CN112668820A - 数据处理方法,装置、存储介质及电子设备 - Google Patents
数据处理方法,装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112668820A CN112668820A CN201910984316.1A CN201910984316A CN112668820A CN 112668820 A CN112668820 A CN 112668820A CN 201910984316 A CN201910984316 A CN 201910984316A CN 112668820 A CN112668820 A CN 112668820A
- Authority
- CN
- China
- Prior art keywords
- financial
- dso
- data
- time period
- analysis model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 24
- 230000036541 health Effects 0.000 claims description 22
- 238000003066 decision tree Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012800 visualization Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本公开涉及一种数据处理方法,装置、存储介质及电子设备。该方法包括:获取当前时间周期内的财务数据,所述财务数据包括应收账款以及合同收入额;将所述财务数据输入预先构建的财务状况分析模型,得到所述财务状况分析模型输出的分析结果,所述分析结果包括所述当前时间周期的销售变现天数DSO值;其中,所述财务状况分析模型包括DSO子模型,所述DSO子模型用于根据时间周期内的应收账款以及合同收入额,计算得到该时间周期内的DSO值。
Description
技术领域
本公开涉及数据处理领域,具体地,涉及一种数据处理方法,装置、存储介质及电子设备。
背景技术
企业无论是处于什么发展阶段,都会遇到一些潜在的或是已存的一些风险或陷阱,而其中现金流危机为最。对于企业来说,产生现金流危机的一些情况要格外引起注意。例如业务飞速增长期,业务增长永远不会均衡,如果业务模式没有设计好,导致了人浮于事,或者是企业缺乏了抗风险能力,预想的业务没有做成,企业就面临了风险,也就减弱了企业对付款回款周期的控制能力,为了获得更多的业务,大部门企业会采取滞后回款期的方式,进而导致信誉降低,就会面临一系列相关的影响。这种多米诺骨牌的效应,对很多企业来说都是很头疼的问题。而一些潜在的付款周期往往从财务报表上反应不出来。
发明内容
本公开的目的是提供一种数据处理方法,装置、存储介质及电子设备,用以解决现有技术无法对企业现金流进行准确分析的问题。
为了实现上述目的,本公开第一方面提供一种数据处理方法,包括:
获取当前时间周期内的财务数据,所述财务数据包括应收账款以及合同收入额;
将所述财务数据输入预先构建的财务状况分析模型,得到所述财务状况分析模型输出的分析结果,所述分析结果包括所述当前时间周期的销售变现天数DSO值;
其中,所述财务状况分析模型包括DSO子模型,所述DSO子模型用于根据时间周期内的应收账款以及合同收入额,计算得到该时间周期内的DSO值。
可选地,所述财务状况分析模型还包括决策树子模型,用于根据财务数据决策出对应健康度的数据标签,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据健康度的数据标签。
可选地,所述财务状况分析模型是通过如下方式训练所述决策树子模型的:
获取多个历史时间周期内的财务数据,以及每一所述历史时间周期对应的销售变现天数DSO值;
根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,得到模型训练样本;
根据所述模型训练样本训练所述决策树子模型。
可选地,所述根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,包括:
判断任一历史时间周期的DSO值在预设的多个DSO范围中所处的目标DSO范围;
为该历史时间周期内的财务数据打上对应该目标DSO范围的数据标签,所述数据标签用于表征财务健康状况;
其中,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据的数据标签。
可选地,所述方法还包括:
根据包括DSO值的所述分析结果通过可视化的方式对企业的决策提供支持信息,所述支持信息至少包括以下信息:
企业之间的DSO值对比信息,DSO值成因信息,企业现金流信息,用于评价企业财务能力和/或信誉能力的评价信息。
可选地,所述方法还包括:
根据所述财务状况分析模型输出的分析结果进行预警。
本公开第二方面提供一种数据处理装置,包括:
获取模块,用于获取当前时间周期内的财务数据,所述财务数据包括应收账款以及合同收入额;
执行模块,用于将所述财务数据输入预先构建的财务状况分析模型,得到所述财务状况分析模型输出的分析结果,所述分析结果包括所述当前时间周期的销售变现天数DSO值;
其中,所述财务状况分析模型包括DSO子模型,所述DSO子模型用于根据时间周期内的应收账款以及合同收入额,计算得到该时间周期内的DSO值。
可选地,所述财务状况分析模型还包括决策树子模型,用于根据财务数据决策出对应健康度的数据标签,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据健康度的数据标签。
可选地,还包括:
创建模块,用于训练所述决策树子模型;
所述创建模块包括:
获取子模块,用于获取多个历史时间周期内的财务数据,以及每一所述历史时间周期对应的销售变现天数DSO值;
执行子模块,用于根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,得到模型训练样本;
训练子模块,用于根据所述模型训练样本训练所述决策树子模型。
可选地,所述执行子模块包括:
判断子单元,用于判断任一历史时间周期的DSO值在预设的多个DSO范围中所处的目标DSO范围;
执行子单元,用于为该历史时间周期内的财务数据打上对应该目标DSO范围的数据标签,所述数据标签用于表征财务健康状况;
其中,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据的数据标签。
可选地,还包括:
可视化模块,用于根据包括DSO值的所述分析结果通过可视化的方式对企业的决策提供支持信息,所述支持信息至少包括以下信息:
企业之间的DSO值对比信息,DSO值成因信息,企业现金流信息,用于评价企业财务能力和/或信誉能力的评价信息。
可选地,还包括:
预警输出模块,用于根据所述财务状况分析模型输出的分析结果进行预警。
本公开第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面任一项所述方法的步骤。
本公开第四方面提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现第一方面任一项所述方法的步骤。
采用上述技术方案,至少能够达到如下技术效果:
基于机器学习方法,通过财务状况分析模块计算包括销售变现天数DSO值的财务分析结果,灵活的掌握企业付款周天天数的变化,并且基于对企业DSO的分析,可以进一步对企业的经营现状进行预测并提供决策指示。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是本公开实施例提供的一种数据处理方法的流程示意图;
图2是本公开实施例提供的一种DSO的计算的示意图;
图3是本公开实施例提供的另一种DSO的计算的示意图;
图4是本公开实施例提供的又一种DSO的计算的示意图;
图5是本公开实施例提供的一种数据处理装置的结构示意图;
图6是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
相关技术中,传统企业管理模式的弊端包括,对于付款周期天数没有深刻的概念和理解,以及没有通过对付款周期的原因分析,从而为企业的决策提供支持。
针对以上问题,本公开实施例利用大数据,人工智能等技术和算法做到自动链接,形成高相似度的决策支持结果,结合企业本身的属性,设计对应的方案,可形成战略决策的判定,从而为企业更好的发展提供导向。下面对本公开实施例提供的一种数据处理方法,装置、存储介质及电子设备进行详细说明。
首先,本公开实施例提供一种数据处理方法,如图1所示,包括:
S11、获取当前时间周期内的财务数据。
其中,企业的财务数据例如可以包括合同收入额,应收账款等,其中,应收账款包括提前发账单未开***的,已发账单且未开***及已开***的,长时间未收回款项的,已发账单但是还未到截止日期收回的,未发账单及未开***的,悬而未决暂停的,汇票等票据,客户要求提前开票等。
所述时间周期可以根据实际账期天数设定,本公开实施例将以90天进行说明,但本领域技术人员应该知悉,本方案在具体实施时,时间周期是可以灵活设定的。
S12、将所述财务数据输入预先构建的财务状况分析模型,得到所述财务状况分析模型输出的分析结果,所述分析结果包括所述当前时间周期的销售变现天数DSO值。
其中,所述财务状况分析模型包括DSO子模型,所述DSO子模型用于根据时间周期内的应收账款以及合同收入额,计算得到该时间周期内的DSO值。
可选地,所述财务状况分析模型可以为决策树模型。
值得说明的是,DSO(Days Sales Outstanding,销售变现天数)表示赊销转化为现金所需要的时间,反映了企业与客户签定的赊销合同规定的信用期不管多长,实际收回所有的赊销产生的应收账款平均需要的天数。该指标既可以用于企业与企业之间、客户与客户之间进行比较,还可以在企业的信用管理上,用作评估及选择客户并制定信用政策的依据之一。
下面举例说明DSO值的几种情况进行说明,如图2至图4所示,图2是DSO值正常的情况,图3是DSO值异常的情况,图4是DSO值糟糕的情况。
如图2所示,第一个月至第三个月的合同收入分别为:50K,50K,50K;第一个月至第三个月的账单分别为:已开***且已回款58.5K,已开***且已回款58.5K,已开***且未回款58.5K;第一个月至第三个月的现金分别为:58.5K,58.5K,0;。因此季度末合同收入为150K,未支付***额为58.5K,由此计算得到的DSO=58.5*90/150=35天。
如图3所示,第一个月至第三个月的合同收入分别为:50K,50K,50K;第一个月至第三个月的账单分别为:第一个月未开***,第二个月已开***且已回款58.5K,第三个月已开***且未回款58.5K;第一个月至第三个月的现金分别为:0,58.5K,0。因此季度末合同收入为150K,未支付***额为58.5K+未开***金额50K=108.5K,由此计算得到的DSO=108.5*90/150=65天。
类似的,如图4所示,第一个月至第三个月的合同收入分别为:50K,50K,50K;第一个月至第三个月的账单分别为:第一个月未开***,第二个月未开***,第三个月已开***且未回款58.5K;第一个月至第三个月的现金分别为:0,0,0。因此季度末合同收入为150K,未支付***额为58.5K+未开***金额100K=175.5K,由此计算得到的DSO=175.5*90/150=105天。
由此,通过DSO值可以清楚了解企业的现金流,DSO天数越大,表明现金流越糟糕。
下面具体说明财务状况分析模型。可选地,所述财务状况分析模型中可以包括决策树子模型,用于根据财务数据决策出对应健康度的数据标签,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据健康度的数据标签。示例地,所述数据标签可以包括表征当前时间周期内财务数据健康度正常的标签A,表征当前时间周期内财务数据健康度异常的标签B,表征当前时间周期内财务数据健康度糟糕的标签C。这样,通过将一定时间周期内的财务数据输入至所述财务状况分析模型,可以从所述财务状况分析模型输出的分析结果中得到对应于所述时间周期内财务数据健康度的数据标签,从而能够帮助企业了解自身财务健康状态。
在一种可能的实施方式中,所述财务状况分析模型是通过如下方式训练所述决策树子模型的:
获取多个历史时间周期内的财务数据;
针对每一所述历史时间周期内的财务数据,以及每一所述历史时间周期对应的销售变现天数DSO值;
根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,得到模型训练样本;
根据所述模型训练样本训练所述决策树子模型。
可选地,所述根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,包括:
判断任一历史时间周期的DSO值在预设的多个DSO范围中所处的目标DSO范围;
为该历史时间周期内的财务数据打上对应该目标DSO范围的数据标签,所述数据标签用于表征财务健康状况;
其中,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据的数据标签。
示例地,参照图2-图4,可以根据DSO值所处的数值区间,分三种数据标签,例如表征DSO正常的标签1,表征DSO异常的标签2,表征DSO糟糕的标签3。这样,对于任一历史时间周期内的财务数据,若依据该财务数据计算得到的DSO值为35,则将该财务数据打上数据标签1,这样,通过模型训练样本训练得到的财务状况分析模型,在输入新的不具备数据标签的财务数据时,该财务状况分析模块可以直接输出用于表征该财务数据是DSO正常、DSO异常还是DSO糟糕的分析结果。
进一步地,本公开实施例提供的数据处理方法还可以包括:
根据包括DSO值的所述分析结果通过可视化的方式对企业的决策提供支持信息,所述支持信息至少包括以下信息:
企业之间的DSO值对比信息,DSO值成因信息,企业现金流信息,用于评价企业财务能力和/或信誉能力的评价信息。
举例来说,企业之间的DSO值对比信息可以用于同行业对标,即根据DSO的结果,对标同行业企业,从而可以对比出同行业不同企业的经营状况和差距。
DSO值成因信息是指,通过DSO天数可以了解造成DSO值异常的原因,从而可以为企业的前台、中台、后台等环节提供建议,从而为业务层面提供有效的指导。例如,可以建议相关环节在合同执行过程中进行紧密跟踪,避免产生争议造成应收账款回收周期过久的情况。
企业现金流信息是指,通过对DSO天数进行分析,可以直观的了解企业现金流的情况。比如可以设置一个DSO天数阈值,例如30或35,DSO天数低于这个值,则说明企业的现金流是良性的,企业的增长在可控范围内;如DSO天数大于这个值,则说明企业的增长过快,此时企业处于不适合再扩张业务的状态。
用于评价企业财务能力和/或信誉能力的评价信息是指,通过对客户DSO值的分析,从而对客户的现金流状态进行预警,进而可以获得客户的财务能力、信誉能力等信息,从而可以通过这些数据为企业的合作提供有效的数据支持。
可选地,所述方法还可以包括:根据所述财务状况分析模型输出的分析结果进行预警。例如,对DSO值设定阈值,超过阈值则输出预警,又或者,对基于DSO值分析得到的企业现金流情况进行预警等。
采用上述数据处理方法,该方法基于机器学习,通过财务状况分析模块计算包括销售变现天数DSO值的财务分析结果,灵活的掌握企业付款周天天数的变化,并且基于对企业DSO的分析,可以进一步对企业的经营现状进行预测并提供决策指示。
本公开实施例还提供一种数据处理装置50,如图5所示,包括:
获取模块51,用于获取当前时间周期内的财务数据,所述财务数据包括应收账款以及合同收入额;
执行模块52,用于将所述财务数据输入预先构建的财务状况分析模型,得到所述财务状况分析模型输出的分析结果,所述分析结果包括所述当前时间周期的销售变现天数DSO值;
其中,所述财务状况分析模型包括DSO子模型,所述DSO子模型用于根据时间周期内的应收账款以及合同收入额,计算得到该时间周期内的DSO值。
可选地,所述财务状况分析模型还包括决策树子模型,用于根据财务数据决策出对应健康度的数据标签,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据健康度的数据标签。
可选地,数据处理装置50还包括:
创建模块53,用于训练所述决策树子模型;
所述创建模块53包括:
获取子模块,用于获取多个历史时间周期内的财务数据,以及每一所述历史时间周期对应的销售变现天数DSO值;
执行子模块,用于根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,得到模型训练样本;
训练子模块,用于根据所述模型训练样本训练所述决策树子模型。
可选地,所述执行子模块包括:
判断子单元,用于判断任一历史时间周期的DSO值在预设的多个DSO范围中所处的目标DSO范围;
执行子单元,用于为该历史时间周期内的财务数据打上对应该目标DSO范围的数据标签,所述数据标签用于表征财务健康状况;
其中,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据的数据标签。
可选地,数据处理装置50还可以包括:
可视化模块,用于根据包括DSO值的所述分析结果通过可视化的方式对企业的决策提供支持信息,所述支持信息至少包括以下信息:
企业之间的DSO值对比信息,DSO值成因信息,企业现金流信息,用于评价企业财务能力和/或信誉能力的评价信息。
可选地,数据处理装置50还可以还包括:
预警输出模块,用于根据所述财务状况分析模型输出的分析结果进行预警。
此外,在具体实施时,所述数据处理装置可以包括处理器和存储器,上述获取模块、执行模块、创建模块、可视化模块和预警输出模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
其中,处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现相应的功能,以解决对应的技术问题。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本发明实施例还提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现所述数据处理方法。
本发明实施例还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述数据处理方法。
本发明实施例提供了一种电子设备600,电子设备600包括至少一个处理器601、以及与处理器连接的至少一个存储器602、总线603;其中,处理器601、存储器602通过总线603完成相互间的通信;处理器601用于调用存储器602中的程序指令,以执行上述的数据处理方法。本文中的电子设备可以是服务器、大数据平台等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
获取当前时间周期内的财务数据,所述财务数据包括应收账款以及合同收入额;
将所述财务数据输入预先构建的财务状况分析模型,得到所述财务状况分析模型输出的分析结果,所述分析结果包括所述当前时间周期的销售变现天数DSO值;
其中,所述财务状况分析模型包括一DSO子模型,所述DSO子模型用于根据时间周期内的应收账款以及合同收入额,计算得到该时间周期内的DSO值。
可选地,所述财务状况分析模型还包括决策树子模型,用于根据财务数据决策出对应健康度的数据标签,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据健康度的数据标签。
可选地,所述财务状况分析模型是通过如下方式训练所述决策树子模型的:
获取多个历史时间周期内的财务数据,以及每一所述历史时间周期对应的销售变现天数DSO值;
根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,得到模型训练样本;
根据所述模型训练样本训练所述决策树子模型。
可选地,所述根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,包括:
判断任一历史时间周期的DSO值在预设的多个DSO范围中所处的目标DSO范围;
为该历史时间周期内的财务数据打上对应该目标DSO范围的数据标签,所述数据标签用于表征财务健康状况;
其中,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据的数据标签。
可选地,所述方法还包括:
根据包括DSO值的所述分析结果通过可视化的方式对企业的决策提供支持信息,所述支持信息至少包括以下信息:
企业之间的DSO值对比信息,DSO值成因信息,企业现金流信息,用于评价企业财务能力和/或信誉能力的评价信息。
可选地,所述方法还包括:
根据所述财务状况分析模型输出的分析结果进行预警。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获取当前时间周期内的财务数据,所述财务数据包括应收账款以及合同收入额;
将所述财务数据输入预先构建的财务状况分析模型,得到所述财务状况分析模型输出的分析结果,所述分析结果包括所述当前时间周期的销售变现天数DSO值;
其中,所述财务状况分析模型包括DSO子模型,所述DSO子模型用于根据时间周期内的应收账款以及合同收入额,计算得到该时间周期内的DSO值。
2.根据权利要求1所述的方法,其特征在于,所述财务状况分析模型还包括决策树子模型,用于根据财务数据决策出对应健康度的数据标签,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据健康度的数据标签。
3.根据权利要求2所述的方法,其特征在于,所述财务状况分析模型是通过如下方式训练所述决策树子模型的:
获取多个历史时间周期内的财务数据,以及每一所述历史时间周期对应的销售变现天数DSO值;
根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,得到模型训练样本;
根据所述模型训练样本训练所述决策树子模型。
4.根据权利要求3所述的方法,其特征在于,所述根据所述DSO值对每一所述历史时间周期内的财务数据进行分类并打上数据标签,包括:
判断任一历史时间周期的DSO值在预设的多个DSO范围中所处的目标DSO范围;
为该历史时间周期内的财务数据打上对应该目标DSO范围的数据标签,所述数据标签用于表征财务健康状况;
其中,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据的数据标签。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述方法还包括:
根据包括DSO值的所述分析结果通过可视化的方式对企业的决策提供支持信息,所述支持信息至少包括以下信息:
企业之间的DSO值对比信息,DSO值成因信息,企业现金流信息,用于评价企业财务能力和/或信誉能力的评价信息。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
根据所述财务状况分析模型输出的分析结果进行预警。
7.一种数据处理装置,其特征在于,包括:
获取模块,用于获取当前时间周期内的财务数据,所述财务数据包括应收账款以及合同收入额;
执行模块,用于将所述财务数据输入预先构建的财务状况分析模型,得到所述财务状况分析模型输出的分析结果,所述分析结果包括所述当前时间周期的销售变现天数DSO值;
其中,所述财务状况分析模型包括DSO子模型,所述DSO子模型用于根据时间周期内的应收账款以及合同收入额,计算得到该时间周期内的DSO值。
8.根据权利要求7所述的装置,其特征在于,所述财务状况分析模型还包括决策树子模型,用于根据财务数据决策出对应健康度的数据标签,所述财务状况分析模型输出的分析结果还包括对应所述当前时间周期内财务数据健康度的数据标签。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984316.1A CN112668820A (zh) | 2019-10-16 | 2019-10-16 | 数据处理方法,装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984316.1A CN112668820A (zh) | 2019-10-16 | 2019-10-16 | 数据处理方法,装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112668820A true CN112668820A (zh) | 2021-04-16 |
Family
ID=75400495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910984316.1A Pending CN112668820A (zh) | 2019-10-16 | 2019-10-16 | 数据处理方法,装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668820A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779500A (zh) * | 2017-02-10 | 2017-05-31 | 宁波易创创业服务有限公司 | 一种基于财务数据与创业管理模型生成报告的***和方法 |
KR101909138B1 (ko) * | 2017-10-31 | 2018-10-17 | (주)에스씨플랫폼 | 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템 |
CN108734586A (zh) * | 2011-05-30 | 2018-11-02 | 传康证券有限公司 | 财务管理*** |
CN109376995A (zh) * | 2018-09-18 | 2019-02-22 | 平安科技(深圳)有限公司 | 财务数据评分方法、装置、计算机设备和存储介质 |
-
2019
- 2019-10-16 CN CN201910984316.1A patent/CN112668820A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108734586A (zh) * | 2011-05-30 | 2018-11-02 | 传康证券有限公司 | 财务管理*** |
CN106779500A (zh) * | 2017-02-10 | 2017-05-31 | 宁波易创创业服务有限公司 | 一种基于财务数据与创业管理模型生成报告的***和方法 |
KR101909138B1 (ko) * | 2017-10-31 | 2018-10-17 | (주)에스씨플랫폼 | 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템 |
CN109376995A (zh) * | 2018-09-18 | 2019-02-22 | 平安科技(深圳)有限公司 | 财务数据评分方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
郭楠: "企业信用管理战略管理平衡计分卡", 《中国优秀博硕士学位论文全文数据库 (硕士)经济与管理科学辑》, no. 8, pages 2 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170323216A1 (en) | Determining retraining of predictive models | |
US20220277331A1 (en) | Systems and methods for procurement cost forecasting | |
KR101597939B1 (ko) | 거시경제지표를 활용한 산업별 신용위험도 예측 장치 및 방법 | |
CN107133862B (zh) | 动态产生增强信用评估的详细交易支付经历的方法和*** | |
CN113538154A (zh) | 风险对象的识别方法、装置、存储介质和电子设备 | |
US11182696B2 (en) | Quantitative discovery of name changes | |
US11276046B2 (en) | System for insights on factors influencing payment | |
CN114997975A (zh) | 一种异常企业识别方法、装置、设备、介质及产品 | |
US20160148318A1 (en) | Policy System | |
US20170017913A1 (en) | Managing data quality and compliance | |
US20180046974A1 (en) | Determining a non-optimized inventory system | |
CN116977063A (zh) | 一种贷款风险监控装置、方法、设备及存储介质 | |
KR101909138B1 (ko) | 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템 | |
US20230116345A1 (en) | Systems and methods for enterprise wide risk assessment and aggregated risk analysis | |
CN112668820A (zh) | 数据处理方法,装置、存储介质及电子设备 | |
CN115860465A (zh) | 一种企业关联数据处理预警方法、***及装置 | |
CN115293291A (zh) | 排序模型的训练方法、排序方法、装置、电子设备及介质 | |
CN110457367B (zh) | 发现数据异动的方法和*** | |
CN112084196A (zh) | 一种流程化数据处理方法及*** | |
JP6121017B2 (ja) | 金融機関経営支援システム及びプログラム | |
EP4207029A1 (en) | Autonomous accounting anomaly detection engine | |
CA2993716A1 (en) | Predictive risk management for supply chain receivables financing | |
KR20190093727A (ko) | 지능형 징수 관리 시스템 및 지능형 징수 관리 방법 | |
CN112308295B (zh) | 违约概率预测方法及装置 | |
US11481368B2 (en) | Automatically rank and route data quality remediation tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |