十张图说明机器学习在S/4中的应用

 

 

本文根据公开资料整理，不代表SAP官方

 

今天我们用SAP Cash Application作为例子，看看机器学习是如何应用在SAP S/4HANA中的。

 

图一：没有机器学习的世界

 

 

这就是传统的执行银行对账单清账的方式。导入对账单后，要由会计人员手工匹配收款信息和发票信息，这是个重复性很高的工作。

 

 

图二：将机器学习应用于银行对账单处理

 

 

引入机器学习后，大大减少手工处理，机器学习能根据过往的收付款清帐记录进行学习，并对新的银行对账单给出清账建议。

 

 

图三：SAP云平台是背后的大脑

 

 

并非所有S/4HANA用户都可以默认使用Cash Application的机器学习功能的，要使用这个功能，必须确保对应SAP云平台（SAP Cloud Platform）上的功能也**。

 

 

图四：机器学习，学习很重要

 

 

在能够使用机器学习给出清账建议之前，首先要对其进行训练。

 

 

图五：看看细致的步骤

 

 

导入的银行对账单，可以区分收款和付款，再匹配到客户/供应商/总账科目上。再由机器学习算法给出清账建议，例如针对一张发票的收款，针对多张发票的收款，多笔收款针对一张发票等等。

 

 

图六：操作步骤

 

 

• 导入对账单

• 执行标准清账规则

• 计划SAP Cash Application Job

• 由机器学习算法进行推荐

• 自动清账

• 手工再进行进一步处理

 

 

图七：配置

 

 

以下内容可以配置

• 清账建议的目标准确率

• 自动清账的目标准确率

• 机器学习的训练时长

• 等等

 

图八：计划作业

 

 

使用Scheduling Accounts Receivable Jobs这个Fiori App，选择Cash Application: Automatic Bank Statement Reprocessing。

 

 

图九：处理银行对账单

 

 

上图显示的是经过机器学习算法处理之后的结果，处理完之后的对账单有多种状态，在系统中要使用Fiori App – Reprocess Bank Statement Items来查看和进一步处理。

 

 

图十：查看某一个成功的对账单行项目

 

 

可以看到机器学习算法对于清账成功准确率的预测。

 

Enjoy learning...