Python与财务自动化(八):应收账款账龄分析

“张总，这个月的应收账款情况怎么样？”

“还行吧……有几个客户拖了几个月了，具体多少我也说不清……”

这样的对话，在很多企业里每天都在发生。

应收账款管理不好，轻则影响现金流，重则直接变成坏账。而账龄分析，就是看清应收账款健康状况的“X光机”——哪些客户欠钱？欠了多久？风险有多大？

以前，财务人员要做账龄分析，得从Excel里把数据导出来，手动分组、标记、汇总、画图……少说也得半天。数据一多，还容易出错。

今天，我就带大家用Python实现自动化账龄分析，从原始数据到可视化图表，一键搞定！

一、账龄分析到底分析什么？

简单来说，账龄分析就是把应收账款按照“欠款时间长短”进行分组，看看：

• 30天以内的欠款有多少？

• 30-60天的有多少？

• 60-90天的有多少？

• 90天以上的有多少？

为什么要这么做？

因为欠款时间越长，收回来的可能性越小。比如：

• 30天内：正常周转，基本能收回

• 30-60天：需要催收了

• 60-90天：催收难度加大，可能有问题

• 90天以上：坏账风险很高，需要重点追讨

通过账龄分析，财务可以提前预警，及时采取措施，避免坏账扩大。

二、准备数据：应收账款明细表

假设我们手上有这样一张Excel表格——“应收账款明细.xlsx”，包含以下字段：

每一行代表一笔未结清的应收账款。我们要做的就是：

1. 计算每笔账款的未回款金额

2. 计算每笔账款的欠款天数

3. 根据欠款天数分组统计

4. 生成可视化图表，一目了然

第2步：数据清洗

实际工作中，原始数据往往不太干净。我们需要做几个处理：

• 把“发票日期”转换成日期格式

• 计算每笔账款的“欠款天数”（以今天为准）

• 计算“未回款金额”

第3步：定义账龄区间

我们把欠款天数分成几个区间：

• 0-30天

• 31-60天

• 61-90天

• 91-180天

• 181-365天

• 365天以上

一眼就能看出：超过90天的欠款有5.5万元，需要重点关注！

第4步：生成可视化图表

光看数字不够直观，我们画个柱状图和饼图，一眼看穿账龄结构。

柱状图：

饼图（看占比）：

这样，前十大欠款客户一目了然，重点催收对象也就明确了。

以后每个月，只需要把最新的应收账款明细表替换一下，运行代码，3秒钟就能拿到完整的账龄分析报告+图表。