CN117273968A - 一种跨业务线产品的会计凭证生成方法及其相关设备 - Google Patents
一种跨业务线产品的会计凭证生成方法及其相关设备 Download PDFInfo
- Publication number
- CN117273968A CN117273968A CN202311199119.1A CN202311199119A CN117273968A CN 117273968 A CN117273968 A CN 117273968A CN 202311199119 A CN202311199119 A CN 202311199119A CN 117273968 A CN117273968 A CN 117273968A
- Authority
- CN
- China
- Prior art keywords
- data
- accounting
- financial
- classification
- sponsor
- 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 73
- 238000006243 chemical reaction Methods 0.000 claims abstract description 114
- 238000004140 cleaning Methods 0.000 claims description 23
- 238000003066 decision tree Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000013501 data transformation Methods 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 239000000306 component Substances 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008520 organization 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
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 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
- 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
- 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
- G06F16/258—Data format conversion from or to a database
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开一种跨业务线产品的会计凭证生成方法及其相关装置,涉及大数据技术领域和科技金融领域。本申请通过定义会计要素集合,为每一种会计要素类型配置相应的数据转化规则,对原始财务数据进行分类建模,得到财务分类数据,识别与财务分类数据匹配的目标会计要素类型,获取与目标会计要素类型的目标数据转化规则,并基于目标数据转化规则将财务分类数据转化为会计要素,获取预设的会计凭证模板,将会计要素填入会计凭证模板,生成原始财务数据对应的会计凭证。本申请还涉及区块链技术领域,原始财务数据可以存储在区块链节点上。本申请可以适应不同业务线产品会计凭证制作的需求,确保跨业务线产品会计信息的准确性和一致性。
Description
技术领域
本申请涉及大数据技术领域和科技金融领域,具体涉及一种跨业务线产品的会计凭证生成方法及其相关装置。
背景技术
随着社会经济的不断发展和人们保障意识的不断提高,导致保险场景逐步细分。在总体市场环境下保险公司在产品设计与产品运营方面,涌现出较多的创新思路和方案,比如就账户型产品,保险账户之间可以灵活迁入迁出,以满足客户在不同时期,对产品收益和风险喜好的不同诉求。然而许多财务系统是基于同业务线产品会计核算的设计理念,这样的产品运营方案,给财务系统生成会计凭证带来较大挑战,从之前的一张会计凭证只能是相同产品、相同业务线,变成跨产品跨业务线制作一张会计凭证。
现有业内的财务系统都是基于相同产品的业务做会计核算,会计凭证的借贷方的产品与业务线是相同的。但这样的会计核算不能满足产品账户转账业务的需要,无法体现出从一类产品账户转到另外一类产品账户的业务形态,在一定程度上也违背了财务与业务一致性原则。并且现有业内财务系统会计凭证借贷方共用同一套建模数据,从而导致会计凭证不能跨业务线或跨产品。
发明内容
本申请实施例的目的在于提出一种跨业务线产品的会计凭证生成方法、装置、计算机设备及存储介质,以解决现有会计凭证生成方案无法完成跨业务线产品的会计凭证生成需求的技术问题。
为了解决上述技术问题,本申请实施例提供一种跨业务线产品的会计凭证生成方法,采用了如下所述的技术方案:
一种跨业务线产品的会计凭证生成方法,包括:
获取预先收集的会计准则,基于所述会计准则定义会计要素集合;
为所述会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于所述数据转化规则构建转化规则引擎;
接收凭证生成指令,获取原始财务数据,并对所述原始财务数据进行分类建模,得到财务分类数据;
在所述会计要素集合中识别与所述财务分类数据匹配的目标会计要素类型;
调用所述转化规则引擎中与所述目标会计要素类型匹配的目标数据转化规则,并基于所述目标数据转化规则将所述财务分类数据转化为会计要素;
获取预设的会计凭证模板,将所述会计要素填入所述会计凭证模板,生成所述原始财务数据对应的会计凭证。
进一步地,获取预先收集的会计准则,基于所述会计准则定义会计要素集合,具体包括:
获取预先收集的会计准则,并识别所述会计准则的要素定义;
为所述要素定义配置匹配的会计要素类型,并为每一个所述会计要素类型设置标识标签;
对所有所述会计要素类型进行汇总,得到所述会计要素集合。
进一步地,为所述会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于所述数据转化规则构建转化规则引擎,具体包括:
获取每一条所述会计准则对应的示例数据,并解析所述示例数据,获取示例数据结构;
根据所述示例数据结构和要素定义生成每一条所述会计准则的数据转化规则;
对所有所述会计准则的数据转化规则进行汇总,构建所述转化规则引擎。
进一步地,接收凭证生成指令,获取原始财务数据,并对所述原始财务数据进行分类建模,得到财务分类数据,具体包括:
对所述原始财务数据进行数据清洗,其中,所述数据清洗包括数据去重、缺失值处理和异常值检测;
对完成数据清洗后的所述原始财务数据进行借贷方建模,得到所述财务分类数据,其中,所述财务分类数据包括资方财务数据和贷方财务数据。
进一步地,对完成数据清洗后的所述原始财务数据进行借贷方建模,得到所述财务分类数据,具体包括:
创建资方数据标签和贷方数据标签,其中,所述资方数据标签包括与资方财务数据匹配的资方数据关键词,所述贷方数据标签包括与贷方财务数据匹配的贷方数据关键词;
提取所述财务分类数据的关键词;
将所述财务分类数据的关键词分别与所述资方数据标签和所述贷方数据标签进行匹配,得到所述资方财务数据和所述贷方财务数据。
进一步地,对完成数据清洗后的所述原始财务数据进行借贷方建模,得到所述财务分类数据,具体包括:
创建资方数据标签和贷方数据标签,其中,所述资方数据标签包括与资方财务数据匹配的资方数据关键词,所述贷方数据标签包括与贷方财务数据匹配的贷方数据关键词;
基于所述资方数据标签和所述贷方数据标签基于预设的随机森林算法构建分类决策树;
提取所述财务分类数据的特征;
将所述所述财务分类数据的特征导入所述分类决策树;
获取所述分类决策树的输出结果,根据所述分类决策树的输出结果对所述原始财务数据进行分类,得到所述资方财务数据和所述贷方财务数据。
进一步地,在所述会计要素集合中识别与所述财务分类数据匹配的目标会计要素类型,具体包括:
获取所述会计要素集合中每一个所述会计要素类型的标签,得到会计要素类型标签;
将所述财务分类数据的关键词与每一个所述会计要素类型标签进行匹配,得到所述目标会计要素类型。
为了解决上述技术问题,本申请实施例还提供一种跨业务线产品的会计凭证生成装置,采用了如下所述的技术方案:
一种跨业务线产品的会计凭证生成装置,包括:
会计要素定义模块,用于获取预先收集的会计准则,基于所述会计准则定义会计要素集合;
转化规则引擎模块,用于为所述会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于所述数据转化规则构建转化规则引擎;
数据分类建模模块,用于接收凭证生成指令,获取原始财务数据,并对所述原始财务数据进行分类建模,得到财务分类数据;
要素类型识别模块,用于在所述会计要素集合中识别与所述财务分类数据匹配的目标会计要素类型;
财务数据转化模块,用于调用所述转化规则引擎中与所述目标会计要素类型匹配的目标数据转化规则,并基于所述目标数据转化规则将所述财务分类数据转化为会计要素;
会计凭证生成模块,用于获取预设的会计凭证模板,将所述会计要素填入所述会计凭证模板,生成所述原始财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跨业务线产品的会计凭证生成方法的步骤。
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跨业务线产品的会计凭证生成方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请公开一种跨业务线产品的会计凭证生成方法及其相关装置,涉及大数据技术领域和科技金融领域。本申请通过获取预先收集的会计准则,基于会计准则定义会计要素集合,为会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于数据转化规则构建转化规则引擎,接收凭证生成指令,获取原始财务数据,并对原始财务数据进行分类建模,得到财务分类数据,在会计要素集合中识别与财务分类数据匹配的目标会计要素类型,调用转化规则引擎中与目标会计要素类型匹配的目标数据转化规则,并基于目标数据转化规则将财务分类数据转化为会计要素,获取预设的会计凭证模板,将会计要素填入会计凭证模板,生成原始财务数据对应的会计凭证。本申请通过会计准则定义会计要素集合,并使用数据转化规则引擎将不同业务线产品的原始财务数据转化为会计要素,并通过会计凭证模板整合会计要素,最终生成会计凭证,可以适应不同业务线产品会计凭证制作的需求,确保跨业务线产品会计信息的准确性和一致性。
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跨业务线产品的会计凭证生成方法的一个实施例的流程图;
图3示出了根据本申请的跨业务线产品的会计凭证生成装置的一个实施例的结构示意图;
图4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跨业务线产品的会计凭证生成方法一般由服务器执行,相应地,跨业务线产品的会计凭证生成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跨业务线产品的会计凭证生成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。
现有业内的财务系统都是基于相同产品的业务做会计核算,会计凭证的借贷方的产品与业务线是相同的。但这样的会计核算不能满足产品账户转账业务的需要,无法体现出从一类产品账户转到另外一类产品账户的业务形态,在一定程度上也违背了财务与业务一致性原则。并且现有业内财务系统会计凭证借贷方共用同一套建模数据,从而导致会计凭证不能跨业务线或跨产品。
为了解决上述技术问题,本申请通过对借贷方采用不同建模数据,来制作会计凭证,从而使跨产品跨业务线的数据能够生成在一张会计凭证中,以满足不同保险产品之间账户转换业务的会计制证的诉求。具体来说,通过会计准则定义会计要素集合,获取原始财务数据,对借贷方采用不同建模数据,使用数据转化规则引擎将不同业务线产品的原始财务数据转化为会计要素,并通过会计凭证模板整合会计要素,最终生成会计凭证,可以适应不同业务线产品会计凭证制作的需求,确保跨业务线产品会计信息的准确性和一致性。
所述的跨业务线产品的会计凭证生成方法,包括以下步骤:
S201,获取预先收集的会计准则,基于会计准则定义会计要素集合。
会计要素是指在会计中用于描述和衡量经济活动的基本要素或要素类别,会计要素代表了企业或组织在财务报告中需要记录的重要经济事项和资产、负债、所有者权益、收入和费用等方面的核心信息。会计要素是构成财务报表的基础,帮助人们理解企业的财务状况和经营业绩。常见的会计要素包括:资产(Assets)、负债(Liabilities)、所有者权益(Owner's Equity)、收入(Revenue)、费用(Expense)等等。
在本实施例中,事先获取适用于企业的会计准则,例如国际财务报告准则(IFRS)或国家的会计准则,作为会计处理的依据,根据选定的会计准则,定义会计要素集合,会计要素集合包括资产、负债、所有者权益、收入和费用等。
在本申请一种具体的实施例中,在保险业务系统中,根据选定的会计准则(如IFRS),可以定义以下会计要素集合:
资产(Assets):包括保险公司拥有的具有经济价值的资源,如保险资产(投资组合)、应收保费、再保险资产等。
负债(Liabilities):包括保险公司对外部实体存在的经济责任,如未决赔款准备金、未到期责任准备金、保险合同准备金等。
所有者权益(Owner's Equity):包括保险公司的所有者对公司的权益部分,如普通股、优先股、资本公积等。
收入(Revenue):包括保险公司从保险业务活动中获得的经济利益,如保费收入、投资收益等。
费用(Expenses):包括保险公司在保险业务中发生的支出,如理赔支出、再保险费用、营销费用等。
通过以上的会计处理,保险公司可以根据选定的会计准则和定义的会计要素集合,将不同业务线保险产品的原始财务数据(保费)转化为符合会计要素的数据,并生成相应的会计凭证,保证财务报表的准确性和符合会计准则的要求。
进一步地,获取预先收集的会计准则,基于会计准则定义会计要素集合,具体包括:
获取预先收集的会计准则,并识别会计准则的要素定义;
为要素定义配置匹配的会计要素类型,并为每一个会计要素类型设置标识标签;
对所有会计要素类型进行汇总,得到会计要素集合。
在本实施例中,首先,需要获取适用于企业的会计准则,可以是国际财务报告准则(IFRS)或国家的会计准则等,这些准则规定了企业在会计处理中应遵循的原则和规范。根据所选的会计准则,仔细研究和理解会计准则中对各个会计要素的定义和要求,会计要素通常包括资产、负债、所有者权益、收入和费用等。根据会计准则中对各个会计要素的定义,为每个会计要素定义匹配的会计要素类型,会计要素类型可以是预定义的类型,如现金、应收账款、预付款项等,也可以根据具体业务需求自定义。为每个会计要素类型设置标识标签,以便在后续的会计处理中进行识别和分类,标识标签可以是简单的代码或者名称,用于标识和区分不同的会计要素类型。对所有配置的会计要素类型进行汇总,得到一个完整的会计要素集合,这个集合包含了根据会计准则定义的所有会计要素,可以作为生成会计凭证的基础。
在上述实施例中,根据预先收集的会计准则和会计要素定义,配置相应的会计要素类型,并汇总成一个会计要素集合,这个集合可以作为会计凭证生成过程中的参考,确保生成的会计凭证符合会计准则的要求。
S202,为会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于数据转化规则构建转化规则引擎。
在本实施例中,针对每一种会计要素类型配置相应的数据转化规则,这些数据转化规则可以基于会计准则和业务需求进行制定,用于将原始财务数据转化为相应的会计要素信息。然后构建转化规则引擎,这是一个执行数据转化规则的核心组件,转化规则引擎能根据会计要素类型选择合适的规则来处理数据。
进一步地,为会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于数据转化规则构建转化规则引擎,具体包括:
获取每一条会计准则对应的示例数据,并解析示例数据,获取示例数据结构;
根据示例数据结构和要素定义生成每一条会计准则的数据转化规则;
对所有会计准则的数据转化规则进行汇总,构建转化规则引擎。
在本实施例中,根据所选的会计准则,获取相应的示例数据,这些示例数据可以是实际企业的财务数据,也可以是模拟数据,示例数据可以帮助理解会计准则对数据的要求和处理方式。对示例数据进行解析,分析其结构和组成部分,示例数据结构包括数据字段、数据类型、数据关系等信息。根据会计要素类型的定义和示例数据结构,生成相应的数据转化规则,数据转化规则包括数据提取、数据计算、数据分类等规则,用于将原始数据转化为符合会计要素定义的数据。
对每一条会计准则生成的数据转化规则进行汇总,得到一个完整的数据转化规则集合,这个集合包含了根据会计准则和会计要素定义生成的所有数据转化规则。基于汇总的数据转化规则集合,构建一个转化规则引擎,转化规则引擎可以根据数据的来源、类型和要素定义等条件,选择合适的规则进行数据转化。
在上述实施例中,通过为会计要素集合中的每一种会计要素类型配置相应的数据转化规则,并基于这些规则构建转化规则引擎。在进行数据转化时,引擎可以根据会计要素类型选择合适的规则来处理数据,确保数据的准确性和符合会计要素的要求。
S203,接收凭证生成指令,获取原始财务数据,并对原始财务数据进行分类建模,得到财务分类数据。
在会计中,原始数据通常指的是企业或组织日常业务活动的记录,也称为原始交易数据或交易记录。原始数据包含了企业或组织日常交易的详细信息,例如交易日期、金额、交易对象、交易类型等。
在本实施例中,当接收到凭证生成指令时,先对原始财务数据进行分类处理,这些原始财务数据可以来自不同的业务线,对原始财务数据进行分类建模,将每笔交易正确分类为借方和贷方,以得到财务分类数据。
将原始财务数据进行建模,以区分借方和贷方的交易记录。在会计中,每笔交易都包含借方和贷方,即资产、负债、所有者权益、收入和费用等会计要素,通过对原始财务数据进行借贷方建模,可以准确地捕捉交易的本质,为后续步骤提供有用的信息。
总的来说,对原始数据做分类建模是会计流程中至关重要的一步,确保了会计数据的准确性、完整性和可追溯性,为企业的财务管理和决策提供了可靠的基础。
进一步地,接收凭证生成指令,获取原始财务数据,并对原始财务数据进行分类建模,得到财务分类数据,具体包括:
对原始财务数据进行数据清洗,其中,数据清洗包括数据去重、缺失值处理和异常值检测;
对完成数据清洗后的原始财务数据进行借贷方建模,得到财务分类数据,其中,财务分类数据包括资方财务数据和贷方财务数据。
对原始数据做借贷方建模是指在会计领域中,对交易数据进行处理和分类,以识别每笔交易中的借方和贷方。在会计中,每笔交易都会涉及到至少两个会计科目,一个是借方,一个是贷方,这是因为每笔交易都会对账户产生影响,而这些账户分为资产、负债、所有者权益、收入和费用等不同的会计要素,通过将交易数据进行借贷方建模,可以将每笔交易正确地分类,并确定交易对应的会计要素。
在本实施例中,对原始财务数据进行数据清洗,其中,数据清洗包括数据去重、缺失值处理和异常值检测,对完成数据清洗后的原始财务数据进行借贷方建模,得到财务分类数据,其中,财务分类数据包括资方财务数据和贷方财务数据,将原始财务数据中的借方金额作为资方财务数据,表示企业的资产和成本,将原始财务数据中的贷方金额作为贷方财务数据,表示企业的负债和所有者权益。
在上述实施例中,通过对原始财务数据进行分类建模,得到财务分类数据,可以更好地理解和分析企业的财务状况,为后续的会计凭证生成和财务分析提供基础数据。
在本申请具体的实施例中,进行借贷方建模可以采用不同的实现手段,具体的方法和工具取决于数据的结构、规模和用途。以下列举一些常见的借贷方建模实现手段:
规则引擎:使用规则引擎可以定义一系列规则和条件来自动将原始数据分类为借方和贷方,规则可以基于关键词、交易类型、金额、账户等特征进行定义,规则引擎可以是基于硬编码的规则,也可以是使用决策树、规则集合等技术来动态地进行分类。
机器学习:借助机器学习算法,可以通过对已标记的数据进行训练,建立分类模型来预测交易的借贷方,常用的机器学习算法包括决策树、支持向量机(SVM)、逻辑回归等。使用机器学习的优势在于可以适应复杂的数据模式和规律,并且随着数据量的增加和模型优化,准确率会不断提高。
自然语言处理(NLP):如果原始数据是文本形式的,可以使用NLP技术来识别交易中的关键信息,例如交易类型、账户、金额等。NLP技术可以使用词嵌入、文本分类器等方法来处理文本数据。
数据规则和模板匹配:基于已知的会计规则和模板,对原始数据进行匹配,以识别交易的借贷方,可以通过字符串匹配、正则表达式等方法来实现。
预处理和特征工程:在进行借贷方建模之前,通常需要对原始数据进行预处理和特征工程,以便提取有用的特征并减少噪声,预处理可以包括数据清洗、缺失值处理、异常值处理等。特征工程可以根据具体情况提取交易日期、交易金额、账户类型等特征。
人工标注:对于一些特殊情况或者难以自动识别的交易,可以采用人工标注的方式进行借贷方分类。这需要会计专业人员对数据进行审查和分类。
当涉及到大量和复杂的交易数据时,选择合适的实现手段需要综合考虑数据的特点、可用的资源以及目标的准确性要求,在实际应用中,可能需要结合多种方法,甚至进行多轮迭代和优化,以得到最佳的建模效果。
进一步地,对完成数据清洗后的原始财务数据进行借贷方建模,得到财务分类数据,具体包括:
创建资方数据标签和贷方数据标签,其中,资方数据标签包括与资方财务数据匹配的资方数据关键词,贷方数据标签包括与贷方财务数据匹配的贷方数据关键词;
提取财务分类数据的关键词;
将财务分类数据的关键词分别与资方数据标签和贷方数据标签进行匹配,得到资方财务数据和贷方财务数据。
在本申请一种具体的实施例中,借贷方建模可以采用关键词和数据标签匹配的方式实现。具体来说,根据资方财务数据和贷方财务数据的特点,创建相应的数据标签。资方数据标签包括与资方财务数据匹配的资方数据关键词,贷方数据标签包括与贷方财务数据匹配的贷方数据关键词。从完成数据清洗后的原始财务数据中提取关键词,这些关键词可以包括账户名称、交易类型、科目代码等与财务分类相关的信息。将财务分类数据的关键词分别与资方数据标签和贷方数据标签进行匹配。根据匹配结果,将财务分类数据划分为资方财务数据和贷方财务数据。关键词和匹配数据标签的匹配可以采用模糊匹配、精确匹配或者其他匹配算法,根据实际情况选择合适的方法。
在上述实施例中,通过采用关键词和数据标签匹配的方式对原始财务数据进行借贷方建模,以实现财务数据进行分类和分析,为后续的会计凭证生成和财务分析提供基础数据。
进一步地,对完成数据清洗后的原始财务数据进行借贷方建模,得到财务分类数据,具体包括:
创建资方数据标签和贷方数据标签,其中,资方数据标签包括与资方财务数据匹配的资方数据关键词,贷方数据标签包括与贷方财务数据匹配的贷方数据关键词;
基于资方数据标签和贷方数据标签基于预设的随机森林算法构建分类决策树;
提取财务分类数据的特征;
将财务分类数据的特征导入分类决策树;
获取分类决策树的输出结果,根据分类决策树的输出结果对原始财务数据进行分类,得到资方财务数据和贷方财务数据。
在本申请一种具体的实施例中,借贷方建模可以采用随机森林算法来实现。具体来说,根据资方财务数据和贷方财务数据的特点,创建相应的数据标签,资方数据标签包括与资方财务数据匹配的资方数据关键词,贷方数据标签包括与贷方财务数据匹配的贷方数据关键词。利用机器学习算法中的随机森林算法,基于资方数据标签和贷方数据标签构建分类决策树,随机森林是一种集成学习方法,通过构建多个决策树并进行投票或取平均值的方式,提高了分类的准确性和鲁棒性。
从完成数据清洗后的原始财务数据中提取特征,这些特征可以包括账户名称、交易类型、科目代码等与财务分类相关的信息。将提取的财务分类数据的特征导入到构建的分类决策树中,进行分类预测,根据分类决策树的输出结果,对原始财务数据进行分类,根据决策树的划分规则,将财务数据分为资方财务数据和贷方财务数据。
在上述实施例中,通过采用采用随机森林算法对原始财务数据进行借贷方建模,以实现财务数据进行分类和分析,为后续的会计凭证生成和财务分析提供基础数据。
S204,在会计要素集合中识别与财务分类数据匹配的目标会计要素类型。
在本实施例中,将财务分类数据与会计要素集合进行匹配,可以通过关键词匹配、规则匹配或者其他算法进行。关键词匹配是根据财务分类数据中的特定词汇或描述,与会计要素集合中的标签进行匹配。规则匹配是根据预定义的规则,将财务分类数据与会计要素集合进行匹配。根据匹配结果,确定财务分类数据对应的目标会计要素类型。例如,如果财务分类数据与资产相关的会计要素匹配成功,则可以确定财务分类数据对应的目标会计要素类型为资产。
进一步地,在会计要素集合中识别与财务分类数据匹配的目标会计要素类型,具体包括:
获取会计要素集合中每一个会计要素类型的标签,得到会计要素类型标签;
将财务分类数据的关键词与每一个会计要素类型标签进行匹配,得到目标会计要素类型。
在上述实施例中,会计要素是会计准则中定义的基本会计单位,包括资产、负债、所有者权益、收入和费用等,根据会计准则,获取每个会计要素类型的标签,用于后续的匹配。根据财务分类数据的关键词,将其与会计要素类型标签进行匹配,关键词可以是财务数据中的特定词汇或描述,如“销售收入”、“应收账款”等,通过匹配关键词和会计要素类型标签,可以确定每笔交易对应的目标会计要素类型。
在上述实施例中,通过将财务分类数据与会计要素集合进行匹配,以确定每笔交易对应的目标会计要素类型,可以对财务数据进行更精确的分类和归类,为财务报表的编制和财务分析提供准确的基础数据。
S205,调用转化规则引擎中与目标会计要素类型匹配的目标数据转化规则,并基于目标数据转化规则将财务分类数据转化为会计要素。
在本实施例中,根据之前确定的目标会计要素类型,从转化规则引擎中选择相应的数据转化规则,数据转化规则是根据会计准则和业务规则定义的,用于将财务分类数据转化为相应的会计要素信息。根据规则的定义和要求,将财务分类数据进行处理和转化,得到相应的会计要素信息,转化后的会计要素信息可以包括资产金额、负债金额、收入金额等。
在上述实施例中,通过将财务分类数据进行处理和转化,可以将财务分类数据与会计要素关联起来,为后续的会计凭证生成和财务报表编制提供准确的数据基础。
S206,获取预设的会计凭证模板,将会计要素填入会计凭证模板,生成原始财务数据对应的会计凭证。
在本实施例中,获取预设的会计凭证模板,会计凭证模板包含会计凭证的格式和结构,将转化后的会计要素信息填入会计凭证模板中,生成最终的会计凭证,这些凭证可用于进一步的财务报告和分析。
首先,需要获取预设的会计凭证模板,会计凭证模板包含会计凭证的格式和结构,通常由会计准则或公司内部规定确定,例如,会计凭证模板可以包括凭证号、日期、摘要、科目、借方金额、贷方金额等字段。根据转化后的会计要素信息,将相应的数据填入会计凭证模板中的对应字段,例如,将资产金额填入借方金额字段,将负债金额填入贷方金额字段,将收入金额填入借方金额字段等。将填入了转化后的会计要素信息的会计凭证模板保存为最终的会计凭证,最终的会计凭证可以包括多个条目,每个条目对应一个转化后的会计要素信息。
在上述实施例中,本申请公开一种跨业务线产品的会计凭证生成方法,涉及大数据技术领域和科技金融领域。本申请通过获取预先收集的会计准则,基于会计准则定义会计要素集合,为会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于数据转化规则构建转化规则引擎,接收凭证生成指令,获取原始财务数据,并对原始财务数据进行分类建模,得到财务分类数据,在会计要素集合中识别与财务分类数据匹配的目标会计要素类型,调用转化规则引擎中与目标会计要素类型匹配的目标数据转化规则,并基于目标数据转化规则将财务分类数据转化为会计要素,获取预设的会计凭证模板,将会计要素填入会计凭证模板,生成原始财务数据对应的会计凭证。本申请通过会计准则定义会计要素集合,并使用数据转化规则引擎将不同业务线产品的原始财务数据转化为会计要素,并通过会计凭证模板整合会计要素,最终生成会计凭证,可以适应不同业务线产品会计凭证制作的需求,确保跨业务线产品会计信息的准确性和一致性。
在本实施例中,跨业务线产品的会计凭证生成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指令或者获取数据。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。
需要强调的是,为进一步保证上述原始财务数据的私密和安全性,上述原始财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-Only 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3,作为对上述图2所示方法的实现,本申请提供了一种跨业务线产品的会计凭证生成装置的一个实施例,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3所示,本实施例所述的跨业务线产品的会计凭证生成装置300,包括:
会计要素定义模块301,用于获取预先收集的会计准则,基于会计准则定义会计要素集合;
转化规则引擎模块302,用于为会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于数据转化规则构建转化规则引擎;
数据分类建模模块303,用于接收凭证生成指令,获取原始财务数据,并对原始财务数据进行分类建模,得到财务分类数据;
要素类型识别模块304,用于在会计要素集合中识别与财务分类数据匹配的目标会计要素类型;
财务数据转化模块305,用于调用转化规则引擎中与目标会计要素类型匹配的目标数据转化规则,并基于目标数据转化规则将财务分类数据转化为会计要素;
会计凭证生成模块306,用于获取预设的会计凭证模板,将会计要素填入会计凭证模板,生成原始财务数据对应的会计凭证。
进一步地,会计要素定义模块301具体包括:
会计要素识别单元,用于获取预先收集的会计准则,并识别会计准则的要素定义;
要素类型定义单元,用于为要素定义配置匹配的会计要素类型,并为每一个会计要素类型设置标识标签;
要素类型汇总单元,用于对所有会计要素类型进行汇总,得到会计要素集合。
进一步地,转化规则引擎模块302具体包括:
示例数据解析单元,用于获取每一条会计准则对应的示例数据,并解析示例数据,获取示例数据结构;
数据转化规则单元,用于根据示例数据结构和要素定义生成每一条会计准则的数据转化规则;
规则引擎构建单元,用于对所有会计准则的数据转化规则进行汇总,构建转化规则引擎。
进一步地,数据分类建模模块303具体包括:
数据清洗单元,用于对原始财务数据进行数据清洗,其中,数据清洗包括数据去重、缺失值处理和异常值检测;
借贷方建模单元,用于对完成数据清洗后的原始财务数据进行借贷方建模,得到财务分类数据,其中,财务分类数据包括资方财务数据和贷方财务数据。
进一步地,借贷方建模单元具体包括:
第一数据标签创建子单元,用于创建资方数据标签和贷方数据标签,其中,资方数据标签包括与资方财务数据匹配的资方数据关键词,贷方数据标签包括与贷方财务数据匹配的贷方数据关键词;
关键词提取子单元,用于提取财务分类数据的关键词;
数据标签匹配子单元,用于将财务分类数据的关键词分别与资方数据标签和贷方数据标签进行匹配,得到资方财务数据和贷方财务数据。
进一步地,借贷方建模单元还包括:
第二数据标签创建子单元,用于创建资方数据标签和贷方数据标签,其中,资方数据标签包括与资方财务数据匹配的资方数据关键词,贷方数据标签包括与贷方财务数据匹配的贷方数据关键词;
分类决策树创建子单元,用于基于资方数据标签和贷方数据标签基于预设的随机森林算法构建分类决策树;
数据特征提取子单元,用于提取财务分类数据的特征;
数据特征导入子单元,用于将财务分类数据的特征导入分类决策树;
分类决策子单元,用于获取分类决策树的输出结果,根据分类决策树的输出结果对原始财务数据进行分类,得到资方财务数据和贷方财务数据。
进一步地,要素类型识别模块304具体包括:
类型标签获取单元,用于获取会计要素集合中每一个会计要素类型的标签,得到会计要素类型标签;
类型标签匹配单元,用于将财务分类数据的关键词与每一个会计要素类型标签进行匹配,得到目标会计要素类型。
在上述实施例中,本申请公开一种跨业务线产品的会计凭证生成装置,涉及大数据技术领域和科技金融领域。本申请通过获取预先收集的会计准则,基于会计准则定义会计要素集合,为会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于数据转化规则构建转化规则引擎,接收凭证生成指令,获取原始财务数据,并对原始财务数据进行分类建模,得到财务分类数据,在会计要素集合中识别与财务分类数据匹配的目标会计要素类型,调用转化规则引擎中与目标会计要素类型匹配的目标数据转化规则,并基于目标数据转化规则将财务分类数据转化为会计要素,获取预设的会计凭证模板,将会计要素填入会计凭证模板,生成原始财务数据对应的会计凭证。本申请通过会计准则定义会计要素集合,并使用数据转化规则引擎将不同业务线产品的原始财务数据转化为会计要素,并通过会计凭证模板整合会计要素,最终生成会计凭证,可以适应不同业务线产品会计凭证制作的需求,确保跨业务线产品会计信息的准确性和一致性。
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4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,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41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41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4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41还可以既包括所述计算机设备4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41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如跨业务线产品的会计凭证生成方法的计算机可读指令等。此外,所述存储器41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42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42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述跨业务线产品的会计凭证生成方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4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,涉及大数据技术领域和科技金融领域。本申请通过获取预先收集的会计准则,基于会计准则定义会计要素集合,为会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于数据转化规则构建转化规则引擎,接收凭证生成指令,获取原始财务数据,并对原始财务数据进行分类建模,得到财务分类数据,在会计要素集合中识别与财务分类数据匹配的目标会计要素类型,调用转化规则引擎中与目标会计要素类型匹配的目标数据转化规则,并基于目标数据转化规则将财务分类数据转化为会计要素,获取预设的会计凭证模板,将会计要素填入会计凭证模板,生成原始财务数据对应的会计凭证。本申请通过会计准则定义会计要素集合,并使用数据转化规则引擎将不同业务线产品的原始财务数据转化为会计要素,并通过会计凭证模板整合会计要素,最终生成会计凭证,可以适应不同业务线产品会计凭证制作的需求,确保跨业务线产品会计信息的准确性和一致性。
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跨业务线产品的会计凭证生成方法的步骤。
在上述实施例中,本申请公开一种计算机可读存储介质,涉及大数据技术领域和科技金融领域。本申请通过获取预先收集的会计准则,基于会计准则定义会计要素集合,为会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于数据转化规则构建转化规则引擎,接收凭证生成指令,获取原始财务数据,并对原始财务数据进行分类建模,得到财务分类数据,在会计要素集合中识别与财务分类数据匹配的目标会计要素类型,调用转化规则引擎中与目标会计要素类型匹配的目标数据转化规则,并基于目标数据转化规则将财务分类数据转化为会计要素,获取预设的会计凭证模板,将会计要素填入会计凭证模板,生成原始财务数据对应的会计凭证。本申请通过会计准则定义会计要素集合,并使用数据转化规则引擎将不同业务线产品的原始财务数据转化为会计要素,并通过会计凭证模板整合会计要素,最终生成会计凭证,可以适应不同业务线产品会计凭证制作的需求,确保跨业务线产品会计信息的准确性和一致性。
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)
1.一种跨业务线产品的会计凭证生成方法,其特征在于,包括:
获取预先收集的会计准则,基于所述会计准则定义会计要素集合;
为所述会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于所述数据转化规则构建转化规则引擎;
接收凭证生成指令,获取原始财务数据,并对所述原始财务数据进行分类建模,得到财务分类数据;
在所述会计要素集合中识别与所述财务分类数据匹配的目标会计要素类型;
调用所述转化规则引擎中与所述目标会计要素类型匹配的目标数据转化规则,并基于所述目标数据转化规则将所述财务分类数据转化为会计要素;
获取预设的会计凭证模板,将所述会计要素填入所述会计凭证模板,生成所述原始财务数据对应的会计凭证。
2.如权利要求1所述的跨业务线产品的会计凭证生成方法,其特征在于,获取预先收集的会计准则,基于所述会计准则定义会计要素集合,具体包括:
获取预先收集的会计准则,并识别所述会计准则的要素定义;
为所述要素定义配置匹配的会计要素类型,并为每一个所述会计要素类型设置标识标签;
对所有所述会计要素类型进行汇总,得到所述会计要素集合。
3.如权利要求2所述的跨业务线产品的会计凭证生成方法,其特征在于,为所述会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于所述数据转化规则构建转化规则引擎,具体包括:
获取每一条所述会计准则对应的示例数据,并解析所述示例数据,获取示例数据结构;
根据所述示例数据结构和要素定义生成每一条所述会计准则的数据转化规则;
对所有所述会计准则的数据转化规则进行汇总,构建所述转化规则引擎。
4.如权利要求1所述的跨业务线产品的会计凭证生成方法,其特征在于,接收凭证生成指令,获取原始财务数据,并对所述原始财务数据进行分类建模,得到财务分类数据,具体包括:
对所述原始财务数据进行数据清洗,其中,所述数据清洗包括数据去重、缺失值处理和异常值检测;
对完成数据清洗后的所述原始财务数据进行借贷方建模,得到所述财务分类数据,其中,所述财务分类数据包括资方财务数据和贷方财务数据。
5.如权利要求4所述的跨业务线产品的会计凭证生成方法,其特征在于,对完成数据清洗后的所述原始财务数据进行借贷方建模,得到所述财务分类数据,具体包括:
创建资方数据标签和贷方数据标签,其中,所述资方数据标签包括与资方财务数据匹配的资方数据关键词,所述贷方数据标签包括与贷方财务数据匹配的贷方数据关键词;
提取所述财务分类数据的关键词;
将所述财务分类数据的关键词分别与所述资方数据标签和所述贷方数据标签进行匹配,得到所述资方财务数据和所述贷方财务数据。
6.如权利要求4所述的跨业务线产品的会计凭证生成方法,其特征在于,对完成数据清洗后的所述原始财务数据进行借贷方建模,得到所述财务分类数据,具体包括:
创建资方数据标签和贷方数据标签,其中,所述资方数据标签包括与资方财务数据匹配的资方数据关键词,所述贷方数据标签包括与贷方财务数据匹配的贷方数据关键词;
基于所述资方数据标签和所述贷方数据标签基于预设的随机森林算法构建分类决策树;
提取所述财务分类数据的特征;
将所述所述财务分类数据的特征导入所述分类决策树;
获取所述分类决策树的输出结果,根据所述分类决策树的输出结果对所述原始财务数据进行分类,得到所述资方财务数据和所述贷方财务数据。
7.如权利要求5或6所述的跨业务线产品的会计凭证生成方法,其特征在于,在所述会计要素集合中识别与所述财务分类数据匹配的目标会计要素类型,具体包括:
获取所述会计要素集合中每一个所述会计要素类型的标签,得到会计要素类型标签;
将所述财务分类数据的关键词与每一个所述会计要素类型标签进行匹配,得到所述目标会计要素类型。
8.一种跨业务线产品的会计凭证生成装置,其特征在于,包括:
会计要素定义模块,用于获取预先收集的会计准则,基于所述会计准则定义会计要素集合;
转化规则引擎模块,用于为所述会计要素集合中每一种会计要素类型配置相应的数据转化规则,并基于所述数据转化规则构建转化规则引擎;
数据分类建模模块,用于接收凭证生成指令,获取原始财务数据,并对所述原始财务数据进行分类建模,得到财务分类数据;
要素类型识别模块,用于在所述会计要素集合中识别与所述财务分类数据匹配的目标会计要素类型;
财务数据转化模块,用于调用所述转化规则引擎中与所述目标会计要素类型匹配的目标数据转化规则,并基于所述目标数据转化规则将所述财务分类数据转化为会计要素;
会计凭证生成模块,用于获取预设的会计凭证模板,将所述会计要素填入所述会计凭证模板,生成所述原始财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中任一项所述的跨业务线产品的会计凭证生成方法的步骤。
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中任一项所述的跨业务线产品的会计凭证生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311199119.1A CN117273968A (zh) | 2023-09-15 | 2023-09-15 | 一种跨业务线产品的会计凭证生成方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311199119.1A CN117273968A (zh) | 2023-09-15 | 2023-09-15 | 一种跨业务线产品的会计凭证生成方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117273968A true CN117273968A (zh) | 2023-12-22 |
Family
ID=89215267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311199119.1A Pending CN117273968A (zh) | 2023-09-15 | 2023-09-15 | 一种跨业务线产品的会计凭证生成方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117273968A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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
- 2023-09-15 CN CN202311199119.1A patent/CN117273968A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
---|---|---|
CN110020660B (zh) | 使用人工智能(ai)技术的非结构化过程的完整性评估 | |
CN113657993B (zh) | 信用风险识别方法、装置、设备及存储介质 | |
CN112861662B (zh) | 基于人脸和交互文本的目标对象行为预测方法及相关设备 | |
KR20200039852A (ko) | 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법 | |
CN109767065A (zh) | 资产管理方法、装置及计算机可读存储介质 | |
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 | |
CN116860856A (zh) | 一种财务数据处理方法、装置、计算机设备及存储介质 | |
CN118153964A (zh) | 基于大数据技术的供应商企业风险评估方法及系统 | |
CN111027832A (zh) | 一种税务风险确定方法、装置及存储介质 | |
US20210295436A1 (en) | Method and platform for analyzing and processing investment data | |
Gupta | Applied analytics through case studies using Sas and R: implementing predictive models and machine learning techniques | |
CN117114901A (zh) | 基于人工智能的投保数据处理方法、装置、设备及介质 | |
Khadivizand et al. | Towards intelligent feature engineering for risk-based customer segmentation in banking | |
CN117009670A (zh) | 基于用户画像的综合推荐方法、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 | |
CN116703515A (zh) | 基于人工智能的推荐方法、装置、计算机设备及存储介质 | |
CN115081447A (zh) | 软件开发的需求文档构建方法、装置、设备及存储介质 | |
CN114565470A (zh) | 基于人工智能的金融产品推荐方法、及其相关设备 | |
CN113094595A (zh) | 对象识别方法、装置、计算机系统及可读存储介质 | |
CN117312991B (zh) | 一种分类识别系统的构建方法及其相关设备 | |
CN116757851A (zh) | 基于人工智能的数据配置方法、装置、设备及存储介质 | |
Inal | Importance of Fintechs in Digital Age for Turkey and the Role of Information Technologies | |
CN116934512A (zh) | 一种财务月结审核方法、装置、计算机设备及存储介质 | |
US20230196453A1 (en) | Deduplication of accounts using account data collision detected by machine learning models | |
CN114066473A (zh) | 用户还款意向预测方法、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 |