这是上周的ASUG网络广播,来自金融界。下面是我的笔记。
图1来源:SAP主动营销,更多数字服务应用程序、智能手机服务新税收法规,GDPR
图2:来源:SAP财务转型,机器学习,提出建议,明确行项目,使财务有更多的时间,如分析
图3:来源:SAP"数字化转型"金融是数字核心的一部分,有支柱,更有创意FP&A是EPM(BPC,规划)会计和财务结算–ERP、GRC、EPM–不仅仅是法律报告,还包括部分管理报告(利润中心)财务运营-应付账款、应收账款、费用报告、房地产财务管理-银行通讯、报表、现金管理、营运资金、对冲、投资企业风险与合规–GRC、访问管理、职责分离网络安全和数据保护–新主题
图4:来源:SAPLeonardo–云部署、用户体验、机器人机器学习、区块链、新技术–金融工具更有效地完成其工作
允许金融自动化流程,因此花费更多时间进行分析
做出更多战略决策
图5:来源:SAP财务关闭-端到端执行,采用单个流程,以前的批处理作业,GR/IR,物联网公司排名,现金申请-批处理作业-自动化,无需等待一夜即可访问
欺诈预防,云免服务器购买,检测重复发票
上下文敏感帮助-联合试点"siri for business"–询问企业上下文类型情况
预测未来价值观-查看趋势,模拟假设情景,盈利能力方面-按客户预测盈利能力,产品线
图6:来源:SAP
机器学习,AI-规则引擎,我们过去拥有的东西,配置规则,批处理查看规则,确定对账
规则问题-公司很少见返回并重新配置它们
机器人过程自动化-运行一个宏"一遍又一遍"-如果仍然有效,则不经常重新访问
图6中间,机器学习查看模式,查看异常,异常过程
机器学习从财务团队的行动中学习;不需要重新配置规则
图7:来源:SAP来自SAP HANA的实时信息;不等待BW财务可以实时查看分析
图8:来源:SAPCFO投资组合-更多机器学习方面
GR/IR机器学习推出
图9:来源:SAPKPI–提高未完成销售天数,返利购,能够更快地清除项目
而不是手动处理异常,自动化机器学习
使用机器学习减少手动时间
中央财务是S/4HANA财务的一个实现,允许合并流程
图10:来源:SAP
为什么规则随着时间的推移会变得不那么有效?通常不审查配置规则
例外-信用冻结销售订单,查看专业人员如何处理,机器学习将从这些决策中学习
图11:来源:SAP
客户为发票付款,可以是一张发票,也可以是一笔交易的多张发票;如果多张,如何匹配?可能只有30%的匹配率,其他一切手动(缺失信息)
可能有汇率差异
客户可能打电话,手动信息文档,系统可能不理解(非结构化信息)
财务需要例外处理,需要时间
图12:来源:SAP现金申请查看您的历史记录;至少需要5K条记录;查看财务团队成员对异常的执行情况,查看匹配标准并从中学习
查看匹配的建议
现金申请-您可以决定是自动清除还是给您一个建议;配置信心级别
对财务的好处–财务时间更短,DSO KPI更好;无需返回审查规则
基于SAP云平台–在云上或本地运行
图13:来源:SAP客户发单据,取该信息办理现金申请"智能匹配"
查看单据,参与清算流程
图14:来源:SAP
运行在云端或本地,相同应用
混合架构
图15:来源:SAP
客户可以登录,深度学习数据集,查看他们的支付,在线查看他们,与信用历史集成
图16:来源:SAP
现在有密码箱;1805年起上市S/4HANA
图17:来源:SAP支持的版本
图18:来源:SAP5K以上的文件来训练机器学习取历史文件,运行机器学习引擎截至目前的50个匹配条件(客户号、订单号、实际值)配置公差、置信度
图19:来源:SAP财务手工清算,创建模型,建议清算,不清算,怎么选购云服务器,输出将有概率%精确匹配
图20:来源:SAP匹配概率;可查看报表
图21:来源:SAP
步骤到现金申请
步骤3是运行现金申请作业,它将返回建议-自动清除,如果不在容差范围内,不清除
实时发生,基于HANA
步骤发生顺序
图22:来源:SAP现金流入,与付款通知匹配,基于容忍度级别清除
图23:来源:SAP需要S/4HANA;查看连接到后端口的连接器规模自动化推出更多应用来利用机器学习
问答
Q:后端必须是S/4HANA?A: 是的,考虑到ECC的备份,没有时间表Q: 现金应用云服务看我们的系统吗?A: 提供建议,自动清除配置的一部分75%的置信水平是典型的Q: 我们是否有丢失数据的风险?A: 仍然要看什么被清除以及为什么;不要丢失数据Q: 这种解决方案是否被消费品公司采用?A: 与共同创新客户合作,现在是跨行业的Q: 机器学习模型需要多长时间?A: 学习很快;几天
如果这个应用程序也适用于SAP FI-CA,我会对它感兴趣。你觉得呢?