ВПЛИВ ЦИФРОВОЇ ТРАНСФОРМАЦІЇ БУХГАЛТЕРСЬКОГО ОБЛІКУ НА ПІДХОДИ ДО ОЦІНКИ ТА УПРАВЛІННЯ ДЕБІТОРСЬКОЮ ЗАБОРГОВАНІСТЮ В УМОВАХ НЕСТАБІЛЬНОГО РИНКУ

Автор(и)

DOI:

https://doi.org/10.24025/2306-4420.77(4).2025.342909

Ключові слова:

цифрова трансформація, бухгалтерський облік, дебіторська заборгованість, Big Data, штучний інтелект, ERP-системи, управління ризиками, фінансова стабільність

Анотація

У статті досліджено вплив цифрової трансформації бухгалтерського обліку на підходи до оцінки та управління дебіторською заборгованістю в умовах нестабільного ринку. Обґрунтовано, що цифровізація фінансово-облікових процесів є ключовим чинником підвищення ефективності управління оборотним капіталом, ліквідністю та фінансовою стійкістю підприємств. Визначено, що впровадження інтелектуальних систем обліку, аналітики великих даних (Big Data), штучного інтелекту (AI) та ERP-платформ забезпечує інтеграцію облікових, управлінських і аналітичних функцій в єдиному цифровому середовищі, що дозволяє перейти від реактивного до превентивного управління дебіторською заборгованістю. Уточнено сутність поняття «цифрова трансформація бухгалтерського обліку» як системного процесу впровадження інноваційних технологій обробки даних, який забезпечує оперативність, точність і прозорість інформації, необхідної для прийняття управлінських рішень.

Запропоновано концептуальну модель оцінки дебіторської заборгованості, що враховує фінансові, макроекономічні та поведінкові фактори з використанням предиктивної аналітики та алгоритмів машинного навчання. Доведено, що застосування таких підходів підвищує достовірність прогнозування ризиків неплатежів і дозволяє своєчасно формувати резерви сумнівних боргів відповідно до вимог П(С)БО 10 та IFRS 9. Розроблено систему показників цифрової зрілості облікових процесів, що дає змогу оцінювати готовність підприємства до цифровізації управління дебіторською заборгованістю з урахуванням рівня автоматизації, інтеграції інформаційних потоків і наявності аналітичних інструментів прогнозування ризиків.

Результати дослідження підтверджують, що цифрові технології сприяють підвищенню ефективності контролю за дебіторською заборгованістю, скороченню періоду її погашення та зниженню частки прострочених боргів. Зокрема, впровадження ERP- та CRM-систем забезпечує централізований моніторинг розрахунків, автоматизацію формування аналітичних звітів і підвищення прозорості взаємовідносин із контрагентами. Інтеграція штучного інтелекту в облікові системи дозволяє прогнозувати платоспроможність дебіторів, визначати оптимальні кредитні ліміти та адаптувати кредитну політику до змін зовнішнього середовища.

Показано, що в умовах ринкової нестабільності цифровізація обліку є не лише технологічним оновленням, а стратегічним напрямом розвитку фінансового менеджменту, який забезпечує адаптивність підприємства, зниження кредитних ризиків і підвищення фінансової гнучкості. Водночас наголошено на необхідності вдосконалення нормативно-правової бази, кіберзахисту фінансових даних та підвищення цифрової компетентності бухгалтерів як ключових умов ефективної трансформації облікових систем

Біографії авторів

Наталія Бразілій, Черкаський державний технологічний університет

Кандидат  економічних наук, доцент

Юлія Білан, Черкаський державний технологічний університет

Здобувачка вищої освіти

Посилання

Білоус, О., & Кундеус, О. (б.д.). Трансформація бухобліку в умовах цифрової економіки. Взято з https://galicianvisnyk.tntu.edu.ua/pdf/83/1189.pdf

Вплив штучного інтелекту на інновації у фінансовому секторі України. (2024). Взято з https://a-economics.com.ua/index.php/home/article/view/25

Касьяненко, Л. М., Шаркова, В. С., & Петрук, В. П. (2024). Правове регулювання штучного інтелекту у фінансовому секторі України. Ірпінський юридичний часопис, 2(15), 144–153. doi: 10.33244/2617-4154-2(15)-2024-144-153

Кононенко, Л. В. (2021). Управління дебіторською заборгованістю в умовах цифровізації: інтеграція ERP-систем та аналітичних платформ. Простір економічних досліджень, 1, 65–72. Взято з https://prostir.pdaba.dp.ua/index.php/journal/article/view/821

Кручак, Л. А. (2017). Автоматизація обліку дебіторської заборгованості на основі інтегрованої бази даних контрагентів. Вісник Запорізького національного університету. Серія: Економічні науки, 1, 93–98. Взято з https://visnykj.wunu.edu.ua/index.php/visnykj/article/view/736

Кручак, Л., & Муравський, В. (2017, Вересень). Автоматизація обліку дебіторської заборгованості на основі інтегрованої бази даних контрагентів. Вісник Економіки, 1, 109–118. doi: 10.35774/visnyk2017.01.109

Лисенко, І. В., & Петренко, І. В. (2023). Використання штучного інтелекту для прогнозування дебіторської заборгованості в умовах цифровізації фінансового обліку. Взято з https://repository.kpi.kharkov.ua/items/6289132e-fc1b-48eb-9daf-cf89fc5ab744

Михайлова, О. В. (2020). Розвиток аналітичних інструментів на базі Big Data для оцінки фінансової надійності дебіторів. Вісник Харківського національного університету імені В. Н. Каразіна. Серія: Економіка, 10, 112–118.

Міністерство фінансів України. (2010). Положення (стандарт) бухгалтерського обліку 10 «Дебіторська заборгованість» [П(С)БО 10]. Київ. Взято з https://zakon.rada.gov.ua/laws/show/z1004-10

Міністерство фінансів України. (2015). Національні положення (стандарти) бухгалтерського обліку, затверджені Міністерством фінансів України [НП(С)БО] – загальні положення та окремі стандарти щодо фінансових інструментів та звітності. Київ. Взято з https://www.minfin.gov.ua/ua/national-standards-of-accounting

Онешко, С., Назаренко, О., Яремко, І., Коваль, О., & Писарчук, О. (2023). Бухгалтерський облік та фінансова звітність в ІТ-сфері України: можливості штучного інтелекту. Фінансово-кредитна діяльність: проблеми теорії і практики, 5(52), 79–96. doi: 10.55643/fcaptp.5.52.2023.4151

Пілевич, Д. С. (2020). Трансформація системи бухгалтерського обліку в умовах розвитку цифрових технологій. Взято з https://www.researchgate.net/publication/356277983_transformacia_sistemi_buhgalterskogo_obliku_v_umovah_rozvitku_cifrovih_tehnologij

Шигун, М. М., & Мухомор, Г. В. (б.д.). Дебіторська заборгованість: визнання та оцінка за національними й міжнародними стандартами. Взято з http://journals-lute.lviv.ua/index.php/visnyk-econom/article/view/1346

Gupta, S., & Sharma, R. (2023, June). Machine learning in credit risk assessment: Analyzing how machine learning models are transforming the assessment of credit risk for loans and credit cards. Journal of Emerging Technologies and Innovative Research, 10(6), k746–k750. Retrieved from https://www.researchgate.net/publication/380732388_machine_learning_in_credit_risk_assessment_analyzing_how_machine_learning_models_are_transforming_the_assessment_of_credit_risk_for_loans_and_credit_cards

Pargmann, J., Riebenbauer, E. et al. (2023). Digitalisation in accounting: A systematic literature review of activities and implications for competences. doi: 10.1186/s40461-023-00141-1

##submission.downloads##

Опубліковано

2025-10-26

Номер

Розділ

Статті