首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >SAP FI-CO总账科目简析

SAP FI-CO总账科目简析

作者头像
matinal
发布于 2020-11-27 09:13:11
发布于 2020-11-27 09:13:11
1.7K0
举报
文章被收录于专栏:SAP TechnicalSAP Technical

浅谈SAP FICO—总账科目 一、总账科目的概述 总账科目,它起到统驭整个财务的作用。不同的会计科目在总账主数据中创建会应用到不同的“字段”(field),通过这些不同“字段”的组合,就会形成系统能够识别并能够为我们现行会计核算所接受的会计科目。 总帐科目主记录分为两部分: Ø 关于会计科目表的数据。这部分数据用于整个主记录,如总帐科目号码,科目名称,确定科目是资产负债表科目还是损益表科目。此外,用户还可以用它来规定主记录中用于公司代码部分的数据的有关控制信息,如科目组和屏幕格式。 Ø 关于公司代码的数据。这部分数据包含了如何控制业务数据的输入与记帐的参数,如何管理科目的数据,以及其他与公司代码相关的数据,如货币、税码、统驭科目、行项目的显示和未清项的管理等。 其实,这两部分也构成了SAP的总账科目的两个层次,也是SAP区别于其他ERP厂商的一个重要特征。 在 SAP 中,会计科目的定义分为两层:科目表层和公司代码层。比如:一个集团企业可以定义一套会计科目表,但是下面的每个公司代码,从中选择哪些科目,这些科目的各项参数又是可以自己决定的,从而达到集中和灵活兼顾的效果。 SAP的科目类别分为三大类别:资产负债类(BSA)、损益类(PLA)、统驭类(RAA),其中常见的字段状态变式(field status variant)为:一般资产负债科目(GBS)、材料采购GR/IR(MMA)、一般费用科目(EXP)、收入科目(REV)、统驭科目AR/AP(RAA)。

二、总账科目的操作流程 定义帐户组→定义会计科目→指定特殊科目→凭证编号范围 总之是:欲做凭证,必先有科目,欲定义科目,必先有科目组,凭证需要编号,因此指定编号范围。 科目组—account group 定义会计科目时,必须指定科目组,科目组的用途: Ø 用哪一个间隔来编号 Ø 当创建科目主数据时,哪些字段是必须,哪些是可选的 Ø 当创建科目主数据时,哪些是隐藏 注意与字段状态组区别:字段状态组是针对录入凭证时的字段项目;而科目组是控制科目主数据的。 1.1 定义科目组 通过事务代码【OBD4】进入定义科目组清单屏幕,为每一类帐户组指定号码范围,这里的帐号长度为8 位,这里由帐目表中指定的。科目编号长度是在科目表清单里去设置,事务代码【OB13】 1.2 定义科目组属性 科目组主要有三大类:资产负债类(BSA)、损益类(PLA)、统驭类(RAA),科目组属性分为六大类:科目控制、账户管理、凭证录入、银行/财务明细账、利息计算、合资企业。 三大类科目组的特征描述: Ø 资产负债类科目(BSA),最常见的科目组,一般取自公司科目表,不需要设置统驭科目 Ø 损益类科目(PLA),在会计科目表中创建损益类科目之前,需要确定损益结转入的留存收益科目。系统设计了一特殊程序将损益类帐户的损益金额自动结转入该科目。因此,必须在系统中定义留存收益科目的号码。每一个损益类科目都需要分配给一个留存收益科目。 Ø 统驭类科目(RAA),分为三类:供应商类别(K)、客户类别(D)、固定资产类别(A),主要是针对应收账款、应付账款、固定资产等模块过入的金额,他们的交易是不通过总账模块进行的,但在各自模块完成的同时,会将相应的金额过入总账。 下面是对上述三个组的设置的总结

常见的几个字段状态变式的概念:

1.3 创建会计科目 创建会计科目主要有三种方法:1,通过【FSP0】在科目表中创建,需要制定帐目表和科目组;2,通过【FSS0】在公司代码中创建,需要指定控制数据和银行利息;3,通过【FS00】集中创建,即集中设置上述两个屏幕的字段页签信息。 1. 统驭科目(AR/AP) 这也是创建一些总账会计科目。不同的是这些科目,如应收帐和应付账款会有相应的明细分类账模块。如客户账户,供应商账户。业务入账只能记入这些明细分类账中,通过集成自动更新总账,而不能直接记入总账。这样杜绝了明细分类账和总账不付的情况发生。这些总账科目就为统驭科目 2. 材料采购科目(GR/IR) 材料采购科目由于存在 –收货/收票时间点上的不一致性,导致出现”末清”的情形出现。为了反应过两个分离的点(收货/收标),常采用一个过渡科目—材料采购,而这个科目需要”逐笔逐清”,也叫做GR/IR(收货/收票)。 在收货时系统自动生成会计凭证。借:库存贷:材料采购. 收货时:Dr:库存 Cr: 材料采购-GR/IR 而收发票时,系统也自动生成会计凭证。借:材料采购,贷:应付账款. 收票时:Dr:材料采购-GR/IR Cr:应付帐款 两边的"材料采购"凭证行相互匹配的过程叫"清账",对上的叫"已清项",对不上的叫"未清项",未清项反映了货或者发票有一方未到。这是个风险点,其他需要用"清账"来管理的科目大多是一些中间过渡科目,如银行未达科目。或者是反映债权债务(但又不用应付应收模块管理)科目,如长期借款。客户和供应商明细账就是采用清账来管理的。 3. 损益类科目 损益类科目的特点是在做年结的时候,损益类科目的年末余额会结转到"未分配利润"(或者本年利润)科目的年初余额。而他们自己的年初余额清为0。 会计科目的小结 ü 科目组一般定义以下三类:BSA、RRA、PLA。 ü 科目组用于定义会计科目的主数据,作用于帐户表中。 ü 字段状态变式一般定义以下几类: GBS-一般资产负债类 EXP—一般费用类 REV-收入 MMA—物料采购 (需要清帐管理) RRA—应收应付科目 ü 它用于录入会计凭证时对凭证项目的控制,作用于公司代码级。 ü 科目组中可以强制是否必须录入FSV(字段状态变式) 1.4 指定特殊科目 留存收益科目(Retained earning account) 年终结帐时,会将PL科目余额过帐至留存收益科目. 你可以为每一个科目表定义一个或多个此类型的科目. 通过【OB53】,指定损益表科目类型和账户 类型为X类型(系统固定,不能修改),指定的科目依赖于你定义的科目。 自动税务科目 定义不同的税类型的记帐科目,以便自动记帐(税务),常见的要记帐的税类型有:MWS—销项税, VST—进项税 通过【OB40】,指定自动税务科目和过账码。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2020/02/06 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Agentic RAG:超越传统RAG与案例分享
在人工智能快速发展的今天,检索增强生成(Retrieval-Augmented Generation,简称 RAG)技术已经成为大语言模型(LLM)应用的关键突破。RAG 框架不断推陈出新、日新月异,从 Navie RAG、高级 RAG、模块化 RAG,发展到现在的 Graph based RAG,甚至混合高级 RAG 与 GraphRAG 的 HybridRAG。那么,如何在日新月异的 RAG 技术下,开发一种能够不断适应的框架呢?今天,我们将深入探讨 Agentic RAG,这一革命性的方法正在重新定义智能信息检索与生成的边界。
AgenticAI
2025/03/18
9290
Agentic RAG:超越传统RAG与案例分享
最全梳理:一文搞懂RAG技术的5种范式!
本文主要回顾 RAG 技术的发展,第一部分梳理了综述和关键论文,第二部分梳理了工程实践工具。 
Datawhale
2025/02/24
2.3K0
最全梳理:一文搞懂RAG技术的5种范式!
来了!10个构建Agent的大模型应用框架
随着生成式人工智能(GenAI)的蓬勃发展,基于大型模型的应用已经悄然融入我们的日常工作和生活,它们在诸多领域中显著提升了生产力和工作效率。为了更便捷地构建这些基于大模型的应用程序,开源社区和产品开发者们正以前所未有的速度进行创新。
半吊子全栈工匠
2025/03/24
8.9K0
来了!10个构建Agent的大模型应用框架
一文读懂 Agentic RAG 技术点滴
Hello folks,我是 Luga,今天我们来聊一下人工智能应用场景 - 提升大型语言模型(LLMs)的知识获取和生成能力的 Agentic RAG(智能增强检索生成)技术。
Luga Lee
2025/04/04
4500
一文读懂 Agentic RAG 技术点滴
RAG彻底爆了!一文读懂其架构演进及核心要点
本文系统梳理了检索增强生成(RAG)架构的演进历程,从基础架构到智能化解决方案的迭代路径。文章通过对比Naive RAG、Advanced RAG、Modular RAG和Agentic RAG四代架构的核心特点与技术突破,揭示了RAG技术如何通过模块化设计、智能体协同等创新解决知识更新、语义对齐和复杂任务处理等关键问题,为LLM应用落地提供重要参考。由于作者水平有限,若相关理解有误请以实际为准。
腾讯云开发者
2025/07/16
1840
RAG彻底爆了!一文读懂其架构演进及核心要点
一文读懂 Agentic RAG 数据检索范式
众所周知,LLM (大型语言模型)的出现彻底改变了我们与信息互动的传统方式,为信息获取和知识学习带来了全新的途径。然而,纵使这些语言模型拥有惊人的知识容量,但其内部知识库的有限性仍可能导致它们在回答某些复杂问题时存在准确性和深度不足的局限。这便是 RAG(Retrieval Augmented Generation,检索增强生成)技术应运而生的原因。
Luga Lee
2024/11/01
4460
一文读懂 Agentic RAG 数据检索范式
深度研究-Context Engineer上下文工程+MCP集成能否取代AI Agent+Workflow?
大家好,我是人月聊IT,今天继续分析关于AI上下文工程和AIAgent的深度研究分析,具体提示词如下:
人月聊IT
2025/07/16
1530
深度研究-Context Engineer上下文工程+MCP集成能否取代AI Agent+Workflow?
检索增强生成(RAG)的最新发展:一文汇总11种新型RAG算法!
随着人工智能的快速发展,检索增强生成(Retrieval-Augmented Generation,RAG)技术正在经历前所未有的演变。RAG技术通过将外部知识融入大型语言模型(LLM)的生成过程,极大地提高了AI系统的事实准确性和可靠性。如今,RAG正向更具智能性和自主性的方向发展,能够处理像超图这样的复杂结构,并适应各种专业领域的需求。
致Great
2025/04/22
1.4K0
检索增强生成(RAG)的最新发展:一文汇总11种新型RAG算法!
RAG 技术综述
检索增强生成(Retrieval Augmented Generation,简称 RAG)向 LLM 提供了从特定数据源检索的信息,以此作为生成答案的基础。简而言之,RAG 结合了搜索和 LLM 的提示功能,在此基础上,模型根据搜索算法提供的信息,作为上下文来回答问题。这些查询和检索到的上下文会一并被注入到发送给 LLM 的提示中。
科技之歌
2024/02/01
1.7K0
RAG 技术综述
一文读懂AI Search:从RAG到DeepSearch
为了应对LLMs内在知识的有限性,检索增强技术RAG(AI + Search)应运而生。然后随着模型能力(推理能力和工具调用能力)的不断发展,RAG也在逐渐从死板的人类工程向灵活的模型自主性过渡,即更加Agentic了(智能体),比如兴起的新概念DeepSearch。智能体的自主性面临着知识边界问题和能力边界问题,这两个边界问题也分别对应着模型知识和能力拓展的两大利器:信息和工具。无论是边界问题还是拓展利器,对模型本身的能力(尤其是深度思考推理能力)要求都很高。相应地,模型训练范式也在逐渐从有监督微调向强化学习后训练过渡。以AI Search或者Search Agent为基础,其他各种Coding Agent、Browser Agent等智能体百花齐放,并且未来的趋势是通用型智能体。
腾讯云开发者
2025/07/24
1400
一文读懂AI Search:从RAG到DeepSearch
让我们开始代理:LangChain和LlamaIndex谈论AI代理
在人工智能工程师世界博览会上,LangChain 和 LlamaIndex 的创始人谈论了从基于 RAG 的 LLM 系统到 AI 代理的演变。
云云众生s
2024/07/04
2040
让我们开始代理:LangChain和LlamaIndex谈论AI代理
RAG科普文!检索增强生成的技术全景解析
增强生成 (RAG) 是塑造应用生成式 AI 格局的关键技术。Lewis 等人在其开创性论文中提出了一个新概念面向知识密集型 NLP 任务的检索增强生成之后,RAG 迅速成为基石,提高了大型语言模型 (LLM) 输出的可靠性和可信度。
致Great
2025/02/15
1.1K0
RAG科普文!检索增强生成的技术全景解析
2024技术总结:LLM之RAG技术全栈进化解析、Agent应用案例精选、LLM大模型部署实战指南
嘿,大家好!作为一名技术宅,我在2024年与AI的大型语言模型(LLM)技术有了不少“亲密接触”,感觉就像是和一位日益聪明的老友并肩前行。
汀丶人工智能
2025/01/25
1K0
2024技术总结:LLM之RAG技术全栈进化解析、Agent应用案例精选、LLM大模型部署实战指南
深入浅出智能工作流(Agentic Workflow)|技术干货
著名 AI 学者、斯坦福大学教授吴恩达提出了 AI Agent 的四种设计方式后,Agentic Workflow(智能体工作流)立即火爆全球,多个行业都在实践智能体工作流的应用,并推动了新的 Agentic AI 探索热潮。
Botnow
2024/09/18
1.5K0
深入浅出智能工作流(Agentic Workflow)|技术干货
RAG进化论:从“字典”到“超级大脑”的跃迁之路
在AI战场,“幻觉”曾是阻碍大模型落地的头号敌人。而检索增强生成(RAG)技术,凭借其“用事实为生成保驾护航”的能力,成为企业对抗幻觉的标配武器。从2023年至今,RAG经历了从“机械查资料”到“主动思考”的惊人进化。本文将带你穿越这场技术变革的五个关键阶段,揭示AI如何从“复读机”蜕变为“智能协作者”。
AI浩
2025/06/23
1510
RAG进化论:从“字典”到“超级大脑”的跃迁之路
同济大学发布最新检索增强(RAG)的LLM生成技术综述
摘要主要介绍了大型语言模型(LLMs)在实际应用中面临的挑战,比如幻觉、知识更新缓慢和答案缺乏透明度等问题,并提出了检索增强生成(Retrieval-Augmented Generation,RAG)作为一种解决方案。RAG通过从外部知识库检索相关信息来辅助大型语言模型回答问题,已经被证明能显著提高回答的准确性,减少模型产生的幻觉,尤其是在知识密集型任务中。
唐国梁Tommy
2023/12/21
17.3K0
同济大学发布最新检索增强(RAG)的LLM生成技术综述
七种RAG架构cheat sheet!
RAG 即检索增强生成(Retrieval - Augmented Generation ),是一种结合检索技术和生成模型的人工智能方法。
codetrend
2025/01/24
6350
七种RAG架构cheat sheet!
PageIndex:构建无需切块向量化的 Agentic RAG
你是否对长篇专业文档的向量数据库检索准确性感到失望?传统的基于向量的RAG系统依赖于语义相似性而非真正的相关性。但在检索中,我们真正需要的是相关性——这需要推理能力。当处理需要领域专业知识和多步推理的专业文档时,相似度搜索常常不尽人意。
致Great
2025/04/23
2980
PageIndex:构建无需切块向量化的 Agentic RAG
不用写一行复杂代码,也能构建强大的 AI 代理系统?试试 NVIDIA AIQ Toolkit
NVIDIA 的 AIQ Toolkit(Agent Intelligence Toolkit) 是一个为构建多智能体 AI 系统而设计的开源工具包。它帮助开发者将多个 AI 代理(Agents)整合在一个统一框架下,构建出更智能、更高效、更可管理的 AI 应用程序。以下是基于 NVIDIA 官方博客《Extending the NVIDIA Agent Intelligence Toolkit to Support New Agentic Frameworks》的详细 2000 字介绍。
GPUS Lady
2025/05/12
1830
不用写一行复杂代码,也能构建强大的 AI 代理系统?试试 NVIDIA AIQ Toolkit
人大清华提出自主搜索版「Search-o1」!解决知识困境,大幅提升推理模型可靠性
尽管以OpenAI-o1、Qwen-QwQ和DeepSeek-R1为代表的推理模型,其推理能力已然震惊四座,但由于在长链推理过程中仍然面临着「知识不足」的问题,导致这些模型在推理过程还包含着一些不确定性和潜在错误。
新智元
2025/02/15
1250
人大清华提出自主搜索版「Search-o1」!解决知识困境,大幅提升推理模型可靠性
推荐阅读
相关推荐
Agentic RAG:超越传统RAG与案例分享
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档