NetSuite中事务处理的总账影响——基础篇

目录

关于采购订单到支付

关于预付款及核销

关于退货与退款(供应商)

关于销售订单到付款

关于退货与退款(客户)

关于库存转移

关于库存调拨

       今天咱们来梳理一下NetSuite中比较常见的事务处理的总账影响,我们称之为“基础篇”的内容。其中主要包含采购订单到支付,预付款及其核销,供应商退货退款,销售订单到客户付款,客户退货退款,库存转移及库存调拨等几个部分,还有一些特殊的内容我们在后续进行补充。

关于采购订单到支付

        首先要明确的是,采购订单的创建是不会产生总账影响的。

1. 货品收据 Item Receipt ,Item Receipt创建代表采购入库。

科目

说明

Inventory Asset

表示库存增加,该科目为系统原生科目。

Accrued Purchases

同时产生一笔应付暂估,该科目为系统原生科目。

2. 账单Bill,Bill创建代表我们已经确认采购收到的货品无误,供应商开具账单,暂时不考虑税金的影响。

科目

说明

Accrued Purchases

冲减、抵消了货品收据中的应付暂估金额,该科目为系统原生科目。

Accounts Payable

表示应付账款增加,该科目为系统原生科目。

3. 账单支付Bill Payment,Payment创建代表我们真金白银向供应商付了钱,也意味着应付账款的抵消。

科目

说明

Accounts Payable

表示应付账款已抵消,该科目为系统原生科目。

Bank

银行类科目,在支付时需要选择对应银行类账户。

       需要注意一点的是,系统中支付单个供应商Pay Single Vendor的操作产生的总账影响与账单支付的总账影响相同,涉及到银行科目与应付账款科目。

       以上为采购订单从创建-收货-账单-支付(针对存货类PO)供应商等总账影响,但是也存在着直接为采购订单开具账单的场景,如果是存货类的PO,我们可参照账单Bill的总账影响,这里我们举费用类的例子如下:

4. 为采购订单开票Bill Purchase Order,代表基于采购订单直接创建账单。

科目

说明

Expenses

表示增加了一笔要支付的费用,具体可根据实际创建不同的费用明细科目。

Accounts Payable

表示应付账款增加,该科目为系统原生科目。

关于预付款及核销

1. 供应商预付款Vendor Prepayment

科目

说明

Prepayments

表示存入了一笔预付款项,可根据实际情况创建二级科目。

Bank

表示银行账户金额减少。

        此预付款科目是先前已经在系统中维护好的,后续可用于自动核销。

2. 供应商预付款核销Vendor Prepayment Application,表示在收到货品并且开具账单后将账单与预付款核销挂钩,核销对应金额。

科目

说明

Accounts Payable

表示应付账款已冲减。

Prepayments

表示预付款减少,已核销。

关于退货与退款(供应商)

        假设我们已经在系统中收到了货品,但是发现有问题需要退回给供应商,则首先需要在采购订单下完成供应商退货授权Vendor Return Authorization的操作(有可能需要上级批准,无总账影响产生),在向供应商提出退货申请后进一步处理退货。

1. 退货 Return——发货Fulfill,代表向供应商退货后要完成把货品返回给供应商的发货操作。

科目

说明

Purchases Returned

Not Credited

增加了一笔采购退货但是目前还未做贷记,该科目为系统原生科目。

Inventory

表示向供应商发出退货货品,库存减少。

2. 退款 Refund——账单贷记Bill Credit,代表供应商退款(冲销应付款项)。

科目

说明

Accounts Payable

表示冲销了应付账款。

Purchases Returned

Not Credited

与退货中的借方抵消,实际上已经完成了贷记。

关于销售订单到付款

        销售订单与采购订单同样,在创建时并不会产生总账影响。

1. 货品实施Item Fulfillment,Item Fulfillment创建表明向客户发出货品。

科目

说明

Cost of Goods Sold

增加了一笔主营业务成本,该科目为原生科目。

Inventory

表示库存减少。

2. 发票Invoice,Invoice创建表明我们需要给客户开具发票,为客户付款做准备。

科目

说明

Accounts Receivable

表示增加了一笔应收款项,该科目为系统原生科目。

Sales

表示增加了一笔销售收入,用户可根据实际情况维护二级科目。

3. 客户付款Payment,表明我们收到客户的真实付款。

科目

说明

Bank

表示对应账户收到款项,这里的账户在操作时需要进行选择。

Accounts Receivable

表示冲减了应收账款的金额,已收到客户的实际付款。

        请注意,如果是直接接受客户付款Accept Customer Payments的操作,所产生的总账影响与客户付款的总账影响一致,涉及到银行科目与应收账款科目。

        以上为销售订单从创建-发货-开票-接受付款(不涉及税金)等对应的总账影响,但是也存在着直接为销售订单开具发票,具体如下:

4. 为销售订单直接创建发票 Invoice Sales Orders

科目

说明

Accounts Receivable

表示增加了一笔应收款项。

Sales

表示增加了一笔销售收入。

关于退货与退款(客户)

假设我们在给客户发出货品后,客户收到货品后反馈需要退货,那我们则需要基于销售订单,进行关于客户的退货授权Return Authorization的申请(无总账影响,可能需要上级审批)。

1. 客户退货 Return——仓库收货Item Receipt,该会计分录为IF的反向分录。

科目

说明

Inventory

表示收到退货货品后库存增加。

Cost of Goods Sold

表示减少了一笔主营业务成本。

2. 退款Refund——Credit Memo贷项通知单

科目

说明

Sales

表示减少了一笔收入。

Accounts Receivable

表示应收款项的减少。

关于库存转移

         库存转移Inventory Transfer的总账影响主要涉及Inventory科目。

科目

说明

Inventory

表示目的地仓库库存价值增加。

Inventory

表示发出仓库库存价值减少。

关于库存调拨

        库存调拨Transfer Order本身是没有总账影响产生的,但是会产生货品实施Item Fulfillment与货品收据Item Receipt,主要会涉及到在途库存的科目 Inventory In Transit。

货品实施Item Fulfillment

科目

说明

Inventory In Transit

表示发出仓库在途库存增加。

Inventory

表示发出仓库库存减少。

货品收据Item Receipt

科目

说明

Inventory

表示目的地仓库库存增加。

Inventory In Transit

表示发出仓库的在途库存减少。

        此次分享的内容就到这里了,关于Standalone Invoice等一些特殊的内容咱们放到下次来讲~

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
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