CN114358910A - 异常财务数据处理方法、装置、设备及存储介质 - Google Patents
异常财务数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114358910A CN114358910A CN202210032492.7A CN202210032492A CN114358910A CN 114358910 A CN114358910 A CN 114358910A CN 202210032492 A CN202210032492 A CN 202210032492A CN 114358910 A CN114358910 A CN 114358910A
- Authority
- CN
- China
- Prior art keywords
- financial
- abnormal
- financial data
- data
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及大数据领域,公开了一种异常财务数据处理方法、装置、设备及存储介质。该方法包括:获取异常财务数据,并基于预置跨点设计原则,对异常财务数据进行业务逻辑拆分,得到财务节点信息;采用预置异常指标对财务节点信息进行异常分析,得到异常分析结果,并根据异常分析结果,从财务节点信息中提取多个异常财务节点;采用预置排序算法,对各异常财务节点进行排序,并基于排序后的异常财务节点构建异常财务数据对应的最优加工方案;采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。本发明实现了异常财务数据的自动化更正,同时提升了财务制证的时效性。
Description
技术领域
本发明涉及大数据领域,尤其涉及一种异常财务数据处理方法、装置、设备及存储介质。
背景技术
基于对i17(国际财务报告准则第17号)会计引擎制证过程中发现,存在一部分数据加工过程中加工失败的问题数据,该部分数据主要是由于调用第三方外部接口时,网络、入参条件等问题,无法返回加工过程中需要的信息,或者是数据上游问题导致无法及时产生数据加工过程中需要的信息等因素,从而导致业务数据制证失败。
对于现有设计方案,统一从一个固定的源头开始处理,这样的缺点就是整个流程过于呆板,一方面影响制证的效率和服务器的内存,另一方面增加了第三方接口的并发量,影响了第三方接口的调用量,以至于浪费第三方公共接口资源。对于目前的设计方案,在存在大量制证失败的数据时,对该部分数据处理还需要人工介入进行脚本的修改调整,影响制证的时效性。
发明内容
本发明的主要目的在于解决现有技术中在存在大量制证失败的数据时,对该部分数据处理还需要人工介入进行脚本的修改调整,影响制证的时效性的问题。
本发明第一方面提供了一种异常财务数据处理方法,包括:获取异常财务数据,并基于预置跨点设计原则,对异常财务数据进行业务逻辑拆分,得到财务节点信息;采用预置异常指标对财务节点信息进行异常分析,得到异常分析结果,并根据异常分析结果,从财务节点信息中提取多个异常财务节点;采用预置排序算法,对各异常财务节点进行排序,并基于排序后的异常财务节点构建异常财务数据对应的最优加工方案;采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
可选的,在本发明第一方面的第一种实现方式中,基于预置跨点设计原则,对异常财务数据进行业务逻辑拆分,得到财务节点信息包括:基于预置跨点设计原则,根据业务逻辑定义异常财务数据中预置优先级顺序的多个基准财务节点;对异常财务数据与各基准财务节点进行依赖性匹配,确定与各基准财务节点和异常财务数据之间的依赖关系;基于依赖关系,定义异常财务数据中与各基准财务节点之间具有关联关系的有序财务节点和不具有关联关系的无序财务节点;组合基准财务节点、有序财务节点和无序财务节点,得到财务节点信息。
可选的,在本发明第一方面的第二种实现方式中,采用预置异常指标对财务节点信息进行异常分析,得到异常分析结果包括:根据财务节点信息,确定异常财务数据对应的链路传输方式,并根据链路传输方式确定异常财务数据对应的异常定位指标;根据异常定位指标,对异常财务数据进行预处理,确定异常定位指标对应的数据特征;将数据特征输入预设机器学习分析模型中进行异常特征分析,得到异常分析结果。
可选的,在本发明第一方面的第三种实现方式中,根据异常定位指标,对异常财务数据进行预处理,确定异常定位指标对应的数据特征包括:对异常定位指标对应的异常财务数据进行标准化处理,得到标准异常财务数据;对标准异常财务数据通过预置自编码器进行预训练,得到异常定位指标对应的最小化重构误差的数据特征。
可选的,在本发明第一方面的第四种实现方式中,对标准异常财务数据通过预置自编码器进行预训练,得到异常定位指标对应的最小化重构误差的数据特征包括:预置自编码器中的隐藏层对标准异常财务数据进行编码,得到对应的编码特征;将编码特征映射至自编码器的输出层,得到重构数据误差,并根据重构数据误差,通过预置损失函数对自编码器进行调整,直到损失函数收敛时停止,得到最小化重构误差的数据特征。
可选的,在本发明第一方面的第五种实现方式中,采用预置排序算法,对各异常财务节点进行排序包括:分别统计各异常财务节点对应异常财务数据的元素值,并对相同的元素值进行分组,对应得到多个第一元素组;统计各第一元素组中相同元素值的数量,并基于相同元素值的数量的值,构建第二元素组;计算各第二元素组的总元素值,并基于各总元素值创建节点数组,以及采用各总元素值对节点数组进行反向填充;根据反向填充后的节点数组,对各异常财务节点进行排序。
本发明第二方面提供了一种异常财务数据处理装置,包括:拆分模块,用于获取异常财务数据,并基于预置跨点设计原则,对异常财务数据进行业务逻辑拆分,得到财务节点信息;异常分析模块,用于采用预置异常指标对财务节点信息进行异常分析,得到异常分析结果,并根据异常分析结果,从财务节点信息中提取多个异常财务节点;构建模块,用于采用预置排序算法,对各异常财务节点进行排序,并基于排序后的异常财务节点构建异常财务数据对应的最优加工方案;加工模块,用于采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
可选的,在本发明第二方面的第一种实现方式中,拆分模块包括:第一定义单元,用于基于预置跨点设计原则,根据业务逻辑定义异常财务数据中预置优先级顺序的多个基准财务节点;匹配单元,用于对异常财务数据与各基准财务节点进行依赖性匹配,确定与各基准财务节点和异常财务数据之间的依赖关系;第二定义单元,用于基于依赖关系,定义异常财务数据中与各基准财务节点之间具有关联关系的有序财务节点和不具有关联关系的无序财务节点;组合单元,用于组合基准财务节点、有序财务节点和无序财务节点,得到财务节点信息。
可选的,在本发明第二方面的第二种实现方式中,异常分析模块包括:确定单元,用于根据财务节点信息,确定异常财务数据对应的链路传输方式,并根据链路传输方式确定异常财务数据对应的异常定位指标;预处理单元,用于根据异常定位指标,对异常财务数据进行预处理,确定异常定位指标对应的数据特征;特征分析单元,用于将数据特征输入预设机器学习分析模型中进行异常特征分析,得到异常分析结果。
可选的,在本发明第二方面的第三种实现方式中,预处理单元还用于:对异常定位指标对应的异常财务数据进行标准化处理,得到标准异常财务数据;对标准异常财务数据通过预置自编码器进行预训练,得到异常定位指标对应的最小化重构误差的数据特征。
可选的,在本发明第二方面的第四种实现方式中,预处理单元还用于:预置自编码器中的隐藏层对标准异常财务数据进行编码,得到对应的编码特征;将编码特征映射至自编码器的输出层,得到重构数据误差,并根据重构数据误差,通过预置损失函数对自编码器进行调整,直到损失函数收敛时停止,得到最小化重构误差的数据特征。
可选的,在本发明第二方面的第五种实现方式中,构建模块包括:分组单元,用于分别统计各异常财务节点对应异常财务数据的元素值,并对相同的元素值进行分组,对应得到多个第一元素组;构建单元,用于统计各第一元素组中相同元素值的数量,并基于相同元素值的数量的值,构建第二元素组;创建单元,用于计算各第二元素组的总元素值,并基于各总元素值创建节点数组,以及采用各总元素值对节点数组进行反向填充;排序单元,用于根据反向填充后的节点数组,对各异常财务节点进行排序。
本发明第三方面提供了一种异常财务数据处理设备,包括:存储器和至少一个处理器,存储器中存储有指令;至少一个处理器调用存储器中的指令,以使得异常财务数据处理设备执行上述的异常财务数据处理方法。
本发明的第四方面提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的异常财务数据处理方法。
本发明提供的技术方案中,通过跨点设计原则,将异常财务数据按照业务逻辑分成多个财务节点,可以增加对异常财务数据的直观定位,更有利于定位发生异常的财务数据,然后通过预置异常指标进行异常分析,进一步精确确定发送错误的财务数据,接着通过对异常财务节点进行排序,得到最优的加工方案,以对异常财务数据进行更正,使得异常财务数据的加工效率提升,最后直接用于财务制证,提升了财务制证的时效性。
附图说明
图1为本发明实施例中异常财务数据处理方法的第一个实施例示意图;
图2为本发明实施例中异常财务数据处理方法的第二个实施例示意图;
图3为本发明实施例中异常财务数据处理方法的第三个实施例示意图;
图4为本发明实施例中异常财务数据处理装置的一个实施例示意图;
图5为本发明实施例中异常财务数据处理装置的另一个实施例示意图;
图6为本发明实施例中异常财务数据处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种异常财务数据处理方法、装置、设备及存储介质,获取异常财务数据,并基于预置跨点设计原则,对异常财务数据进行业务逻辑拆分,得到财务节点信息;采用预置异常指标对财务节点信息进行异常分析,得到异常分析结果,并根据异常分析结果,从财务节点信息中提取多个异常财务节点;采用预置排序算法,对各异常财务节点进行排序,并基于排序后的异常财务节点构建异常财务数据对应的最优加工方案;采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。本发明实现了异常财务数据的自动化更正,同时提升了财务制证的时效性。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中异常财务数据处理方法的第一个实施例包括:
101、获取异常财务数据,并基于预置跨点设计原则,对异常财务数据进行业务逻辑拆分,得到财务节点信息;
可以理解的是,本发明的执行主体可以为异常财务数据处理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本实施例中,针对会计引擎制证过程中,加工失败的问题数据,会存储在预置的文件夹中,每隔预设周期对文件夹中的异常财务数据进行处理更正,并进行财务制证。此处可以设置异常财务数据的处理周期和每隔周期处理的批次数量,比如每隔24h,对文件夹中的异常财务数据进行分批处理加工,按照10000条一个批次进行统计分发,采用MQ(MessageQueue,消息队列)进行消息订阅。
在处理异常财务数据时,由于异常财务数据中包含多个部分的相关数据以用于财务制证,预先设计跨点设计原则,包括合同分组信息、投成信息、价税信息、保单信息、成本信息、渠道模式信息等,根据各节点的业务逻辑对异常财务数据进行拆分,依照数据类型拆分成多个节点,每个节点下包含对应数据类型的财务数据。
102、采用预置异常指标对财务节点信息进行异常分析,得到异常分析结果,并根据异常分析结果,从财务节点信息中提取多个异常财务节点;
本实施例中,对于每一条异常财务数据,先按照预先设置好的异常指标对财务节点信息中涉及到的每个财务节点进行智能化分析,准确定位出发发生异常的异常财务节点。其中,每个财务节点均有固定的前后连接关系以及有固定格式和内容的数据信息,通过异常指标来对财务节点信息中各财务节点连接成的链路传输方式进行异常分析,即可确定发生异常的异常财务节点。
103、采用预置排序算法,对各异常财务节点进行排序,并基于排序后的异常财务节点构建异常财务数据对应的最优加工方案;
本实施例中,通过预先设置好的排序算法,来确定异常财务数据中每个异常财务节点的处理优先级别,以把该条异常财务数据以最优的跨点式方案进行加工处理。比如一条异常财务数据需要多个异常财务节点机进行更正加工,则计算各个异常财务节点对应的元素值,其中,元素值越大,则排序相关性最大,元素值越小,则排序相关性最小,再按预设的计数方法来确定最终的排序,以构建最优加工方案,即每个异常财务节点的处理顺序。
104、采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
本实施例中,根据构建的最优加工方案,来依次对每个异常财务节点对应的异常财务数据进行顺序加工,以对每个异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
比如,通过最优加工方案确定先加工该条异常财务数据的业务段C和获取渠道相关信息D;然后再获取合同分组信息,以进行价税拆分,得到多个价税组成部分,最后对价税拆分后的投成部分进行进行投成拆分,加工成投资部分、保险部分、账户内和账户外四部分。
本发明实施例中,通过跨点设计原则,将异常财务数据按照业务逻辑分成多个财务节点,可以增加对异常财务数据的直观定位,更有利于定位发生异常的财务数据,然后通过预置异常指标进行异常分析,进一步精确确定发送错误的财务数据,接着通过对异常财务节点进行排序,得到最优的加工方案,以对异常财务数据进行更正,使得异常财务数据的加工效率提升,最后直接用于财务制证,提升了财务制证的时效性。
请参阅图2,本发明实施例中异常财务数据处理方法的第二个实施例包括:
201、获取异常财务数据,并基于预置跨点设计原则,根据业务逻辑定义异常财务数据中预置优先级顺序的多个基准财务节点;
202、对异常财务数据与各基准财务节点进行依赖性匹配,确定与各基准财务节点和异常财务数据之间的依赖关系;
203、基于依赖关系,定义异常财务数据中与各基准财务节点之间具有关联关系的有序财务节点和不具有关联关系的无序财务节点;
204、组合基准财务节点、有序财务节点和无序财务节点,得到财务节点信息;
本实施例中,可以根据预先设计的跨点设计原则,按照业务逻辑定义出预置优先级顺序的多个基准财务节点,具体为定义出优先等级最高的基准财务节点,比如合同分组信息节点C、投成拆分节点T、价税拆分节点M;然后从异常财务数据中继续定义出与合同分组信息节点C、投成拆分节点T、价税拆分节点M具有关联关系的关联关系节点,比如比如保单信息节点B依赖于合同分组信息节点C,然后业务段优化节点A依赖于保单信息节点B;最后定义出与合同分组信息节点C、投成拆分节点T、价税拆分节点M等基准财务节点无关系的无序财务节点,比如获取成本中心节点P、获取渠道模式节点D。
205、根据财务节点信息,确定异常财务数据对应的链路传输方式,并根据链路传输方式确定异常财务数据对应的异常定位指标;
本实施例中,数据链路的传输方式可以是横向链路传输和/或纵向链路传输。例如,横向链路传输可以是同级别公司之间的数据传输,纵向链路传输可以是公司总部和公司分布之间的上下级数据传输。通过对数据链路进行横向和纵向的链路异常定位,可以确定异常财务数据在哪个节点发生异常。
其中,异常定位指标可以是与传输方式对应的且与异常定位相关的指标。例如,异常定位指标可以是横向链路指标和/或纵向链路指标,基于每个链路传输的要求进行确定和设置。
具体的,横向链路指标,可以包括下述至少一项:输入数据量指标、输出数据量指标、数据传输耗时指标、传输任务状态指标、时间延迟指标;纵向链路指标可以包括下述至少一项:输入数据量指标、输出数据量指标、数据传输耗时指标、本地执行状态指标、远程执行状态指标以及回调状态指标。
206、根据异常定位指标,对异常财务数据进行预处理,确定异常定位指标对应的数据特征;
本实施例中,对异常财务数据的预处理可以是提取异常财务数据每个财务节点所具有的数据特征。此处异常财务数据的预处理方法方法可以适用于大规模的数据传输链路。提取数据特征的方法可以通过深度学习模型实现、或者可以是通过自编码器实现等。
207、将数据特征输入预设机器学习分析模型中进行异常特征分析,得到异常分析结果,并根据异常分析结果,从财务节点信息中提取多个异常财务节点;
本实施例中,预设机器学习分类模型可以是支持向量机、对数几率回归、随机森林和朴素贝叶斯等。其中异常分析结果可以包括:数据有效性告警、数据完整性告警以及数据关联性告警。
本实施例中,以SVM(Support Vector Machine,SVM,支持向量机)为例,在机器学习中,根据输入的数据特征,SVM模型将每条异常财务数据对应的数据特征分别表示为空间中的点,映射使得单独的异常类别具有尽可能宽的明确间隙。然后将每条财务数据映射到同一空间,并根据它们落在哪个边缘预测属于哪一个类别,以得到异常分析结果。
208、采用预置排序算法,对各异常财务节点进行排序,并基于排序后的异常财务节点构建异常财务数据对应的最优加工方案;
209、采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
本发明实施例中,通过异常财务数据之间是否具有依赖关系以及具有怎么样的依赖关系,来依次定义异常财务数据中对应的基准财务节点、有序财务节点和无序财务节点,确定异常财务数据之间的关联紧密程度和在业务流转链路中的位置等级,以用于后续构建对异常财务数据的最优加工方案,进一步提升异常数据加工的效率。
请参阅图3,本发明实施例中异常财务数据处理方法的第三个实施例包括:
301、获取异常财务数据,并基于预置跨点设计原则,对异常财务数据进行业务逻辑拆分,得到财务节点信息;
302、根据财务节点信息,确定异常财务数据对应的链路传输方式,并根据链路传输方式确定异常财务数据对应的异常定位指标;
303、对异常定位指标对应的异常财务数据进行标准化处理,得到标准异常财务数据;
304、对标准异常财务数据通过预置自编码器进行预训练,得到异常定位指标对应的最小化重构误差的数据特征;
本实施例中,标准化处理可以是对异常财务数据进行无量纲处理,比如归一化处理,使得异常财务时间位于区间[0,1]内。标准化处理可以避免数据量纲对数据特征的影响,可以提高异常定位的精准度。
具体的,可以采用以下公式对异常财务数据进行标准化处理,得到无量纲的标准异常财务数据:
其中,xi为异常定位指标对应的第i项异常财务数据;max(x)为异常定位指标对应的异常财务数据中的最大值;min(x)为异常定位指标对应的异常财务数据中的最小值;yi为异常定位指标对应的第i项异常财务数据标准化处理后得到的标准异常财务数据,yi无量纲且位于区间[0,1]内。
本实施例中,标准异常财务数据可以采用自编码器(AutoEncoder,AE)进行预训练,以得到异常定位指标的最小化重构误差的数据特征。具体如下所示:
1)预置自编码器中的隐藏层对所述标准异常财务数据进行编码,得到对应的编码特征;
2)将所述编码特征映射至所述自编码器的输出层,得到重构数据误差,并根据所述重构数据误差,通过预置损失函数对所述自编码器进行调整,直到所述损失函数收敛时停止,得到最小化重构误差的数据特征。
首先,将标准异常财务数据y作为隐藏层的输入进行编码,得到编码后的编码特征h。编码是指将y映射到隐含表示h的过程。其中,y∈R,h∈R。h的计算公式可以是h=σh(W1y+b1)。其中,σh是激活函数,W1是权重矩阵,b1是偏置向量。
本实施例中,把编码特征h映射到输出层,得到重构后的数据特征z。z的计算公式可以是z=σy(W2h+b2)。其中,σy是激活函数,W2是权重矩阵,b2是偏置向量。最后,计算y和z之间的损失函数,调整参数(如权重矩阵)重复进行预先训练,最小化重构误差,直至损失函数收敛,最终输入具有最小化重构误差的数据特征z。
305、将数据特征输入预设机器学习分析模型中进行异常特征分析,得到异常分析结果,并根据异常分析结果,从财务节点信息中提取多个异常财务节点;
306、分别统计各异常财务节点对应异常财务数据的元素值,并对相同的元素值进行分组,对应得到多个第一元素组;
307、统计各第一元素组中相同元素值的数量,并基于相同元素值的数量的值,构建第二元素组;
308、计算各第二元素组的总元素值,并基于各总元素值创建节点数组,以及采用各总元素值对节点数组进行反向填充;
309、根据反向填充后的节点数组,对各异常财务节点进行排序,并基于排序后的异常财务节点构建异常财务数据对应的最优加工方案;
本实施例中,分别统计各异常财务节点对应异常财务数据的多个元素值,对应得到n个第一元素组,并选取每个第一元素组中的最大元素值Nn,其中,n和Nn为正整数;创建各异常财务节点对应的长度为Nn+1的新元数组,以及分别统计每个第一元素组中元素值为i的数量,并将元素值为i的数量的值存储至新第一元素组中的第i项;计算各新第一元素组的总元素值,并根据总元素值的大小进行排序,得到排序后的异常财务节点。
310、采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
本发明实施例中,通过异常财务数据的链路传输方式,来确定大年异常数据进行异常分析的异常定位指标,以用于从异常财务数据中提取对应的数据特征,后续通过对数据特征进行分析,即可确定对应的异常财务数据属于哪一类型的异常情况,精准定位财务数据的异常类型,后续进行加工时可以得到更准确的更正财务数据。
上面对本发明实施例中异常财务数据处理方法进行了描述,下面对本发明实施例中异常财务数据处理装置进行描述,请参阅图4,本发明实施例中异常财务数据处理装置一个实施例包括:
拆分模块401,用于获取异常财务数据,并基于预置跨点设计原则,对所述异常财务数据进行业务逻辑拆分,得到财务节点信息;
异常分析模块402,用于采用预置异常指标对所述财务节点信息进行异常分析,得到异常分析结果,并根据所述异常分析结果,从所述财务节点信息中提取多个异常财务节点;
构建模块403,用于采用预置排序算法,对各所述异常财务节点进行排序,并基于排序后的异常财务节点构建所述异常财务数据对应的最优加工方案;
加工模块404,用于采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
本发明实施例中,通过跨点设计原则,将异常财务数据按照业务逻辑分成多个财务节点,可以增加对异常财务数据的直观定位,更有利于定位发生异常的财务数据,然后通过预置异常指标进行异常分析,进一步精确确定发送错误的财务数据,接着通过对异常财务节点进行排序,得到最优的加工方案,以对异常财务数据进行更正,使得异常财务数据的加工效率提升,最后直接用于财务制证,提升了财务制证的时效性。
请参阅图5,本发明实施例中异常财务数据处理装置的另一个实施例包括:
拆分模块401,用于获取异常财务数据,并基于预置跨点设计原则,对所述异常财务数据进行业务逻辑拆分,得到财务节点信息;
异常分析模块402,用于采用预置异常指标对所述财务节点信息进行异常分析,得到异常分析结果,并根据所述异常分析结果,从所述财务节点信息中提取多个异常财务节点;
构建模块403,用于采用预置排序算法,对各所述异常财务节点进行排序,并基于排序后的异常财务节点构建所述异常财务数据对应的最优加工方案;
加工模块404,用于采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
具体的,所述拆分模块401包括:
第一定义单元4011,用于基于预置跨点设计原则,根据业务逻辑定义所述异常财务数据中预置优先级顺序的多个基准财务节点;
匹配单元4012,用于对所述异常财务数据与各所述基准财务节点进行依赖性匹配,确定与各所述基准财务节点和所述异常财务数据之间的依赖关系;
第二定义单元4013,用于基于所述依赖关系,定义所述异常财务数据中与各所述基准财务节点之间具有关联关系的有序财务节点和不具有关联关系的无序财务节点;
组合单元4014,用于组合基准财务节点、有序财务节点和无序财务节点,得到财务节点信息。
具体的,所述异常分析模块402包括:
确定单元4021,用于根据所述财务节点信息,确定所述异常财务数据对应的链路传输方式,并根据所述链路传输方式确定所述异常财务数据对应的异常定位指标;
预处理单元4022,用于根据所述异常定位指标,对所述异常财务数据进行预处理,确定所述异常定位指标对应的数据特征;
特征分析单元4023,用于将所述数据特征输入预设机器学习分析模型中进行异常特征分析,得到异常分析结果。
具体的,所述预处理单元4022还用于:
对所述异常定位指标对应的异常财务数据进行标准化处理,得到标准异常财务数据;
对所述标准异常财务数据通过预置自编码器进行预训练,得到所述异常定位指标对应的最小化重构误差的数据特征。
具体的,所述预处理单元4022还用于:
预置自编码器中的隐藏层对标准异常财务数据进行编码,得到对应的编码特征;
将编码特征映射至自编码器的输出层,得到重构数据误差,并根据重构数据误差,通过预置损失函数对自编码器进行调整,直到损失函数收敛时停止,得到最小化重构误差的数据特征。
具体的,所述构建模块403包括:
分组单元4031,用于分别统计各所述异常财务节点对应异常财务数据的元素值,并对相同的元素值进行分组,对应得到多个第一元素组;
构建单元4032,用于统计各所述第一元素组中相同元素值的数量,并基于所述相同元素值的数量的值,构建第二元素组;
创建单元4033,用于计算各所述第二元素组的总元素值,并基于各所述总元素值创建节点数组,以及采用各所述总元素值对所述节点数组进行反向填充;
排序单元4034,用于根据反向填充后的节点数组,对各所述异常财务节点进行排序。
本发明实施例中,通过异常财务数据之间是否具有依赖关系以及具有怎么样的依赖关系,来依次定义异常财务数据中对应的基准财务节点、有序财务节点和无序财务节点,确定异常财务数据之间的关联紧密程度和在业务流转链路中的位置等级,以用于后续构建对异常财务数据的最优加工方案,进一步提升异常数据加工的效率;另外,通过异常财务数据的链路传输方式,来确定大年异常数据进行异常分析的异常定位指标,以用于从异常财务数据中提取对应的数据特征,后续通过对数据特征进行分析,即可确定对应的异常财务数据属于哪一类型的异常情况,精准定位财务数据的异常类型,后续进行加工时可以得到更准确的更正财务数据。
上面图4和图5从模块化功能实体的角度对本发明实施例中的异常财务数据处理装置进行详细描述,下面从硬件处理的角度对本发明实施例中异常财务数据处理设备进行详细描述。
图6是本发明实施例提供的一种异常财务数据处理设备的结构示意图,该异常财务数据处理设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对异常财务数据处理设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在异常财务数据处理设备600上执行存储介质630中的一系列指令操作。
异常财务数据处理设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的异常财务数据处理设备结构并不构成对异常财务数据处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种异常财务数据处理设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述异常财务数据处理方法的步骤。本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述异常财务数据处理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种异常财务数据处理方法,其特征在于,所述异常财务数据处理方法包括:
获取异常财务数据,并基于预置跨点设计原则,对所述异常财务数据进行业务逻辑拆分,得到财务节点信息;
采用预置异常指标对所述财务节点信息进行异常分析,得到异常分析结果,并根据所述异常分析结果,从所述财务节点信息中提取多个异常财务节点;
采用预置排序算法,对各所述异常财务节点进行排序,并基于排序后的异常财务节点构建所述异常财务数据对应的最优加工方案;
采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
2.根据权利要求1所述的异常财务数据处理方法,其特征在于,所述基于预置跨点设计原则,对所述异常财务数据进行业务逻辑拆分,得到财务节点信息包括:
基于预置跨点设计原则,根据业务逻辑定义所述异常财务数据中预置优先级顺序的多个基准财务节点;
对所述异常财务数据与各所述基准财务节点进行依赖性匹配,确定与各所述基准财务节点和所述异常财务数据之间的依赖关系;
基于所述依赖关系,定义所述异常财务数据中与各所述基准财务节点之间具有关联关系的有序财务节点和不具有关联关系的无序财务节点;
组合基准财务节点、有序财务节点和无序财务节点,得到财务节点信息。
3.根据权利要求1所述的异常财务数据处理方法,其特征在于,所述采用预置异常指标对所述财务节点信息进行异常分析,得到异常分析结果包括:
根据所述财务节点信息,确定所述异常财务数据对应的链路传输方式,并根据所述链路传输方式确定所述异常财务数据对应的异常定位指标;
根据所述异常定位指标,对所述异常财务数据进行预处理,确定所述异常定位指标对应的数据特征;
将所述数据特征输入预设机器学习分析模型中进行异常特征分析,得到异常分析结果。
4.根据权利要求3所述的异常财务数据处理方法,其特征在于,所述根据所述异常定位指标,对所述异常财务数据进行预处理,确定所述异常定位指标对应的数据特征包括:
对所述异常定位指标对应的异常财务数据进行标准化处理,得到标准异常财务数据;
对所述标准异常财务数据通过预置自编码器进行预训练,得到所述异常定位指标对应的最小化重构误差的数据特征。
5.根据权利要求4所述的异常财务数据处理方法,其特征在于,所述对所述标准异常财务数据通过预置自编码器进行预训练,得到所述异常定位指标对应的最小化重构误差的数据特征包括:
预置自编码器中的隐藏层对所述标准异常财务数据进行编码,得到对应的编码特征;
将所述编码特征映射至所述自编码器的输出层,得到重构数据误差,并根据所述重构数据误差,通过预置损失函数对所述自编码器进行调整,直到所述损失函数收敛时停止,得到最小化重构误差的数据特征。
6.根据权利要求1所述的异常财务数据处理方法,其特征在于,所述采用预置排序算法,对各所述异常财务节点进行排序包括:
分别统计各所述异常财务节点对应异常财务数据的元素值,并对相同的元素值进行分组,对应得到多个第一元素组;
统计各所述第一元素组中相同元素值的数量,并基于所述相同元素值的数量的值,构建第二元素组;
计算各所述第二元素组的总元素值,并基于各所述总元素值创建节点数组,以及采用各所述总元素值对所述节点数组进行反向填充;
根据反向填充后的节点数组,对各所述异常财务节点进行排序。
7.一种异常财务数据处理装置,其特征在于,所述异常财务数据处理装置包括:
拆分模块,用于获取异常财务数据,并基于预置跨点设计原则,对所述异常财务数据进行业务逻辑拆分,得到财务节点信息;
异常分析模块,用于采用预置异常指标对所述财务节点信息进行异常分析,得到异常分析结果,并根据所述异常分析结果,从所述财务节点信息中提取多个异常财务节点;
构建模块,用于采用预置排序算法,对各所述异常财务节点进行排序,并基于排序后的异常财务节点构建所述异常财务数据对应的最优加工方案;
加工模块,用于采用最优加工方案对各排序算法异常财务节点对应的异常财务数据进行加工,得到更正财务数据。
8.根据权利要求7所述的异常财务数据处理装置,其特征在于,所述拆分模块包括:
第一定义单元,用于基于预置跨点设计原则,根据业务逻辑定义所述异常财务数据中预置优先级顺序的多个基准财务节点;
匹配单元,用于对所述异常财务数据与各所述基准财务节点进行依赖性匹配,确定与各所述基准财务节点和所述异常财务数据之间的依赖关系;
第二定义单元,用于基于所述依赖关系,定义所述异常财务数据中与各所述基准财务节点之间具有关联关系的有序财务节点和不具有关联关系的无序财务节点;
组合单元,用于组合基准财务节点、有序财务节点和无序财务节点,得到财务节点信息。
9.一种异常财务数据处理设备,其特征在于,所述异常财务数据处理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述异常财务数据处理设备执行如权利要求1-6中任意一项所述的异常财务数据处理方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-6中任意一项所述异常财务数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210032492.7A CN114358910A (zh) | 2022-01-12 | 2022-01-12 | 异常财务数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210032492.7A CN114358910A (zh) | 2022-01-12 | 2022-01-12 | 异常财务数据处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114358910A true CN114358910A (zh) | 2022-04-15 |
Family
ID=81109597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210032492.7A Pending CN114358910A (zh) | 2022-01-12 | 2022-01-12 | 异常财务数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114358910A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116012178A (zh) * | 2022-12-15 | 2023-04-25 | 广西电网有限责任公司 | 一种基于人工智能的自动化财务对账方法 |
-
2022
- 2022-01-12 CN CN202210032492.7A patent/CN114358910A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116012178A (zh) * | 2022-12-15 | 2023-04-25 | 广西电网有限责任公司 | 一种基于人工智能的自动化财务对账方法 |
CN116012178B (zh) * | 2022-12-15 | 2023-10-27 | 广西电网有限责任公司 | 一种基于人工智能的自动化财务对账方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113935497B (zh) | 智能运维故障处理方法、装置、设备及其存储介质 | |
CN107220892B (zh) | 一种应用于海量p2p网贷金融数据智能预处理工具及方法 | |
CN107168995B (zh) | 一种数据处理方法及服务器 | |
CN111177134B (zh) | 适用于海量数据的数据质量分析方法、装置、终端及介质 | |
CN111242793B (zh) | 医保数据异常的检测方法和装置 | |
CN106293891B (zh) | 多维投资指标监督方法 | |
CN113626241B (zh) | 应用程序的异常处理方法、装置、设备及存储介质 | |
WO2023115856A1 (zh) | 一种任务异常告警方法及装置 | |
JP2023511464A (ja) | 製品不良要因を分析するシステム及び方法、コンピュータ可読媒体 | |
CN113190426B (zh) | 一种大数据评分系统稳定性监控方法 | |
CN109246219A (zh) | 一种IoT数据采集系统的工作方法及系统 | |
CN115879748A (zh) | 一种基于大数据的企业信息化管理集成平台 | |
CN115689334A (zh) | 仓库管理系统的效率分析方法、系统及计算机设备 | |
CN114358910A (zh) | 异常财务数据处理方法、装置、设备及存储介质 | |
CN117519951B (zh) | 基于消息中台的实时数据处理方法及系统 | |
CN111125199A (zh) | 一种数据库访问方法、装置及电子设备 | |
CN110276609B (zh) | 业务数据处理方法及装置、电子设备、计算机可读介质 | |
CN110728118B (zh) | 跨数据平台的数据处理方法、装置、设备及存储介质 | |
CN110781235A (zh) | 基于大数据的采购数据处理方法、装置、终端及存储介质 | |
CN108711074B (zh) | 业务分类方法、装置、服务器及可读存储介质 | |
CN112508440B (zh) | 数据质量评估方法、装置、计算机设备及存储介质 | |
CN112035286A (zh) | 故障原因的确定方法及装置、存储介质、电子装置 | |
CN114896955A (zh) | 数据报表加工方法、装置、计算机设备及存储介质 | |
CN113495831B (zh) | 基于关键字生成测试用例的方法、系统、设备及介质 | |
CN114491044A (zh) | 日志的处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |