《看穿财报背后的“猫腻”：AI辅助财务数据分析实战课》

看穿财报背后的“猫腻”

AI辅助财务数据分析实战课

主讲：冯硕老师

【课程背景】

当前，财务和风控人员的工作要求越来越高。特别是在供应链金融业务中，监管部门（如国资委）对“虚假贸易”的审查非常严格。以前的财务分析方法，主要靠人工录入数据和计算，速度慢，而且很难处理大量的非表格数据（如扫描件、合同文本）。

财务人员和业务人员经常遇到两个问题：一是花费大量时间做基础的数据录入和计算，没有时间去分析数据背后的真实经营情况；二是很难快速、全面地从互联网上搜集该公司的工商信息、负面新闻和行业数据，导致难以验证客户提供的财务报表是否真实。

本课程将教大家使用国产大模型（DeepSeek）、AI搜索工具（如秘塔）以及零代码智能体工具（如Coze/扣子），改进现有的工作方式。我们将学习如何用AI自动处理内部的财务报表，如何用AI自动搜集外部的市场信息，以及如何搭建私有的政策查询助手。通过结合多维数据，帮助大家从繁琐的机械劳动中解放出来，更准确地识别风险，防止业务踩雷。

【课程收益】

掌握 国产大模型处理非结构化财务数据（PDF/图片）的 3 种核心操作方法。

掌握 垂直类AI搜索工具（如秘塔）进行全网情报搜集的标准步骤。

设计 适用于供应链金融场景的财务分析提示词（Prompt）模板，替代模糊的提问方式。

制定 “表内财务数据”与“表外市场情报”交叉验证的标准作业流程（SOP）。

输出 结构清晰、逻辑严密的财务风险预警报告初稿。

强化 数据驱动的风控思维，从单一维度的财务分析向多维度的经营分析转变。

【课程对象】

企业财务总监、财务经理及会计人员

风控部经理及相关审核人员

对AI工具感兴趣的中高层管理人员

【课程时间】

0.5天（6小时/天）

【课程大纲】

第一部分：为什么别人用AI是神器，我用却是“人工智障”？

—— 解决交互痛点，掌握让AI听懂财务指令的核心方法

1. AI在财务风控中的“能”与“不能”

1.1 认知对齐：大模型不是搜索引擎，也不是计算器

理解AI的“概率预测”机制：为什么它会一本正经地胡说八道？

明确AI的角色边界：它是“超级实习生”，负责执行和预警，不负责最终签字决策。

1.2 财务场景下的三大核心能力图谱

文本理解力：处理合同、审计报告等非结构化文本。

代码执行力：通过写代码（Code Interpreter）处理Excel数据，保证计算准确。

逻辑推理力：识别数据间的矛盾，发现潜在风险。

2. 只有懂行的人，才能写出好指令（提示词工程）

2.1 拆解财务专用提示词的“五维模型”

2.2 现场实操：指令改写工作坊 【实操演练】

案例诊断：分析一句模糊指令（如“分析一下这个表”）的缺陷。

现场改写：运用五维模型，重写一条高质量的财务分析指令。

效果对比：直观感受优化前后AI输出质量的巨大差异。

第二部分：还在对着厚厚的审计报告手工敲数字吗？

—— 解决效率痛点，利用AI实现内部财报的秒级处理与分析

1. 搞定那些无法编辑的“烂”文件（数据清洗）

1.1 扫描件与图片的数字化“复活”

利用DeepSeek多模态功能，识别发票、合同截图中的关键数据。

1.2 脏数据的自动化清洗

2. 让AI代替人工进行指标计算（基础分析）

2.1 关键财务比率的秒级测算

发送指令自动计算偿债能力（流动比率、速动比率）、盈利能力（毛利率、净利率）。

【实操演练】：对比去年数据，自动生成“财务指标变动分析表”。

2.2 营运能力的趋势诊断

分析存货周转天数、应收账款周转天数的异常变化。

识别“存贷双高”等显性财务特征。

3. 像侦探一样发现报表里的猫腻（深度风控）

3.1 逻辑勾稽关系的自动侦测

【实操演练】：检查“经营性现金流”与“净利润”的匹配度，识别“纸面富贵”。

检查“营收增长率”与“应收账款增长率”的剪刀差，预警激进赊销风险。

3.2 针对合规文件的合规排查

扫描报表附注，筛查大额、长账龄的“其他应收款”，防范资金占用。

识别“毛利率极低且长期稳定”的异常业务，预警融资性贸易风险。

第三部分：想查客户底细，却只能百度出一堆广告？

—— 解决信息差痛点，利用AI实现外部情报的精准搜集与整理

1. 工具策略：通用大模型 vs 垂直AI搜索

1.1 什么时候用DeepSeek（联网模式）？

1.2 什么时候用秘塔（AI搜索）？

2. 微观层面：全方位扫描企业信用风险

2.1 司法与舆情的“地毯式”搜索【实操演练】

2.2 关联关系的穿透识别

3. 宏观层面：获取行业数据作为“参照系”

3.1 行业景气度与价格验证【实操演练】

3.2 宏观政策影响评估

第四部分：明明报表看着没问题，为什么还是踩雷了？

—— 解决风控盲点，利用AI实现表内外交叉验证与合规落地

1. 核心方法论：构建“三流合一”的交叉验证逻辑

1.1 “表内数据”与“表外情报”的碰撞

1.2 虚假贸易的综合推理

【实操演练】：将财报数据（DeepSeek提取）与市场情报（秘塔搜集）同时投喂给AI。

2. 成果输出：将分析转化为标准化报告

2.1 生成专业的风控初审报告【实操演练】

3. 长期资产：搭建“问不倒”的合规知识库

3.1 知识库（RAG）的应用原理

为什么通用AI不懂你们公司的“红头文件”？——知识库的必要性。

3.2 现场搭建：企业私有政策查询助手