财务智能化下的财务内部控制研究①

宗文娟

(烟台职业学院,山东 烟台 264670)

0 引 言

在2016年我国工信部下发的《大数据产业发展规划》中,对财务智能化内容进行了详细的界定,认为在财务内部控制中应该积极转变工作路径,认识到智能化技术的影响,以消除传统人为因素下财务管理工作的弊端。

1 财务智能化功能分析

1.1 资产信息的智能化录入

在企业固定资产配置阶段,当企业通过集中采购的方法配置固定资产后通常需要在财务账目上录入固定资产信息。而由于大部分企业的固定资产内容复杂,但是信息录制的流程清晰、明确,并且其中存在大量的重复操作步骤[1]。因此在财务智能化技术的支持下,可以简化资产信息的录入流程,启动财务智能化系统之后,可以通过自动机器人登录财务云平台,在资产模块中更新信息,并且通过财务智能化的信息管理功能简化了信息录入过程,可以减少传统模式下的人力资源投入,提高工作效率。

1.2 资产管理的同步关联

从财务管理角度来看,财务管理的最终目标是服务于企业的生产经营,而因为内外部环境改变所引发的财务信息变化无疑会增加企业运营风险。针对这种情况,通过财务智能化系统则可以为企业财务管理提供一种新的管理模式,例如在资产管理中使用RPA智能化系统,这种系统可以实时反馈企业的财务信息,并且兼顾安全性[2]。

1.3 资产的智能化审核

针对资产审核纰漏的问题,可以通过财务智能化技术,经OCR识别技术提取资产审核中的信息模板后,该系统能够自动识别需要审核的资产资料,包括名称、表单信息、数据金额、审核相关人员资料、审核意见等,并将上述资料自动录入到Excel表格中;之后通过系统开始快速提取Excel表格内容,判别各种数据是否真实、有效等,尤其是针对单据中各种资料的合规性作出判断;对于智能化审核中发现的异常数据信息,可在人机交互界面用红色标识,方便工作人员做第二次审核[3]。

2 BP神经网络算法下的财务内部控制

2.1 BP神经网络算法下的财务内部控制架构

为实现有效的资产配置,提出的设计思路为:先利用整理好的历史数据配置资料并建立对应的BP神经网络模型;再针对需要处理的财务内部控制工作路径,将需要配置的特征值以及相关数据上传到模型中,经过模型的智能化处置,从中筛选与财务内部控制有关的信息,上述步骤的工作流程如图1所示。

图1 BP神经网络算法的财务内部控制工作路径

2.2 财务智能化技术的应用路径

2.2.1 辅助决策指标的设计

BP神经网络算法中,决策指标的建立会影响财务内部控制效果,而结合现有经验可知,为确保辅助决策控制效果的有效性,相关人员可以通过挖掘历史数据的方法,认识到指标数据背后的价值,最终提高财务内部控制水平。而考虑到企业财务内部控制的复杂性,本文在辅助决策指标设计中以企业固定资产打印设备配置为例,对辅助决策指标的设计依据进行分析,其中的辅助决策指标包括:(1)部门编码;(2)部门工作人员数量;(3)部门拥有打印设备的数量;(4)市场上打印设备的平均价格;(5)单台打印设备的工作量;(6)是否配置等。

2.2.2 数据预处理

在财务智能化要求下,BP神经网络算法应该充分识别财务内部控制的工作要求,并且现有的财务平台数据库会提供大量的前端功能,导致系统所采集的财务信息资料可能出现格式不匹配的问题,影响了BP神经网络算法的处理效果。因此需要通过数据处理的方法,先将表单中的财务数据导入到同一数据库之后,经过SQL语句删除其中的错误、空白、重复数据,获得预处理之后的指标。

同时需要注意的是,在BP神经网络算法中输入变量的数量级别会影响函数算法,所以在预处理环节还需要对数据做归一化处理,其运算结构如公式(1)所示。

在公式(1)中,X i为财务智能化系统中输入的任意数据;Xmin为输入变量的最小值;Xmax为输入变量最大值;X'i为归一化处理结果。

2.2.3 财务智能化下的财务内部控制

在财务智能化系统下,本文所介绍的BP神经网络算法采用误差逆向传播的方法,在调整网络权值后做反复的数据处理,不仅可以有效解决当前存在的线性样本问题,也能用于非线性财务内部控制数据处理中,满足财务内部控制要求。

(1)为适应财务智能化的功能要求,在内部控制中应确定输入层与输出层的功能要求,在输入层中应确定财务控制的相关节点,以前文介绍的打印设备固定资产管理为例,在输入指标决策中可以将“部门工作人员数量”、“拥有打印设备的数量”、“平均价格”、“工作量”等作为变量。

(2)针对财务内部控制中的各种变量,财务智能化下需要通过将各种潜在风险列为隐含层,根据隐含层来调整BP神经网络算法的复杂程度。现阶段针对隐含层的数量无特定要求,普遍采用经验公式来确定,经验公式表达方法如公式(2)所示。

在公式(2)中,N表示隐含层数量;n1为输入节点的数量;n0为输出节点数量。

通过公式(2)能够计算出BP神经网络算法下的隐含层数量要求。

(3)针对BP神经网络算法能够在财务内部控制中为企业财务管理提供有效的解决意见,符合财务智能化的技术要求。在财务内部控制中,通过财务智能化能够不断调整财务内部控制的内外部环境,满足工作人员的工作管理决策要求。

在财务内部控制中,财务智能化能够针对每一种财务管理要求落实管理方案,针对财务内部控制中可能出现的潜在财务风险工作做出调整。例如财务管理控制的不同工作机制会导致内部控制的工作量出现变化,模型的相关指标也会发生变化。通过BP神经网络算法能够正确识别每种财务内部控制的工作要求,提供财务管理的工作路径,保证了财务内部控制工作效果。

3 财务智能化的保障体系建设

3.1 制度保障措施

在财务智能化下,企业财务内部控制工作模式发生变化,为了实现财务智能化更好的契合企业财务内部控制工作,则需要从制度方案上进行改进,强化智能化技术对财务控制的影响,依托管理制度,明确财务智能化的工作要求,例如财务内部控制中的工作流程、指标选取方案、算法参数的设定、软件操作方法等,并将其中的关键内容形成操作指南,方便财务管理方案顺利实施[4]。

3.2 人员保障措施

为确保财务智能化下的财务内部控制工作顺利实施,需要在人员保障中做出改进,尤其是财务部门工作人员应具有更强的专业技能水平。一方面在智能结构上,应加深全体工作人员对财务智能化技术的认知,了解财务智能化技术原理、常见软件的运用方法等,这样才能进一步增强工作人员运用财务智能化软件的能力。另一方面,应培养财务管理人员的风险预防能力,这是因为财务智能化作为一种操作系统,在运行过程中也可能出现相关风险,例如我国政策条例的变化而导致系统预设标准不符合实际情况,增加数据失真风险。所以工作人员能够及早预知此类风险,能够结合国家政策标准及早调整财务智能化系统的技术指标,保障财务智能化软件的先进性。

3.3 数据保障措施

财务智能化的工作效果受到数据的影响,数据的可靠性与真实性是增强财务内部控制效果的关键。因此在下一阶段工作中,应该尽可能的提高各类数据针对性,针对内部控制中每个产生财务数据的过程制定对应的管理对策,确保能够从源头上保障财务信息数据;针对不同财务内部控制工作内容可形成对应的材料数据库,如财务预算管理数据库、固定资产管理数据库、现金流数据库等,方便进行针对性数据管理[5]。在财务智能化软件运用数据时也应该遵守数据使用原则,智能化软件在数据分析中所获得的数据能够建立对应主题库,为未来的数据优化提供支持。

4 结 语

结合本文的研究结果可知,财务智能化技术出现改变了财务内部控制的模式,尤其是BP神经网络算法等智能化技术的运用,能够有效简化财务管理流程,符合未来财务工作要求。相关人员应该掌握财务智能化的技术要求以及应用方法,了解未来财务智能化技术的发展方向,最终为全面增强财务内部控制效果奠定基础。