KR20230166427A

KR20230166427A - Method of automatic journalization

Info

Publication number: KR20230166427A
Application number: KR1020220066408A
Authority: KR
Inventors: 이정호
Original assignee: 이정호
Priority date: 2022-05-30
Filing date: 2022-05-30
Publication date: 2023-12-07

Abstract

과거 데이터 중 공통된 부분이 있는 내용끼리 데이터를 전처리한다. 데이터간의 공통분모를 찾아 기존에는 데이터간의 연관관계가 없던 내용을 연관관계가 있도록 만든 후, 데이터 공통분모를 통해 vlookup이나 vba과 같은 엑셀, 파이썬 등 데이터 조작 프로그램의 기능을 이용해 데이터들을 합병하여, 총 데이터 원장을 만들고, 마지막으로 통장내역 등 기업 자금사용내역과 라벨링된 데이터 테이블의 합병을 통해 원장 자동분개를 진행한다. 기업마다 케이스가 다르지만, 대략 75%정도의 정확도로 이전 기술들보다 1.5배 ~ 2배 이상의 정확도와 효율을 가져온다.The data is pre-processed with contents that have something in common among the past data. After finding the common denominator between the data and making the content that was previously unrelated between data relevant, merge the data using the functions of data manipulation programs such as Excel and Python, such as vlookup or vba, through the data common denominator. A data ledger is created, and finally, automatic ledger journal entries are performed by merging corporate fund usage details such as bankbook details and labeled data tables. Although each company's case is different, it has an accuracy of approximately 75%, resulting in 1.5 to 2 times more accuracy and efficiency than previous technologies.

Description

Method of automatic journalization}

본 발명은 자동분개에 관한 기술로서, 보다 상세하게는 기업 회계처리 업무 시 필요한 분개 자동화에대한 발명이다.The present invention is a technology related to automatic journal entries, and more specifically, it is an invention regarding the automation of journal entries necessary for corporate accounting processing work.

기업의 매출액 범위에 따라 적게는 수천 많게는 수십만 건의 연간 기업 자금 사용 내역은 세금 신고를 위해 회계상, 세무상 계정과목으로 분류되어 그 차변, 대변의 합계 잔액이 정확히 일치되어야 한다. 이러한 행위를 위해 수십만 건의 영수증 처리, 세금계산서 발행 등 다양한 처리를 진행해야 하니 이에 시간이 상당히 많이 소모되며, 아날로그와 디지털을 병행함에 따라 오류, 오타 등 비효율적인 면도 상당히 많이 발생해 이를 디지털화하여 자동화하려는 움직임이 많아지고 있다. 하여 기존 세무회계 프로그램에는 이를 자동화하는 기술도 종종 선보이고 있으나, 기업의 명칭, 사업주와 기업체의 통장 명의 불일치 등 수많은 불확실성과 통일되지 않은 일관성 때문에 그 정확도는 30~40%대에 머무르는 수준이다.Depending on the scope of the company's sales, the annual company fund usage details, which can number from thousands to hundreds of thousands, are classified into accounting and tax account subjects for tax reporting purposes, and the total debit and credit balances must be exactly the same. In order to do this, a variety of processes, such as processing hundreds of thousands of receipts and issuing tax invoices, must be performed, which consumes a considerable amount of time. In addition, as analog and digital are used in parallel, many inefficiencies such as errors and typos occur, so it is necessary to digitize and automate this process. There is more movement. Therefore, technology to automate this is often introduced in existing tax accounting programs, but the accuracy remains in the 30-40% range due to numerous uncertainties and inconsistent consistency, such as the name of the company and the discrepancy in the bank account name of the business owner and the company.

[발명의 내용][Content of the invention]

과거 데이터를 엑셀과 파이썬 등 데이터 조작 프로그램을 이용하여 새로 개발한 방법으로 전처리 후 합병하여 과거 데이터의 라벨링을 뽑아내고, 이를 이용해 새로이 회계처리가 필요한 데이터를 자동으로 라벨링 및 분류 한다.Labeling of past data is extracted by preprocessing and merging past data using a newly developed method using data manipulation programs such as Excel and Python, and this is used to automatically label and classify data that requires new accounting processing.

[해결하고자 하는 과제][Tasks to be solved]

본 발명은 상술한 기존 기술의 문제점을 보완 및 개선하고, 엑셀과 파이썬 등 데이터 조작 프로그램을 이용하여 업무 진행 시 발생하는 수많은 비효율과 저조한 효과성을 개선하고, 낮은 정확도를 해결하고자 한다.The present invention complements and improves the problems of the existing technology described above, improves numerous inefficiencies and low effectiveness that occur when performing work using data manipulation programs such as Excel and Python, and resolves low accuracy.

과거 회계처리 데이터와 분개처리가 필요한 기간의 데이터를 엑셀과 파이썬 등 데이터 조작 프로그램을 이용해 각각 특별한 방식의 전처리를 통해 분류, 및 라벨링 후 나온 결과물을 엑셀과 파이썬 등 데이터 조작 프로그램을 이용해 데이터 결합, 합병, 병합 등의 방식을 이용하여 분개처리가 필요한 기간의 데이터를 과거의 데이터와 일치하는 부분을 찾아 라벨링 하는 자동 분개 방법으로서, 과거 계정 과목별 원장, 기업 자금 사용내역, 위의 데이터를 수정, 전처리 및 데이터 라벨링을 통해 분류되지 않은 새로운 데이터를 기존 분류된 계정과목 값으로 자동으로 분류 및 라벨링하는 방법으로 문제를 해결한다.Past accounting data and data from periods requiring journal processing are classified and labeled through special preprocessing using data manipulation programs such as Excel and Python, and the results are combined and merged using data manipulation programs such as Excel and Python. It is an automatic journal entry method that finds and labels data from the period requiring journal processing using methods such as merging and matching with past data. It modifies and pre-processes the ledger for each past account subject, corporate fund usage history, and the above data. And data labeling solves the problem by automatically classifying and labeling new, unclassified data with existing classified account subject values.

해당 기술을 이용해 업무 진행 시 필요 시간을 기존 서비스 대비해 획기적으로 단축하고, 정확도 또한 비약적으로 높여 업무 속도 및 질을 개선한다.Using this technology, the time required to carry out work is dramatically shortened compared to existing services, and accuracy is also dramatically increased, improving work speed and quality.

도1은 각 데이터 간의 데이터합병 구조도 및 수행과정을 도시화 한 것이다.Figure 1 illustrates the data merger structure and execution process between each data.

1. 회계 계정과목별 과거 원장 데이터를 수집한다. 이 데이터는 날짜, 적요, 차변, 대변 구분, 전표 번호 등을 포함한다.1. Collect past ledger data for each accounting account subject. This data includes date, summary, debit, credit identification, document number, etc.

2. 해당 원장의 가장 우측에 새로운 열을 추가하고 추가한 열에 {날짜, 전표번호, 차변대변 구분}이라 명하고, 좌측의 날짜, 전표번호, 기존 열의 변에 관한 데이터의 반대 변을 하나로 합쳐 새로운 열을 기입 한다. 이 행위를 모든 행에 반복한다.2. Add a new column to the far right of the ledger, name the added column {date, document number, debit/credit classification}, and combine the date, document number, and opposite sides of the data on the existing column on the left into one new column. Fill in the column. Repeat this action for all rows.

3. 해당 원장의 {날짜, 전표번호, 차변대변 구분} 우측 열에 새로운 열을 추가해 {계정과목명}이라 명하고, 모든 행에 해당 원장의 이름을 기입한다.3. Add a new column to the right column of {date, document number, debit/credit classification} of the relevant ledger and call it {account subject name}, and enter the name of the relevant ledger in all rows.

4. 상기 계정별 원장과 동일한 기간의 보통예금 원장 데이터를 수집하고, 새로운 열을 추가해 {차대구분}이라 명하고 해당 열에 기존 열의 변에 관한 데이터의 반대 변을 입력해준다. 이를 모든 행에 반복한다.4. Collect general deposit ledger data for the same period as the ledger for each account above, add a new column, call it {Vehicle Classification}, and enter the opposite side of the data related to the side of the existing column in that column. Repeat this for all rows.

5. 4번의 오른쪽에 새로운 열을 추가하고, {최종} 이라 명한다. 그리고 해당 열에 함수를 이용해 적요와 차대구분의 내용을 합친다. 이를 모든 행에 동일하게 진행한다.5. Add a new column to the right of number 4 and call it {Final}. Then, use a function in the corresponding column to combine the contents of the summary and vehicle classification. Proceed the same way for all rows.

6. 5번의 우측에 새로운 열을 추가하고 {날짜, 전표번호, 차변대변 구분}이라 명한다. 해당 열의 내용으로 날짜, 전표번호, 차변대변 구분을 함수로 하나로 합쳐주고,이를 모든 행에 동일하게 진행한다. 우측에 {예상 반대계정과목}열을 추가하고, 후에 해당 열을 1,2,3번을 마친 계정별 원장 데이터 기준으로 vlookup등의 함수나 vba 또는 파이썬을 사용해 보통예금 원장에 해당 열에 맞는 {계정과목명}의 데이터를 병합시켜 끌고온다.6. Add a new column to the right of number 5 and name it {date, document number, debit/credit classification}. With the contents of the relevant column, the date, document number, and debit/credit classification are combined into one function, and this is done in the same way for all rows. Add the {Expected Reverse Account Subject} column to the right, and then use a function such as vlookup or VBA or Python based on the ledger data for each account that has completed steps 1, 2, and 3 in the column to enter the {account that matches the column in the general deposit ledger. Merge and import the data of {subject name}.

7. 필요한 결산 기간 동안의 기업 통장명세 등 수단별 자금사용 데이터를 수집한다. 이 데이터는 거래일시, 의뢰인/수취인, 출금액, 입금액의 정보를 포함한다. 가장 우측에 새로운 열을 추가하고 {최종}이라 명한 후, 해당 열의 내용에 좌측 열의 의뢰인/수취인과 입출금액의 반대변을 함수를 이용해 합쳐 입력해준다.7. Collect fund usage data by means, such as corporate bankbook statements, during the required settlement period. This data includes information on transaction date and time, client/recipient, withdrawal amount, and deposit amount. Add a new column to the far right, name it {Final}, and enter the content of that column by combining the client/recipient and the opposite side of the deposit/withdrawal amount in the left column using a function.

8. 7의 열 우측에 {계정과목}이라는 새로운 열을 추가하고, 해당 열에 vlookup함수나 vba, 파이썬 등을 사용해 4,5,6번의 과정을 거친 보통예금원장의 {최종}과 보통예금원장의 {최종}에 공통으로 해당되는 {예상 반대계정과목}데이터를 끌고온다.8. Add a new column called {Account Subject} to the right of column 7, and in that column, use the vlookup function, VBA, Python, etc. to display the {final} of the general deposit ledger and the general deposit ledger that went through steps 4, 5, and 6. Bring in {expected reverse account subject} data that is common to {final}.

9. 후에 전체적으로 최종 점검을 진행한다.9. Afterwards, a final inspection is carried out as a whole.

Claims

The automatic journal entry method mentioned above classifies and labels past accounting data and data from the period requiring journal processing using data manipulation programs such as Excel and Python, respectively, through a special preprocessing method, and then manipulates the resulting data using Excel and Python. It is an automatic journal entry method that uses a program to combine, merge, and merge data to find and label data from the period requiring journal processing to match past data.
In the above automatic journal entry method,
Ledger by past account subject;
Details of the company's use of funds by means;
Editing, preprocessing and data labeling of the above data;
A method of automatically classifying and labeling new unclassified data with existing classified account values.

In paragraph 1 above,
The ledger for each account subject in the past is
Data including the date, document number, debit and credit information, amount, and summary for each account subject in the accounting process of the company in the past.

In paragraph 1 above
The details of the company's use of funds by means are as follows:
Details of the company's use of funds by means, including information on transaction date, client/recipient, withdrawal amount, and deposit amount during the period to be analyzed.

In paragraph 1 above
Data correction, preprocessing and data labeling are
After merging and preprocessing data on date, slip, and debit/credit classification to find and label common data between the data by account subject excluding the general deposit ledger and the general deposit ledger, the data by account subject and the general deposit ledger data table are merged and preprocessed. Labeling data from the general deposit ledger with data from account subjects through merger.
In order to find and label common data between the general deposit ledger and the company's fund usage details data table, data on date, slip, and debit/credit classification are merged and pre-processed, and then data are merged and pre-processed again through summary and sub-credit classification. After proceeding, this is merged with the company's fund usage details by means and the company's fund usage details by means are labeled with data from the general deposit ledger.