1. 课程导入

费用报销是企业日常运营中最高频、最贴近业务、也最容易滋生风险的流程之一。它看似只是“填单—审批—付款”的简单链条，实际上牵涉预算控制、合规审计、税务抵扣、资金安全与内控治理。当企业规模扩大、报销单据从每月几十张增长到数万张时，人工抽查已经无法覆盖全部风险点，异常检测便从“可选项”变成“必选项”。本课程的目标，是帮助你把费用报销与审批链中的异常识别，从零散经验升级为可复用的工程能力。

一、学习目标：从看懂单据到构建检测能力

本课程不是单纯讲解财务制度，也不是只教某一种算法，而是围绕“数据—规则—模型—闭环”四个层次展开。完成学习后，你应当能够达到以下目标：

• 理解业务全貌：说清费用报销从申请、审批、支付到入账的完整链路，识别每个环节的关键字段与风险暴露点。
• 掌握异常类型：区分金额异常、时间异常、频次异常、关系异常、审批链异常与票据异常，并能给出对应的检测思路。
• 具备工程落地能力：能够用 SQL、Python 与规则引擎搭建基础检测脚本，输出可解释的异常清单。
• 建立评估意识：理解准确率、召回率、误报成本与审计资源之间的权衡，避免“模型跑通但业务不用”的尴尬。

二、核心价值：为什么审批链比单张单据更值得关注

传统报销审核习惯盯住单张发票：金额是否超标、抬头是否正确、税号是否匹配。但真正隐蔽的风险，常常藏在审批链的结构里。例如，同一审批人长期在深夜集中审批、某部门报销单总是绕过二级审批、某个审批节点平均停留时间异常短、报销人与审批人存在频繁共同出现关系。这些信号单看一张单据并不明显，放到审批链网络中就非常突出。

因此，本课程的核心价值可以概括为三点：第一，从单点审核转向链路审核，把审批人、审批时间、审批顺序、退回记录纳入统一分析；第二，从静态规则转向动态画像，为部门、人员、供应商建立行为基线；第三，从结果追责转向过程预警，在付款前发现可疑链路，而不是事后审计。

三、方法流程：一条可落地的检测流水线

为了让课程内容可操作，我们统一采用一条五步流水线。无论你使用 SQL、Python 还是商业风控平台，都可以按这个顺序推进：

1. 数据准备：抽取报销单主表、明细表、审批日志表、发票表与人员主数据，统一主键与时间格式。
2. 特征构造：计算金额偏离度、审批间隔、路径深度、退回次数、供应商集中度、人员共现频次等指标。
3. 规则与模型并行：硬规则负责拦截明确违规，统计与模型负责发现隐蔽模式，两者结果合并打分。
4. 风险分级：按高风险、中风险、低风险输出清单，高风险直接进入审计工单，中低风险用于抽样与观察。
5. 反馈迭代：把审计结论回写为标签，持续调整阈值、权重与规则，形成闭环。

下面是一段用于构造“审批间隔异常”特征的示例代码，展示如何从审批日志中计算相邻节点时间差：

import pandas as pd

logs = pd.read_csv("approval_logs.csv", parse_dates=["approve_time"])
logs = logs.sort_values(["bill_id", "approve_time"])

logs["prev_time"] = logs.groupby("bill_id")["approve_time"].shift(1)
logs["gap_minutes"] = (logs["approve_time"] - logs["prev_time"]).dt.total_seconds() / 60

# 标记审批间隔过短的可疑记录
logs["fast_approve"] = logs["gap_minutes"] < 1
print(logs[logs["fast_approve"]][["bill_id", "approver", "gap_minutes"]].head())

四、案例与场景：三类高频异常

五、常见误区与复盘

初学者最容易陷入三个误区。第一，只做规则不做基线：固定阈值无法适应不同部门、不同季节的费用波动，误报会迅速累积。第二，只追求模型精度：忽略业务可解释性，审计人员看不懂评分依据，最终弃用。第三，忽略反馈闭环：异常清单发出去就结束，没有把审计结论转化为新规则和新标签，系统会逐渐失效。