基于RPA和大数据算法的应收账款管理优化研究

李伟鸿　姚晓林　张蕊琦

摘要：随着大数据、云计算、人工智能等科学技术的发展，财务共享管理模式在提高企业财务管理能力方面取得了突破性进展。伴随着技术的发展现在所形成的财务共享体系已经能够为财务相关的工作人员提供基本的服务功能，提高公司的管理能力，为公司做出正确的决策提供保障，但经过调查显示，仍有许多使用此模式的人员认为财务共享中心的管理流程复杂，相对于机器服务，他们仍认为人工较为便捷，由此将公司财务人员从财务会计领域向管理会计领域是刻不容缓的，同时降低人工成本，提高工作效率仍然是公司财务共享中心的长远发展目标，

关键词：财务共享;机器人流程自动化;应收账款管理;K-Means聚类算法

一、引言

2020年，疫情给许多企业带来了巨大的压力和影响，也相应地影响了企业的财务管理;随着疫情的发展，财务共享中心的升级成为必然;对会计人员提出了更高的要求，特别是迫切需要解决企业数字化转型的集团型财务共享中心。从财务共享中心的数字化转型来看，RPA占据着关键位置。

本文的理论意义在于将大数据算法和机器人流程自动化等技术应用于财务共享中心应收账款管理的优化与实施中，不仅可以丰富财务共享中心结合功能需求分析进行评估和优化等方面的理论研究内容，并促进企业财务共享中心基于大数据和RPA的理论探索和发展。

二、RPA与财务共享中心

（一）RPA机器人流程自动化

对于RPA（Robotic Process Automation，机器人流程自动化）的定义，不同的领域和行业有许多不同的表达方式。Gartner这样定义RPA：机器人流程自动化是识别用户界面和执行工作流程的功能结合体，不仅可以模仿人工操作计算机的过程，而且可以使用模拟的鼠标赫尔键盘来驱动和运行应用程序系统。

总的来讲，机器人流程自动化是一种敏捷、高效且具有成本效益的数字授权技术，本质上来讲，它使用机器人作为虚拟劳动力来学习和模仿人类处理任务的人工步骤，并替代人工来执行大规模、重复性强的机械性操作，高效实现业务流程的自动化便捷化。

（二）财务共享中心

在初始的财务共享服务模式下，财务共享中心承担了一部分日常、通用、重复、标准化的业务。随着财务共享中心和数字技术的进一步发展，业务处理效率越来越高。除了日常的会计处理和财务月结工作，共享中心还是一个大型的数据中心，它发布各个级别的业务运营和管理所需的财务分析报告，以帮助企业提高决策的效率和准确性。

财务共享中心的建设是集团化企业在财政数字化转型中的核心诉求之一。

财务共享服务是涵盖应收、应付、费用、税务、资产、核算、成本、资金、审计等服务的全业务共享服务，企业做好应收应付管理是实现业财一体化以及构建财务共享服务的关键环节。

（三）大数据算法

1. K-Means聚类算法

在机器学习中，无监督学习一直是人们前进的方向，而聚类算法是揭示数据和隐藏知识结构的有效方法。K-Means是无监督学习的杰出代表和最常用的聚类算法之一。它的优点是快速，在代码中易于理解和实现，因此已被广泛应用。

2. BP神经网络

1986年由Rumelhart和McCelland领导的一组科学家提出的BP（Back Propagation）网络是多层反馈网络，是应用最广泛的神经网络模型之一。神经网络由多种神经网络层构成，每一层由许多单元组成。“信号向前传播，而误差向后传播”是其主要特征。

三、M企业应收账款管理现状描述及需求分析

（一）M企业概况

M企业成立于2002年，是全球领先的优质生活解决方案服务提供商，经过多年的快速发展，其产品涵盖热水器，电视机，空调，冰箱冰柜，厨房用具，智能家电和个性化新商品几大类。业务范围覆盖全国许多省市。

（二）M企业应收业务流程现状

M企业财务共享中心应收业务流程如图4所示，包含“销售合同/订单”，“开具发票”，“销售出库”，“账款管理”，“收款”，“核销和“记账”这七个步骤。当M企业子公司有业务往来时，首先应由财务部门在企业规定的会计周期内向客户发起结算申请，客户不但要将货款汇入M企业制定账户中，还要将银行回款单寄回子公司的财务部门，因为要将银行汇款单通过影像系统传送给资金结算中心，所以子公司向资金结算中心发起结算申请要在收到回款单后进行，经过审核人员对银行交易记录，银行账户信息进行验证之后，FSSC总账核算才可以进行开具专票，估算入账和债券确认等工作，在子公司财务部和FSSC都确认无误后交由总账核算进行收款核对，账龄分析以及最终的档案归档。

（三）M企业应收业务问题描述

1.应收账款占应收款项总额比例较大。

2.應收账款赊销相关制度不够完善。

3.系统为实现高度集成，发票开具效率低。

4.企业内部信息沟通不畅，财务监督职能不足。

（四）应收账款管理问题解决方案

1. 提高应收账款规避风险的能力

M企业目前面临的主要风险有外部因素-客户信用风险以及内部因素-系统结算风险。在涉及客户信用相关方面，M企业应该提前对客户进行信用等级评估，评估内容可以大致包含“信用，能力，需求以及账户是否安全”等多个方面，同时利用CRM系统对客户的信用水平做出评分，谨慎选择客户可以更快更有效规避风险。

2. 跨系统自动取数

由于原始数据大多数由手工填制以及少量电子单据所构成，在系统核算时无法自动取数，使核算流程复杂，现在通过电子扫描的方式将原始票据转换为电子数据与图像的形式储存在系统数据库中，并且按照规格进行分类与整理，便可以与其他核算系统传输数据与单据凭证，二者相辅相成，协同运行。与此同时，如果熟练运用RPA技术与大数据技术，便可以将原始数据中的会计信息更好地分类储存在系统数据库中，实现系统之间的相互协作。

3. 账务周期自动反馈上传

由于财务共享中心的财务人员无法响应子公司业务人员，在RPA技术下，财务人员无需邮寄应收账款统计单或与客户面对面交付，而是在已经设定好程序的系统中，逐一设置好规定给客户的付款期限，到期时系统会自动收款与核对账单。当应收与实收不一致时，可通过邮件将问题及时反馈给业务人员。

四、基于RPA和大数据算法的M企业应收账款管理优化设计

（一）设计目标

通过了解M企业应收账款的现状，发现其实际问题，总结出M企业针对提高应收账款管理能力的需要，设计出能够优化财务共享中心的方案。将新的方案构想与运营中遇到的实际问题充分结合起来查找漏洞。希望可以加强总部对分公司的控制，提高企业的财务管理水平和工作效率，并实现智能化、规范化，加快M企业财务共享服务中心的标准化进程。

（二）基于RPA和大数据算法的M企业应收账款管理优化框架

现如今，众多公司为了提高企业的财务管理水平已经采用建立财务共享中心的方式，通过利用回笼资金和财务人才的方式优化业务标准化流程，实现规模经济的发展。但是，采用新技术手段时间短，M企业在业务不熟练，技术不完善的情况下仍会出现许多可代优化和改进的地方，例如：1.提高应收账款规避风险的能力。2.跨系统自动取数。3.账务周期自动反馈上传等。

（三）基于RPA和大数据算法的M企业应收账款风险管理模型

1. 基于RPA技术的客户信用数据自动收集

应收业务管理流程开始于双方的合同签订，M企业财务人员将客户的资质信息如客户用户名、税号、银行账户等数据录入CRM系统中，系统会自动形成该用户的个人数据信息表并统一化管理。CRM系统根据表中信息形成财务指标并设定规则，在引入K-Means聚类算法客户信用评析模型后自动对每位客户信用进行系统评分，若检测结果分值较高，则说明该客户坏账风险小，企业可以适当地与这类客户进行合作。

2. 基于K-Means聚类算法的客户信用评析

客户信用评析是基于代数价值对企业的偿债能力和信用度以及其他考虑因素的综合评估。在客户信用评析中，本文通过对K-Means聚类算法的基本原理以及应用流程来进行介绍。

K-Means基本原理是根据给定的样本集中样本之间的距离，将样本集划分为K个簇。使簇中的点尽可能紧密连接，并使簇之间的距离尽可能大。

用数据表达式表示，假设将簇划分为（C1，C2，…Ck），目标是最小化平方误差E：

其中，μi是簇Ci的均值向量，有时称为质心，其表达式为：

3. 基于BP神经网络算法的M企业坏账风险预测

M企业目前所面临的应收账款管理风险如下：（1）回笼销售资金风险。（2）账务回收期的不确定性。由于M企业的主营业务为销售，因此考虑到公司的业绩，该公司的销售人员会有大量的信贷销售，若客户未在合同约定的付款时间内付清货款，则将会造成企业应收账期的不确定性，有时甚至还会因为无法收回而成为坏账，从而使企业面临赊销损失。同时，若企业的应收账款在资产中占比较高将会不利于企业的未来经营。本文将通过BP神经网络构建M企业应收账款坏账风险评估模型，改进M企业的应收账款管理系统，可提高应收账款规避风险的能力。

五、基于RPA和大数据算法的M企业绩效分析

根据年报数据，M企业应收账款总额在2015～2016年持续增加，主要是应收账款项目增加，从2015年的69.33亿元增长到75.54亿元，增长幅度约为10%。2015～2017年应收款占应收款项总额的比例分别为30.30%、47.08%、49.73%。从数据中可以发现，M企业应收款项中应收账款占比持续升高，说明企业需要及时采取措施减小企业的坏账损失。M企业的流动资产主要分为应收账款和存货两部分，应收账款又大多数为客户未交付的货款。应收账款中账龄小于一年的比例甚至占到了78.32%。企业客户多为大型餐饮、娱乐场所、酒店等，企业通常会采用赊销的方式刺激销售来占领市场份额，增加销量，减少库存量，这种方式在促进企业销量的同时企业的资金回笼速度也会受到影响。2019年末前五名应收账款余额16.88亿元，占比约为27.51%，其中以酒店以及娱乐场所为主要经营项目。

近年来，M企业的资产负债率一直保持在80%以上，流动负债的比例远高于其他公司，因此M企业始终面临更大的流动性风险。此外，应收账款和存货构成了M企业大部分流动资产，较高的应收账款率将不可避免地导致对资金提取的压力增加，这将对M公司的盈利能力产生不利的影响。

M企业的流动资产主要由应收账款和存货两部分组成，因为坏账的增多，应收账款越来越少，导致企业的资产负债率长期在80%以上，远高于企业领域中的平均值，以至于现在的M企业面临了非常大的流动性风险的威胁，资金压力增大，对M企业未来的经济发展产生了不利影响。

六、结语

本文采用K-means聚类算法和BP神经网络算法构建企业应收账款风险管理模型，应用此模型可以增强研究的说服力，提高调研准确率。由于时间有限，本文章对企业在实际运用中所存在的问题研究较为浅显，还有许多工作等待我们继续研究。

第一，系统数据库的数据不够完善，如果采用手工输入数据的方式，需要投入的人工量大，而且准确性较低，目前所拥有的样本数量太少，不足以作为研究依据，在接下来的研究中，应该丰富样本数据，同时与模型的適合度进行匹配。

第二，更新客户信用评级的方法，减少主观臆断的可能性，争取通过系统评估得到相对最为客观，科学的评估结果，从而减少企业与不诚信客户合作的可能性，避免企业坏账所带来的损失

第三，指标的主观性强，在以后的研究工作中会发生较大的误差，应该企业的判断以及模型的操作，为避免在日后的工作中出现较大的问题，所以在进一步实际操作中应加以改正，不断进行优化完善。

参考文献：

[1]程平，纪薇.基于 RPA 的财务共享中心应收管理优化研究[J].会计之友，2018（15）：153-157.

[2]唐诗璐.传统企业应收账款风险调查及管理思路[J].财会学习，2018（31）：7-8.

[3]聂瑞华，石洪波.基于贝叶斯网络的上市证券公司风险预警模型研究[J].财经理论与实践，2018，39（06）：51-57.

[4]周胜强，秦亚丽，李西江，高磊，魏鹏飞.基于贝叶斯神经网络的金融风险预警研究[J].华北金融，2018（09）：4-15.

[5]张琦.基于优化 BP 神经网络算法的上市公司财务预警的研究[J].经济研究导刊，2018（28）：97-98.

（作者单位：大连东软信息学院信息与商务管理学院）