基于RPA和大數(shù)據(jù)算法的應收賬款管理優(yōu)化研究

李偉鴻　姚曉林　張蕊琦

摘要：隨著大數(shù)據(jù)、云計算、人工智能等科學技術的發(fā)展，財務共享管理模式在提高企業(yè)財務管理能力方面取得了突破性進展。伴隨著技術的發(fā)展現(xiàn)在所形成的財務共享體系已經能夠為財務相關的工作人員提供基本的服務功能，提高公司的管理能力，為公司做出正確的決策提供保障，但經過調查顯示，仍有許多使用此模式的人員認為財務共享中心的管理流程復雜，相對于機器服務，他們仍認為人工較為便捷，由此將公司財務人員從財務會計領域向管理會計領域是刻不容緩的，同時降低人工成本，提高工作效率仍然是公司財務共享中心的長遠發(fā)展目標，

關鍵詞：財務共享;機器人流程自動化;應收賬款管理;K-Means聚類算法

一、引言

2020年，疫情給許多企業(yè)帶來了巨大的壓力和影響，也相應地影響了企業(yè)的財務管理;隨著疫情的發(fā)展，財務共享中心的升級成為必然;對會計人員提出了更高的要求，特別是迫切需要解決企業(yè)數(shù)字化轉型的集團型財務共享中心。從財務共享中心的數(shù)字化轉型來看，RPA占據(jù)著關鍵位置。

本文的理論意義在于將大數(shù)據(jù)算法和機器人流程自動化等技術應用于財務共享中心應收賬款管理的優(yōu)化與實施中，不僅可以豐富財務共享中心結合功能需求分析進行評估和優(yōu)化等方面的理論研究內容，并促進企業(yè)財務共享中心基于大數(shù)據(jù)和RPA的理論探索和發(fā)展。

二、RPA與財務共享中心

（一）RPA機器人流程自動化

對于RPA（Robotic Process Automation，機器人流程自動化）的定義，不同的領域和行業(yè)有許多不同的表達方式。Gartner這樣定義RPA：機器人流程自動化是識別用戶界面和執(zhí)行工作流程的功能結合體，不僅可以模仿人工操作計算機的過程，而且可以使用模擬的鼠標赫爾鍵盤來驅動和運行應用程序系統(tǒng)。

總的來講，機器人流程自動化是一種敏捷、高效且具有成本效益的數(shù)字授權技術，本質上來講，它使用機器人作為虛擬勞動力來學習和模仿人類處理任務的人工步驟，并替代人工來執(zhí)行大規(guī)模、重復性強的機械性操作，高效實現(xiàn)業(yè)務流程的自動化便捷化。

（二）財務共享中心

在初始的財務共享服務模式下，財務共享中心承擔了一部分日常、通用、重復、標準化的業(yè)務。隨著財務共享中心和數(shù)字技術的進一步發(fā)展，業(yè)務處理效率越來越高。除了日常的會計處理和財務月結工作，共享中心還是一個大型的數(shù)據(jù)中心，它發(fā)布各個級別的業(yè)務運營和管理所需的財務分析報告，以幫助企業(yè)提高決策的效率和準確性。

財務共享中心的建設是集團化企業(yè)在財政數(shù)字化轉型中的核心訴求之一。

財務共享服務是涵蓋應收、應付、費用、稅務、資產、核算、成本、資金、審計等服務的全業(yè)務共享服務，企業(yè)做好應收應付管理是實現(xiàn)業(yè)財一體化以及構建財務共享服務的關鍵環(huán)節(jié)。

（三）大數(shù)據(jù)算法

1. K-Means聚類算法

在機器學習中，無監(jiān)督學習一直是人們前進的方向，而聚類算法是揭示數(shù)據(jù)和隱藏知識結構的有效方法。K-Means是無監(jiān)督學習的杰出代表和最常用的聚類算法之一。它的優(yōu)點是快速，在代碼中易于理解和實現(xiàn)，因此已被廣泛應用。

2. BP神經網絡

1986年由Rumelhart和McCelland領導的一組科學家提出的BP（Back Propagation）網絡是多層反饋網絡，是應用最廣泛的神經網絡模型之一。神經網絡由多種神經網絡層構成，每一層由許多單元組成?！靶盘栂蚯皞鞑?，而誤差向后傳播”是其主要特征。

三、M企業(yè)應收賬款管理現(xiàn)狀描述及需求分析

（一）M企業(yè)概況

M企業(yè)成立于2002年，是全球領先的優(yōu)質生活解決方案服務提供商，經過多年的快速發(fā)展，其產品涵蓋熱水器，電視機，空調，冰箱冰柜，廚房用具，智能家電和個性化新商品幾大類。業(yè)務范圍覆蓋全國許多省市。

（二）M企業(yè)應收業(yè)務流程現(xiàn)狀

M企業(yè)財務共享中心應收業(yè)務流程如圖4所示，包含“銷售合同/訂單”，“開具發(fā)票”，“銷售出庫”，“賬款管理”，“收款”，“核銷和“記賬”這七個步驟。當M企業(yè)子公司有業(yè)務往來時，首先應由財務部門在企業(yè)規(guī)定的會計周期內向客戶發(fā)起結算申請，客戶不但要將貨款匯入M企業(yè)制定賬戶中，還要將銀行回款單寄回子公司的財務部門，因為要將銀行匯款單通過影像系統(tǒng)傳送給資金結算中心，所以子公司向資金結算中心發(fā)起結算申請要在收到回款單后進行，經過審核人員對銀行交易記錄，銀行賬戶信息進行驗證之后，F(xiàn)SSC總賬核算才可以進行開具專票，估算入賬和債券確認等工作，在子公司財務部和FSSC都確認無誤后交由總賬核算進行收款核對，賬齡分析以及最終的檔案歸檔。

（三）M企業(yè)應收業(yè)務問題描述

1.應收賬款占應收款項總額比例較大。

2.應收賬款賒銷相關制度不夠完善。

3.系統(tǒng)為實現(xiàn)高度集成，發(fā)票開具效率低。

4.企業(yè)內部信息溝通不暢，財務監(jiān)督職能不足。

（四）應收賬款管理問題解決方案

1. 提高應收賬款規(guī)避風險的能力

M企業(yè)目前面臨的主要風險有外部因素-客戶信用風險以及內部因素-系統(tǒng)結算風險。在涉及客戶信用相關方面，M企業(yè)應該提前對客戶進行信用等級評估，評估內容可以大致包含“信用，能力，需求以及賬戶是否安全”等多個方面，同時利用CRM系統(tǒng)對客戶的信用水平做出評分，謹慎選擇客戶可以更快更有效規(guī)避風險。

2. 跨系統(tǒng)自動取數(shù)

由于原始數(shù)據(jù)大多數(shù)由手工填制以及少量電子單據(jù)所構成，在系統(tǒng)核算時無法自動取數(shù)，使核算流程復雜，現(xiàn)在通過電子掃描的方式將原始票據(jù)轉換為電子數(shù)據(jù)與圖像的形式儲存在系統(tǒng)數(shù)據(jù)庫中，并且按照規(guī)格進行分類與整理，便可以與其他核算系統(tǒng)傳輸數(shù)據(jù)與單據(jù)憑證，二者相輔相成，協(xié)同運行。與此同時，如果熟練運用RPA技術與大數(shù)據(jù)技術，便可以將原始數(shù)據(jù)中的會計信息更好地分類儲存在系統(tǒng)數(shù)據(jù)庫中，實現(xiàn)系統(tǒng)之間的相互協(xié)作。

3. 賬務周期自動反饋上傳

由于財務共享中心的財務人員無法響應子公司業(yè)務人員，在RPA技術下，財務人員無需郵寄應收賬款統(tǒng)計單或與客戶面對面交付，而是在已經設定好程序的系統(tǒng)中，逐一設置好規(guī)定給客戶的付款期限，到期時系統(tǒng)會自動收款與核對賬單。當應收與實收不一致時，可通過郵件將問題及時反饋給業(yè)務人員。

四、基于RPA和大數(shù)據(jù)算法的M企業(yè)應收賬款管理優(yōu)化設計

（一）設計目標

通過了解M企業(yè)應收賬款的現(xiàn)狀，發(fā)現(xiàn)其實際問題，總結出M企業(yè)針對提高應收賬款管理能力的需要，設計出能夠優(yōu)化財務共享中心的方案。將新的方案構想與運營中遇到的實際問題充分結合起來查找漏洞。希望可以加強總部對分公司的控制，提高企業(yè)的財務管理水平和工作效率，并實現(xiàn)智能化、規(guī)范化，加快M企業(yè)財務共享服務中心的標準化進程。

（二）基于RPA和大數(shù)據(jù)算法的M企業(yè)應收賬款管理優(yōu)化框架

現(xiàn)如今，眾多公司為了提高企業(yè)的財務管理水平已經采用建立財務共享中心的方式，通過利用回籠資金和財務人才的方式優(yōu)化業(yè)務標準化流程，實現(xiàn)規(guī)模經濟的發(fā)展。但是，采用新技術手段時間短，M企業(yè)在業(yè)務不熟練，技術不完善的情況下仍會出現(xiàn)許多可代優(yōu)化和改進的地方，例如：1.提高應收賬款規(guī)避風險的能力。2.跨系統(tǒng)自動取數(shù)。3.賬務周期自動反饋上傳等。

（三）基于RPA和大數(shù)據(jù)算法的M企業(yè)應收賬款風險管理模型

1. 基于RPA技術的客戶信用數(shù)據(jù)自動收集

應收業(yè)務管理流程開始于雙方的合同簽訂，M企業(yè)財務人員將客戶的資質信息如客戶用戶名、稅號、銀行賬戶等數(shù)據(jù)錄入CRM系統(tǒng)中，系統(tǒng)會自動形成該用戶的個人數(shù)據(jù)信息表并統(tǒng)一化管理。CRM系統(tǒng)根據(jù)表中信息形成財務指標并設定規(guī)則，在引入K-Means聚類算法客戶信用評析模型后自動對每位客戶信用進行系統(tǒng)評分，若檢測結果分值較高，則說明該客戶壞賬風險小，企業(yè)可以適當?shù)嘏c這類客戶進行合作。

2. 基于K-Means聚類算法的客戶信用評析

客戶信用評析是基于代數(shù)價值對企業(yè)的償債能力和信用度以及其他考慮因素的綜合評估。在客戶信用評析中，本文通過對K-Means聚類算法的基本原理以及應用流程來進行介紹。

K-Means基本原理是根據(jù)給定的樣本集中樣本之間的距離，將樣本集劃分為K個簇。使簇中的點盡可能緊密連接，并使簇之間的距離盡可能大。

用數(shù)據(jù)表達式表示，假設將簇劃分為（C1，C2，…Ck），目標是最小化平方誤差E：

其中，μi是簇Ci的均值向量，有時稱為質心，其表達式為：

3. 基于BP神經網絡算法的M企業(yè)壞賬風險預測

M企業(yè)目前所面臨的應收賬款管理風險如下：（1）回籠銷售資金風險。（2）賬務回收期的不確定性。由于M企業(yè)的主營業(yè)務為銷售，因此考慮到公司的業(yè)績，該公司的銷售人員會有大量的信貸銷售，若客戶未在合同約定的付款時間內付清貨款，則將會造成企業(yè)應收賬期的不確定性，有時甚至還會因為無法收回而成為壞賬，從而使企業(yè)面臨賒銷損失。同時，若企業(yè)的應收賬款在資產中占比較高將會不利于企業(yè)的未來經營。本文將通過BP神經網絡構建M企業(yè)應收賬款壞賬風險評估模型，改進M企業(yè)的應收賬款管理系統(tǒng)，可提高應收賬款規(guī)避風險的能力。

五、基于RPA和大數(shù)據(jù)算法的M企業(yè)績效分析

根據(jù)年報數(shù)據(jù)，M企業(yè)應收賬款總額在2015～2016年持續(xù)增加，主要是應收賬款項目增加，從2015年的69.33億元增長到75.54億元，增長幅度約為10%。2015～2017年應收款占應收款項總額的比例分別為30.30%、47.08%、49.73%。從數(shù)據(jù)中可以發(fā)現(xiàn)，M企業(yè)應收款項中應收賬款占比持續(xù)升高，說明企業(yè)需要及時采取措施減小企業(yè)的壞賬損失。M企業(yè)的流動資產主要分為應收賬款和存貨兩部分，應收賬款又大多數(shù)為客戶未交付的貨款。應收賬款中賬齡小于一年的比例甚至占到了78.32%。企業(yè)客戶多為大型餐飲、娛樂場所、酒店等，企業(yè)通常會采用賒銷的方式刺激銷售來占領市場份額，增加銷量，減少庫存量，這種方式在促進企業(yè)銷量的同時企業(yè)的資金回籠速度也會受到影響。2019年末前五名應收賬款余額16.88億元，占比約為27.51%，其中以酒店以及娛樂場所為主要經營項目。

近年來，M企業(yè)的資產負債率一直保持在80%以上，流動負債的比例遠高于其他公司，因此M企業(yè)始終面臨更大的流動性風險。此外，應收賬款和存貨構成了M企業(yè)大部分流動資產，較高的應收賬款率將不可避免地導致對資金提取的壓力增加，這將對M公司的盈利能力產生不利的影響。

M企業(yè)的流動資產主要由應收賬款和存貨兩部分組成，因為壞賬的增多，應收賬款越來越少，導致企業(yè)的資產負債率長期在80%以上，遠高于企業(yè)領域中的平均值，以至于現(xiàn)在的M企業(yè)面臨了非常大的流動性風險的威脅，資金壓力增大，對M企業(yè)未來的經濟發(fā)展產生了不利影響。

六、結語

本文采用K-means聚類算法和BP神經網絡算法構建企業(yè)應收賬款風險管理模型，應用此模型可以增強研究的說服力，提高調研準確率。由于時間有限，本文章對企業(yè)在實際運用中所存在的問題研究較為淺顯，還有許多工作等待我們繼續(xù)研究。

第一，系統(tǒng)數(shù)據(jù)庫的數(shù)據(jù)不夠完善，如果采用手工輸入數(shù)據(jù)的方式，需要投入的人工量大，而且準確性較低，目前所擁有的樣本數(shù)量太少，不足以作為研究依據(jù)，在接下來的研究中，應該豐富樣本數(shù)據(jù)，同時與模型的適合度進行匹配。

第二，更新客戶信用評級的方法，減少主觀臆斷的可能性，爭取通過系統(tǒng)評估得到相對最為客觀，科學的評估結果，從而減少企業(yè)與不誠信客戶合作的可能性，避免企業(yè)壞賬所帶來的損失

第三，指標的主觀性強，在以后的研究工作中會發(fā)生較大的誤差，應該企業(yè)的判斷以及模型的操作，為避免在日后的工作中出現(xiàn)較大的問題，所以在進一步實際操作中應加以改正，不斷進行優(yōu)化完善。

參考文獻：

[1]程平，紀薇.基于 RPA 的財務共享中心應收管理優(yōu)化研究[J].會計之友，2018（15）：153-157.

[2]唐詩璐.傳統(tǒng)企業(yè)應收賬款風險調查及管理思路[J].財會學習，2018（31）：7-8.

[3]聶瑞華，石洪波.基于貝葉斯網絡的上市證券公司風險預警模型研究[J].財經理論與實踐，2018，39（06）：51-57.

[4]周勝強，秦亞麗，李西江，高磊，魏鵬飛.基于貝葉斯神經網絡的金融風險預警研究[J].華北金融，2018（09）：4-15.

[5]張琦.基于優(yōu)化 BP 神經網絡算法的上市公司財務預警的研究[J].經濟研究導刊，2018（28）：97-98.

（作者單位：大連東軟信息學院信息與商務管理學院）