徐军

（上海开放大学普陀分校，上海 200062）

在财务系统的日常运行中，传统的财会人员需要完成核算、报表审查与分析等多种工作。但这些工作通常存在功能较少的缺点[1-4]，难以满足日益增长的管理需求。为避免系统的这一缺点，充分挖掘财务系统的多元化价值，国内外较多的科技公司进行了大量的尝试[5-7]。其中，2000-2010 年期间，华为与中兴等国内科技公司首次尝试建立了全球的财务共享服务中心，从而降低财务的管理成本与业务效率[8-10]。随着人力资源成本的快速升高，以及云计算与大数据等新型技术的出现，工程款与劳务费等多种财会工作占据了大量的资源与成本，直接导致财务管理成本的不断攀升。

为了尽量降低财务系统的管理成本，同时更加精确地判别与预测账户风险，通过引入流程自动化技术与人工神经网络算法，该文实现了大量机械重复性工作的自动执行，同时完成了账户风险的科学判别与预测。文中利用K-means 聚类算法[11-16]，对大量的财务数据样本进行了学习与分类，进一步优化了财务系统的工作执行策略，尽量规避人工风险评价的主观性与片面性。

1 财务共享系统

通常财务共享系统是以多种互联网技术为底层部件，以规范性与程序性为处理业务原则，降低重复性劳动与人为主观判断行为的新型财务服务中心，其基本结构如图1 所示。

图1 财务共享系统基本结构图

2 流程自动化技术

2.1 技术特征

流程自动化是一种基于大数据的软件自动化技术，该技术适用于财务共享系统，其主要原因在于以下几个特征：