论文部分内容阅读
互联网时代下,云计算、人工智能等信息技术发展迅速,财务共享服务模式下的企业管理痛点逐渐区别于传统模式的需求,企业面临的经营管理问题迫切需要依托新型信息化技术进行优化改进。费用报销行为管理作为企业重点关注领域,是以员工行为问题为导向、利用大数据和机器学习算法,创建智能化、个性化的行为管理优化方案,使企业经济管理活动更高效,风险管控力度更加精准稳定。企业要想实现健康可持续发展,就必须保证管理的科学性、灵活性和客观性。通过利用大数据挖掘、机器学习技术,从中挖掘出具有研究价值的重要信息。根据理论的支持、经验的推理以及算法规则的逻辑方法,实现财务共享中心模式下对费用报销行为进行画像、风险动机的识别与智能预警。本文以A集团费用报销行为管理为研究对象,在文献和案例研究的前提下,采用机器学习模型方法对报销行为如何管理优化展开研究。首先阐述了财务共享、费用报销、用户行为画像、人工智能等相关理论,梳理了相关理论在国内外研究现状。再根据实地调研归纳的问题和数据采集,分析了财务共享模式下A集团费用在报销管理项目内容、报销行为流程和报销信息系统的情况,从而整理出A集团费用报销行为管理在用户画像、舞弊行为识别、风险等级预警优化的需求。根据需求进一步进行费用报销行为管理优化设计:采用K-Means聚类算法对费用报销行为问题进行画像分析,增强对行为问题的个性化管理;引入Logistic回归算法对存有舞弊动机的报销行为进行特征判别,弥补主观分析的偏颇,保证评价的客观性;利用C4.5决策树算法建立报销行为风险预警模型,提高对未来违规风险的事前预警和控制。随后是对财务共享模式下基于机器学习的费用报销行为管理优化的具体实施阶段,并提出了对应的保障措施,最后是全文的研究结论与展望。本文就集团现行费用报销行为管理工作存在的问题在分析的基础上提出应对之策,针对集团所面临的报销行为管理问题的痛点,从行为特征画像差异化分类、报销舞弊难以准确判别、风险难以事前等级预测等方面存在的难题,总结出财务共享中心下A集团的费用报销行为管理的优化需求,利用机器学习算法服务决策,提高行为特征画像、舞弊行为判别、行为风险等级预警评价的客观性和精准度。以期帮助企业拥有良性的行为管理措施,为企业改善信用规范现象提供一定的理论和实践的借鉴意义。