蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

2020年12月6日，由上海國家會計學(xué)院、中國石油天然氣集團(tuán)有限公司、金蝶軟件（中國）有限公司、元年科技股份有限公司、美國管理會計師協(xié)會（IMA）、上海藝賽旗軟件股份有限公司、深圳市中興新云服務(wù)有限公司、科大訊飛股份有限公司、用友網(wǎng)絡(luò)科技股份有限公司、浪潮通用軟件有限公司、經(jīng)邦軟件技術(shù)有限公司、特許公認(rèn)會計師公會 （ACCA）共同主辦的第三屆智能財務(wù)高峰論壇在上海國家會計學(xué)院圓滿落幕。本屆峰會以“智能財務(wù)促進(jìn)管理價值重塑”為主題， 圍繞智能財務(wù)的基礎(chǔ)研究、技術(shù)與方法、應(yīng)用實踐、產(chǎn)品研發(fā)、產(chǎn)業(yè)生態(tài)、人才培養(yǎng)、標(biāo)準(zhǔn)建設(shè)等議題進(jìn)行研討，以助推中國智能財務(wù)的應(yīng)用實踐和理論研究，促進(jìn)管理價值重塑。

對此，用友網(wǎng)絡(luò)數(shù)據(jù)智能產(chǎn)品總監(jiān)陳宏志博士進(jìn)行了分享。如下為演講的主要觀點：

數(shù)據(jù)和智能將有助于更深層次的發(fā)現(xiàn)影響預(yù)算管理的關(guān)鍵因素。數(shù)字化進(jìn)入了起步期，在這個過程中現(xiàn)了一系列的難點。進(jìn)入世界500強(qiáng)央企，100%實行了全面預(yù)算管理，全面預(yù)算管理在企業(yè)控制成本、提高績效等方面價值明顯。但在實際運用過程中，智能技術(shù)應(yīng)用無論數(shù)量還是質(zhì)量上仍然處于比較低的層次?？山馕龅南嚓P(guān)性將應(yīng)用與輔助決策。機(jī)器學(xué)習(xí)分析過程是可解釋的，但特征工程有大量需要數(shù)學(xué)介入，機(jī)器學(xué)習(xí)結(jié)合分析過程形成分場景的認(rèn)知智能，或?qū)⒂兄谳o助決策。智能預(yù)算主要影響因素將反映在收入和現(xiàn)金上，但更多的變量融合，建立算法模型，將有可能實現(xiàn)更精準(zhǔn)的預(yù)測并指導(dǎo)決策制定。AI應(yīng)用到智能財務(wù)領(lǐng)域，需要降低門檻，實現(xiàn)普惠化。一是工程化過程非常復(fù)雜，需要大量跨界人才介入，從模型數(shù)據(jù)采集、數(shù)據(jù)清洗、模型訓(xùn)練、上線、編云一體化的部署。二是算法模型持續(xù)運營不易需要重新訓(xùn)練驗證，培養(yǎng)數(shù)據(jù)科學(xué)家或者算法工程師成本非常高。

研究目標(biāo)在于：一是嘗試已企業(yè)生產(chǎn)經(jīng)營多模態(tài)、多元數(shù)據(jù)為基礎(chǔ)，將流程驅(qū)動改為數(shù)據(jù)驅(qū)動。二是面向特定細(xì)分領(lǐng)域，實現(xiàn)多算法并行計算，分流實驗，并行比較。三是發(fā)現(xiàn)關(guān)鍵指標(biāo)，面向細(xì)分場景，通過試驗分流，比較試驗，選擇最優(yōu)特征模型。四是實現(xiàn)AI算法、模型、數(shù)據(jù)清洗過程等智能管理關(guān)鍵的低門檻進(jìn)行。五是探索低門檻AI方案的泛化模式。

研究意義在于：進(jìn)一步豐富AI應(yīng)用場景，探索AI如何賦能全面預(yù)算管理；探索多行業(yè)、多領(lǐng)域、多場景，面向業(yè)財一體的全面預(yù)算管控應(yīng)用場景和指標(biāo)，提升全面預(yù)算準(zhǔn)確性和科學(xué)性，有效輔助決策；變革預(yù)算管控模式，變定性為定量決策、變流程驅(qū)動為數(shù)據(jù)驅(qū)動；推動敏捷復(fù)用，結(jié)合用友低門檻人工智能開放平臺，探索全面預(yù)算關(guān)聯(lián)指標(biāo)分流推演模式，探索智能全面預(yù)算管理的低門檻敏捷復(fù)用的可行性。

本研究以汽車和零售領(lǐng)域上市公司為研究對象。數(shù)據(jù)大類除了宏觀環(huán)境因素、匯率因素、經(jīng)營成本因素、成品油價格、企業(yè)產(chǎn)銷因素，同時結(jié)合GDP、企業(yè)景氣指數(shù)、PMI、匯率、貴金屬、OPEC主要產(chǎn)油國油價、產(chǎn)量、銷量等關(guān)鍵指標(biāo)。算法選型包括時間序列、ARIMA、隨機(jī)森林、混頻神經(jīng)網(wǎng)絡(luò)等，沒有考慮深度學(xué)習(xí)而是在神經(jīng)元網(wǎng)絡(luò)上進(jìn)行一系列混頻神經(jīng)網(wǎng)絡(luò)處理，嘗試實現(xiàn)業(yè)務(wù)可解釋。

行業(yè)：汽車、零售行業(yè)。（高頻場景，對內(nèi)外部環(huán)境因素的變化更為敏感，財務(wù)數(shù)據(jù)較為可靠，不存在法律風(fēng)險）

場景：建立現(xiàn)金、收入預(yù)測模型，探索和發(fā)掘適合汽車制造、零售行業(yè)的現(xiàn)金和收入預(yù)測模型，分析各類主流模型在全面預(yù)算管理領(lǐng)域的適用場景。

目標(biāo)：在汽車、零售行業(yè)，選取兩家頭部用戶，以公開的經(jīng)營數(shù)據(jù)和財務(wù)數(shù)據(jù)為主，以內(nèi)外部環(huán)境數(shù)據(jù)為輔助，探索和建立適用于汽車、零售行業(yè)的現(xiàn)金和收入預(yù)測AI模型及解決方案，發(fā)掘可用于全面預(yù)算推演和輔助決策的相關(guān)特征，支持企業(yè)預(yù)算管理過程的動態(tài)輔助決策。

基于用友統(tǒng)一智能工作坊，實現(xiàn)低代碼實驗分流和多場景推演。底層將AI基礎(chǔ)能力，包括識別、分類、預(yù)測等場景的算法和模型進(jìn)行包裝。在此之上是智能工廠訓(xùn)練器，在數(shù)據(jù)清洗后基于統(tǒng)一平臺，對其進(jìn)行無代碼訓(xùn)練。同時RPA+AI經(jīng)過智能機(jī)器人設(shè)計器包裝之后，向上可以支持各個不同點狀場景的快速開發(fā)，顯著提高效率。隨后導(dǎo)入算法包，配置訓(xùn)練過程，算法模型在界面底層顯現(xiàn)，API格式輸出支持多流量推演。API實驗分流環(huán)節(jié)依托AI中臺，將數(shù)據(jù)清洗后實施特征工程、沖擊分析、多模型推演，四種不同算法結(jié)合四種不同特征組合情況下，可以并行進(jìn)行推演和模型，對其預(yù)測精度進(jìn)行比較，在并行計算和分布式計算環(huán)境下，推演出最佳求解?；谄脚_進(jìn)行算法預(yù)封裝，全程無代碼執(zhí)行，一鍵式推理上線和模型評估。

基于API分流平臺，從分析結(jié)果來看，汽車制造企業(yè)的收入預(yù)算與宏觀經(jīng)濟(jì)、行業(yè)景氣程度、固定資產(chǎn)投資等宏觀環(huán)境密切相關(guān)，外部匯率、經(jīng)營成本、油氣價格等因素也是影響汽車制造業(yè)收入的重要因素。宏觀環(huán)境因素、外部匯率因素、經(jīng)營成本因素、成品油價格因素及企業(yè)產(chǎn)銷情況五個因素作為企業(yè)收入目標(biāo)的沖擊因素。

隨機(jī)森林算法對宏觀經(jīng)濟(jì)營銷最為敏感，但從全局角度，混頻神經(jīng)網(wǎng)絡(luò)的魯棒性和預(yù)測結(jié)果更準(zhǔn)確。時間序列模型的缺點在于依據(jù)歷史數(shù)據(jù)進(jìn)行線性變換，且僅依賴于財務(wù)數(shù)據(jù)就能做出預(yù)測，但實際上不能體現(xiàn)企業(yè)內(nèi)外部環(huán)境如宏觀經(jīng)濟(jì)、行業(yè)形勢等的變化，因此在實際預(yù)測過程中誤差較大，且具有一定的滯后性。

隨機(jī)森林算法在預(yù)測精度上表現(xiàn)出了優(yōu)秀的效果，實驗表明納入宏觀經(jīng)濟(jì)變量的預(yù)測效果更優(yōu)。因此該算法也非常適合于事件沖擊、內(nèi)外部環(huán)境變化對收入預(yù)算影響較大的企業(yè)?；祛l神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢在于將企業(yè)的行業(yè)數(shù)據(jù)、財務(wù)數(shù)據(jù)等不同口徑不同頻率的數(shù)據(jù)統(tǒng)一進(jìn)入模型，MIDAS的形式納入了指標(biāo)的滯后性，且后端的神經(jīng)網(wǎng)絡(luò)模型保證了非線性預(yù)測的精度，一定程度上解決了模糊性和不確定性的問題。復(fù)用到零售行業(yè)后，混頻神經(jīng)元網(wǎng)絡(luò)在預(yù)算收入和現(xiàn)金預(yù)測方面，富有更顯著的優(yōu)勢。對于企業(yè)收入來說，門店數(shù)量對其貢獻(xiàn)比較大，門店數(shù)量每增長1個單位，企業(yè)收入將增長58.4%，職工數(shù)量每增長1個單位，企業(yè)收入將增長26.83%。企業(yè)景氣指數(shù)每增長1個單位，企業(yè)收入將下降18.87%。零售行業(yè)的收入呈周期性螺旋上升，波動呈現(xiàn)出一定的規(guī)律性，且依賴于宏觀整體經(jīng)濟(jì)環(huán)境及門店規(guī)模，使用歷史數(shù)據(jù)的時間序列方法預(yù)測效果十分顯著。

預(yù)算關(guān)鍵指標(biāo)具有一定可預(yù)測性。通過時序、隨機(jī)森林、混頻神經(jīng)網(wǎng)絡(luò)、隨機(jī)過程神經(jīng)網(wǎng)絡(luò)，均可對企業(yè)現(xiàn)金和收入進(jìn)行預(yù)測，全面預(yù)算關(guān)鍵指標(biāo)具有一定的可預(yù)測性。

機(jī)器學(xué)習(xí)優(yōu)于傳統(tǒng)統(tǒng)計分析。綜合汽車制造及零售行業(yè)的推演分析結(jié)果，混頻神經(jīng)網(wǎng)絡(luò)，隨機(jī)過程神經(jīng)網(wǎng)絡(luò)對現(xiàn)金和收入指標(biāo)的預(yù)測效果顯著優(yōu)于其他樹狀推理機(jī)或傳統(tǒng)多元統(tǒng)計推理機(jī)。

隨機(jī)森林有助于挖掘沖擊關(guān)系。隨機(jī)森林對宏觀環(huán)境等典型沖擊因素較為敏感，在財務(wù)指標(biāo)預(yù)測時，可作為神經(jīng)節(jié)點的調(diào)節(jié)權(quán)重。

數(shù)據(jù)豐度的提升將有助于對沖稀疏性。財務(wù)管理，尤其是全面預(yù)算，與企業(yè)生產(chǎn)經(jīng)營全價值鏈密切相關(guān)。財務(wù)指標(biāo)相比其他類型數(shù)據(jù)，存在天然的稀疏性，通過增加數(shù)據(jù)豐度，將使機(jī)器學(xué)習(xí)更好地服務(wù)于全面預(yù)算管理。

全面預(yù)算管理可大規(guī)模、低代碼泛化。低代碼開發(fā)降低AI門檻，通過訓(xùn)練、推理、上線、運營、重復(fù)訓(xùn)練過程賦能業(yè)務(wù)人員的方式，可以實現(xiàn)從感知智能、認(rèn)知智能向企業(yè)及群體智能的轉(zhuǎn)變。同時，通過RPA+AI的方式可以實現(xiàn)BI做增強(qiáng)分析。將AI作為中心或者企業(yè)級決策大腦同時輔助RPA、增強(qiáng)分析，許多商業(yè)智能應(yīng)用乃至于流程自動化應(yīng)用可以規(guī)模化復(fù)制?；贏PI分流和推理平臺，算法的泛化、分布式學(xué)習(xí)、群體式學(xué)習(xí)、聯(lián)邦學(xué)習(xí)的進(jìn)程也將變得低代碼化。這樣的情況下，整個算法模型跨行業(yè)乃至同行業(yè)跨場景的一系列復(fù)用將變得更加簡單。

基于RPA的智能操作，在用戶授權(quán)和充分保證用戶隱私條件下，綜合利用全面預(yù)算相關(guān)的預(yù)測數(shù)據(jù)，基于規(guī)則和機(jī)器學(xué)習(xí)模型實現(xiàn)智能化自動化表單操作，預(yù)測用戶的報表填報行為，并由RPA腳本自動錄入，減輕用戶錄入工作量和校驗工作量，提高用戶效率，提升用戶體驗和系統(tǒng)友好性。另一方面是智能操作RPA的規(guī)模化復(fù)制，在數(shù)據(jù)中臺數(shù)用分離，低代碼實施AI訓(xùn)練，通過數(shù)據(jù)中臺打通BI，增強(qiáng)分析的自定義設(shè)計。在機(jī)器人廣場上通過低代碼機(jī)器人設(shè)計實現(xiàn)了RPA乃至于語音機(jī)器人VPA、虛擬個人助手一系列機(jī)器人實地的快速復(fù)用。

智能制造領(lǐng)域，將數(shù)據(jù)治理、特征工程、算法模型訓(xùn)練過程，通過低門檻AI平臺進(jìn)行離線訓(xùn)練和驗證。模型收斂后，通過端側(cè)輕量化推理工具，向工業(yè)領(lǐng)域、底層OT進(jìn)行賦能，可以顯著收縮推理至上線時間，通過遷移學(xué)習(xí)機(jī)制，場景泛化、行業(yè)泛化、模式遷移比原有傳統(tǒng)項目制方式復(fù)制更加迅速。

（本文系根據(jù)第三屆智能財務(wù)高峰論壇演講錄音整理，未經(jīng)本人審閱）