光伏制造企业f公司
智能金融在收入征收领域的应用
作者:胡海兵，郭毅，崔凡
本文发表于《金融与会计》2021年第19期。
收款业务是企业与客户之间的财务关系，包括订单签订、发票开具、应收确认、收款核销、应收管理等业务活动。作为企业最重要的业务流程之一，其信息化、自动化和智能化程度直接影响着与客户的交易效率。本文基于光伏制造企业F公司税收征管流程的痛点，介绍了自动催收理赔、智能客户风险管控的智能金融实践，并展望了未来税收征管领域的数字化发展。
公司简介
企业财务信息化基础
f公司是国内著名的光伏产品生产企业，业务范围覆盖光伏产业上中下游全产业链。近年来，在国家一系列政策和光伏发电成本进一步降低的推动下，光伏行业市场需求旺盛，F公司加快市场开拓和产能扩张，在国内外设立了多个事业部和子公司。随着公司对精细化管理的要求越来越高，传统的财务管理模式已经难以满足公司发展的需要。为进一步支撑公司战略目标、管理和业务提升目标，推进流程化、标准化、信息化建设，F公司于2016年开始探索财务共享服务管理模式，先后上线了费控系统、资金管理系统、预算和商旅系统等信息系统，金融信息化基础日益巩固。
2020年，为进一步提高财务效率和支持业务发展的能力，满足公司业务发展的需要，F公司正式启动财务共享服务中心建设。一方面升级了原有的报销系统，同步上线了共享运营系统、催收理赔系统、电子档案系统。另一方面，积极部署人工智能等新兴技术的应用，实现数据整合共享，打破信息孤岛，形成管理协同、简单易用、决策科学高效的信息系统生态。
公司收款业务流程
在推进共享建设的过程中，F公司计划率先对客户众多、业务量大的收款流程进行改革。改造前，企业收入归集的业务流程可分为两部分:一是应收确认，销售人员签订合同后，录入订单信息，企业发出商品，客户验收确认后，客户开具发票，财务部门确认应收；二是收款核销。企业收到客户的款项后，业务人员会根据款项的性质进行认领，财务人员根据认领结果进行核销。
公司的收入收缴过程中有很多重复性的工作，财务人员需要花费大量的时间来处理。工作的繁杂枯燥导致财务人价值感不高，工作热情不高，工作质量难以持续提升。同时，由于业务拓展带来的客户数量的大量增加，F公司的客户风险管控变得越来越复杂，无法及时反馈风险信息。
因此，F公司在财务共享服务中心建设的基础上，进行了一系列的流程梳理和再造。通过共享核心、催收索赔等信息系统建设，运用应用程序接口、规则引擎、知识图谱等新技术，搭建了智能催收索赔和智能客户风险管控平台。
自动、智能和高效的收集和索赔
智能催收认领平台的建设内容
1.智能催收认领平台的系统架构。公司智能催收理赔平台的功能架构主要包括流程管理、流程分拣、支付确认、流程理赔、基础数据维护、系统规则配置等模块内容。同时，业务人员和财务人员的职能权限划分明确。此外，系统通过配置三个规则库，实现了收款流程和票据从收款、索赔到入账全过程的智能化管理:一是匹配库的规则，自动划分进入平台的收款或票据收款流程，并将其对应到对应的核算主体和客户名称；二是流水清算规则，自动检查同一集团或同一实体之间的资金或票据流转情况。三是自动理赔规则，自动对固定销售业务产生的重复流水进行理赔。
智能催收理赔平台通过与前端和后端系统的有效集成，提高了公司的数据流转能力。与资金管理系统的前端接口可以将资金系统的收款、票据收款流程同步到收款认领平台，与共享运营系统、ERP系统的后端接口。付款申请后，可自动生成收款报告并发送至共享运营系统进行审批，或直接传送至ERP系统进行收款核销。
2.智能催收理赔平台的业务流程。在推出智能催收理赔平台后，公司的催收理赔工作流程可以分为三个环节:流程管理、流程整理发布、流程理赔。
流量管理:银行流量通过银企直连或网银下载导入资金系统。智能催收认领平台通过与资金系统的接口同步获取银行流水和签单明细，并根据匹配库规则自动匹配会计公司或交易对手。根据出纳与公司账户的对应关系，流水自动进入出纳的流水清算清单。
流量清算发布:收银员进行一键智能清算。平台根据流量清算规则，自动关闭集团内公司之间的交易、同一账户名称之间的资金归集和转账等流量。，待认领的剩余流量由收银员点击“流量释放”按钮直接释放。
认领流水:根据系统预设的匹配规则，流水自动进入业务人员认领池、财务人员认领池、公共认领池。业务人员和财务人员也可以在认领平台上接流水进行认领。对于需要财务人员认领的泳池流水，平台会先根据自动认领规则自动认领并核销应收账款，不能自动认领的由财务人员人工认领。业务人员和财务人员确认流水后，系统会根据业务类型的不同，推送到ERP-AR进行应收核销或生成收款报告并记入总账。
智能催收认领平台的建设效果
1.集水全面、集中、规范。采集平台可以通过手动添加、界面同步、模板导入等方式采集大量流水。可对收款和票据收款流水进行统一汇总管理，并可清晰显示流水数量、往来方、金额等汇总数据。
2.责任明确，沟通成本更低。通过增加客户经理的确认环节，在平台中设置相应的操作权限，赔付理赔业务上线，明确划分客户经理和财务人员的职责，使财务人员不必通过反复的线下沟通来认领款项，降低了工作人员的沟通成本。
3.索赔自动处理和释放企业人力。通过灵活配置各种自动规则，实现资金或票据调拨流程的自动排序、当日交易流程的自动认领等“双层过滤”。最后，只需要手工处理少量没有既定规则的流程，大大减轻了客户经理和财务人员的工作量，保证了收入的及时入账，提高了财务流程自动化水平。
4.绩效分布清晰，易于总结和评估。通过收款认领功能，实现业务人员、客户、销售订单、收款的多维关联。业务人员在确认支付时可以看到流水的明细，在认领流水时可以灵活设置流水对应的绩效分配，为后续的绩效汇总考核提供准确的数据支持。
5.加强数据支持，帮助应收账款管理。通过与其他系统的对接，实现收入归集全过程的数据在线化，应收管理更加规范，为管理决策提供数据支持。
实时、智能和准确的客户风险管理和控制
客户风险控制是企业税收征管业务的重要组成部分。随着公司资产和业务规模的不断扩大，以及经营环境的日益复杂，面对近万家客户，F公司虽然制定了较为完善的赊销政策和信用评估体系，但传统的主要依靠人力的风险管控手段和方法已难以满足业务快速发展的需要。f公司希望以更加及时、直观的方式实现客户风险管控，提高客户关系查询的效率和准确性，建立客户关系和信用风险的深度推理能力。基于管控的实际需求，F公司决定构建以知识地图技术为核心的智能客户风险控制平台。
知识地图技术简介
从本质上来说，知识地图是由知识点相互联系而形成的语义网络知识库。它是一系列显示知识发展过程和结构之间关系的图形结构。节点和边用于存储和表示数据，其中图的节点表示实体或概念，图的边表示实体或概念之间的各种语义关系。“实体-关系-实体”组成的三元组是知识地图的基本单元。知识地图的核心功能在于隐藏关系挖掘和推理。通过构建实体关系网络，可以检测实体关系，寻找信息的传递路径，为企业在营销和风险控制、反欺诈等业务场景提供技术赋能。知识地图构建的过程从原始数据开始，需要经历知识提取、知识融合和知识处理等阶段。来自不同数据源的数据首先通过知识抽取或数据整合转换成三元组，然后通过实体对齐进行知识融合，消除概念的歧义，消除冗余和错误概念，再通过本体构建、知识推理和质量评估完成知识处理，最终形成完整的知识图谱。
智能客户风险控制平台的内容
构建智能客户风控平台的核心诉求一方面在于挖掘客户或其他企业之间的复杂关系，另一方面在于判断客户是否存在潜在赔付风险。平台采用知识图谱+机器学习的技术，与业务平台对接，提供知识图谱的实时查询和风险计算的实时调用，实现基于场景的应用。智能客户风险控制平台的整体架构如图1所示。
▲ 图1 智能客户风控平台整体架构1.数据收集。获取充分、及时、全面的信息是判断企业信用风险的基本条件。智能客户风控平台可以从各种公开的权威渠道和内部系统自动收集影响客户信用的重要维度风险信息，如客户基本信息、财务信息、业务信息、商业信息、行业信息等。
2.知识存储。知识存储层强调多模态数据的应用，采用包括图形存储、列存储、索引存储和文件存储技术的混合数据存储架构，支持海量数据的快速存储和访问。
3.自动化建模。自动化建模层是知识图谱与机器学习技术的融合，分为两个模块:在知识图谱模块中，平台通过构建行业本体数据库，融合有效图谱，实现图形数据与本体的有效连接，利用图形计算算法的分析能力，完成图形结构化数据之间的关联推理操作，获取关联特征；对于还款能力、信用风险的评估等问题，平台会将特征转移到机器学习模块，结合无监督算法划分客户群体，并不断对模型进行测试、验证和优化，形成客户风险控制模型。
4.练习情景应用。在实践场景应用层，智能客户风控平台主要从四个方面输出知识图谱的实践场景，并调用和显示知识图谱的分析结果。
风险扫描雷达。客户风险扫描雷达可以扫描客户在司法、工商、金融、失信等方面的风险状况。实时包括企业近几年司法介入、失信违约记录、欠款账款金额、财务状况、盈利能力等信息。在全面扫描风险信息的基础上，公司可以进行风险标注和详细提示。
相关图。客户关系图谱可以挖掘企业间显性和隐性关系，增强对企业间关系的洞察，防范信贷客户间股权关系、担保关系、个人关系等带来的传导风险，彻查企业集团、子公司、同一信贷客户间的合作关系，检查是否存在过度授信和系统性风险，实现对新客户的合理授信和集团授信额度的管理。
▲ 图2 客户关联关系图谱示例查失信记录。检查全部授信客户近五年的历史失信记录，包括主体失信、关联失信和担保失信。利用对关系交易敏感的算法识别关联担保失信风险，细化失信标签，重点发现历史恶意欠款，防止关联企业传导风险并设定预警值，不断优化模型，提高失信预警的及时性和准确性。
还款能力评价。智能客户风险控制平台捕获外部公共数据，如公司公告、法律文档、管理文档等。，并与内部系统相关数据连接，构建多维度的客户薪酬风险视图。对授信客户进行风险分析和风险评估，充分考虑客户关系，计算违约率和损失率，提高赔付能力的计量准确度，第一时间提醒风险事件的发生和风险等级变化的预警，为企业风险行动决策提供重要依据。
总的来说，智能客户风控平台通过对主体企业、关联企业、关联方的立体监控，将传统的线下人工风险信息采集转变为自动采集，实时获取风险事件，跟踪风险的动态变化，利用算法模型进行智能分析，形成客户风险画像。根据画像和模型对主体企业的风险预测和未来违约率进行预测，加强了公司事前和事中的客户信用风险控制，实现了实时、动态的客户风险监控和异常预警，使
数字税收现场管理展望
数字技术的发展为F公司整体价值的提升提供了全新的机遇。未来，在技术的驱动下，基于共享服务的全面建设、目前的智能催收理赔平台和客户风险管控平台，公司将在收入催收管理方面实现数字化改革，从而深化产融结合，释放数据价值。
总数据采集
数据驱动是公司未来运营的核心。随着电子特价票政策的推广，F公司以大数据、人工智能等新一代数字技术为引擎，收入和收款过程将打通全链条数据。通过信息系统的互联互通，实现客户获取、发货、开票、收款、应收管理的全流程数据采集，全流程可查可追溯，强化企业供应链信息协同能力，实现业务标准化、流程自动化、作业标准化、运营智能化、管理数字化。
无接触交易
目前疫情防控已经进入常态，公司可以通过数字化平台的建设，提高抗风险和突发情况的能力，做到无接触接单、签约、确定交易价格。同时采用远程办公、远程送货等新模式，实现客户连接不间断、客户感情不降温、公司业务不下滑。
产品应用
在数据积累和深化模型、算法应用的基础上，公司可以进行多元化的数据交叉分析，根据管理决策的需要开发多种数据服务产品，挖掘产业和金融数据的金矿，综合应用精准营销、风险防控、运营优化、决策支持等数据服务产品。，从而真正实现用数据说话，为公司的战略决策分析提供直接、真实、可靠、及时的数据支持。
主要参考文献:
[1]蛟刘，李阳，段宏，等.知识地图构建技术综述[J].计算机研发，2016，53: 585-589。
[2]中兴云信，南京大学智能金融研究院，厦门大学会计系。金融的自动化、智能化和数字化[R] .2020: 22-24 .
本文的引用格式:
胡海兵，郭毅，崔凡。光伏制造公司F在收入归集领域的智能财务应用[J].金融与会计，2021: 27-30。
