速六AI赋能财务速六财易
开源与研究 · 税务与治理

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。

先看这三件事,判断它是否对题

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。

回到税务与治理,接着找相似工作 →
第 01 步

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。

第 02 步

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。

第 03 步借鉴分析

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。

第 04 步

先找适用规则,再核对业务材料

  1. 输入SAP ERP BKPF/BSEG分录字段(各取6或10项,one-hot后401/576维)。
  2. 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。
第 05 步

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。

第 06 步

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。

第 07 步

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 anomaliesA: 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
第 08 步试点建议

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。
第 09 步

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

回到税务与治理业务路线 →

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。

流程衔接参考 · 接到进项发票

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 →
流程衔接参考 · 接到开票

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 →
流程衔接参考 · 接到月结

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 →