SD快速入门第三篇

介绍几种典型的销售订单流程
现金销售
在控制着稀缺资源的企业,现金订单业务相对教多,现金销售有下列特点:
(1)客户以现金、现金支票等直接支付。
(2). 因为是现款支付,现金订单通常不再检查信用。
(3). 现金订单创建成功后,通常系统会参照此订单自动创建发货单。
(4). 和其它标准销售订单不同的是,现金订单是根据现金销售订单号而不是外向交货单号开具发票的。
下面以SAP系统标准的各种销售单据类型简单说明现金订单的流程,使用的都是系统标准
的单据类型,在实际项目中,只要复制这些单据类型就行,现金订单的标准流程如下图。
99072_200901071627291.gif
配置和操作步骤如下:
(1). Tcode:OVAZ定义销售机构允许现金销售订单BV。
(2).检查销售凭证类型(标准现金订单类型BV,在”装运”中选择交货类型BV,选择”立即交货”标志,默认对应发票类型BV)->销售项目类别(标准销售行项目类别BVN)->发票类型(标准现金订单对应发票类型BV)->发票中的现金科目确定, 注意在现金发票类型配置屏幕中的“帐户确定/定价”屏的"科目确定现金结算"设置中已经选择了标准的现金科目确定过程KOFIAC,这些配置都是系统预定的,在这里使用该标准过程KOFIAC。
(3).现金销售科目确定配置如下图。使用条件技术的好处就是让销售用户在开票时只关注条件类型避开会计科目,毕竟很多后勤顾问对财务是不了解的.
99072_200901071627521.gif
关于现金科目确定配置使用的也是条件技术,关于条件技术此处不再细讲,我们可以看到默认的现金科目确定过程KOFIAC使用了条件类型CASH来确定现金科目。
图-[2][3]:Tcode:OV77是现金科目分配设置,假设分配现金科目1021102010,是根据销售组织来分配现金科目的,这仅仅是个测试,当然实际业务场景中,现金销售可能设计多个科目,由于使用了条件技术可以轻易地解决这个问题。
图-[4]:启动了业务范围希望根据其出具相关报表的企业,有时候会面临象银行科目设置到
哪业务范围的问题,国内企业实现的事业部制大都是不完全事业部制,一个公司下的
某个银行存款帐号同时处理多个事业部收款或支付,那么这个银行存款挂在哪事业部
呢?举一个简单实例,假设银行存款1000万挂在业务范围A,当期为B支付了500
万供应商欠款,如果没有任何相应调整,则期末银行存款1000万依旧挂在业务范围
A,而业务范围B就会出现-500万存款的闹据。
(4).配置完毕后,VA01建立BV订单,在保存后系统同时自动产生一交货单,如果交货单没有自
动过帐,可手工VL02N发货, 然后使用Tcode VF01(注:输入现金销售订单号而非发货单号)建立发票过帐,产生的会计分录如下:
Dr:现金科目1021102010  + (注意原因代码)
  Cr:收入
      销项税
此时由现金科目取代了标准销售单开票时产生的应收帐款科目,实际上如果不走现金销售订单走预收帐款,则财务部还需走应收清预收多了两步,现金销售则减化了业务流程。
(5).如果系统起用了原因代码做直接现金流量表的制作,此时现金科目1021102010需要起用替代写入原因代码(Tcode:OBBH)。

fj.png05.gif

fj.png06.gif

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/99072/viewspace-531667/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/99072/viewspace-531667/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值