AI + Python：财务人员的效率革命

副标题：10 个真实场景，让你的财务工作从手忙脚乱到游刃有余

写在前面

小李是某制造企业的财务专员，每月末的那几天，她的桌上总是堆满了密密麻麻的 Excel 表格。手动核对银行流水、合并各部门报销单、汇总各子公司利润表……加班到深夜是常态。

直到有一天，她的同事小张给她看了一段 Python 代码，不到 30 秒，3000 行的银行流水核对完毕，精准无误。

小李愣了半分钟，然后问：「这是 AI 帮你写的？」

「对，我就跟 AI 说了一下需求，它就给了我代码。」小张淡淡地说。

这就是本文想告诉你的：你不需要精通编程，只需要会描述问题，AI 就能帮你写出让工作效率翻倍的 Python 代码。

案例一：银行流水自动对账

背景

陈会计在一家连锁餐饮公司做出纳，每个月要核对公司银行账户与财务系统之间的流水差异。银行导出的是 Excel，财务系统导出的是另一个 Excel，格式完全不同——日期格式、金额正负号、摘要描述都不一样。

以前她要花整整两天来手动比对，眼睛都看花了，还经常漏掉几笔。老板催着要对账结果，她急得直冒汗。

她把需求告诉了 AI：「帮我写一个 Python 脚本，把银行流水 Excel 和财务系统流水 Excel 做自动比对，找出未匹配的记录。」

AI 给出了这段代码：

import pandas as pd

# 读取银行流水和账务系统数据
bank_df = pd.read_excel('bank_statement.xlsx')
sys_df = pd.read_excel('system_records.xlsx')

# 统一日期格式
bank_df['date'] = pd.to_datetime(bank_df['交易日期'])
sys_df['date'] = pd.to_datetime(sys_df['记账日期'])

# 统一金额（绝对值匹配）
bank_df['amount'] = bank_df['交易金额'].abs()
sys_df['amount'] = sys_df['借贷金额'].abs()

# 生成匹配 key（日期 + 金额）
bank_df['key'] = bank_df['date'].dt.strftime('%Y-%m-%d') + '_' + bank_df['amount'].astype(str)
sys_df['key'] = sys_df['date'].dt.strftime('%Y-%m-%d') + '_' + sys_df['amount'].astype(str)

# 找出未匹配记录
bank_only = bank_df[~bank_df['key'].isin(sys_df['key'])].copy()
sys_only  = sys_df[~sys_df['key'].isin(bank_df['key'])].copy()

# 写出结果
with pd.ExcelWriter('reconciliation_result.xlsx') as writer:
    bank_only.to_excel(writer, sheet_name='银行有_系统无', index=False)
    sys_only.to_excel(writer, sheet_name='系统有_银行无', index=False)

print(f'银行单边: {len(bank_only)} 笔，系统单边: {len(sys_only)} 笔')
print('对账结果已保存至 reconciliation_result.xlsx')

效果： 原来两天的工作，现在 30 秒完成。陈会计说：「我现在月末最轻松的活就是对账了。」

案例二：多部门报销单自动汇总

背景

王财务在集团财务部，负责汇总 12 个部门每月提交的报销明细。每个部门用的 Excel 模板格式略有差异——有的叫「报销金额」，有的叫「实报金额」，有的合并了单元格，有的没有表头……

以前她要先手动统一格式，再复制粘贴，每次至少花 4 小时，还容易出错。

她问 AI：「帮我写一个 Python 脚本，读取一个文件夹里所有部门的报销 Excel，自动汇总到一张总表，并按部门统计合计金额。」

import pandas as pd
from pathlib import Path

# 字段名映射
COLUMN_MAP = {
    '报销金额': 'amount', '实报金额': 'amount',
    '费用金额': 'amount', '金额': 'amount',
    '部门': 'dept', '申请部门': 'dept',
    '费用类型': 'category', '报销类型': 'category',
    '费用说明': 'description', '事由': 'description',
}

all_records = []
for file in Path('reports/').glob('*.xlsx'):
    try:
        df = pd.read_excel(file)
        df.rename(columns={k: v for k, v in COLUMN_MAP.items() if k in df.columns}, inplace=True)
        df['source_file'] = file.name
        if 'amount' in df.columns:
            df['amount'] = pd.to_numeric(df['amount'], errors='coerce')
            all_records.append(df)
    except Exception as e:
        print(f'读取 {file.name} 失败: {e}')

combined = pd.concat(all_records, ignore_index=True)
summary = combined.groupby('dept')['amount'].agg(['sum', 'count']).reset_index()
summary.columns = ['部门', '报销总额', '报销笔数']

with pd.ExcelWriter('expense_summary.xlsx') as writer:
    combined.to_excel(writer, sheet_name='明细汇总', index=False)
    summary.to_excel(writer, sheet_name='部门统计', index=False)

print(f'共汇总 {len(all_records)} 个文件，{len(combined)} 笔记录')

效果： 12 个文件、400 多条记录，10 秒汇总完毕，原来 4 小时的工作量瞬间消失。

案例三：PDF 发票批量信息提取

背景

刘总监所在的公司每月处理 500 张以上增值税发票，财务团队要逐一核对发票号码、金额、税率。纯手工操作不仅效率极低，还因录入出错差点引发税务风险。

她让 AI 写代码从 PDF 发票中批量提取关键信息：

import pdfplumber, re, pandas as pd
from pathlib import Path

def extract_invoice_info(pdf_path):
    info = {'file': Path(pdf_path).name, 'invoice_no': '',
            'invoice_date': '', 'buyer': '', 'seller': '', 'total': ''}
    try:
        with pdfplumber.open(pdf_path) as pdf:
            text = ''.join(p.extract_text() or '' for p in pdf.pages)

        patterns = {
            'invoice_no':   r'发票号码[：:]\s*(\d+)',
            'invoice_date': r'开票日期[：:]\s*([\d年月日]+)',
            'buyer':        r'购\s*买\s*方.*?名\s*称[：:]\s*(.+)',
            'seller':       r'销\s*售\s*方.*?名\s*称[：:]\s*(.+)',
            'total':        r'合\s*计.*?[¥￥]\s*([\d,]+\.?\d*)',
        }
        for key, pat in patterns.items():
            m = re.search(pat, text)
            if m:
                info[key] = m.group(1).strip().replace(',', '')
    except Exception as e:
        info['error'] = str(e)
    return info

results = [extract_invoice_info(f) for f in Path('invoices/').glob('*.pdf')]
df = pd.DataFrame(results)
df.to_excel('invoice_list.xlsx', index=False)
print(f'共提取 {len(df)} 张发票信息')

效果： 500 张发票 5 分钟提取完毕，准确率 95%+，剩余 5% 自动标注需人工复核。刘总监说：「以前这活要两天，现在交给实习生跑个脚本就行了。」

案例四：月度利润表自动生成与对比分析

背景

赵经理是某上市公司子公司财务负责人，每月要向集团汇报利润表，还要与上月、去年同期做对比分析，手动写备注说明差异原因，每月加班两个晚上。

import pandas as pd, openpyxl
from openpyxl.styles import Font, PatternFill, Alignment
from openpyxl.utils import get_column_letter

current   = pd.read_excel('profit_current.xlsx',    index_col=0)
last_m    = pd.read_excel('profit_last_month.xlsx',  index_col=0)
last_y    = pd.read_excel('profit_last_year.xlsx',   index_col=0)

df = pd.DataFrame({'本月': current['金额'], '上月': last_m['金额'], '去年同期': last_y['金额']})
df['环比变动']   = df['本月'] - df['上月']
df['环比变动率%'] = (df['环比变动'] / df['上月'].abs() * 100).round(2)
df['同比变动']   = df['本月'] - df['去年同期']
df['同比变动率%'] = (df['同比变动'] / df['去年同期'].abs() * 100).round(2)

wb = openpyxl.Workbook()
ws = wb.active
ws.title = '利润对比分析'

headers = ['科目','本月','上月','去年同期','环比变动','环比变动率%','同比变动','同比变动率%']
h_fill = PatternFill(fill_type='solid', fgColor='1F4E79')
for col, h in enumerate(headers, 1):
    c = ws.cell(row=1, column=col, value=h)
    c.fill = h_fill
    c.font = Font(bold=True, color='FFFFFF')
    c.alignment = Alignment(horizontal='center')

red   = PatternFill(fill_type='solid', fgColor='FFCCCC')
green = PatternFill(fill_type='solid', fgColor='CCFFCC')
for r, (idx, row) in enumerate(df.iterrows(), 2):
    ws.cell(row=r, column=1, value=idx)
    for c, val in enumerate(row, 2):
        cell = ws.cell(row=r, column=c, value=round(val,2) if pd.notna(val) else '')
        if c in [5,6,7,8] and isinstance(val, (int,float)):
            cell.fill = red if val < 0 else (green if val > 0 else cell.fill)

for col in range(1, len(headers)+1):
    ws.column_dimensions[get_column_letter(col)].width = 16

wb.save('profit_analysis.xlsx')
print('利润对比分析报告已生成')

效果： 原来两个晚上的工作，现在 1 分钟自动生成带颜色标注的对比分析表。赵经理说：「现在我终于有时间分析数字背后的原因了。」

案例五：应收账款账龄分析自动化

背景

周财务在一家贸易公司，手头有 2000 多条应收账款记录，老板每周要看账龄分析（30天内、30-60天、60-90天、90-180天、180天以上各有多少）。以前用 VLOOKUP + SUMIF 写一堆公式，每次刷新都战战兢兢怕出错。

import pandas as pd

df = pd.read_excel('ar_records.xlsx')
df['due_date']    = pd.to_datetime(df['到期日期'])
df['outstanding'] = pd.to_numeric(df['未收金额'], errors='coerce')
today = pd.Timestamp.today()
df['days_overdue'] = (today - df['due_date']).dt.days

def classify_aging(d):
    if d <= 0:   return '未到期'
    elif d <= 30:  return '1-30天'
    elif d <= 60:  return '31-60天'
    elif d <= 90:  return '61-90天'
    elif d <= 180: return '91-180天'
    else:          return '180天以上'

df['账龄'] = df['days_overdue'].apply(classify_aging)

aging_order = ['未到期','1-30天','31-60天','61-90天','91-180天','180天以上']
summary = df.groupby('账龄')['outstanding'].agg(['sum','count']).reindex(aging_order)
summary.columns = ['金额合计','笔数']
summary['占比%'] = (summary['金额合计'] / summary['金额合计'].sum() * 100).round(2)

by_customer = df.groupby(['客户名称','账龄'])['outstanding'].sum().unstack(fill_value=0)
by_customer['合计'] = by_customer.sum(axis=1)
by_customer = by_customer.sort_values('合计', ascending=False)

with pd.ExcelWriter('ar_aging_report.xlsx') as writer:
    summary.to_excel(writer, sheet_name='账龄汇总')
    by_customer.to_excel(writer, sheet_name='客户明细')
    df.to_excel(writer, sheet_name='原始数据', index=False)

print('账龄分析报告已生成')
print(summary)

效果： 2000 条记录 3 秒完成，还自动按客户拆分了明细。周财务说：「以前做这个要花半天，现在老板要看随时都能给。」

案例六：固定资产折旧批量计算

背景

林会计所在的公司有 600 多项固定资产，每月要计提折旧。以前她在 Excel 里一个个公式下拉，一旦有资产报废或新增，就要重新核查所有公式，经常搞错。

她让 AI 帮她写一个折旧批量计算脚本：

import pandas as pd
from dateutil.relativedelta import relativedelta

df = pd.read_excel('fixed_assets.xlsx')
df['purchase_date']     = pd.to_datetime(df['购入日期'])
df['original_value']    = pd.to_numeric(df['原值'], errors='coerce')
df['residual_rate']     = pd.to_numeric(df['残值率'], errors='coerce').fillna(0.05)
df['useful_life_years'] = pd.to_numeric(df['使用年限'], errors='coerce')

today = pd.Timestamp.today()

def calc_depreciation(row):
    if row['资产状态'] == '已报废':
        return 0
    depreciable = row['original_value'] * (1 - row['residual_rate'])
    monthly_dep = depreciable / (row['useful_life_years'] * 12)
    # 已折旧月数
    months_used = (today.year - row['purchase_date'].year) * 12 +                   (today.month - row['purchase_date'].month)
    total_months = int(row['useful_life_years'] * 12)
    if months_used >= total_months:
        return 0  # 已折旧完毕
    return round(monthly_dep, 2)

df['本月折旧额'] = df.apply(calc_depreciation, axis=1)

# 按资产类别汇总
summary = df.groupby('资产类别')['本月折旧额'].sum().reset_index()
summary.columns = ['资产类别', '折旧合计']

with pd.ExcelWriter('depreciation_report.xlsx') as writer:
    df.to_excel(writer, sheet_name='明细', index=False)
    summary.to_excel(writer, sheet_name='汇总', index=False)

total_dep = df['本月折旧额'].sum()
print(f'本月合计折旧: ¥{total_dep:,.2f}')
print(summary)

效果： 600 项资产一秒计算完毕，自动跳过已报废和已折旧完毕的资产，还按类别汇总了折旧总额。林会计说：「这个脚本给我省了每月至少 3 小时的时间，关键是再也不会算错了。」

案例七：费用预算执行进度自动预警

背景

蒋总助在公司负责费用管控，每个月要对比各部门的预算执行情况，超支的要及时预警，并发邮件给各部门负责人。以前这件事要手动查数据、写邮件，往往等发完邮件，已经是下午了。

import pandas as pd
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart

# 读取预算与实际数据
budget = pd.read_excel('budget_2026.xlsx')
actual = pd.read_excel('actual_ytd.xlsx')

merged = budget.merge(actual, on=['部门', '费用科目'], suffixes=('_预算', '_实际'))
merged['执行率%'] = (merged['金额_实际'] / merged['金额_预算'] * 100).round(2)
merged['超支金额'] = merged['金额_实际'] - merged['金额_预算']

# 识别预警项：执行率 > 90% 或已超支
warning = merged[(merged['执行率%'] >= 90)].copy()
warning['状态'] = warning['执行率%'].apply(
    lambda x: '【严重超支】' if x > 100 else '【接近上限】'
)

# 按部门分组发邮件
dept_contacts = {
    '销售部': 'sales@company.com',
    '研发部': 'rd@company.com',
    '运营部': 'ops@company.com',
}

def send_alert_email(dept, rows, to_email):
    body = f"您好，以下是 {dept} 截至本月的费用预算预警情况：

"
    for _, r in rows.iterrows():
        body += (f"  {r['状态']} {r['费用科目']}：预算 {r['金额_预算']:,.0f} 元，"
                 f"已用 {r['金额_实际']:,.0f} 元，执行率 {r['执行率%']:.1f}%
")
    body += "
请及时关注并控制后续支出。

财务部"

    msg = MIMEMultipart()
    msg['Subject'] = f'【费用预警】{dept} 费用预算预警通知'
    msg['From'] = 'finance@company.com'
    msg['To'] = to_email
    msg.attach(MIMEText(body, 'plain', 'utf-8'))

    # 实际发送时取消注释
    # with smtplib.SMTP('smtp.company.com', 587) as s:
    #     s.starttls()
    #     s.login('finance@company.com', 'password')
    #     s.send_message(msg)
    print(f'预警邮件已准备 -> {to_email}')
    print(body)

for dept, email in dept_contacts.items():
    dept_warnings = warning[warning['部门'] == dept]
    if not dept_warnings.empty:
        send_alert_email(dept, dept_warnings, email)

warning.to_excel('budget_warning.xlsx', index=False)
print(f'共 {len(warning)} 条预警记录已导出')

效果： 预算监控从半天手工操作变成 1 分钟自动跑完，还能自动发邮件预警。蒋总助说：「以前我每月搞这个搞得很烦，现在都是自动的，我只需要看结果就行了。」

案例八：合同台账自动整理与到期提醒

背景

郑财务兼管公司合同台账，一共 200 多份合同，付款节点、到期日期五花八门。以前全靠手动在 Excel 里打标记，经常有合同到期了才发现，差点影响续签。

import pandas as pd
from datetime import datetime, timedelta

df = pd.read_excel('contracts.xlsx')
df['start_date']  = pd.to_datetime(df['合同开始日期'])
df['end_date']    = pd.to_datetime(df['合同到期日期'])
df['payment_date'] = pd.to_datetime(df['下次付款日期'], errors='coerce')

today = pd.Timestamp.today()

# 合同状态
def contract_status(end_date):
    days_left = (end_date - today).days
    if days_left < 0:      return '已过期'
    elif days_left <= 30:  return '即将到期(30天内)'
    elif days_left <= 90:  return '即将到期(90天内)'
    else:                  return '正常'

df['合同状态'] = df['end_date'].apply(contract_status)
df['剩余天数'] = (df['end_date'] - today).dt.days

# 付款提醒
def payment_alert(pay_date):
    if pd.isna(pay_date): return ''
    days = (pay_date - today).days
    if days < 0:       return '付款已逾期！'
    elif days <= 7:    return f'7天内需付款({days}天后)'
    elif days <= 30:   return f'30天内需付款({days}天后)'
    return ''

df['付款提醒'] = df['payment_date'].apply(payment_alert)

# 导出预警列表
expiring = df[df['合同状态'].str.contains('即将到期|已过期')]
payment_due = df[df['付款提醒'] != '']

with pd.ExcelWriter('contract_alerts.xlsx') as writer:
    expiring.to_excel(writer, sheet_name='到期合同', index=False)
    payment_due.to_excel(writer, sheet_name='付款提醒', index=False)
    df.to_excel(writer, sheet_name='全量台账', index=False)

print(f'即将到期合同: {len(expiring)} 份')
print(f'近期需付款合同: {len(payment_due)} 份')

效果： 200 多份合同的到期和付款情况一目了然，不再有遗漏。郑财务说：「现在每周一早上跑一遍，把提醒发给业务部门，再也没有漏过合同了。」

案例九：财务数据可视化仪表盘

背景

汪副总每月要向董事会汇报财务情况，以前都是 PPT 里贴表格，枯燥无味。她希望能有一个动态图表，让董事会看了一目了然。