به کارگیری یادگیری ماشینی در حسابداری سه طرفه: راهی جدید برای افزایش شفافیت از طریق تحلیل داده ها

حسابداری سه طرفه روشی در حسابداری است که برای ثبت هر تراکنش از سه حساب یا سه ورودی استفاده می کند، در حالی که در سیستم سنتی دوطرفه تنها دو ورودی ثبت می شود. پژوهش های انجام شده نشان داده اند که حسابداری سه طرفه، به دلیل داشتن لایه ی اضافی راستی آزمایی و افشای روابط میان سازمانی، می تواند به افزایش شفافیت در تراکنش های مالی و زنجیره های تامین پیچیده، مانند ساختارهای مبتنی بر زنجیره بلوکی، کمک کند. یادگیری ماشینی رویکردی امیدبخش برای تقویت مزایای شفافیت در حسابداری سه طرفه به شمار می رود. با خودکارسازی بخشی از فرایند جمع آوری و تحلیل داده های مورد نیاز در این نوع حسابداری، روش های هوشمند می توانند این شیوه ی شفاف تر حسابداری را برای سازمان های بزرگ با زنجیره های تامین بین المللی و پیچیده قابل گسترش سازند و بدین ترتیب، میزان مشاهده پذیری و اعتمادپذیری گزارش های مالی را افزایش دهند. با بهره گیری از الگوریتم های یادگیری ماشینی، می توان ناهنجاری ها را در داده های دفتر کل توزیع شده به سرعت شناسایی و موارد احتمالی تقلب یا خطا را آشکار کرد. همچنین با بررسی روابط میان تراکنش ها در گذر زمان، یادگیری ماشینی قادر است شبکه های پیچیده ی مبادلات را تحلیل کرده و ارتباطات پنهان را آشکار سازد و بدین وسیله، بعدی تحلیلی و کاوش گرانه به فرایند حسابداری افزاید. هدف این پژوهش، نشان دادن ارتباط میان حسابداری سه طرفه و یادگیری ماشینی و تبیین چگونگی هم افزایی آن ها در ارتقای سطح شفافیت است.

کلیدواژه ها:

حسابداری سه طرفه ، یادگیری ماشینی ، شفافیت ، زنجیره بلوکی ، محاسبات چندطرفه