CN116452351A - 一种资金数据处理方法、装置、计算机设备及存储介质 - Google Patents
一种资金数据处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116452351A CN116452351A CN202310320380.6A CN202310320380A CN116452351A CN 116452351 A CN116452351 A CN 116452351A CN 202310320380 A CN202310320380 A CN 202310320380A CN 116452351 A CN116452351 A CN 116452351A
- Authority
- CN
- China
- Prior art keywords
- fund
- data
- prediction
- balance
- funds
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000003672 processing method Methods 0.000 claims abstract description 21
- 238000012790 confirmation Methods 0.000 claims description 8
- 230000000052 comparative effect Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 15
- 238000007726 management method Methods 0.000 description 46
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008676 import Effects 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开一种资金数据处理方法、装置、计算机设备及存储介质,涉及企业资金管理技术领域。本申请通过获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据,将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分,对资金评分进行排序,得到资金最优收支时序,根据资金最优收支时序生成资金收支明细,调用资金数智调度模型基于资金收支明细完成资金收取操作和支付操作。本申请技术方案可以充分对历史支付数据进行深度分析,发掘资金业务内在规律,帮助会计人员实现对企业现金流的精益管理,提高企业资金管理系统的智能化水平和自动化水平。
Description
技术领域
本申请涉及企业资金管理技术领域,具体涉及一种资金数据处理方法、装置、计算机设备及存储介质。
背景技术
企业经营和发展的基础就是资金价值的流动,所以资金作为企业生产经营重要的组成部分,在企业发展中对于企业管理以及控制都是至关重要的。在传统的企业资金管理过程中,大多数的企业资金管理系统只能提供一些基础的资金业务操作,例如,支付操作、结清操作等,且这些基础的的资金业务操作都是针对已经完成的项目或订单。
现在的企业资金管理系统没有充分利用历史支付数据去做资金数据的深度分析,仅仅作为一个会计人员使用的基础工具,以完成一些基础的资金业务操作,且整个使用过程需要人工手动操作,缺乏智能化、自动化操作手段。
发明内容
本申请实施例的目的在于提出一种资金数据处理方法、装置、计算机设备及存储介质,以解决现有企业资金管理系统仅能提供一些基础的资金业务操作,缺乏智能化、自动化操作手段的技术问题。
为了解决上述技术问题,本申请实施例提供一种资金数据处理方法,采用了如下所述的技术方案:
一种资金数据处理方法,所述资金数据处理方法应用于企业资金管理系统,所述企业资金管理系统至少包括资金数智预测模型、资金数智评分模型和资金数智调度模型,所述方法包括:
获取历史资金数据,将所述历史资金数据导入所述资金数智预测模型,得到资金预测结果,其中,所述资金预测结果包含若干笔资金收支预测数据;
将所述资金预测结果导入资金数智评分模型,得到每一笔所述资金收支预测数据对应的资金评分;
对每一笔所述资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序;
根据所述资金最优收支时序生成资金收支明细,并输出所述资金收支明细;
接收资金收支确认指令,调用所述资金数智调度模型基于所述资金收支明细完成资金收取操作和支付操作。
进一步地,所述获取历史资金数据,将所述历史资金数据导入所述资金数智预测模型,得到资金预测结果,具体包括:
接收资金数据处理指令,并从所述资金数据处理指令中获取资金数据预测周期时长;
获取对应所述资金数据预测周期时长的历史资金数据;
将对应所述资金数据预测周期时长的历史资金数据导入所述资金数智预测模型,得到对应所述资金数据预测周期时长的资金预测结果。
进一步地,所述资金数智预测模型包括资金收入同比预测单元、资金收入环比预测单元、资金支出同比预测单元和资金支出环比预测单元,所述获取历史资金数据,将所述历史资金数据导入所述资金数智预测模型,得到资金预测结果,具体包括:
将所述历史资金数据导入所述资金收入同比预测单元,得到资金收入同比预测数据;
将所述历史资金数据导入所述资金收入环比预测单元,得到资金收入环比预测数据;
将所述历史资金数据导入所述资金支出同比预测单元,得到资金支出同比预测数据;
将所述历史资金数据导入所述资金支出环比预测单元,得到资金支出环比预测数据;
组合所述资金收入同比预测数据、所述资金收入环比预测数据、所述资金支出同比预测数据和所述资金支出环比预测数据,得到所述资金预测结果。
进一步地,基于以下公式计算资金收入同比预测数据:
Mn=Sn-1*(1-α)
式中,n为资金数据预测周期时长,Mn为n周期的资金收入同比预测数据,Sn-1上一个n周期的资金收入数据,α为资金收入同比平均增长百分比;
基于以下公式计算资金收入环比预测数据:
Nn=Sn-1*(1-β)
式中,Nn为n周期的资金收入环比预测数据,β为资金收入环比平均增长百分比;
基于以下公式计算资金支出同比预测数据:
Pn=Yn-1*(1-γ)
式中,Pn为n周期的资金支出同比预测数据,Yn-1上一个n周期的资金支出数据,γ为资金支出同比平均增长百分比;
基于以下公式计算资金支出环比预测数据:
Qn=Yn-1*(1-δ)
式中,Qn为n周期的资金支出环比预测数据,δ为资金支出环比平均增长百分比。
进一步地,所述将所述资金预测结果导入资金数智评分模型,得到每一笔所述资金收支预测数据对应的资金评分,具体包括:
提取每一笔所述资金收支预测数据对应的关键要素;
根据预设的赋权规则对每一笔所述资金收支预测数据对应的关键要素进行赋权;
计算赋权后每一笔所述资金收支预测数据对应的关键要素的总分,得到每一笔所述资金收支预测数据对应的资金评分。
进一步地,根据以下公式计算赋权后每一笔所述资金收支预测数据对应的关键要素的总分:
φ=ε1X1+ε2X2+……+εnXn
式中,φ为资金收支预测数据的资金评分,Xn为关键要素,εn为关键要素Xn对应的权重,n为关键要素的数量。
进一步地,对每一笔所述资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,具体包括:
按照降序排列规则对每一笔所述资金收支预测数据对应的资金评分进行排序,得到所述资金最优收支时序;
在所述根据所述资金最优收支时序生成资金收支明细,并输出所述资金收支明细之后,还包括:
接收资金支付调整指令,并获取资金支付调整方案;
根据所述资金支付调整方案对所述资金收支明细进行调整,生成资金收支调整明细;
输出调整后的资金收支明细和所述资金收支调整明细。
为了解决上述技术问题,本申请实施例还提供一种资金数据处理装置,采用了如下所述的技术方案:
一种资金数据处理装置,所述资金数据处理装置用于运行企业资金管理系统,所述企业资金管理系统至少包括资金数智预测模型、资金数智评分模型和资金数智调度模型,所述装置包括:
资金预测模块,用于获取历史资金数据,将所述历史资金数据导入所述资金数智预测模型,得到资金预测结果,其中,所述资金预测结果包含若干笔资金收支预测数据;
资金评分模块,用于将所述资金预测结果导入资金数智评分模型,得到每一笔所述资金收支预测数据对应的资金评分;
评分排序模块,用于对每一笔所述资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序;
明细生成模块,用于根据所述资金最优收支时序生成资金收支明细,并输出所述资金收支明细;
资金调度模块,用于接收资金收支确认指令,调用所述资金数智调度模型基于所述资金收支明细完成资金收取操作和支付操作。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上述任一项所述的资金数据处理方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
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计算机可读指令,所述计算机可读指令被处理器执行时实现如上述中任一项所述的资金数据处理方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请公开一种资金数据处理方法、装置、计算机设备及存储介质,涉及企业资金管理技术领域。本申请通过获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据,将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分,对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,根据资金最优收支时序生成资金收支明细,并输出资金收支明细,调用资金数智调度模型基于资金收支明细完成资金收取操作和支付操作。本申请通过在现有企业资金管理系统的基础上配置资金数智预测模型、资金数智评分模型和资金数智调度模型可以实现充分利用历史支付数据完成资金数据的深度分析和资金支付优化,通过发掘资金业务内在的规律,帮助企业会计人员实现对企业现金流的精益管理,提高企业资金管理系统智能化水平和自动化水平。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请可以应用于其中的示例性系统架构图;
图2示出了根据本申请的资金数据处理方法的一个实施例的流程图;
图3示出了根据本申请的资金数据处理方法中的企业资金管理系统的一个实施例的结构示意图;
图4示出了根据本申请的资金数据处理装置的一个实施例的结构示意图;
图5示出了根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content De l i very Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
需要说明的是,本申请实施例所提供的资金数据处理方法一般由服务器执行,相应地,资金数据处理装置一般设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的资金数据处理方法的一个实施例的流程图。本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
在传统的企业资金管理过程中,大多数的企业资金管理系统只能提供一些基础的资金业务操作,例如,支付操作、结清操作等,且这些基础的的资金业务操作都是针对已经完成的项目或订单,因此,传统的企业资金管理系统仅仅作为一个会计人员使用的基础工具,以完成一些基础的资金业务操作。
而现在企业在进行资金支付业务处理时,会面临很多困扰,例如,未来的一段时间(比如未来一个月、一周、一天)需要付多少?何时付?先付谁?后付谁?什么时间付最好?减少了多少融资成本?产生了多少增值效益?这些问题都是现有资金支付业务中存在问题和不足。
产生上述问题的原因是,目前的企业资金管理系统没有充分利用历史支付数据去做资金数据的深度分析,企业资金管理系统仅仅作为一个会计人员使用的基础工具,以完成一些基础的资金业务操作,且整个使用过程需要人工手动操作,缺乏智能化、自动化操作手段。
针对上述技术问题,本申请公开一种资金数据处理方法、装置、计算机设备及存储介质,涉及企业资金管理技术领域,本申请通过在现有企业资金管理系统的基础上配置资金数智预测模型、资金数智评分模型和资金数智调度模型可以实现充分利用历史支付数据完成资金数据的深度分析和资金支付优化,通过发掘资金业务内在的规律,帮助企业会计人员实现对企业现金流的精益管理,提高企业资金管理系统智能化水平和自动化水平。
本申请公开了一种资金数据处理方法,资金数据处理方法应用于企业资金管理系统,企业资金管理系统至少包括资金数智预测模型、资金数智评分模型和资金数智调度模型,方法包括:
S201,获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据。
在本实施例中,请参考图3,企业资金管理系统至少包括资金数智预测模型、资金数智评分模型和资金数智调度模型,其中,通过资金数智预测模型进行资金数智预测,对资金收支进行精准预测;通过资金数智评分模型进行资金数智评分,对待支付数据进行精准评分;通过资金数智调度模型实现资金智能调度。
当服务器接收到资金数据处理指令后,获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据。
在本实施例中,资金数据处理方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式接收各种指令和数据。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
进一步地,获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,具体包括:
接收资金数据处理指令,并从资金数据处理指令中获取资金数据预测周期时长;
获取对应资金数据预测周期时长的历史资金数据;
将对应资金数据预测周期时长的历史资金数据导入资金数智预测模型,得到对应资金数据预测周期时长的资金预测结果。
在本实施例中,服务器服务器接收到资金数据处理指令后,从资金数据处理指令中获取资金数据预测周期时长,其中,资金数据预测周期时长可以根据需求设定,例如资金数据预测周期时长可以是1天、1周、1个月、1年等等,得到资金数据预测周期时长后,获取上一个资金数据预测周期时长对应的历史资金数据,例如,要预测一个月后的资金收支情况,可以获取当日之前的1个月的历史资金数据,将对应资金数据预测周期时长的历史资金数据导入资金数智预测模型,得到对应资金数据预测周期时长的资金预测结果。
在本申请另一种实施例中,资金数据预测周期时长也可以选择周对应时间、月度对应时间、季度对应时间或者年度对应时间,例如,要预测12月份的资金收支情况,可以选择上一年度的12月份的历史资金数据来进行预测。
进一步地,资金数智预测模型包括资金收入同比预测单元、资金收入环比预测单元、资金支出同比预测单元和资金支出环比预测单元,获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,具体包括:
将历史资金数据导入资金收入同比预测单元,得到资金收入同比预测数据;
将历史资金数据导入资金收入环比预测单元,得到资金收入环比预测数据;
将历史资金数据导入资金支出同比预测单元,得到资金支出同比预测数据;
将历史资金数据导入资金支出环比预测单元,得到资金支出环比预测数据;
组合资金收入同比预测数据、资金收入环比预测数据、资金支出同比预测数据和资金支出环比预测数据,得到资金预测结果。
在本实施例中,资金数智预测模型包括资金收入同比预测单元、资金收入环比预测单元、资金支出同比预测单元和资金支出环比预测单元。通过将历史资金数据导入资金收入同比预测单元,得到资金收入同比预测数据;通过将历史资金数据导入资金收入环比预测单元,得到资金收入环比预测数据;通过将历史资金数据导入资金支出同比预测单元,得到资金支出同比预测数据;通过将历史资金数据导入资金支出环比预测单元,得到资金支出环比预测数据。通过组合资金收入同比预测数据、资金收入环比预测数据、资金支出同比预测数据和资金支出环比预测数据,得到资金预测结果。
在上述实施例中,本申请通过构建资金数智预测模型,基于历史年份资金收支数据,深入分析资金收支同比/环比增长变动趋势规律,对资金收支进行精准预测。
进一步地,基于以下公式计算资金收入同比预测数据:
Mn=Sn-1*(1-α)
式中,n为资金数据预测周期时长,Mn为n周期的资金收入同比预测数据,Sn-1上一个n周期的资金收入数据,α为资金收入同比平均增长百分比;
基于以下公式计算资金收入环比预测数据:
Nn=Sn-1*(1-β)
式中,Nn为n周期的资金收入环比预测数据,β为资金收入环比平均增长百分比;
基于以下公式计算资金支出同比预测数据:
Pn=Yn-1*(1-γ)
式中,Pn为n周期的资金支出同比预测数据,Yn-1上一个n周期的资金支出数据,γ为资金支出同比平均增长百分比;
基于以下公式计算资金支出环比预测数据:
Qn=Yn-1*(1-δ)
式中,Qn为n周期的资金支出环比预测数据,δ为资金支出环比平均增长百分比。
在本实施例中,基于资金数智预测模型,进行资金数智预测,对资金收支进行精准预测,以下以5年期为例分别列举资金收入同比预测单元、资金收入环比预测单元、资金支出同比预测单元和资金支出环比预测单元的实现资金收支数据预测:
1)资金收入同比预测,基于历史5年份的资金收入数据作为输入数据:
资金收入同比增长率5=(资金收入上四年同期-资金收入上五年同期)/资金收入上四年同期*100%
资金收入同比增长率比4=(资金收入上三年同期-资金收入上四年同期)/资金收入上三年同期*100%
资金收入同比增长率3=(资金收入上二年同期-资金收入上三年同期)/资金收入上二年同期*100%
资金收入同比增长率2=资金收入上二年同期/资金收入上一年同期*100%
计算:资金收入同比平均增长百分比=(资金收入同比增长率5+资金收入同比增长率4+资金收入同比增长率3+资金收入同比增长率2)/4
资金收入同比预测=资金收入上一年同期*(1-资金收入同比平均增长百分比)
2)资金收入环比预测,基于历史5年份的资金收入数据作为输入数据:
资金收入环比增长率5=(资金收入上五年同期-资金收入上五年同期的上一期)/资金收入上五年同期的上一期*100%
资金收入环比增长率4=(资金收入上四年同期-资金收入上四年同期的上一期)/资金收入上四年同期的上一期*100%
资金收入环比增长率3=(资金收入上三年同期-资金收入上三年同期的上一期)/资金收入上三年同期的上一期*100%
资金收入环比增长率2=(资金收入上二年同期-资金收入上二年同期的上一期)/资金收入上二年同期的上一期*100%
资金收入环比增长率1=(资金收入上一年同期-资金收入上一年同期的上一期)/资金收入上一年同期的上一期*100%
计算:资金收入环比平均增长百分比=(资金收入环比增长率1+资金收入环比增长率2+资金收入环比增长率3+资金收入环比增长率4+资金收入环比增长率5)/5
资金收入环比预测=资金收入上期*(1+资金收入环比平均增长百分比)
3)资金支出同比预测,基于历史5年份的资金支出数据作为输入数据:
资金支出同比增长率5=(资金支出上四年同期-资金支出上五年同期)/资金支出上四年同期*100%
资金支出同比增长率比4=(资金支出上三年同期-资金支出上四年同期)/资金支出上三年同期*100%
资金支出同比增长率3=(资金支出上二年同期-资金支出上三年同期)/资金支出上二年同期*100%
资金支出同比增长率2=资金支出上二年同期/资金支出上一年同期*100%
计算:资金支出同比平均增长百分比=(资金支出同比增长率5+资金支出同比增长率4+资金支出同比增长率3+资金支出同比增长率2)/4
资金支出同比预测=资金支出上一年同期*(1-资金支出同比平均增长百分比)
4)资金支出环比预测,基于历史5年份的资金支出数据作为输入数据:
资金支出环比增长率5=(资金支出上五年同期-资金支出上五年同期的上一期)/资金支出上五年同期的上一期*100%
资金支出环比增长率4=(资金支出上四年同期-资金支出上四年同期的上一期)/资金支出上四年同期的上一期*100%
资金支出环比增长率3=(资金支出上三年同期-资金支出上三年同期的上一期)/资金支出上三年同期的上一期*100%
资金支出环比增长率2=(资金支出上二年同期-资金支出上二年同期的上一期)/资金支出上二年同期的上一期*100%
资金支出环比增长率1=(资金支出上一年同期-资金支出上一年同期的上一期)/资金支出上一年同期的上一期*100%
计算:资金支出环比平均增长百分比=(资金支出环比增长率1+资金支出环比增长率2+资金支出环比增长率3+资金支出环比增长率4+资金支出环比增长率5)/5
资金支出环比预测=资金支出上期*(1+资金支出环比平均增长百分比)
在上述实施例中,本申请通过构建资金数智预测模型,并在资金数智预测模型中构建资金收入同比预测单元、资金收入环比预测单元、资金支出同比预测单元和资金支出环比预测单元,基于历史年份资金收支数据,深入分析资金收支同比/环比增长变动趋势规律,对资金收支进行精准预测。
S202,将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分。
在本申请实施例中,通过将资金预测结果导入资金数智评分模型,资金数智评分模型会分别利用预设的评分规则对每一笔资金收支预测数据进行评分,得到每一笔资金收支预测数据对应的资金评分。
进一步地,将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分,具体包括:
提取每一笔资金收支预测数据对应的关键要素;
根据预设的赋权规则对每一笔资金收支预测数据对应的关键要素进行赋权;
计算赋权后每一笔资金收支预测数据对应的关键要素的总分,得到每一笔资金收支预测数据对应的资金评分。
在本申请实施例中,资金收支预测数据对应的关键要素包括供应商信用情况、支付金额、预计付款日期、付款用途、付款合同期限等等。需要说明的是,需要预先根据需求设定每一种关键要素的赋权规则,一般来说,资金收支预测数据对应的关键要素的总权重为“1”,即ε=ε1+ε2+……+ε=1。
n
服务器在得到资金预测结果后,提取资金预测结果中每一笔资金收支预测数据对应的关键要素,根据资金数智评分模型中预设的赋权规则对每一笔资金收支预测数据对应的关键要素进行赋权,并计算赋权后每一笔资金收支预测数据对应的关键要素的总分,得到每一笔资金收支预测数据对应的资金评分。
在上述实施例中,本申请基于资金数智评分模型对每一笔资金收支预测数据进行资金数智评分,通过对待支付数据进行精准评分和排序,得出资金支付最优时序,分数越高对应的处理优先级越高,通过评分和排序以便后续进行资金调度。
进一步地,根据以下公式计算赋权后每一笔资金收支预测数据对应的关键要素的总分:
φ=ε1X1+ε2X2+……+εnXn
式中,φ为资金收支预测数据的资金评分,Xn为关键要素,εn为关键要素Xn对应的权重,n为关键要素的数量。
在上述实施例中,本申请通过构建资金数智评分模型,依据大型集团企业资金支付业务特点,对现金流进行深度挖掘和精益管控,基于关键要素管理,按紧急程度与重要程度相结合,将供应商信用、付款用途、资金来源等要素提炼为“评分因子”,并对关键要素进行赋权,结合预设的评分计算方式计算资金评分,基于资金评分结果搭建数智支付三池——“刚需池”、“月内池”和“延期池”,通过数智支付三池实现资金数智管理。
S203,对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序。
在本申请实施例中,服务器在获得每一笔资金收支预测数据对应的资金评分后,对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序。
进一步地,对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,具体包括:
按照降序排列规则对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序。
在本申请实施例中,服务器按照降序排列规则对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,其中,排名越靠前的资金收支预测数据的资金评分越高,资金评分越高对应的处理优先级越高,可以优先进行处理。
S204,根据资金最优收支时序生成资金收支明细,并输出资金收支明细。
在本申请实施例中,服务器根据资金最优收支时序生成资金收支明细,并向用户终端输出资金收支明细。
在根据资金最优收支时序生成资金收支明细,并输出资金收支明细之后,还包括:
接收资金支付调整指令,并获取资金支付调整方案;
根据资金支付调整方案对资金收支明细进行调整,生成资金收支调整明细;
输出调整后的资金收支明细和资金收支调整明细。
在本申请实施例中,服务器在向用户终端输出资金收支明细后,等待用户终端的反馈,当接收到用户终端发出的资金支付调整指令后,获取解析的资金支付调整指令获取资金支付调整方案,根据资金支付调整方案对资金收支明细进行调整,生成资金收支调整明细,输出调整后的资金收支明细和资金收支调整明细,并继续等待用户终端的反馈,直至用户终端发起资金收支确认指令为止。
S205,接收资金收支确认指令,调用资金数智调度模型基于资金收支明细完成资金收取操作和支付操作。
在本申请实施例中,接收资金收支确认指令,调用资金数智调度模型基于资金收支明细确定匹配的调度策略,资金数智调度模型中预设的调度策略包括“日调度”、“周调度”、“月调度”等等,通过调用匹配的调度策略完成资金收取操作和支付操作,自动完成符合企业现金流最优支付时序的收取操作和支付操作,深化现金流精益管理准度,进一步提升资金运营效率。
在本申请另一种具体的实施例中,本申请在资金数智预测模型、资金数智评分模型和资金数智调度模型的基础上还进一步搭建资金数智分析模型来实现资金数智价值分析。基于资金数智分析模型进行资金数智分析,进一步挖局资金数智价值,进一步优化完善企业资金管理系统,提高企业资金管理系统智能化水平和自动化水平。资金数智分析模型至少包括账户、收付款、融资及票据等相关指标的分析,包含但不限于如下表示例:
表1资金数智分析模型涉及的指标汇总
/>
本申请公开一种资金数据处理方法,涉及企业资金管理技术领域。本申请通过获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据,将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分,对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,根据资金最优收支时序生成资金收支明细,并输出资金收支明细,调用资金数智调度模型基于资金收支明细完成资金收取操作和支付操作。本申请通过在现有企业资金管理系统的基础上配置资金数智预测模型、资金数智评分模型和资金数智调度模型可以实现充分利用历史支付数据完成资金数据的深度分析和资金支付优化,通过发掘资金业务内在的规律,帮助企业会计人员实现对企业现金流的精益管理,提高企业资金管理系统智能化水平和自动化水平。
需要强调的是,为进一步保证上述历史资金数据的私密和安全性,上述历史资金数据还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-On ly Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图4,作为对上述图2所示方法的实现,本申请提供了一种资金数据处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所述的一种资金数据处理装置400,资金数据处理装置用于运行企业资金管理系统,企业资金管理系统至少包括资金数智预测模型、资金数智评分模型和资金数智调度模型,资金数据处理装置400包括:
资金预测模块401,用于获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据;
资金评分模块402,用于将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分;
评分排序模块403,用于对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序;
明细生成模块404,用于根据资金最优收支时序生成资金收支明细,并输出资金收支明细;
资金调度模块405,用于接收资金收支确认指令,调用资金数智调度模型基于资金收支明细完成资金收取操作和支付操作。
进一步地,资金预测模块401具体包括:
时长获取单元,用于接收资金数据处理指令,并从资金数据处理指令中获取资金数据预测周期时长;
数据获取单元,用于获取对应资金数据预测周期时长的历史资金数据;
资金预测单元,用于将对应资金数据预测周期时长的历史资金数据导入资金数智预测模型,得到对应资金数据预测周期时长的资金预测结果。
进一步地,资金预测模块401还包括资金收入同比预测单元、资金收入环比预测单元、资金支出同比预测单元、资金支出环比预测单元和预测数据整合单元,其中:
将历史资金数据导入资金收入同比预测单元,得到资金收入同比预测数据;
将历史资金数据导入资金收入环比预测单元,得到资金收入环比预测数据;
将历史资金数据导入资金支出同比预测单元,得到资金支出同比预测数据;
将历史资金数据导入资金支出环比预测单元,得到资金支出环比预测数据;
预测数据整合单元,用于组合资金收入同比预测数据、资金收入环比预测数据、资金支出同比预测数据和资金支出环比预测数据,得到资金预测结果。
进一步地,基于以下公式计算资金收入同比预测数据:
Mn=Sn-1*(1-α)
式中,n为资金数据预测周期时长,Mn为n周期的资金收入同比预测数据,Sn-1上一个n周期的资金收入数据,α为资金收入同比平均增长百分比;
基于以下公式计算资金收入环比预测数据:
Nn=Sn-1*(1-β)
式中,Nn为n周期的资金收入环比预测数据,β为资金收入环比平均增长百分比;
基于以下公式计算资金支出同比预测数据:
Pn=Yn-1*(1-γ)
式中,Pn为n周期的资金支出同比预测数据,Yn-1上一个n周期的资金支出数据,γ为资金支出同比平均增长百分比;
基于以下公式计算资金支出环比预测数据:
Qn=Yn-1*(1-δ)
式中,Qn为n周期的资金支出环比预测数据,δ为资金支出环比平均增长百分比。
进一步地,资金评分模块402具体包括:
要素提取单元,用于提取每一笔资金收支预测数据对应的关键要素;
要素赋权单元,用于根据预设的赋权规则对每一笔资金收支预测数据对应的关键要素进行赋权;
评分计算单元,用于计算赋权后每一笔资金收支预测数据对应的关键要素的总分,得到每一笔资金收支预测数据对应的资金评分。
进一步地,根据以下公式计算赋权后每一笔资金收支预测数据对应的关键要素的总分:
式中,为资金收支预测数据的资金评分,Xn为关键要素,εn为关键要素Xn对应的权重,n为关键要素的数量。
进一步地,评分排序模块403具体包括:
降序排序单元,用于按照降序排列规则对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序;
资金数据处理装置400还包括:
调整指令接收模块,用于接收资金支付调整指令,并获取资金支付调整方案;
收支明细调整模块,用于根据资金支付调整方案对资金收支明细进行调整,生成资金收支调整明细;
调整明细输出模块,用于输出调整后的资金收支明细和资金收支调整明细。
本申请公开一种资金数据处理装置,涉及企业资金管理技术领域。本申请通过获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据,将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分,对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,根据资金最优收支时序生成资金收支明细,并输出资金收支明细,调用资金数智调度模型基于资金收支明细完成资金收取操作和支付操作。本申请通过在现有企业资金管理系统的基础上配置资金数智预测模型、资金数智评分模型和资金数智调度模型可以实现充分利用历史支付数据完成资金数据的深度分析和资金支付优化,通过发掘资金业务内在的规律,帮助企业会计人员实现对企业现金流的精益管理,提高企业资金管理系统智能化水平和自动化水平。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图5,图5为本实施例计算机设备基本结构框图。
所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是,图中仅示出了具有组件51-53的计算机设备5,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器51至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器51可以是所述计算机设备5的内部存储单元,例如该计算机设备5的硬盘或内存。在另一些实施例中,所述存储器51也可以是所述计算机设备5的外部存储设备,例如该计算机设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中,所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件,例如资金数据处理方法的计算机可读指令等。此外,所述存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器52在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中,所述处理器52用于运行所述存储器51中存储的计算机可读指令或者处理数据,例如运行所述资金数据处理方法的计算机可读指令。
所述网络接口53可包括无线网络接口或有线网络接口,该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
在上述实施例中,本申请公开一种计算机设备,涉及企业资金管理技术领域。本申请通过获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据,将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分,对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,根据资金最优收支时序生成资金收支明细,并输出资金收支明细,调用资金数智调度模型基于资金收支明细完成资金收取操作和支付操作。本申请通过在现有企业资金管理系统的基础上配置资金数智预测模型、资金数智评分模型和资金数智调度模型可以实现充分利用历史支付数据完成
资金数据的深度分析和资金支付优化,通过发掘资金业务内在的规律,帮助企业会计人员实现对企业现金流的精益管理,提高企业资金管理系统智能化水平和自动化水平。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的资金数据处理方法的步骤。
在上述实施例中,本申请公开一种存储介质,涉及企业资金管理技术领域。本申请通过获取历史资金数据,将历史资金数据导入资金数智预测模型,得到资金预测结果,其中,资金预测结果包含若干笔资金收支预测数据,将资金预测结果导入资金数智评分模型,得到每一笔资金收支预测数据对应的资金评分,对每一笔资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,根据资金最优收支时序生成资金收支明细,并输出资金收支明细,调用资金数智调度模型基于资金收支明细完成资金收取操作和支付操作。本申请通过在现有企业资金管理系统的基础上配置资金数智预测模型、资金数智评分模型和资金数智调度模型可以实现充分利用历史支付数据完成资金数据的深度分析和资金支付优化,通过发掘资金业务内在的规律,帮助企业会计人员实现对企业现金流的精益管理,提高企业资金管理系统智能化水平和自动化水平。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种资金数据处理方法,其特征在于,所述资金数据处理方法应用于企业资金管理系统,所述企业资金管理系统至少包括资金数智预测模型、资金数智评分模型和资金数智调度模型,所述方法包括:
获取历史资金数据,将所述历史资金数据导入所述资金数智预测模型,得到资金预测结果,其中,所述资金预测结果包含若干笔资金收支预测数据;
将所述资金预测结果导入资金数智评分模型,得到每一笔所述资金收支预测数据对应的资金评分;
对每一笔所述资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序;
根据所述资金最优收支时序生成资金收支明细,并输出所述资金收支明细;
接收资金收支确认指令,调用所述资金数智调度模型基于所述资金收支明细完成资金收取操作和支付操作。
2.如权利要求1所述的资金数据处理方法,其特征在于,所述获取历史资金数据,将所述历史资金数据导入所述资金数智预测模型,得到资金预测结果,具体包括:
接收资金数据处理指令,并从所述资金数据处理指令中获取资金数据预测周期时长;
获取对应所述资金数据预测周期时长的历史资金数据;
将对应所述资金数据预测周期时长的历史资金数据导入所述资金数智预测模型,得到对应所述资金数据预测周期时长的资金预测结果。
3.如权利要求2所述的资金数据处理方法,其特征在于,所述资金数智预测模型包括资金收入同比预测单元、资金收入环比预测单元、资金支出同比预测单元和资金支出环比预测单元,所述获取历史资金数据,将所述历史资金数据导入所述资金数智预测模型,得到资金预测结果,具体包括:
将所述历史资金数据导入所述资金收入同比预测单元,得到资金收入同比预测数据;
将所述历史资金数据导入所述资金收入环比预测单元,得到资金收入环比预测数据;
将所述历史资金数据导入所述资金支出同比预测单元,得到资金支出同比预测数据;
将所述历史资金数据导入所述资金支出环比预测单元,得到资金支出环比预测数据;
组合所述资金收入同比预测数据、所述资金收入环比预测数据、所述资金支出同比预测数据和所述资金支出环比预测数据,得到所述资金预测结果。
4.如权利要求3所述的资金数据处理方法,其特征在于,基于以下公式计算资金收入同比预测数据:
Mn=Sn-1*(1-α)
式中,n为资金数据预测周期时长,Mn为n周期的资金收入同比预测数据,Sn-1上一个n周期的资金收入数据,α为资金收入同比平均增长百分比;
基于以下公式计算资金收入环比预测数据:
Nn=Sn-1*(1-β)
式中,Nn为n周期的资金收入环比预测数据,β为资金收入环比平均增长百分比;
基于以下公式计算资金支出同比预测数据:
Pn=Yn-1*(1-γ)
式中,Pn为n周期的资金支出同比预测数据,Yn-1上一个n周期的资金支出数据,γ为资金支出同比平均增长百分比;
基于以下公式计算资金支出环比预测数据:
Qn=Yn-1*(1-δ)
式中,Qn为n周期的资金支出环比预测数据,δ为资金支出环比平均增长百分比。
5.如权利要求1至4任意一项所述的资金数据处理方法,其特征在于,所述将所述资金预测结果导入资金数智评分模型,得到每一笔所述资金收支预测数据对应的资金评分,具体包括:
提取每一笔所述资金收支预测数据对应的关键要素;
根据预设的赋权规则对每一笔所述资金收支预测数据对应的关键要素进行赋权;
计算赋权后每一笔所述资金收支预测数据对应的关键要素的总分,得到每一笔所述资金收支预测数据对应的资金评分。
6.如权利要求5所述的资金数据处理方法,其特征在于,根据以下公式计算赋权后每一笔所述资金收支预测数据对应的关键要素的总分:
φ=ε1X1+ε2X2+……+εnXn
式中,φ为资金收支预测数据的资金评分,Xn为关键要素,εn为关键要素Xn对应的权重,n为关键要素的数量。
7.如权利要求5所述的资金数据处理方法,其特征在于,对每一笔所述资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序,具体包括:
按照降序排列规则对每一笔所述资金收支预测数据对应的资金评分进行排序,得到所述资金最优收支时序;
在所述根据所述资金最优收支时序生成资金收支明细,并输出所述资金收支明细之后,还包括:
接收资金支付调整指令,并获取资金支付调整方案;
根据所述资金支付调整方案对所述资金收支明细进行调整,生成资金收支调整明细;
输出调整后的资金收支明细和所述资金收支调整明细。
8.一种资金数据处理装置,其特征在于,所述资金数据处理装置用于运行企业资金管理系统,所述企业资金管理系统至少包括资金数智预测模型、资金数智评分模型和资金数智调度模型,所述装置包括:
资金预测模块,用于获取历史资金数据,将所述历史资金数据导入所述资金数智预测模型,得到资金预测结果,其中,所述资金预测结果包含若干笔资金收支预测数据;
资金评分模块,用于将所述资金预测结果导入资金数智评分模型,得到每一笔所述资金收支预测数据对应的资金评分;
评分排序模块,用于对每一笔所述资金收支预测数据对应的资金评分进行排序,得到资金最优收支时序;
明细生成模块,用于根据所述资金最优收支时序生成资金收支明细,并输出所述资金收支明细;
资金调度模块,用于接收资金收支确认指令,调用所述资金数智调度模型基于所述资金收支明细完成资金收取操作和支付操作。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的资金数据处理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的资金数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310320380.6A CN116452351A (zh) | 2023-03-28 | 2023-03-28 | 一种资金数据处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310320380.6A CN116452351A (zh) | 2023-03-28 | 2023-03-28 | 一种资金数据处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116452351A true CN116452351A (zh) | 2023-07-18 |
Family
ID=87134926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310320380.6A Pending CN116452351A (zh) | 2023-03-28 | 2023-03-28 | 一种资金数据处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116452351A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118037457A (zh) * | 2024-03-26 | 2024-05-14 | 数盾信息科技股份有限公司 | 一种仓单与发票模式的互信供应链金融流程控制方法 |
-
2023
- 2023-03-28 CN CN202310320380.6A patent/CN116452351A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118037457A (zh) * | 2024-03-26 | 2024-05-14 | 数盾信息科技股份有限公司 | 一种仓单与发票模式的互信供应链金融流程控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bourdet et al. | Emigrants' remittances and Dutch disease in Cape Verde | |
CN109961165A (zh) | 件量预测方法、装置、设备及其存储介质 | |
CN112182118B (zh) | 基于多数据源的目标对象预测方法及其相关设备 | |
CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
CN116452351A (zh) | 一种资金数据处理方法、装置、计算机设备及存储介质 | |
CN111506876B (zh) | 一种数据预测分析方法、系统、设备及可读存储介质 | |
CN116860856A (zh) | 一种财务数据处理方法、装置、计算机设备及存储介质 | |
CN117114909A (zh) | 一种核算规则引擎构建方法、装置、设备及存储介质 | |
CN116843483A (zh) | 一种车险理赔方法、装置、计算机设备及存储介质 | |
CN110390342A (zh) | 时间序列预测方法和装置 | |
CN116860805A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN117273968A (zh) | 一种跨业务线产品的会计凭证生成方法及其相关设备 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN114549053B (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN111159355A (zh) | 客户投诉单处理方法及装置 | |
CN113781247B (zh) | 协议数据推荐方法、装置、计算机设备及存储介质 | |
Liu et al. | Power consumption prediction with K-nearest-neighbours and XGBoost algorithm | |
CN108205788A (zh) | 一种外源数据实时爬取的多指标电力负荷曲线分析系统 | |
CN116934512A (zh) | 一种财务月结审核方法、装置、计算机设备及存储介质 | |
CN118037455A (zh) | 一种金融数据预测方法、装置、设备及其存储介质 | |
CN115936910A (zh) | 费用数据处理方法、装置、计算机设备及存储介质 | |
CN115481823A (zh) | 业务处理方法、装置及系统 | |
CN114066473A (zh) | 用户还款意向预测方法、装置、计算机设备及存储介质 | |
CN117829897A (zh) | 数据预测方法、装置、计算机设备及存储介质 | |
CN116611936A (zh) | 数据分析方法、装置、计算机设备及存储介质 |
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 |