SOM神经网络在财务共享中心功能需求动态评价上的应用.pdf

第18 卷第2 期2023年6 月贵阳学院学报（自然科学版）（季刊)JOURNAL OF GUIYANG UNIVERSITY Natural Sciences(Quarterly)Vol.18No.2Jun.2023SOM神经网络在财务共享中心功能需求动态评价上的应用吴信龙（闽西职业技术学院，福建龙岩36 40 0 0）摘要：在人工智能技术的支撑下，财务共享中心促进了科技和经济的深度结合。研究构建智能化财务共享中心评价模型，旨在融合多元异构的动态需求评价指标，构建直观功能需求概况促进公司发展。通过SOM神经网络与动态需求评估的深度结合，提出了SOM神经网络功能需求指标评价模型。研究结果表明，该模型在指标评价数据上性能良好，通过模型可以有效检测正确率分别为9 1.2 2 8 1%、9 1.6 6 6 7%，并预测风险占比为15.942%，能够提高会计服务效率和加强风险管理，全面提高财务共享中心的服务质量和运作效率，为企业的经营管理与决策提供支持。关键词：SOM神经网络；财务共享；动态评价；智能算法中图分类号：F275Application of SOM neural network in dynamic evaluationof functional requirements of Financial Sharing Center(Fujian Vocational and Technical College,Longyan 364000,Fujian,China)Abstract:Supported by artificial intelligence technology,the Financial Sharing Center promotes the deep integration oftechnology and economy.Research and build an intelligent financial sharing center evaluation model,aiming to integratediverse and heterogeneous dynamic demand evaluation indicators,and build an intuitive functional demand profile to pro-mote the companys development.Through the deep combination of SOM neural network and dynamic demand assess-ment,the research puts forward the evaluation model of SOM neural network function demand index.The research resultsshow that the model has good performance on the index evaluation data.The model can effectively detect the correct rateof 91.2281%and 91.6667%respectively,and predict the risk ratio of 15.942%,which can improve the efficiency ofaccounting services and strengthen risk management.The service quality and operational efficiency of the financial sha-ring center provide support for the management and decision-making of enterprises.Key words:SOM neural network;Financial Sharing;Dynamic evaluation;Intelligent algorithm经济快速发展下，企业对智能化财务共享中心的需求显得愈发迫切,在功能需求管理当中融人大数据、人工智能技术是突破的关键点，主要表现为传统国内信息技术快速发展，国内智能化财务中心动态管理技术仍然落后,其中,将SOM神经网络与财务共享中心功能有机结合为攻克需求评价的切文献标识码：A文章编号：16 7 3-6 12 5（2 0 2 3）0 2-0 0 40-0 5WU Xin-long实方案1-3。因此,通过功能需求进行评价寻求有效的评价方式，利用SOM神经网络算法对功能需求指标进行权重分析，能够有效地促进新财务共享中心建设，从而获得功能需求新评价方法，促进企业良性发展。收稿日期：2 0 2 3-0 4-0 5作者简介：吴信龙，男，福建龙岩人，讲师、硕士。主要研究方向：会计学。一40 一2期1SOM财务共享服务中心功能需求动态评价1.1SOM神经网络分类算法设计由于SOM学习方式是竞争性学习，从根本上区别于其他人工神经网络，前者在竞争学习当中，各个节点会相互竞争响应输入数据子集的权利。SOM网络的优势在于保留输人空间中的拓扑结构,那么输人空间中邻近的样本数据会落到相邻的节点中。计算每一个输人样本对应的优胜节点的位置,即输出平面中某一个节点计算完所有的训练样本后,统计平面中节点的类别个数。取频率最高的类别，作为该神经元的类别标签，当新的样本落人输出平面的某个神经元时，就可以判断样本的类别4-5。利用SOM神经网络这一特点,可以实现SOM神经网络标准化、自动化财务共享中心建设，完成票据匹配准确率、影像扫描退单率等13种功能性需求指标的聚类，达到功能需求优先级管理，原理如图1所示。输入层权重矩阵图1SOM神经网络映射关系财务共享服务中心功能需求评价实现的具体过程中，首先需要将SOM权值初始化为很小的随机数。用集合S来表示输出节点j个“邻接节点”，当t=0时，节点i的邻近节点用S表示;t时刻“邻接神经元”集合会随着t的增长合集涵盖范围会不断缩小。任意输人一个功能需求评价指标样本X;，输入的评价指标样本都是经过归一化处理的向量，X=（x 1,x 2,x 3.，x，）。无需预知给定指标的优先等级，只需给定最终分类数量类别数N=4,将功能需求划分为4个等级。遍历竞争层中的所有节吴信龙SOM神经网络在财务共享中心功能需求动态评价上的应用式距离计算公式如公式（1）所示。d,=X-W,l=/Z(x;(t)-w;(t)(1)其中,输入层节点i与映射层节点j连接的权值为W,BMU的半径优胜领域内节点集的更新幅度可以利用邻域函数进行计算，在整个指标评价网络当中,越靠近BMU,更新幅度越大,反之越小，优胜领域内节点权值更新公式如公式（2)所示。We(s+1)=Ww+(u,rs),(D,-Wu)(2)其中(u,U,s)是对更新的约束,离BMU距离的领域函数的返回值W是节点当前的权重。完成一轮计算即SOM神经网络将完成第一轮迭代，返回样本X，选取直至满足既定迭次数。满足既定要求时，学习率会衰减至预先设定的值或者衰减至0。每输入一个模式就算一次迭代，迭代的次数至少等于样本个数，学习率是迭代次数和邻域的非递增函数,迭代次数越多，邻域半径越多,则学习率越小，也就是说获胜神经元对距离越远的神经元的2D输出层权向量的调整力度越小，这也是迭代结束的条件是学习率大于0 且小于一个预先设定阈值的原因。经过反复训练学习分析出输入评价指标数据之间的类似度,将类似度接近的评价指标按照就近原则进行输入配置，优胜节点更新后会更靠近输人样本X，在空间中的位置。优胜节点拓扑上的邻近节点也类似地被更新,最终所有的功能需求评价指标都会按照类似程度进行优先级分类，这就是神经元iSOM网络的竞争调节策略。1.2SOM算法的功能需求动态评价模型构建SOM神经网络算法结合财务公务共享功能需求动态评价自身特点，构建出SOM评价模型，需求评价模型在流程板块上可分为两部分，具体流程见图2,需求评价模型分别为第t期需求评级与第t+1期需求评价。为能够满足财务共享中心功能需求，在构建好模型之后需要选择符合特征要求的样本，本次实验样本范围涵盖质量管理、信息系统、流程管理及效率管理，样本均以特征向量进行表示6-8。同时,选择13种功能需求指标来进行样本的归类,分别对应业务、系统、单据与支付4大类,设样本组数为N,则生成的样本矩阵数量为13*N。一41 一点,计算出评价指标X，与各个节点之间的相似度，选取与之欧式距离最近的节点作为优胜节点（bestmatchingunit,BMU），向量X，与映射层中节点j欧贵阳学院学报（自然科学版）第期评价创建网络显示聚类选择评价等级开始定义样本第t+1期评价一图2 基于SOM神经网络算法的功能需求动态评价在SOM财务共享中心功能需求动态评价模型构建时，根据功能需求的不同，将财务共享中心功能需求划分为1级、2 级、3级、4级4种等级，等级与功能需求数值成反比，数值越低表示该项功能优化优先级越高。网络的初始节点设定与竞争层节点的设定根据具体的数据组数决定，N组数据对应N个网络输人节点，一般竞争节点的数量范围控制在0 到10 之间为优，以便对样本数据进行充分分类。通过函数train和函数sim对功能需求指标数据进行反复训练与测试运算，当满足最大迭代次数，即指标数字的归宿类别固定后，输出分类结果训练结束。此时被归为一类的评价的指标被赋予相同的标签，根据分好的四个功能需求等级的优先级,显示出聚类结果。最后，在4种等级归类指标当中,选取1级指标作为第t期功能需求优化的目标。执行t+1期需求评价，理论上就是重复执行图1中步骤1到步骤5的过程,将过程中得到分类等级为1级的评价指标与t期功能需求评价结果进行对比，如果新得到的指标优先级大于上个指标,则应纳入优化范围,并且更新t+1期优先级指标与需求优化指标为新对照。1.3财务共享中心功能需求优化模型建立T代表将财务共享中心功能需求，从同一层次的功能需求优化内容T.T，中选取任意T,与T，T,与T相比权重判断值为(T/T），同理，T,与T,对比权重判断值为f(T,/T,）。令T，=f(T,/T,)/f(T,/T,）,其中（i,j=1,2,.,n）,得到）（季刊）网络训练模型重复步骤，得出t+1期聚类结果者功能需求。以财务共享中心的业务流程管理为例，满足程度是对费用报销、应收业务、应付业务、总账管理等各个业务的功能需求满足程度的度量，由此分析出,财务共享中心的功能需要考虑到不同业务的功能需求的内部关系，而且每种功能需求与对应业务的关联性也不同,所以财务中心功能需求的优化应当更多地考虑整个公司的实际需求、优化成本等其他外界影响因子。因此,财务共享中心的功能需求满足更多的可以被看成是多目标决策性问题。设六种核心功能需求权重分配结果为W，W,.,W。,T,=Zf(T,R.,W.),其中i=1,2,3.：.6。财务共享总体功能需求与每一个单独需求的权值存在联系,在优化时需要联系影响权值进行综合分析，优化程度计算公式如公式（4）所示。T,=Et=IR(ET,)W,在方案实行过程中,会受到时间的约束,需在规定时间内满足企业功能需求。以S表示满足财务共享服务中心业务功能需求优化集T的单位时间向量集，公司规定交付时间为MT,SMT。同时财务共享中心功能需求完善需要考虑资金成本在内，对功能需求优化需平衡成本与价值之间的关系，设C为满足财务共享服务中心业务功能需求优化集T的单位向量成本,则有预期TC,CTC。综合约束条件，建立财务共享服务中心功能需求优化模型表示如公式（5）所示。6S(T+2P,T,)ST66含C:(T,+言p;T,)TC6=118卷比较与t+期结果为1级的指标最终评价结果(4)(5)功能需求优化内容优先程度判断举证为其中求出举证B的最大特征值与功能需求优化的权重向量,检验矩阵B的相容性，选取相容性最好的矩阵，矩阵公式如公式(3)所示。W,=/Ijtj其中，W,为功能需求优化的重要程度估计值，归一化处理后得到向量W1(i）。根据功能需求优化的业务的不同重要程度，优先优化最重要的业务或一42 一maxT,=Zt=,R(ZT,)W;(Tnm,me 0,12结果分析(3)2.1SOM功能需求动态评价模型性能分析以某集团为模拟分析对象，该集团主要经营业务有房地产、餐饮及建筑材料等方面。公司由于经济业务快速增长，传统的资金管理模式难以保证会2期计信息质量及控制运行成本，需要积极探索新财务共享中心的建设。企业为衡量不同时期的财务共享服务中心功能需求变化情况,对功能需求进行了2次评价，结果如表1所示。表1财务共享服务中心功能需求评价结果需求等级FSSC功能需求评价指标业务流程自动化第1级业务风险管控票据扫描效率第2 级票据匹配准确率影像匹配退单率付款效率第3级付款准确率系统环境完善程度系统功能完备性系统稳定性第4级单据审核准确率业务流程标准化单据审核效率4区第2 轮评价第1轮评价12345678910111213系统输出序列图3基于SOM神经网络财务共享中心需求评价数据聚类结果第2 轮功能评价结果如图3所示。从图中可以看出，单据需求效率由原来的需求等级4级上升为第2 等级，表明单据审核效率功能需求在公司当前发展趋势下急需优化改进。需求等级评价得出财务共享中心功能需求评价需要重点关注的对象分别为业务流程自动化、业务风险管理及单据审核效率。2.2SOM功能需求优化模型性能分析从企业费用报销业务中任意选取56 9组进行实验，验证财务费用报销与质量风险管理模型的有效性，在56 9组数据当中，分配50 0 组数据作为实验的训练数据，余下部分都作为测试数据。采用层次分析法得到共识财务共享中心的功能需求优化权重，根据建立的优化模型，得到财务共享服务中心功能需求权重占比。将六种功能需求按照优化需求权重排序,第一为风险类报销管控功能占比权值占0.7 2 0,第二为内部报销风险管控功能，权重吴信龙SOM神经网络在财务共享中心功能需求动态评价上的应用横坐标序列对应需求功能11业务流程标准化9票据扫描效率2业务流程自动化10单据审核效率3业务风险管理11系统稳定性4影像扫描退单率12系统功能完备性5票据匹配准确率13系统环境完善程度6审核准确率7付款准确率18付款效率占比0.7 0,第三为资金管理风险管控，权重占比0.65,后三位依次是应收业务管控、总账管控及固定资产管控，分别占比0.6 1、0.58 与0.49，经过实际分析，上述权重排序完全符合实验企业发展现状,印证了建模的正确性,合理的功能优化能够促使企业良性发展。表2 预测样本的实验数据样本误判正确率p数量本占比h预测正常样本59预测非正常样本19模型的判定结果如表2 所示,模型能够对样本类型作出正常判断,虽然有些不足，在正常样本的判定当中,52 个样本存在5个错误判断,在非正常样本判断中,共11个样本且存在1例误判,总体正确率都超过了9 0%，达到了企业财务共享中心功一43 一如表1所示,在13个指标当中,第1等级功能需求包括业务流程自动化与业务风险管控两项，该等级为表示当前公司发展趋势下需要优先优化的功能需求，优化权值占比首位。其次，为涵盖票据扫描效率、票据匹配准确率和影响匹配退单率在内的2 级功能需求等级，这一类功能需求优先等级较高，虽满足公司财务管理需求，但是依然需要寻求更好的替代方式。位于第3等级的有付款效率和付款准确率，位于此列的供能需求重要占比一般，若企业有充足发展空间与财力支撑下，可以进行优化改进，该类型优化改进对企业发展影响不大。第4等级功能需包括系统功能完善、系统稳定性、单据审核效率、准确率及业务流程标准化。该类型功能需求优化权重占比较低，优化与否对公司现目前正常运营无太大影响。综上所述，该评价分析结果表明,SOM神经网络在财务共享中心功能需求评价中起到科学、经济有效的评估作用。厂91.52541%17.3913%194.73684%16.852%111实际风险样5贵阳学院学报（自然科学版）（季刊）能需求建设的要求，在一定程度上，财务共享服务中心风险效率管控模型是有效的,能够最大限度助企业规避风险。3结论智能化财务共享中心的建设能够有效推动企业发展，在不同阶段对企业功能需求进行评价能够找出企业迫切需要优化改进的功能，具有现实意义,通过建立模型,对财务共享中心功能需求进行等级划分,确定优化权重，构建目标函数和找出企业存在问题。实验得到该模型在指标评价数据上性能良好，通过模型可以有效检测正确率分别为91.52541%与94.7 36 8 4%，预测出风险占比达到16.852%能够提高会计服务效率和加强风险管理，全面提高财务共享中心的服务质量和运作效率，证明建立的评价模型的可行性，为企业建立财务中心开辟出新的道路。参考文献：1“大智移云时代的企业财务转型与智能财务建设，财务(上接第2 7 页)度及保密性，非上市公司不在数据库内。这也是行业分析的局限性。鉴于此局限性，企业横向分析时，可以基准财务指标数据值比较，这是企业财务指标的下限，也可以和标杆企业的相关指标值比较，这是企业财务指标的上限。(3)实证案例指标值选择考虑较为简单。企业财务可视化评价体系中的指标选择，从微观方面来说可以根据企业特点进行选择，从宏观方面来说，可以将经济走向和突发客观不可抗力进行指标选择，与行业指标进行对比，将客观和主观指标都显示在可视化视图中，这样可以过滤掉客观因素对企业财务指标的影响。（4)实证案例数据量较小。本文实证数据采用的是上市公司公开报表数据，时间跨度为季度。如果需要细致洞察企业财务状况，可以将月报表放人到数据库中；还可以将和企业决策相关的非财务数据采集到的数据库中。一般来说企业每月进行财务分析，通过数据异常波动及时发现财务问题。综上所述，企业智能财务可视化评价体系可动态洞察企业出现的问题5。当然系统建立是否适合需要股东、管理者、财务工作者等各方评估。该系统能够根据数据库信息的更新实时更新各种分18卷共享中心建设、运营与提升”研讨培训班招生J.中国总会计师,2 0 19(3)：2.2杨莹,张学津,苏小琪,等.上市公司金融板块的聚类分析探讨J.中国市场,2 0 19（34）：4-7,15.3曹步清，肖巧翔，张祥平，等.融合SOM功能聚类与DeepFM质量预测的API服务推荐方法J.计算机学报,2 0 19,42(6):136 7-138 3.4李闻一,朱媛媛,刘梅玲.财务共享服务中心服务质量研究J.会计研究,2 0 17(4):59-6 5,9 6.5孙铭.基于SOM神经网络聚类的用气客户全生命周期管理J.天然气工业，2 0 18,38（12）：146-152.6胡欣杰,路川,齐斌.基于SOM神经网络的网络舆情信息分类模型J.兵器装备工程学报，2 0 19,40（3）：108-111.7志刚,郭齐胜，孟庆均，等.基于WER的指挥信息系统功能需求指标体系构建方法J.装甲兵工程学院学报,2 0 0 7(1):13-16.8陈潇怡，李颖.大数据时代企业集团财务共享服务的创建J.财会月刊,2 0 17（4）：17-2 1.屏王建蕊析数据和表格，提供显示直观、实时交互、满足个性化需求的可视化评价体系，减少财务分析的工作量，提高财务工作的效率，将财务经营数据通过大数据和可视化技术转化为生产力6 参考文献：1高翠莲，财务大数据基础M.北京：高等教育出版社,2 0 2 1.2蒋星亮.基于大数据背景下财务转型问题的思考J.商业会计,2 0 19(9)：97-99.3汪刚.财务大数据分析与可视化M.北京：人民邮电出版社,2 0 2 1.4张学东,刘春英.基于PowerBI的某行业上市公司财务报表可视化分析J.中国商论，2 0 2 1（2 4）：150 153.5孔维伟,李家艺.智能财务研究热点与发展趋势：基于CiteSpace的可视化分析J.财会通讯,2 0 2 2（10）：3642.6汪争贤,吴建林,陈胡嵘,等.基于数据中台的财务大数据可视化分析的实现J.经济研究导刊,2 0 2 1（2 0）：128-130.【责任编辑王建蕊责任编辑一44一