ВПЛИВ ЦИФРОВОЇ ТРАНСФОРМАЦІЇ БУХГАЛТЕРСЬКОГО ОБЛІКУ НА ПІДХОДИ ДО ОЦІНКИ ТА УПРАВЛІННЯ ДЕБІТОРСЬКОЮ ЗАБОРГОВАНІСТЮ В УМОВАХ НЕСТАБІЛЬНОГО РИНКУ
DOI:
https://doi.org/10.24025/2306-4420.77(4).2025.342909Ключові слова:
цифрова трансформація, бухгалтерський облік, дебіторська заборгованість, Big Data, штучний інтелект, ERP-системи, управління ризиками, фінансова стабільністьАнотація
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
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
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).