金额没有超过阈值,也不代表分录没有问题
项目原名:Deep autoencoder journal-entry anomaly detection
固定规则只看单笔金额,关联分录里的异常仍可能漏掉。
项目解决的业务问题:固定规则难识别未知异常模式,审计人员需要从全部分录中排出复核顺序。
项目采取的做法:研究将 ERP 分录字段编码,用自编码器重建误差与属性概率计算异常分数,再按阈值交人工复核。
对财务工作的意义:异常分数可用于挑出分录复核对象,不能据此认定舞弊。
这项研究或工具想解决什么
自编码器研究提供异常评分思路。论文指标存在内部口径冲突,适合研究数据和筛查方法,不能直接拿分数比较产品。
测试用了什么资料,怎样安排
这里介绍的是研究或开源实现,测试结果只适用于其数据集和实验条件。
研究将 ERP 分录字段编码,用自编码器重建误差与属性概率计算异常分数,再按阈值交人工复核。
异常提示要能回到凭证和分录
分录异常只是复核线索。先看科目、期间、制单人、对手方和关联分录,再结合合同、发票与审批记录核实交易背景。阈值和判断规则要能说明来由,是否调整由会计或审计人员决定。
先找适用规则,再核对业务材料
- 输入SAP ERP BKPF/BSEG分录字段(各取6或10项,one-hot后401/576维)。
- 全连接深度自编码器编码压缩后重建,综合重建误差与属性出现概率形成异常分数,超过阈值输出供审计复核的高风险分录。可复用流程:抽取总账全量数据、按字段编码、训练AE、按召回目标选阈值、人工复核标记。论文没有提供可直接复用的开放生产代码或数据。
先准备凭据、政策版本和访问权限
研究资料没有规定企业侧要接入哪些业务字段。内部验证可先用业务单据、财务记录、适用政策和控制规则、访问权限及复核记录。选取少量、经人工核实且可脱敏的样本。
把条款、证据和复核意见留在记录里
研究结果不能直接当成企业审批或入账凭据。内部测试可把输出整理为能回到原件的证据清单、适用政策和需要专业人员处理的疑点,再检查引用、遗漏和人工修订。
案例公开的业务数据
这些分数来自测试或实验,不能代表企业上线后的效率变化。
实验数据反映测试条件下的表现。测试样本、标签和指标口径,会影响结果,不能直接换算成上线后的财务效果。
全文披露两个SAP ERP匿名数据集,分别307,457和172,990条分录,仅人工注入95与100条合成异常;在召回率100%条件选参。摘要/结论32.93、16.95与表3 AE F1 0.7251、0.2782不一致,因此数值不应用于系统对比或产品效果宣称。;非企业上线成效;检出对象是异常而不等于确认舞弊。
| 指标 | 数值 | 数据类型 | 说明 |
|---|---|---|---|
| F1 score (published abstract/conclusion) | 32.93 (A); 16.95 (B) score; scale unclear | 实验评测 | Full text abstract/conclusion report these values; Table 3 reports AE9 F1 0.7251 (A) and 0.2782 (B), an unresolved internal discrepancy. Synthetic anomalies were injected; values are benchmark experiments, not deployment outcomes. 论文全文;指标口径冲突待澄清 |
| SAP ERP journal entry dataset size / injected anomalies | A: 307,457 / 95; B: 172,990 / 100 line items / synthetic anomalies | 业务规模 | full-text dataset methods; anomaly labels were synthetically injected 论文全文 |
拿已处理的业务做对照
用脱敏总账分录和已标记的异常样本做回测,按时间划分训练集与测试集,避免同一期间的信息泄漏。重点看正常分录被误报、已知异常被漏掉的比例。
- 按法人、科目和期间分组检查模型是否只记住了常见分录。
- 异常分数只用于安排复核,不能直接认定舞弊。
税务和审计判断由谁确认
- 全文披露两个SAP ERP匿名数据集,分别307,457和172,990条分录,仅人工注入95与100条合成异常;在召回率100%条件选参。摘要/结论32.93、16.95与表3 AE F1 0.7251、0.2782不一致,因此数值不应用于系统对比或产品效果宣称。
- 非企业上线成效;检出对象是异常而不等于确认舞弊。
继续核对这些问题
“F1 score (published abstract/conclusion)”具体指什么?
评测结果中的F1 score (published abstract/conclusion)为32.93 (A); 16.95 (B) score; scale unclear(测试范围:Full text abstract/conclusion report these values; Table 3 reports AE9 F1 0.7251 (A) and 0.2782 (B), an unresolved internal discrepancy. Synthetic anomalies were injected; values are benchmark experiments, not deployment outcomes)。这个结果只适用于对应样本和测试条件。数据出自论文全文;指标口径冲突待澄清。
“SAP ERP journal entry dataset size / injected anomalies”具体指什么?
资料给出的SAP ERP journal entry dataset size / injected anomalies为A: 307,457 / 95; B: 172,990 / 100 line items / synthetic anomalies(范围:full-text dataset methods; anomaly labels were synthetically injected)。这是处理量或覆盖范围,不是效率提升。数据出自论文全文。
继续看税务与治理的其他做法
授信报告最费时间的,常常是把工商、财务和诉讼资料收齐
业务卡点:工商、财务、诉讼和舆情资料需人工搜集,指标解释与报告填制耗时。
你可以先核对:授信材料归集和报告草稿可以由系统辅助,授信结论仍由专业人员把关。
打开详情,看做法和适用范围 →函证与合同版式多,审计取数怎么减少抄录?
业务卡点:审计文档格式多样,人工查找并抽取关键信息耗时。
你可以先核对:从采购文件提取审计证据可以减少抄录;抽取内容须回到原文,审计结论仍由审计人员作出。
打开详情,看做法和适用范围 →监管项目多,人工从头筛查很难兼顾全部信息
业务卡点:海量项目涉及行业、审计类型和重组等不同信息,人工初筛压力大。
你可以先核对:把监管数据归集、AI 初筛与人工复选拆开看,才知道工作量和判断分别落在哪一步。
打开详情,看做法和适用范围 →这项工作还会影响哪些环节
如果项目走到这里还要交接资料或核对结果,可以顺着相关业务继续看。
票据内容支持税务核对
发票上的税率、税额和用途会影响抵扣及申报核验。
辅助步骤参考;不代表某个案例已部署相同功能。
AI 可提取相关字段并标出疑点;真伪、政策适用和抵扣资格仍按权威信息及人员复核确认。
继续看这个业务环节 →销项发票进入纳税申报
开票金额与税额要能对应到收入记录和申报口径。
辅助步骤参考;不代表某个案例已部署相同功能。
AI 可对商品分类、税码和汇总金额提出疑点,财务按适用政策核实。
继续看这个业务环节 →税会差异需要在结账前核实
税务口径和账面记录可能存在时间或项目差异,期末需要查清并留档。
辅助步骤参考;不代表某个案例已部署相同功能。
AI 可定位相关凭证、政策条款并起草差异说明;会计和税务人员确认处理方式。
继续看这个业务环节 →