作環(huán)節(jié)，巧妙結(jié)合應(yīng)用分類器置信和切割脫敏眾包，利用深度神經(jīng)網(wǎng)絡(luò)達(dá)成核算維度分析，實(shí)現(xiàn)財(cái)務(wù)審核細(xì)則函數(shù)化轉(zhuǎn)換等，解決了常規(guī)電算化自動化率不高的難題，圖2 為財(cái)務(wù)核算業(yè)務(wù)優(yōu)化前后對比，圖3 為人工審核與智能審核獲取、儲存、判斷信息對比。

Fig.2 Comparison of financial accounting business before and after optimization圖2 財(cái)務(wù)核算業(yè)務(wù)優(yōu)化前后對比

Fig.3 Comparison of information acquisition，storage and judgment between manual audit and intelligent audit圖3 人工審核與智能審核獲取、儲存、判斷信息對比

4 集團(tuán)企業(yè)實(shí)現(xiàn)智能化財(cái)務(wù)途徑

4.1 提取財(cái)務(wù)結(jié)構(gòu)化數(shù)據(jù)

傳統(tǒng)的財(cái)務(wù)共享中心業(yè)務(wù)處理過程中，原始票據(jù)由財(cái)務(wù)人員手工收集、整理，報(bào)銷審批過程中無法將原始憑證作為報(bào)銷佐證參與審批，而報(bào)銷單填制煩瑣，補(bǔ)助計(jì)算復(fù)雜，整個業(yè)務(wù)流轉(zhuǎn)過程耗費(fèi)大量人力、物力，難以滿足集團(tuán)企業(yè)高效的運(yùn)作模式，亟需采用既符合現(xiàn)有報(bào)銷制度規(guī)范，又提升一線人員填報(bào)效率的業(yè)務(wù)處理模式。智能化流程優(yōu)化要注重?cái)?shù)據(jù)的生成，OCR 結(jié)合人工校對可有效彌補(bǔ)現(xiàn)有技術(shù)的欠缺，實(shí)現(xiàn)財(cái)務(wù)結(jié)構(gòu)化數(shù)據(jù)提取需求。按照業(yè)務(wù)流程順序，首先由業(yè)務(wù)人員通過外接硬件設(shè)備高速掃描采集原始單據(jù)影像信息，識別并提取票據(jù)關(guān)鍵數(shù)據(jù)信息，建立與影像集的關(guān)聯(lián)關(guān)系。然后分析每個字段傳遞回的置信值，將準(zhǔn)確的財(cái)務(wù)結(jié)構(gòu)化數(shù)據(jù)直接歸置數(shù)據(jù)庫，將低于設(shè)定區(qū)間的字段以及非制式票據(jù)由人工二次處理。為確保信息安全性，可根據(jù)實(shí)際情況將票據(jù)進(jìn)行切割，把需要補(bǔ)充的部分選用智能審核平臺由人工進(jìn)行補(bǔ)充。圖4 為結(jié)構(gòu)化數(shù)據(jù)提取流程。

Fig.4 Structured data extraction process圖4 結(jié)構(gòu)化數(shù)據(jù)提取流程

4.2 應(yīng)用隨機(jī)森林算法

4.2.1 隨機(jī)森林原理及流程

作為當(dāng)下最炙手可熱的人工智能技術(shù)分支之一，機(jī)器學(xué)習(xí)類似一個通過挖掘數(shù)據(jù)中存在的潛在規(guī)律來構(gòu)建學(xué)習(xí)器的過程。學(xué)習(xí)器通常劃分為淺層網(wǎng)絡(luò)與深層網(wǎng)絡(luò)，淺層網(wǎng)絡(luò)由一些傳統(tǒng)的機(jī)器學(xué)習(xí)方法構(gòu)建，結(jié)構(gòu)簡單且訓(xùn)練省時，針對小樣本數(shù)據(jù)有不錯的預(yù)測精度，但卻普遍存在過擬合問題［6-8］。隨機(jī)森林是一種經(jīng)典的使用多個決策樹分類器的機(jī)器學(xué)習(xí)集成算法，具有不易發(fā)生過擬合的優(yōu)點(diǎn)，可實(shí)現(xiàn)更有效的分類或預(yù)測［9-11］。將bootstrap 重抽樣方法與決策樹算法相結(jié)合，在構(gòu)建模型的同時能對特征的重要性進(jìn)行評估，性能較好［12-13］。每棵決策樹都是一個分類器，決策樹上的葉子節(jié)點(diǎn)都具有同一類別的數(shù)據(jù)，每棵決策樹都在最大程度上生長且沒有剪枝過程，所有的決策樹最后整合成為一個隨機(jī)森林。當(dāng)使用隨機(jī)森林建立回歸預(yù)測時，決策樹會根據(jù)內(nèi)部選擇的最優(yōu)分裂節(jié)點(diǎn)生成一條從根與葉子節(jié)點(diǎn)之間的路徑，對輸入的樣本數(shù)據(jù)進(jìn)行分類，該葉子節(jié)點(diǎn)就是這個待分類樣本的分類結(jié)果，最后根據(jù)分類結(jié)果數(shù)最多的節(jié)點(diǎn)決定最終輸出［14-15］。通過對原始數(shù)據(jù)提取、循環(huán)，利用歸集出的多個樣本子集建立決策樹，最終結(jié)果由其組成的隨機(jī)森林決定。圖5 為隨機(jī)森林模型流程。

Fig.5 Flow of random forest model圖5 隨機(jī)森林模型流程

4.2.2 隨機(jī)森林建立條件

首先，要有大量的經(jīng)濟(jì)活動數(shù)據(jù)。智能化財(cái)務(wù)共享流程優(yōu)化的核心是對集團(tuán)企業(yè)所有的歷史財(cái)務(wù)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化。將收集到的財(cái)務(wù)數(shù)據(jù)由算法工程師選擇一種算法運(yùn)用到財(cái)務(wù)邏輯中，這種機(jī)器學(xué)習(xí)邏輯就是從大量的數(shù)據(jù)中找到規(guī)律；其次是算法。通過AIPM 與AE 協(xié)作實(shí)施，選擇一種適用的邏輯從歷史財(cái)務(wù)數(shù)據(jù)中梳理出一系列規(guī)則，然后通過規(guī)則自動地代替人工操作。人工智能大部分應(yīng)用是處理數(shù)據(jù)，其次才是建模。具有數(shù)據(jù)處理能力、算法能力的員工是關(guān)鍵，人工智能算法工程師也很重要；最后是算力。算力的獲取相對容易，市場上有大量公司可提供公有云和私有云服務(wù)供集團(tuán)企業(yè)租賃?？山柚ヂ?lián)網(wǎng)提供的數(shù)據(jù)以及數(shù)據(jù)存儲運(yùn)轉(zhuǎn)的空間輔助員工在不同的網(wǎng)絡(luò)環(huán)境或電腦中工作，亦可對數(shù)據(jù)、安全性提供一定的管控，幫助集團(tuán)企業(yè)進(jìn)行流程管理。

4.2.3 財(cái)務(wù)領(lǐng)域應(yīng)用示例

財(cái)務(wù)共享中心作為集團(tuán)企業(yè)數(shù)據(jù)的沉淀中心，具有海量純凈數(shù)據(jù)資源，可不斷完善這些數(shù)據(jù)的結(jié)構(gòu)化以及使用、管理方式。在提取結(jié)構(gòu)化數(shù)據(jù)后，運(yùn)用隨機(jī)森林算法挖掘數(shù)據(jù)與數(shù)據(jù)之間難以通過人工歸納出的潛在聯(lián)系，對集團(tuán)企業(yè)歷史財(cái)務(wù)數(shù)據(jù)進(jìn)行標(biāo)簽，構(gòu)建一套神經(jīng)網(wǎng)絡(luò)（單一模型），再通過分類器完成不同數(shù)據(jù)標(biāo)簽的關(guān)聯(lián)輸出。通過使用歷史財(cái)務(wù)數(shù)據(jù)進(jìn)行訓(xùn)練，無需人工建立數(shù)據(jù)間的關(guān)聯(lián)規(guī)則即可自動生成各文本數(shù)據(jù)之間的聯(lián)系。有別于傳統(tǒng)解決特定任務(wù)、硬編碼的軟件程序，隨機(jī)森林算法是使用大量數(shù)據(jù)訓(xùn)練并尋找規(guī)則，從數(shù)據(jù)中學(xué)習(xí)如何處理新的任務(wù)，并把規(guī)則運(yùn)用于未來數(shù)據(jù)。通過神經(jīng)網(wǎng)絡(luò)及數(shù)據(jù)訓(xùn)練集的配合，在財(cái)務(wù)數(shù)據(jù)中尋找場景所需規(guī)則，可實(shí)現(xiàn)核算科目自動判定，做出相關(guān)決策和判斷，形成機(jī)器學(xué)習(xí)模型?；跉v史數(shù)據(jù)及結(jié)果監(jiān)督的千余棵決策樹成長，并根據(jù)置信度決定是否使用最終生成規(guī)則，實(shí)現(xiàn)難以通過人工整理的財(cái)務(wù)規(guī)則并將其運(yùn)用到各類業(yè)務(wù)場景。隨著數(shù)據(jù)的不斷積累和學(xué)習(xí)，在執(zhí)行中自我成長，準(zhǔn)確率會越來越高。圖6 為隨機(jī)森林算法應(yīng)用示例。

Fig.6 Application example of random forest algorithm圖6 隨機(jī)森林算法應(yīng)用示例

4.3 實(shí)現(xiàn)財(cái)務(wù)規(guī)則自動化

集團(tuán)企業(yè)財(cái)務(wù)共享中心原本就存在成熟的人工規(guī)則條例，這為實(shí)現(xiàn)財(cái)務(wù)規(guī)則自動化奠定了堅(jiān)實(shí)的基礎(chǔ)。規(guī)則自動化可替代人工判斷實(shí)現(xiàn)財(cái)務(wù)工作智能化。由人工制定出規(guī)則手動輸入系統(tǒng)執(zhí)行轉(zhuǎn)化為機(jī)器學(xué)習(xí)把梳理出的規(guī)則自動植入后臺執(zhí)行，通過規(guī)則自動化進(jìn)行智能審核和記賬，實(shí)現(xiàn)流程優(yōu)化，無需人工干預(yù)即可基本消除人為誤操作。將接收到的財(cái)務(wù)結(jié)構(gòu)化信息輸入規(guī)則自動化引擎中，經(jīng)過規(guī)則判斷，只有審核通過的單據(jù)才能繼續(xù)完成記賬或支付步驟，未通過的則會根據(jù)規(guī)則輸出其未通過的原因并給出修改方案。智能財(cái)務(wù)與傳統(tǒng)自動化相比，不僅準(zhǔn)確率接近100%，而且規(guī)則數(shù)量級也不一樣，可從原有的十幾條規(guī)則拓展到全面覆蓋集團(tuán)企業(yè)所有經(jīng)濟(jì)事項(xiàng)的數(shù)千條規(guī)則。系統(tǒng)可通過生成的規(guī)則實(shí)現(xiàn)全面控制，在處理大量單據(jù)的同時不會像人工處理般產(chǎn)生遺漏，實(shí)現(xiàn)系統(tǒng)內(nèi)部的無感化管控。通過定制化規(guī)則的自動化模塊亦可校驗(yàn)數(shù)據(jù)間邏輯的合理性與合規(guī)性，還可自定義設(shè)置以提高應(yīng)變能力，滿足后續(xù)拓展更多類型單據(jù)的智能審核需求，方便開展后續(xù)數(shù)據(jù)再挖掘工作。

5 集團(tuán)企業(yè)財(cái)務(wù)智能化水平提升措施

5.1 引導(dǎo)團(tuán)隊(duì)適應(yīng)新技術(shù)

智能財(cái)務(wù)在我國應(yīng)用還不成熟，很多集團(tuán)企業(yè)在靜觀其變，部分財(cái)務(wù)工作者亦沒有詳細(xì)了解智能財(cái)務(wù)工作優(yōu)勢，他們認(rèn)為智能財(cái)務(wù)有許多弊端，害怕機(jī)密信息被竊取、泄漏。尤其在推動智能財(cái)務(wù)過程中，集團(tuán)企業(yè)具有話語權(quán)的高管人員不理解智能財(cái)務(wù)變革，將嚴(yán)重影響智能財(cái)務(wù)發(fā)展。財(cái)務(wù)工作需要與時俱進(jìn)，但引入智能財(cái)務(wù)后面臨熟悉新的財(cái)務(wù)流程問題，需要培訓(xùn)員工。國內(nèi)既懂智能財(cái)務(wù)技術(shù)又懂財(cái)務(wù)專業(yè)知識的人才少之又少，因此需要加強(qiáng)優(yōu)秀高端人才培養(yǎng)。由專業(yè)科技咨詢、技術(shù)人員和財(cái)務(wù)共享中心員工組成流程優(yōu)化小組，自建或協(xié)同技術(shù)專家團(tuán)隊(duì)定制財(cái)務(wù)方案，實(shí)現(xiàn)智能財(cái)務(wù)有效嵌入企業(yè)。

5.2 引入智能識別技術(shù)（iOCR）

財(cái)務(wù)共享中心流程優(yōu)化方案實(shí)現(xiàn)關(guān)鍵在于OCR 技術(shù)應(yīng)用，基于OCR 技術(shù)的識別模塊基本任務(wù)是對所采集的原始憑證影像進(jìn)行圖像處理、分析、定位及自動識別，識別出每張?jiān)紤{證中的關(guān)鍵業(yè)務(wù)信息，將信息校檢后的數(shù)據(jù)按識別順序記錄在系統(tǒng)中［16-17］。結(jié)構(gòu)化數(shù)據(jù)提取的基礎(chǔ)和關(guān)鍵是準(zhǔn)確率，可引入智能識別技術(shù)（iOCR）處理原始單據(jù)，結(jié)構(gòu)化信息識別后提取數(shù)據(jù)，進(jìn)行自我認(rèn)錯和自我學(xué)習(xí)?；诰矸e神經(jīng)網(wǎng)絡(luò)（CNN）技術(shù)構(gòu)建智能識別系統(tǒng)，配合SoftMax 分類器置信，快速、批量化識別不同種類票據(jù)圖片中存在的各種信息，形成可編輯的結(jié)構(gòu)化數(shù)據(jù)，極大提升了OCR 識別的準(zhǔn)確率。與OCR 光學(xué)識別相比，iOCR 可自動識別錯誤信息，對影像像素要求低，識別率高且識別字段齊全，票據(jù)識別兼容性好，能自我學(xué)習(xí)不斷成長。識別結(jié)果不受拍攝角度、背景、亮度、折痕、內(nèi)容錯位等因素干擾，具備較高的復(fù)雜環(huán)境可用性，即識別的影響質(zhì)量越高識別率也越高。表1 為智能識別技術(shù)與傳統(tǒng)OCR 識別對比。

Table 1 Comparison between intelligent recognition technology and traditional OCR recognition表1 智能識別技術(shù)與傳統(tǒng)OCR 識別對比

5.3 用眾包模式處理非標(biāo)準(zhǔn)數(shù)據(jù)

集團(tuán)企業(yè)財(cái)務(wù)共享中心智能優(yōu)化后，由于部分財(cái)務(wù)業(yè)務(wù)的復(fù)雜性以及財(cái)務(wù)對準(zhǔn)確率的高要求，單純依靠人工智能技術(shù)并不能完全滿足集團(tuán)企業(yè)要求。一方面，人工智能技術(shù)無法解決太個性化的業(yè)務(wù)，另一方面模型訓(xùn)練存在概率問題，無法達(dá)到完全準(zhǔn)確。財(cái)務(wù)工作本就存在很多非發(fā)票類單據(jù)不如發(fā)票般標(biāo)準(zhǔn)的問題，導(dǎo)致在結(jié)構(gòu)化數(shù)據(jù)提取環(huán)節(jié)，識別制式附件準(zhǔn)確率達(dá)不到預(yù)期目標(biāo)，識別非制式附件的錯誤字段或識別不出的字段多，有時還會出現(xiàn)票據(jù)切割失敗的技術(shù)問題。加上OCR 識別存在響應(yīng)時間較長、訓(xùn)練人工干預(yù)較多、置信準(zhǔn)確率較差等現(xiàn)象，識別錯誤會產(chǎn)生連鎖負(fù)面影響，故對識別模型輸出結(jié)果進(jìn)行人工校對仍有必要。財(cái)務(wù)眾包平臺采用的眾包模式指公司或機(jī)構(gòu)將過去員工的部分工作通過互聯(lián)網(wǎng)發(fā)布給非指定大眾的一種新型運(yùn)營模式［18-20］，有著自由、合作、碎片化工作特點(diǎn)。通過智能識別和財(cái)務(wù)眾包平臺人工補(bǔ)錄并行模式，當(dāng)出現(xiàn)識別置信值較低的字段時，識別引擎可進(jìn)行準(zhǔn)確切割打散碎片化，將對應(yīng)字段圖片交由財(cái)務(wù)眾包平臺進(jìn)行人工二次提取，確保提取的字段達(dá)到100%的正確率。這是目前對智能識別錯誤單據(jù)、無法識別的非標(biāo)準(zhǔn)版式單據(jù)進(jìn)行人工補(bǔ)錄的最優(yōu)方式，能準(zhǔn)確把集團(tuán)企業(yè)所有類型單據(jù)結(jié)構(gòu)化，有效提高了效率。

6 結(jié)語

集團(tuán)企業(yè)財(cái)務(wù)共享中心應(yīng)用人工智能技術(shù)實(shí)現(xiàn)財(cái)務(wù)工作全流程智能化，可實(shí)現(xiàn)大幅降本增效并為用戶提供更優(yōu)質(zhì)的服務(wù)。配置好規(guī)則引擎后，高峰時期業(yè)務(wù)量增加也無需增加人員編制，能更好地服務(wù)于企業(yè)戰(zhàn)略和業(yè)務(wù)發(fā)展。降本增效只是第一步，財(cái)務(wù)風(fēng)險防控才是智能化的深層價值，集團(tuán)企業(yè)可基于財(cái)務(wù)活動構(gòu)建實(shí)時監(jiān)控系統(tǒng)，在財(cái)務(wù)狀況風(fēng)險顯露時及時預(yù)警，同時利用數(shù)據(jù)庫中存儲的相關(guān)信息明確提出解決方案，最大程度降低財(cái)務(wù)風(fēng)險對運(yùn)營造成的危害。人工智能技術(shù)與集團(tuán)企業(yè)財(cái)務(wù)結(jié)合的科學(xué)方案仍有待發(fā)掘，兩者組合千變?nèi)f化但又殊途同歸，上述應(yīng)用只是冰山一角。需注意的是，人工智能技術(shù)雖然比人類速度更快、結(jié)果更精準(zhǔn)，但并不能達(dá)到完全正確，對此需要有正確的認(rèn)識才能做到有的放矢，使人工智能技術(shù)在集團(tuán)企業(yè)財(cái)務(wù)共享中發(fā)揮出最大的應(yīng)用價值。