在工业制造的数字化浪潮下，财务审计的角色正在发生深刻重塑。传统依赖经验与人工判断的财务监督体系，正在逐步让位于以数据驱动、智能识别为核心的新审计逻辑。在这场审计模式的迭代中，如何建立一套高敏感度、高准确率、高响应速度的风险识别机制，成为摆在所有企业面前的共同难题。
在无锡中石油润滑脂有限责任公司，审计科科长杨哲率先给出了自己的答案。她主导研发并推动落地的“两大智能系统”——“一种多维度财务风险智能预警分析平台V1.0”与“基于深度学习的非结构化财务票据识别系统V1.0”，正是当前中国制造企业走向高质量合规审计的现实样本。
用算法守住第一道风控防线
过去，财务风控依赖经验和人工比对，面对高速变化的市场与企业内外部数据，往往滞后且难以穿透关键风险。而“多维度财务风险智能预警分析平台V1.0”的核心意义，在于通过数据建模与机器学习手段，为企业建立一套“前置性”的风险雷达。
该平台由杨哲牵头开发，在模型逻辑上采用随机森林算法，集成企业自身的财务报表数据与行业市场变量（如政策调整、原材料价格波动），实现对企业财务状况的动态评估。平台可实时计算企业在各维度（如现金流充足度、负债结构合理性、盈利稳定性）上的风险等级，生成视觉化的预警仪表盘，并在超过预设阈值时自动推送风险提示。
在应用场景中，该平台已成功识别出某外包合同付款节奏异常所带来的现金流紧张风险，通过系统提示，使管理层提前两周介入审查并调整付款计划，避免了可能的财务断链。这类“事前发现、事中控制、事后分析”的机制，正是杨哲希望为企业建立的审计生态系统。
破解“发票山”：让票据管理不再是审计短板
除了系统性风险，基层财务场景中的“票据混乱”一直是内控治理的薄弱环节。每年企业财务部门需要处理成千上万张非结构化票据，从发票到银行回单、合同副本，人工录入耗时耗力，且容易遗漏关键信息、产生合规瑕疵。
针对这一“数据非结构化”难题，杨哲牵头设计了“基于深度学习的非结构化财务票据识别系统V1.0”。该系统融合了卷积神经网络（CNN）与光学字符识别（OCR）技术，能对50余种不同票据类型进行自动识别和分类处理。
“准确率达98.5%，这不是一次性识别的结果，而是长期与一线票据场景磨合后的实战成果。”杨哲介绍说，该系统除了具备批量识别能力，还可自动提取关键信息字段（如金额、日期、供应商名称），并与企业的ERP系统打通，实现票据与账务数据的自动匹配。
更为先进的是，该系统内置的异常票据标记机制。通过模型训练与经验规则库积累，系统能在识别过程中标记出模糊不清、金额重复、逻辑冲突等疑点票据，提示审计人员进行重点核查。在实践中，该功能已协助审计团队发现了多起供应商重复报销、合同付款金额与发票不符的情况。
技术落地的背后：从工具到制度的跃迁
不同于高校或研究机构的探索性技术应用，杨哲所领导的两个系统并非“技术样品”，而是真正穿透进了企业的管理流程。
在“风险预警平台”推出初期，她组织多轮财务与业务团队的对接会议，逐条拆解指标口径、风险权重与分析阈值，确保系统评估结果能被管理层真正“看懂”和“用起来”。而在“票据识别系统”上线过程中，她则主导编制了《票据数字化归档与审核指引》，确保一线员工也能准确执行数据上传与分类操作，从而推动技术能力转化为组织能力。
这也正是杨哲审计理念中最重要的一环：“技术要服务于制度执行力。”她认为，一个系统是否先进，不能只看算法复杂度，而应看它能否被流程吸收、为决策赋能、在合规框架下提升治理效率。
被认可的价值：技术与行业的双向链接
杨哲的技术探索并未止步于企业内部。她先后与无锡市时畅计算机有限公司、无锡昊呈电子科技有限公司等技术服务企业签署成果授权协议，将两个系统的部分功能模块输出，协助对方提升其面向金融、物流等不同行业客户的财务系统解决方案能力。
与此同时，这些成果也得到了行业专家与外部机构的高度评价。南京林业大学经济管理学院教授贾卫国在推荐信中指出：“杨哲所主导研发的风险预警系统在风险指标建模、数据敏感度设定与自动报告机制设计上具有显著原创性，能有效弥补中型制造企业风险识别滞后的常见短板。”
值得一提的是，两项成果均被评为“青鸾奖”财务审计数字化领域的年度创新典范，分别获得“2023年度财务审计数字化转型杰出人物奖”与“2023年度智能风控技术创新成果奖”双重殊荣。
写在最后
站在数字化审计的新十字路口，杨哲所推动的这场“从经验走向智能”的财务治理升级，为行业提供了极具参考价值的路径。一方面，她用两个系统证明了数据科技可以深度嵌入审计主线，构建实时、精准、高效的风控机制；另一方面，她也以制度化落地和跨组织合作的视野，展现了一位企业审计人的格局与远见。
未来，财务审计不再是“守门人”的角色，而是企业运行风险画像与资源配置方向的规划师。而像杨哲这样，以实务经验为基础、以技术创新为工具、以治理进化为使命的专业人才，正在成为新时代企业不可或缺的“财务中枢”。（文 / 韩文婧）
