CN116860856A - 一种财务数据处理方法、装置、计算机设备及存储介质 - Google Patents
一种财务数据处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116860856A CN116860856A CN202310884149.XA CN202310884149A CN116860856A CN 116860856 A CN116860856 A CN 116860856A CN 202310884149 A CN202310884149 A CN 202310884149A CN 116860856 A CN116860856 A CN 116860856A
- Authority
- CN
- China
- Prior art keywords
- data
- screening
- accounting
- financial
- data processing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000012216 screening Methods 0.000 claims abstract description 145
- 238000012545 processing Methods 0.000 claims abstract description 99
- 238000013075 data extraction Methods 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims description 24
- 238000010276 construction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 9
- 238000012827 research and development Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009472 formulation Methods 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
- 238000012423 maintenance Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 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
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开一种财务数据处理方法、装置、计算机设备及存储介质,属于大数据技术领域及产险金融核算领域。本申请通过确定历史会计凭证中的数据字段类型,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据,调用会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。此外,本申请还涉及区块链技术,批量业务数据可存储于区块链中。本申请可以极大地减少保险财务核算系统系统自动制证时的数据运算量,提升财务核算系统的性能。
Description
技术领域
本申请属于大数据技术领域及产险金融核算领域,具体涉及一种财务数据处理方法、装置、计算机设备及存储介质。
背景技术
保险财务核算系统是一个专门用于保险公司进行财务核算和管理的信息系统,它集成了多个子系统和模块,包括保险会计、资产负债管理、财务报告、税务管理等,以及相应的数据仓库、报表系统和决策支持系统等。保险财务核算系统在完成财务核算后通常需要出具会计凭证,而制作会计凭证是一个需要耗费较多计算资源,影响核算进程的环节。
现有的针对保险财务系统制证处理的性能提升方案大多依赖于硬件的性能或基于中间件的使用来提升性能,这些方式基本依赖于技术架构和硬件性能的进度,需要针对原有技术架构和硬件进行系统研发,研发周期较长,且需要投入大量的研发资源,且无法根本从根本上解决制作会计凭证耗费较多计算资源的问题。
发明内容
本申请实施例的目的在于提出一种财务数据处理方法、装置、计算机设备及存储介质,以解决现有提升保险财务系统制证性能方案存在的研发周期较长,且需要投入大量的研发资源,且无法根本从根本上解决制作会计凭证耗费较多计算资源的问题。
为了解决上述技术问题,本申请实施例提供一种财务数据处理方法,采用了如下所述的技术方案:
一种财务数据处理方法,包括:
对历史会计凭证进行解析,确定所述历史会计凭证中的数据字段类型;
基于所述数据字段类型配置对应的数据抽取规则,根据所述数据抽取规则构建数据筛选模型,其中,所述数据筛选模型用于对业务数据进行数据筛选;
接收财务数据处理指令,获取批量业务数据,将所述批量业务数据导入所述数据筛选模型,得到筛选数据;
调用预设的会计规则引擎对所述筛选数据进行数据处理,并基于数据处理结果生成所述批量业务数据对应的会计凭证。
进一步地,所述对历史会计凭证进行解析,确定所述历史会计凭证中的数据字段类型,具体包括:
对所述历史会计凭证进行解析,获取所述历史会计凭证中的数据字段;
确定所述数据字段对应的文本关键词;
对所述文本关键词进行语义识别,根据语义识别结果确定所述数据字段的字段类型,得到所述数据字段类型。
进一步地,所述基于所述数据字段类型配置对应的数据抽取规则,根据所述数据抽取规则构建数据筛选模型,具体包括:
根据所述数据字段类型以及所述数据字段类型对应的文本关键词构建基于关键词匹配的数据处理规则,得到所述数据抽取规则;
将生成的所述数据抽取规则进行整合,生成所述数据筛选模型。
进一步地,所述根据所述数据字段类型以及所述数据字段类型对应的文本关键词构建基于关键词匹配的数据处理规则,得到所述数据抽取规则,具体包括:
确定任意一个所述数据字段类型为目标字段类型;
查找所述目标字段类型对应的所有文本关键词;
基于所述目标字段类型对应的所有文本关键词构建基于关键词匹配的数据处理规则,得到所述目标字段类型对应的数据抽取规则。
进一步地,所述基于所述数据字段类型配置对应的数据抽取规则,根据所述数据抽取规则构建数据筛选模型,具体包括:
根据所述数据字段类型构建基于正则表达式的数据处理规则,得到所述数据抽取规则;
将生成的所述数据抽取规则进行整合,生成所述数据筛选模型。
进一步地,所述接收财务数据处理指令,获取批量业务数据,将所述批量业务数据导入所述数据筛选模型,得到筛选数据,具体包括:
遍历所述批量业务数据,基于所述数据筛选模型中的数据抽取规则对所述批量业务数据进行数据筛选,确定目标数据;
从所述批量业务数据中提取所述目标数据,得到所述筛选数据。
进一步地,在所述调用预设的会计规则引擎对所述筛选数据进行数据处理,并基于数据处理结果生成所述批量业务数据对应的会计凭证之后,还包括:
将所述批量业务数据对应的会计凭证写入到业务库中;
在所述业务库中使用生成唯一标识符,使用所述唯一标识符对所述批量业务数据和所述批量业务数据对应的会计凭证进行关联。
为了解决上述技术问题,本申请实施例还提供一种财务数据处理装置,采用了如下所述的技术方案:
一种财务数据处理装置,包括:
凭证解析模块,用于对历史会计凭证进行解析,确定所述历史会计凭证中的数据字段类型;
模型构建模块,用于基于所述数据字段类型配置对应的数据抽取规则,根据所述数据抽取规则构建数据筛选模型,其中,所述数据筛选模型用于对业务数据进行数据筛选;
数据筛选模块,用于接收财务数据处理指令,获取批量业务数据,将所述批量业务数据导入所述数据筛选模型,得到筛选数据;
凭证制定模块,用于调用预设的会计规则引擎对所述筛选数据进行数据处理,并基于数据处理结果生成所述批量业务数据对应的会计凭证。
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财务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财务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:
本申请公开一种财务数据处理方法、装置、计算机设备及存储介质,属于大数据技术领域及产险金融核算领域。本申请通过对历史会计凭证进行解析,确定历史会计凭证中的数据字段类型,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选,接收财务数据处理指令,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据,调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。本申请通过设置数据筛选模型,使用数据筛选模型来对批量业务数据进行数据筛选,减少保险财务核算系统系统自动制证时的数据运算量,提升财务核算系统的性能。
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示出了传统保险财务系统制证处理流程图;
图3示出了根据本申请的财务数据处理方法的一个实施例的流程图;
图4示出了根据本申请的财务数据处理方法的一个实施例的保险财务系统制证处理流程图;
图5示出了根据本申请的财务数据处理装置的一个实施例的结构示意图;
图6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 Delivery 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财务数据处理方法一般由服务器执行,相应地,财务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财务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。
目前保险财务系统制证处理流程如图2所示,现在大多数对保险财务系统制证处理的性能提升的方案都依赖于硬件的性能或基于中间件的使用来提升性能,例如:
①通加增加服务节点,建立服务集群方式增加系统会计核算的性能与可用性,实现的理念是用资源换时间,也是很好的处理策略。实施时一般采用按照作账机构或按照数据量等角度做任务分配到群集节点上或不同资源片上,在性能提升能达到较好的效果。但是该方案是通过增加设备资源投入,在增加系统运营维护成本来达到性能提升的目的,当节点横向扩展到一定程度后性能的提升与资源投入的正相关性越来越不明显。
②通过引入消息中间件来接收业务数据,这种方式有较好的实时性,可以通过分散财务系统制作凭证时点来提升财务自动制证的总体时效,同时消息中间件也有较好的滤峰的机制,为财务系统的稳定性提供一定的保障。但是这种方案有较强的局限性,只适用于面向C端的短险的财务核算,而对于长期险产品和面向B端的团险的财务核算,消息中间件就存在诸多不足。
③通过对财务核算模型建设或优化模型来提升系统性能,目前国内一些应用软件服务商在这方面也在精耕细作,一般对单笔对业务或单场景业务做财务核算建模,在非金融行业取得较好的成果,但在保险行业表现并不理想,尤其在团险和长期险产品方面,一定程度上财务核算的性能影响到公司的财报。
现有的针对保险财务系统制证处理的性能提升方案大多依赖于硬件的性能或基于中间件的使用来提升性能,这些方式基本依赖于技术架构和硬件性能的进度,需要针对原有技术架构和硬件进行系统研发,研发周期较长,且需要投入大量的研发资源,且无法根本从根本上解决制作会计凭证耗费较多计算资源的问题。这些方式基本依赖于技术架构和硬件性能的进度,而没有从财务核算的底层逻辑做抽象做建模设计的优化来提升应用的性能,总的来说没有从根本上解决问题,只是缓解了问题。
在本实施例中,本申请公开一种财务数据处理方法、装置、计算机设备及存储介质,属于大数据技术领域及产险金融核算领域,本申请通过设置数据筛选模型,使用数据筛选模型来对批量业务数据进行数据筛选,减少保险财务核算系统系统自动制证时的数据运算量,提升财务核算系统的性能。
所述的财务数据处理方法,包括以下步骤:
S201,对历史会计凭证进行解析,确定历史会计凭证中的数据字段类型。
在本实施例中,服务器先对历史会计凭证进行解析,目的是获取这些凭证中的所有数据字段的字段类型,即这些历史会计凭证中必备财务核算数据,可以包括业务日期、业务类型、交易金额等等。会计凭证是会计核算的基本单元,记录了经济业务的账务处理结果。历史会计凭证中的数据字段类型可以用于制定数据筛选规则,以便进行业数据的筛选,减少需要处理的数据量。
进一步地,对历史会计凭证进行解析,确定历史会计凭证中的数据字段类型,具体包括:
对历史会计凭证进行解析,获取历史会计凭证中的数据字段;
确定数据字段对应的文本关键词;
对文本关键词进行语义识别,根据语义识别结果确定数据字段的字段类型,得到数据字段类型。
在本实施例中,会计凭证通常以文本文件或电子表格的形式存储,服务器通过对历史会计凭证进行解析,获取历史会计凭证中的数据字段,并查找数据字段对应的文本关键词,对文本关键词进行语义识别,根据语义识别结果确定数据字段的字段类型,得到数据字段类型。例如,数据字段类型业务名称、业务日期、交易金额等。
S202,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选。
在本实施例中,可以使用正则表达式、条件语句、关键词匹配等方式来定义规则,服务器获取历史会计凭证中的数据字段类型后,基于数据字段类型配置符合项目需求的数据抽取规则,如关键词匹配数据抽取规则、正则匹配数据抽取规则等。然后根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选。
在上述实施例中,数据筛选模型可以对业务数据进行规则抽取和计算,对业务数据进行提取和精简,得到用于制作会计凭证的核心数据,实现了对数据处理量的大幅度减少,同时保留了关键的核算信息。
进一步地,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,具体包括:
根据数据字段类型以及数据字段类型对应的文本关键词构建基于关键词匹配的数据处理规则,得到数据抽取规则;
将生成的数据抽取规则进行整合,生成数据筛选模型。
在本申请一种实施例中,可以定义基于关键词匹配的数据处理规则构建数据筛选模型。服务器获取到构建会计凭证的所有数据字段类型后,查找每一个数据字段类型对应的关键词。关键词可以是特定的词汇、短语、标识符等,代表着关注的特定数据。例如,在保险财务核算系统中,关键词可能包括"保险费收入"、"赔付支出"、"保单号"等。将每一个数据字段类型以及每一个数据字段类型对应的关键词进行汇总,构建基于关键词匹配的筛选表,即基于关键词匹配的数据处理规则,基于整合每一个数据字段类型对应的数据处理规则,得到数据筛选模型。
在本申请一种具体的实施例中,以构建保险财务核算系统的数据抽取规则为例,假设保险财务核算系统需要处理的业务数据中的保单信息,保单信息包括保单号、保险产品代码、生效日期和失效日期和保费金额这4个数据字段类型的数据,其中:
保单信息包含以下重要字段:
保单号:唯一标识保单的编号。
保险产品代码:表示所购买的保险产品。
生效日期和失效日期:保单的生效日期和失效日期。
保费金额:表示保单的保费金额。
根据上述4个数据字段类型分别构建数据处理规则,即4个数据字段类型对应的筛选表,单号表、产品表、日期表和保费表,通过整合这4个筛选表构建一个数据筛选模型,实现对保险财务核算系统的业务数据的筛选。
在上述实施例中,本申请通过通过定义数据精简模型,可以在保险财务核算系统中使用这些表和字段来存储和处理业务数据,这样的设计使得数据结构更加清晰和简洁,同时保留了财务核算所必需的字段,方便进行后续的财务核算和会计凭证生成。
进一步地,根据数据字段类型以及数据字段类型对应的文本关键词构建基于关键词匹配的数据处理规则,得到数据抽取规则,具体包括:
确定任意一个数据字段类型为目标字段类型;
查找目标字段类型对应的所有文本关键词;
基于目标字段类型对应的所有文本关键词构建基于关键词匹配的数据处理规则,得到目标字段类型对应的数据抽取规则。
在本实施例中,服务器通过确定任意一个数据字段类型为目标字段类型,查找目标字段类型对应的所有文本关键词,基于目标字段类型对应的所有文本关键词构建基于关键词匹配的数据处理规则,得到目标字段类型对应的数据抽取规则,重复上述操作,直至每个数据字段类型均完成抽取规则的配置,得到多个数据抽取规则。
进一步地,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,具体包括:
根据数据字段类型构建基于正则表达式的数据处理规则,得到数据抽取规则;
将生成的数据抽取规则进行整合,生成数据筛选模型。
在本本申请另一种实施例中,也定义基于正则匹配的数据处理规则构建数据筛选模型。确定需要抽取的数据字段类型,并为每个数据字段类型定义相应的正则表达式模式,正则表达式模式描述了所需数据的特征和模式,用于匹配待处理数据中的相应内容。整合定义的所有基于正则匹配的数据处理规则,得到数据筛选模型。
S203,接收财务数据处理指令,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据。
在本实施例中,当服务器接收到财务数据处理指令,从业务库获取财务数据处理指令对应的批量业务数据,将批量业务数据导入数据筛选模型进行数据筛选,得到筛选数据。其中,业务库可以采用SQL数据库。
在本实施例中,财务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财务数据处理指令。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(u ltra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在上述实施例中,通过数据筛选模型对批量业务数据进行数据筛选,得到用于制作会计凭证的核心数据,实现了对数据处理量的大幅度减少,同时保留了关键的核算信息。
进一步地,接收财务数据处理指令,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据,具体包括:
遍历批量业务数据,基于数据筛选模型中的数据抽取规则对批量业务数据进行数据筛选,确定目标数据;
从批量业务数据中提取目标数据,得到筛选数据。
在本实施例中,如图4所示,服务器通过遍历批量业务数据,基于数据筛选模型中的数据抽取规则对批量业务数据进行数据筛选,确定目标数据,从批量业务数据中提取目标数据,剔除业务细节信息,得到筛选数据,实现了对数据处理量的大幅度减少,同时保留了关键的核算信息。
S204,调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。
在本实施例中,服务器调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。
会计规则引擎是一种软件工具,用于根据预定义的会计规则和规范自动生成会计凭证。会计规则引擎根据预定义的会计规则和规范,将预处理后的数据转换为会计凭证条目,并生成借贷方金额、科目代码和会计期间等信息,根据会计凭证条目生成会计凭证,并将凭证存储到指定的会计凭证库中,将会计凭证头信息回写到业务库中,以便后续查询和跟踪。
进一步地,在调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证之后,还包括:
将批量业务数据对应的会计凭证写入到业务库中;
在业务库中使用生成唯一标识符,使用唯一标识符对批量业务数据和批量业务数据对应的会计凭证进行关联。
在本实施例中,服务器生成批量业务数据对应的会计凭证之后,将批量业务数据对应的会计凭证写入到业务库中,在业务库中使用生成唯一标识符key,使用唯一标识符key对批量业务数据和批量业务数据对应的会计凭证进行关联。
会计凭证头信息一般包括凭证号、凭证日期、制单人、审核人、记账人等基本信息,以及凭证金额、借贷方科目、摘要等核算信息。将会计凭证的头信息回写到业务库中,主要是为了保证会计核算数据的完整性和可追溯性,方便财务人员对业务数据和会计凭证数据进行核对和审计。例如,在保险公司的财务核算中,会计凭证数据对公司的财务报表和税务申报具有重要的作用,因此需要保证凭证数据的准确性和可靠性,将会计凭证的头信息回写到业务库中,可以方便地将会计核算数据和业务数据进行对应和比对,也有利于提高数据的处理效率和质量。
在上述实施例中,本申请公开一种财务数据处理方法,属于大数据技术领域及产险金融核算领域。本申请通过对历史会计凭证进行解析,确定历史会计凭证中的数据字段类型,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选,接收财务数据处理指令,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据,调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。本申请通过设置数据筛选模型,使用数据筛选模型来对批量业务数据进行数据筛选,减少保险财务核算系统系统自动制证时的数据运算量,提升财务核算系统的性能。
需要强调的是,为进一步保证上述批量业务数据的私密和安全性,上述批量业务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5,作为对上述图3所示方法的实现,本申请提供了一种财务数据处理装置的一个实施例,该装置实施例与图3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5所示,本实施例所述的财务数据处理装置300包括:
凭证解析模块301,用于对历史会计凭证进行解析,确定历史会计凭证中的数据字段类型;
模型构建模块302,用于基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选;
数据筛选模块303,用于接收财务数据处理指令,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据;
凭证制定模块304,用于调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。
进一步地,凭证解析模块301具体包括:
凭证解析单元,用于对历史会计凭证进行解析,获取历史会计凭证中的数据字段;
关键词提取单元,用于确定数据字段对应的文本关键词;
语义识别单元,用于对文本关键词进行语义识别,根据语义识别结果确定数据字段的字段类型,得到数据字段类型。
进一步地,模型构建模块302具体包括:
关键词规则构建单元,用于根据数据字段类型以及数据字段类型对应的文本关键词构建基于关键词匹配的数据处理规则,得到数据抽取规则;
筛选模型构建单元,用于将生成的数据抽取规则进行整合,生成数据筛选模型。
进一步地,关键词规则构建单元具体包括:
字段类型选择子单元,用于确定任意一个数据字段类型为目标字段类型;
关键词查找子单元,用于查找目标字段类型对应的所有文本关键词;
关键词规则构建子单元,用于基于目标字段类型对应的所有文本关键词构建基于关键词匹配的数据处理规则,得到目标字段类型对应的数据抽取规则。
进一步地,模型构建模块302还包括:
正则匹配规则构建单元,用于根据数据字段类型构建基于正则表达式的数据处理规则,得到数据抽取规则;
筛选模型构建单元,用于将生成的数据抽取规则进行整合,生成数据筛选模型。
进一步地,接数据筛选模块303具体包括:
数据筛选单元,用于遍历批量业务数据,基于数据筛选模型中的数据抽取规则对批量业务数据进行数据筛选,确定目标数据;
数据过滤单元,用于从批量业务数据中提取目标数据,得到筛选数据。
进一步地,财务数据处理装置300还包括:
凭证写入模块,用于将批量业务数据对应的会计凭证写入到业务库中;
凭证关联模块,用于在业务库中使用生成唯一标识符,使用唯一标识符对批量业务数据和批量业务数据对应的会计凭证进行关联。
在上述实施例中,本申请公开一种财务数据处理装置,属于大数据技术领域及产险金融核算领域。本申请通过对历史会计凭证进行解析,确定历史会计凭证中的数据字段类型,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选,接收财务数据处理指令,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据,调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。本申请通过设置数据筛选模型,使用数据筛选模型来对批量业务数据进行数据筛选,减少保险财务核算系统系统自动制证时的数据运算量,提升财务核算系统的性能。
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6,图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,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61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61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6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61还可以既包括所述计算机设备6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61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如财务数据处理方法的计算机可读指令等。此外,所述存储器61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62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62通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的计算机可读指令或者处理数据,例如运行所述财务数据处理方法的计算机可读指令。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63通常用于在所述计算机设备6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,属于大数据技术领域及产险金融核算领域。本申请通过对历史会计凭证进行解析,确定历史会计凭证中的数据字段类型,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选,接收财务数据处理指令,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据,调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。本申请通过设置数据筛选模型,使用数据筛选模型来对批量业务数据进行数据筛选,减少保险财务核算系统系统自动制证时的数据运算量,提升财务核算系统的性能。
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财务数据处理方法的步骤。
在上述实施例中,本申请公开一种计算机可读存储介质存储,属于大数据技术领域及产险金融核算领域。本申请通过对历史会计凭证进行解析,确定历史会计凭证中的数据字段类型,基于数据字段类型配置对应的数据抽取规则,根据数据抽取规则构建数据筛选模型,其中,数据筛选模型用于对业务数据进行数据筛选,接收财务数据处理指令,获取批量业务数据,将批量业务数据导入数据筛选模型,得到筛选数据,调用预设的会计规则引擎对筛选数据进行数据处理,并基于数据处理结果生成批量业务数据对应的会计凭证。本申请通过设置数据筛选模型,使用数据筛选模型来对批量业务数据进行数据筛选,减少保险财务核算系统系统自动制证时的数据运算量,提升财务核算系统的性能。
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)
1.一种财务数据处理方法,其特征在于,包括:
对历史会计凭证进行解析,确定所述历史会计凭证中的数据字段类型;
基于所述数据字段类型配置对应的数据抽取规则,根据所述数据抽取规则构建数据筛选模型,其中,所述数据筛选模型用于对业务数据进行数据筛选;
接收财务数据处理指令,获取批量业务数据,将所述批量业务数据导入所述数据筛选模型,得到筛选数据;
调用预设的会计规则引擎对所述筛选数据进行数据处理,并基于数据处理结果生成所述批量业务数据对应的会计凭证。
2.如权利要求1所述的财务数据处理方法,其特征在于,所述对历史会计凭证进行解析,确定所述历史会计凭证中的数据字段类型,具体包括:
对所述历史会计凭证进行解析,获取所述历史会计凭证中的数据字段;
确定所述数据字段对应的文本关键词;
对所述文本关键词进行语义识别,根据语义识别结果确定所述数据字段的字段类型,得到所述数据字段类型。
3.如权利要求1所述的财务数据处理方法,其特征在于,所述基于所述数据字段类型配置对应的数据抽取规则,根据所述数据抽取规则构建数据筛选模型,具体包括:
根据所述数据字段类型以及所述数据字段类型对应的文本关键词构建基于关键词匹配的数据处理规则,得到所述数据抽取规则;
将生成的所述数据抽取规则进行整合,生成所述数据筛选模型。
4.如权利要求3所述的财务数据处理方法,其特征在于,所述根据所述数据字段类型以及所述数据字段类型对应的文本关键词构建基于关键词匹配的数据处理规则,得到所述数据抽取规则,具体包括:
确定任意一个所述数据字段类型为目标字段类型;
查找所述目标字段类型对应的所有文本关键词;
基于所述目标字段类型对应的所有文本关键词构建基于关键词匹配的数据处理规则,得到所述目标字段类型对应的数据抽取规则。
5.如权利要求1所述的财务数据处理方法,其特征在于,所述基于所述数据字段类型配置对应的数据抽取规则,根据所述数据抽取规则构建数据筛选模型,具体包括:
根据所述数据字段类型构建基于正则表达式的数据处理规则,得到所述数据抽取规则;
将生成的所述数据抽取规则进行整合,生成所述数据筛选模型。
6.如权利要求1所述的财务数据处理方法,其特征在于,所述接收财务数据处理指令,获取批量业务数据,将所述批量业务数据导入所述数据筛选模型,得到筛选数据,具体包括:
遍历所述批量业务数据,基于所述数据筛选模型中的数据抽取规则对所述批量业务数据进行数据筛选,确定目标数据;
从所述批量业务数据中提取所述目标数据,得到所述筛选数据。
7.如权利要求1所述的财务数据处理方法,其特征在于,在所述调用预设的会计规则引擎对所述筛选数据进行数据处理,并基于数据处理结果生成所述批量业务数据对应的会计凭证之后,还包括:
将所述批量业务数据对应的会计凭证写入到业务库中;
在所述业务库中使用生成唯一标识符,使用所述唯一标识符对所述批量业务数据和所述批量业务数据对应的会计凭证进行关联。
8.一种财务数据处理装置,其特征在于,包括:
凭证解析模块,用于对历史会计凭证进行解析,确定所述历史会计凭证中的数据字段类型;
模型构建模块,用于基于所述数据字段类型配置对应的数据抽取规则,根据所述数据抽取规则构建数据筛选模型,其中,所述数据筛选模型用于对业务数据进行数据筛选;
数据筛选模块,用于接收财务数据处理指令,获取批量业务数据,将所述批量业务数据导入所述数据筛选模型,得到筛选数据;
凭证制定模块,用于调用预设的会计规则引擎对所述筛选数据进行数据处理,并基于数据处理结果生成所述批量业务数据对应的会计凭证。
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中任一项所述的财务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中任一项所述的财务数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310884149.XA CN116860856A (zh) | 2023-07-18 | 2023-07-18 | 一种财务数据处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310884149.XA CN116860856A (zh) | 2023-07-18 | 2023-07-18 | 一种财务数据处理方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116860856A true CN116860856A (zh) | 2023-10-10 |
Family
ID=88232005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310884149.XA Pending CN116860856A (zh) | 2023-07-18 | 2023-07-18 | 一种财务数据处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116860856A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078447A (zh) * | 2023-10-17 | 2023-11-17 | 建银工程咨询有限责任公司 | 业务财务联动方法、系统、电子设备及存储介质 |
CN118037294A (zh) * | 2024-04-10 | 2024-05-14 | 深圳市中兴新云服务有限公司 | 一种基于业务表单数据的财务凭证生成方法及装置 |
-
2023
- 2023-07-18 CN CN202310884149.XA patent/CN116860856A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078447A (zh) * | 2023-10-17 | 2023-11-17 | 建银工程咨询有限责任公司 | 业务财务联动方法、系统、电子设备及存储介质 |
CN117078447B (zh) * | 2023-10-17 | 2024-01-23 | 建银工程咨询有限责任公司 | 业务财务联动方法、系统、电子设备及存储介质 |
CN117078447B9 (zh) * | 2023-10-17 | 2024-02-23 | 建银工程咨询有限责任公司 | 业务财务联动方法、系统、电子设备及存储介质 |
CN118037294A (zh) * | 2024-04-10 | 2024-05-14 | 深圳市中兴新云服务有限公司 | 一种基于业务表单数据的财务凭证生成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022179008A1 (zh) | 基于区块链的供应链金融AI DaaS算法仓库平台 | |
CN116860856A (zh) | 一种财务数据处理方法、装置、计算机设备及存储介质 | |
CN111666490A (zh) | 基于kafka的信息推送方法、装置、设备及存储介质 | |
CN112671734B (zh) | 面向多数据源的报文处理方法及其相关设备 | |
CN113254445B (zh) | 实时数据存储方法、装置、计算机设备及存储介质 | |
CN112070608B (zh) | 信息处理方法、装置、介质及电子设备 | |
CN113836131A (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
CN111382279A (zh) | 审单方法和装置 | |
CN113010542B (zh) | 业务数据处理方法、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 | |
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
CN115578170A (zh) | 一种财务批量制证方法、装置、设备及存储介质 | |
CN115545753A (zh) | 一种基于贝叶斯算法的合作伙伴预测方法及相关设备 | |
CN115238009A (zh) | 基于血缘分析的元数据管理方法、装置、设备及存储介质 | |
Gu et al. | MANSOR: a module alignment method based on neighbor information for scientific workflow | |
CN114328214B (zh) | 报表软件的接口测试用例的提效方法、装置、计算机设备 | |
Zhang et al. | Financial System Design for High‐Tech Enterprise Based on Cloud Service and Task Scheduling Algorithm | |
CN116862698A (zh) | 一种会计凭证处理方法、装置、计算机设备及存储介质 | |
CN114549053B (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN114428608A (zh) | 基于大数据的任务优化方法、及相关设备 | |
CN115757373A (zh) | 数据仓库清理方法、装置、计算机设备及存储介质 | |
CN116932697A (zh) | 一种基于规则引擎优化的业务数据处理方法及相关设备 | |
CN117032789A (zh) | 业务规则配置和执行方法、系统、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 |