机器学习与智能会计的融合应用

机器学习与智能会计的融合主要包括再造业务财务流程、变革智能账务模式、强化决策支持功能等方面。

（一）再造业务财务流程

飞速发展的互联网、物联网产生的海量数据，使得人们从数据中获取更大的价值，而云计算的蓬勃发展扩展了数据的存储能力，基于机器学习及深度学习的算法平台，通过大量高效的机器算法组件，企业可以快速实现业务流程优化，解决业务财务中的信息不对称问题，^[34]实现会计信息的高速传递与整合，提供及时、准确、全面的会计信息。^[35]针对传统财务报表滞后单一、会计处理流程缓慢的“痛点”，智能会计系统同步财务数据处理，将公司的生产经营与账务处理紧密结合，根据需要随时出具各种业务的动态指标与财务报表。分析型的管理会计将取代传统核算型的会计成为主流，提高了会计对管理决策的支持力度。挖掘差异化的会计信息分析功能，使得会计功能从传统的反映与控制向经济决策支持、风险管理和组织治理过渡。^[36]

（二）变革智能账务模式

第一，人工智能技术赋能智能账务，账务处理软件根据发生的业务，自动匹配会计科目、自动生成摘要凭证、自动审核，最后生成各类账表。第二，作为连接业务端与财务端的重要桥梁，智能会计引擎经过大量标签化数据的训练之后，能准确识别业务信息并转换为记账凭证，通过明细账和总账的财务信息转换，实现了业务发展与财务管理的协同配合，以机器学习技术为核心的智能化技术则在最切合的层面上提高了会计引擎的效应。第三，通过影像扫描技术实现原始凭证电子化后，智能会计引擎将从业务系统中提取信息并进行转换，通过监督式学习的机器算法，提高了记账效率与准确性。第四，机器学习再造的智能会计成为集高效率财务核算流程、多维度财务管理职能于一体的平台工具，推动企业的财务模式由核算向管理不断进化。^[37]

（三）强化决策支持功能

第一，机器学习技术助力智能会计获取有效、丰富的数据信息。机器学习的过程可分为训练与预测两个阶段，训练指将存储的历史数据通过机器学习算法进行处理并产生模型；预测是在该模型的指导下，输入新的数据之后能够输出相应的结果。机器学习提高了经营预测模型的准确性，为企业进行决策活动提供指引。

第二，机器学习对会计系统中端的智能化改进，可以兼容结构化程度较高的财务数据、半结构化与非结构化特征突出的非财务数据，将数据来源由企业内部拓展至企业外部，优化了智能会计在业财税融合、经营预测和风险管控等维度的职能。

第三，机器学习技术是支持智能会计决策的强有力工具。通过监督式学习与无监督式学习，智能会计平台能够有针对性地解决不同类型的决策问题，基于数据的内在关联得到特定的决策模型与决策规则，实现决策过程的自动化，为企业管理者进行决策提供高效辅助。

【注释】

[1]唐坚．5G时代区域经济发展之路［J］.现代商业，2020，565（12）：49—51.

[2]指信道编码技术，三大信道编码技术分别是LDPC码、Polar码和Turbo码。

[3]指移动互联网、物联网、人工智能、云计算、大数据、区块链、环境体验等新技术的应用与普及。

[4]陈晓华，吴家富．5G新动能：数字经济时代的加速器［M］.北京：人民邮电出版社，2020：7—10.

[5]陈晓华，吴家富．5G新动能：数字经济时代的加速器［M］.北京：人民邮电出版社，2020：96—101.

[6]数据传送单位：兆比特每秒。

[7]数据传送单位：千兆比特每秒。

[8]陈晓华，吴家富 . 5G新动能：数字经济时代的加速器［M］.北京：人民邮电出版社，2020：210—227.

[9]丁飞.物联网开放平台：平台架构、关键技术与典型应用［M］.北京：电子工业出版社，2018：3—5.

[10]Kevin Ashton.那个被叫作“物联网”的东西——在现实世界中，做实事永远比空想强［J］. 施煜，编译．中国自动识别技术，2011（3）：22—23.

[11]RFID（radio frequency identification），又称无线射频识别或射频识别技术，是自动识别技术的一种，通过无线射频方式进行非接触双向数据通信，利用无线射频方式对记录媒体（电子标签或射频卡）进行读写，从而达到目标和数据交换的目的。

[12]裘炯涛，陈众贤.物联网　So Easy［M］.北京：人民邮电出版社，2019：7—8.

[13]宗平.物联网概论［M］ .北京：电子工业出版社，2012：75—224.

[14]薛燕红.物联网导论［M］.北京：机械工业出版社，2014：4—17.(www.xing528.com)

[15]许小刚，王仲晏.物联网商业设计与案例［M］.北京：人民邮电出版社，2017：2—12.

[16]丁飞.物联网开放平台：平台架构、关键技术与典型应用［M］.北京：电子工业出版社，2018：138—139.

[17]杨鹏，张普宁，等.物联网：感知、传输与应用［M］ .北京：电子工业出版社，2020：339—345.

[18]指物流信息客户端系统、物流手机WAP系统、物流短信系统、位置服务系统、物流门户网站、物流信息系统无线通信专网六个系统。

[19]冯亚南.基于深度学习的光学字符识别技术研究［D］.南京：南京邮电大学，2020：10—11.

[20]刘树春.深度实践OCR ：基于深度学习的文字识别［M］.北京：机械工业出版社，2020：5—10.

[21]张晶，李雅琴，王博文.光学字符识别（OCR）技术在内部审计中的实践应用［J］.纳税，2020（1）：275.

[22]业财税管即业务、财务、税务、决策管理。

[23]用友网络科技股份有限公司.企业数字化：目标、路径与实践［M］.北京：中信出版社，2019：470—482.

[24]代劲，宋娟，胡峰，等.云模型与文本挖掘［M］.北京：人民邮电出版社，2013：5—9.

[25]朱小平.自动识别技术及其应用［J］.合作经济与科技，2012（2）：127—128.

[26]周志华.机器学习［M］.北京：清华大学出版社，2016 ：2.

[27]用友网络科技股份有限公司.企业数字化：目标、路径与实践［M］.北京：中信出版集团，2020 ：160，237—238，270—277.

[28]刘梅玲，黄虎，佟成生，等.智能财务的基本框架与建设思路研究［J］.会计研究，2020，389（3）：181—194.

[29]蒋鲁宁.机器学习、深度学习与网络安全技术［J］.中国信息安全，2016（05）：94.

[30]安德烈·布可夫.机器学习精讲［M］.韩江雷，译.北京：人民邮电出版社，2020 ：12.

[31]奥雷利安·杰龙.机器学习实战：基于Scikit Learn、Keras和Tensor Flow（原书第2版） ［M］.宋能辉，李娴，译.北京：机械工业出版社，2020：32，42—60.

[32]何瑛，李塽爽，于文蕾.基于机器学习的智能会计引擎研究［J］.会计之友，2020（5）：54.

[33]周志华.机器学习［M］.北京：清华大学出版社，2016：29—33.

[34]杨旭.机器学习在线：解析阿里云机器学习平台［M］.北京：电子工业出版社，2017：4—6.

[35]程平，张洪霜.基于JiTT模式的“互联网+会计”MPAcc课程教学设计——以重庆理工大学“机器学习与智能账务”课程为例［J］.财会（E1刊） ，2018（23）：29—33.

[36]彭启发，王慧秋，王海兵.会计人工智能存在的风险与对策研究［J］.会计之友，2019（5）：114—119.

[37]韩向东，余红燕.智能财务的探索与实践［J］.财务与会计，2018（17）：11—13.