Financial shared assistance system based on RPA and Graph RAG
-
摘要:
为解决财务人员数字技术应用能力不足、传统财务流程中数据采集质量差导致重复返工、人工数据处理效率低等问题，设计开发了财务共享辅助系统。采用机器人流程自动化（RPA，Robotic Process Automation）和图检索增强生成（Graph RAG，Graph-based Retrieval-Augmented Generation）技术，实现数据填报收集、RPA自动化处理、智能问答等功能，显著提升财务报账效率，为铁路局集团公司财务共享中心的建设提供支撑。
-
关键词:
- 机器人流程自动化 /
- 图检索增强生成（Graph RAG） /
- 财务共享 /
- 智能问答 /
- 大模型
Abstract:To solve the problems of insufficient digital technology application ability of financial personnel, poor data collection quality in traditional financial processes leading to repeated rework, and low efficiency of manual data processing, this paper designed and developed a financial sharing auxiliary system, adopted Robotic Process Automation (RPA) and Graph Based Retrieval Augmented Generation (RAG) technologies to implement functions such as data reporting and collection, RPA automation processing, and intelligent Question and Answering (Q&A). It significantly improves financial reimbursement efficiency and provides support for the construction of the Financial Shared Center of the Railway Group Corporation Limited.
-
在当前经济环境下，企业因分支机构众多且繁杂，导致财务管理成本急剧攀升，信息传递的时效性大打折扣，进而增加了企业的经营风险。基于此，中华人民共和国财政部与国务院国有资产监督管理委员会大力倡导央企积极构建财务共享服务体系[1-2]。中国国家铁路集团有限公司（简称：国铁集团）全力推动各铁路局集团公司层面的财务共享中心建设工作。
财务共享中心建设过程中存在以下难题。
（1）数据收集导入问题。财务共享中心在正式运行前，需要收集并导入海量的基础数据和期初数据。若采用 Excel 表格填报的方式，极易出现数据错误率高的情况，后续往往需要反复沟通进行修改[3]。
（2）审批流程及数据配置问题。各核算主体的审批流程尚未统一，需要配置数量庞大的审批流业务，同时还要手工录入大量的审批人配置数据。
（3）人员协作问题。财务共享工作的推进离不开财务人员与信息技术人员的协同合作，然而，由于专业领域的差异形成了专业壁垒，导致双方沟通效率低下，难以实现高效配合[4]。
针对以上问题，本文设计财务共享辅助系统，通过引入机器人流程自动化（RPA，Robotic Process Automation）和图检索增强生成（Graph RAG ，Graph-based Retrieval-Augmented Generation）技术，实现数据填报收集、RPA自动化处理、智能问答等功能，加快了财务共享中心的建设速度。
1 系统架构
1.1 网络架构
财务共享辅助系统网络架构如图1所示。
通过安全平台，将内部服务网隔离成内网服务区和内网用户区。内网用户通过终端发起操作，数据先经安全平台确保传输安全，再抵达 Tengine 负载均衡集群，由其分配请求到服务集群的应用服务器处理业务；Ollama 大模型服务器可提供智能能力，助力复杂任务处理；KeyDB 缓存服务器集群能快速读取常用数据，提升响应速度；MinIO 用于存储非结构化数据；OceanBase 数据库集群用于管理结构化数据；UiBot 平台作为 RPA 工具，可自动化执行任务，保障财务共享辅助系统高效、安全运行。
1.2 技术架构
财务共享辅助系统技术架构如图2所示。
1.2.1 基础设施
GPU服务集群为大模型提供算力基础，数据库、MinIO、KeyDB、应用服务器等均部署在铁路局集团公司云平台上。
1.2.2 存储层
采用OceanBase、MinIO和KeyDB作为数据存储、分布式文件存储和数据缓存方案，确保数据的可靠性和持久性，为业务层提供必要的数据支持。
1.2.3 底层框架
财务共享辅助系统主体采用基于SpringBoot的若依框架，RPA自动化处理部分则依赖UiBot平台实现，专业知识智能问答功能部分依赖Ollama大模型运行框架调用GPU服务集群实现。
1.2.4 服务层
通过编写的Java代码，以及Java代码调用的UiBot平台脚本、Ollama运行指令等，实现相关业务功能。
1.2.5 业务网关
通过Tengine集群来实现负载均衡，将用户端的请求均衡的分配到多个应用服务器上。
1.2.6 访问层
支持用户通过浏览器等访问财务共享辅助系统。
2 系统功能
2.1 数据填报收集
根据各项数据的内在联系和规则，设计财务共享辅助系统的数据填报和收集功能，对填报的数据进行校验，提高数据填报质量。
（1）期初数据收集。主要收集在财务共享服务管理信息系统上线使用前产生的财务数据，包含期初其他挂账款、期初业务收入款、期初预付款和期初预收挂账款等4类数据。
（2）基础数据收集。主要收集各单位在财务共享服务管理信息系统使用时必须具备的基础数据，包含核算主体职工单位对应关系、内部单位开票信息、成本中心、成本中心关联部门、付款账户、供应商、供应商银行账号、员工银行账号、部门负责人配置、部门信息、员工信息等11类数据。
（3）基础字典检索。为校验基础数据收集提供依据，包含银行联行号字典、城市字典、电话号码库及供应商信息库等。
（4）数据导出。将各类数据按照财务共享服务管理信息系统数据导入模版的要求，生成符合要求的Excel文件。
2.2 RPA自动化处理
基于UiBot RPA平台，开发相关RPA机器人[5]，从公开渠道爬取数据，更新字典库信息，代替人工进行大规模数据录入和校对工作。
（1）机器人数据采集。供应商字典中客商统一社会信用代码、名称等关键信息频繁变动，且缺乏有效的监控提示机制，难以精准掌握具体变动内容。通过使用RPA技术，开发数据采集机器人，完成数据的采集、清洗和存储变更操作。
（2）机器人数据录入。财务共享服务管理信息系统存在诸如审批人配置、员工岗位等部分类别的数据，需要在上线前大批量录入，并在上线后变更调整。这类工作具有处理流程固定、短期突发、工作量大的特点，如果通过人员处理，会影响其他既定工作安排，继而影响财务共享服务管理信息系统的实施进程。通过开发专门处理数据录入的机器人，代替人工操作。
2.3 专业知识智能问答
AI技术发展迅速，市场上已经存在诸如通义千问、文心一言、ChatGPT等大模型，但是这些大模型都是属于通用大模型，训练时没有针对铁路相关专业知识进行训练，回答铁路相关知识时存在AI幻觉问题，因此，进行提问时无法提供可信的高质量答案；此外，考虑数据安全，无法将相关专业知识提供给非铁路厂商进行大模型训练。
基于上述情况，依托Qwen2-72B大模型和Graph RAG技术，利用Qwen2-72B大模型的通用问题处理能力，以及Graph RAG的搜索结果，组合形成一个具备严谨的问题分类归纳和提供问题解决方案能力的智能问答系统。其工作流程如下。
（1）问题输入：用户提出问题，模型首先对问题进行分析，识别其中的实体和关系。
（2）知识图谱检索：Graph RAG从预先构建的知识图谱中检索与问题相关的实体和关系，生成一个包含多个三元组的子图。
（3）文档检索：基于问题的关键词和知识图谱的提示，检索器从文档库中选取相关文档片段。
（4）图谱推理与生成：生成器结合检索到的文档片段和知识图谱进行回答。
（5）输出：最终的输出是生成的文本，通常更加精准且具有逻辑性。
3 关键技术
3.1 RPA自动化处理技术
RPA是以软件机器人为基础的业务过程自动化处理技术。开发者通过调用RPA平台提供的一些指令，模仿用户操作应用软件图形界面行为，利用这些指令组合自动化完成固定流程的工作。通过使用RPA技术，可以将大量、重复的固定流程的工作交由机器人完成，节省人力。自动化处理流程为：
（1）数据收集。数据采集机器人可通过模拟用户输入、点击和浏览行为，模拟用户操作来自动收集数据。通过UiBot RPA平台提供的获取元素、数据提取、模拟鼠标点击和滚动鼠标滚轮等接口，实现模拟人工操作行为，从相关网站获取数据。
（2）数据清洗。对数据进行删除、修正、转换和整合等操作，以确保数据的准确性和完整性。
（3）数据存储。将数据存入数据库中的对应字典中，对字典存在变更的值进行更新操作。
完成上述配置操作后，财务共享辅助系统将自动核查所有引用旧字典值的业务模块，并自动将相关数据更新为最新字典值。同时，财务共享辅助系统会同步生成包含所有变更记录的 Excel 文件。实施人员通过财务共享服务管理信息系统的数据导入功能上传该文件后，即可完成全局数据更新。
3.2 Graph RAG技术
本文利用Graph RAG 技术，通过融合知识图谱与大型语言模型构建智能问答系统[6-8]，其核心在于构建结构化知识图谱与动态推理引擎的协同机制。当用户提出查询请求时，Graph RAG能够迅速地在知识图谱中找到相关信息，并结合大型语言模型的生成能力，为用户提供准确、全面的回答。
Graph RAG的架构主要包括以下几个部分。
（1）知识图谱构建器。负责从文档或外部数据源中提取实体和关系，构建出结构化的知识表示，将非结构化文本转化为知识图谱。
（2）检索器。负责从大规模的文档库中选取与问题相关的文档。Graph RAG不仅可以检索原始的文本数据，还能基于知识图谱来检索与问题相关的实体和关系，确保信息检索更加精确。
（3）生成器。基于大语言模型，不仅能对检索到的文本生成回答，还会参考知识图谱中包含的结构化信息进行更复杂的推理和生成。生成器可以将知识图谱中的节点和关系作为输入，帮助生成具有推理性和逻辑性的回答。
（4）图谱推理模块。允许Graph RAG在生成过程中动态推理知识图谱中的关系。
4 系统应用
中国铁路南昌局集团有限公司（简称：南昌局）通过使用财务共享辅助系统，显著提升财务共享中心建设效率，体现在以下方面。
（1）建设周期缩短、进展快。南昌局的财务共享中心始建于2024年6月，到2024年11月初完成，建设周期为5个月，建设速度较快，较预期推进时间节省20%以上。
（2）提高工作效率，降低人力依赖。通过使用财务共享辅助系统的RPA自动化功能，代替人工完成大批量数据的录入，降低人力使用需求。原计划需要10个信息人员负责数据录入，实际只使用3个人，达到提质增效的目的。
（3）提供跨领域专业能力支持，加强跨领域复合型人才培养。智能问答功能有效解决以往南昌局财务、信息和一线站段业务人员由于专业领域不同造成相互之间沟通效率低的问题。各专业人员通过使用智能问答功能，可快速理解其他专业的知识，并获取综合各专业知识后形成的建议方案，为跨领域复合型人才的培养提供支持，提高协作效率。
5 结束语
本文设计了财务共享辅助系统，实现数据填报收集、RPA自动化处理、专业知识智能问答等功能，提高财务共享中心的建设效率。后续研究计划为：将原本的SpringBoot框架改造成SpringCloud微服务框架，提升财务共享中心的峰值处理能力，解决可能遇到的高并发问题；紧跟AI发展趋势，不断提升专业知识智能问答功能的效果，如使用智能模型构建知识图谱，可大幅提高知识库构建的知识图谱准确性，减少人工校验的工作量。
-
[1] 王海燕,许正辉. 财务共享服务的研究回顾与简要述评[J]. 常州大学学报(社会科学版),2021,22(4):58-64. [2] 刘永娜. 企业财务共享服务中心建设研究[J]. 中国集体经济,2021(30):142-143. [3] 许海峰. 大数据背景下集团财务共享服务中心的构建探析[J]. 当代会计,2016(8):25-26. [4] 董元波. 湖北电信财务共享服务体系建设研究[J]. 行政事业资产与财务,2011(14):158-159. [5] 马光伟,王 晶. RPA财务机器人在财务共享中心应用探究[J]. 合作经济与科技,2024(22):155-157. [6] 成志宇,陈星霖,王 菁,等. 一种基于知识图谱的检索增强生成情报问答技术[J]. 计算机科学,2025,52(1):87-93. [7] 马基远,朱 艺,王力华. 基于RPA技术的医疗数据自动化处理平台构建与应用[J]. 中国数字医学,2024,19(8):102-107. [8] Edge D, Trinh H, Cheng N, et al. From local to global: a graph RAG approach to query - focused summarization[J]. arXiv preprint arXiv: 2404.16130, 2024. Edge D,Trinh H,Cheng N,et al. From local to global:a graph RAG approach to query - focused summarization[J]. arXiv preprint arXiv:2404.16130,2024.
下载:
计量
- 文章访问数: 49
- HTML全文浏览量: 14
- PDF下载量: 8
