伴随金税改革深入、证监会等各类监管政策的不断出台，近两年来企业外部监管环境发生了巨大变化，税局等监管端的数字化能力空前加强，企业面临更严格、更高频的监管与协查函调要求。并且，伴随企业业务数据量的增长，对企业内控的挑战也逐步增强。因此，企业如何更高效地应对外部监管与内控检查，避免“合规”带来的黑天鹅事件，是所有企业需要考虑的重要课题。 基于此，汇联易经过多次的深度调研，不断打磨，终于在2022年，汇联易MI分析平台（Model Intelligence）顺势而生，该平台依托于汇联易多年来对现有业务的理解，将最新的机器学习与模型分析技术融合，从繁杂数据中发现成本节约的机会和不合规报账行为，帮助企业构建合规体系，为企业发展保驾护航！ 对于MI分析平台-风控模型识别出的风险点，平台通过建立风险“识别与预警-控制与处理-评估与报告”机制，实现风险闭环管理。由系统来承担“铁面判官”的角色，加速推进企业合规文化的建设。 前两期我们分别介绍了MI分析平台-成本节约模型（详细请查看#外部环境不确定性加剧，企业如何实现差旅成本节约？）、MI分析平台-风控模型（详细请查看#企业如何识别费用风险，弥补审核漏洞？），今天我们继续上次的话题，向大家介绍MI分析平台-风控模型里的其他模型： 对公重复支付预警模型 合同支付风险识别模型 员工大额费用风险预警模型 离职员工未结清费用预警模型 高退单率员工识别模型

1、对公重复支付预警模型

财务在进行无票预付或无票支付等场景下，需要确保此笔支付款项的唯一性。但由于预付时发票还未收到，财务人员无法根据发票校验是否重复报销，只能依靠人工记录的方式记录无票预付/付款款项，在正式付款之前人工核对付款历史记录。工作量大，如果间隔时间长，对公付款批次多，更是难以保障准确性。另外对于银企支付异常或其他原因引发的款项重复支付，又该如何避免呢？ MI分析平台“对公重复支付预警模型”，通过比对固定周期内具有相同付款特征值的报销单数据，输出“对公重复支付风险预警图表”，对单据的重复支付行为进行预警，从而降低企业重复支付的风险。

2、合同支付风险识别模型

财务人员在进行合同付款后，需要人工跟踪预付款到票情况和支付进度，人工跟踪效率和管控精准度较低。那么如何利用系统内积累下的数据，帮助财务人员提前预警在合同支付中可能遇到的风险呢？ MI分析平台“合同支付风险识别模型”，通过融合合同付款排期、预付款长期未到票两种合同风控特征值，输出“合同支付风险预警图表”，甄别合同支付风险。避免出现预付款长期未到票、早于合同付款排期支付的情况，精细化合同支付管控。

3、离职员工未结清费用预警模型

针对已经离职的员工，企业需要对其未清事项进行兜底检查，检查离职员工是否存在未清借款或者未清报销单。尤其对于员工流动频繁或员工借款较多的企业，这项检查尤为重要，但是如果按照员工姓名逐一搜索，不仅工作量大而且浪费时间，有没有一种方法能够批量、快速地执行这项检查呢？ MI分析平台“离职员工未结清费用预警模型”，通过校验员工在职状态、借款和在途单据情况，输出“离职员工未清款项预警图表”，帮助企业识别离职员工未清借款等高风险事项。

4、员工大额费用风险预警模型

员工大额转账报销的业务是审计重点关注事项，企业应谨慎处理并做好分析应对。 MI分析平台“员工大额费用风险预警模型”，通过自动识别单笔大额对私转账，输出“员工大额支付风险预警分析图表”，帮助企业识别规避大额（单笔）对私转账风险，减少高风险审计事项的发生。

5、高退单率员工识别模型

企业财务人员在日常工作中会面临审批大量单据的情况，如果员工填单质量不高，将严重影响业务审批与财务审核效率。 MI分析平台“高退单率员工识别模型”，通过将每一个员工的退单率与该企业退单率均值进行对比和偏离度分析，帮助企业及时识别高频高退单率员工，并根据实际场景给出“特定群体员工内部再培训”等建议，减少报销中的不合规事项。 MI分析平台基于汇联易丰富的经验和先进的理念，结合新技术新方法，成为企业财务数字化转型的重要实践，为企业发展保驾护航，开源节流！