تحلیل فاکتور و پیش‌بینی جریان نقدی با هوش مصنوعی

تجزیه و تحلیل فاکتورها و پیش‌بینی جریان نقدی با Gemini، Google Sheets، Gmail و Slack

این گردش کار، پردازش فاکتورها، ارزیابی ریسک و پیش‌بینی جریان نقدی را با استفاده از ترکیبی از هوش مصنوعی و ابزارهای محبوب کسب‌وکار خودکار می‌کند. این سیستم از Google Gemini برای تجزیه و تحلیل هوشمند، Google Sheets برای پایداری داده‌ها، Gmail برای گزارش‌دهی و Slack برای هشدارهای حیاتی استفاده می‌کند.

دسته‌بندی‌ها: پردازش فاکتور، خلاصه‌سازی هوش مصنوعی، اتوماسیون مالی، پیش‌بینی جریان نقدی

لینک کاتالوگ Axeto.ai: https://axeto.ai/n8n/workflows/analyze-invoices-and-predict-cash-flow-with-gemini-google-sheets-gmail-and-slack

---

۱. نمای کلی گردش کار

هدف: این گردش کار، داده‌های فاکتور ارسالی از طریق یک فرم n8n رو به کاربر را دریافت می‌کند. سپس از Google Gemini (از طریق نودهای LangChain) برای تجزیه و تحلیل جزئیات فاکتور و ارزیابی ریسک تقلب استفاده می‌کند. بر اساس این ارزیابی، فاکتور و نتایج تجزیه و تحلیل را در Google Sheets ثبت می‌کند. تجزیه و تحلیل دوم Gemini، تأثیر بالقوه جریان نقدی را پیش‌بینی می‌کند. در نهایت، اعلان‌ها را توزیع می‌کند: هشدارهای Slack برای فاکتورهای با ریسک بالا و یک گزارش جامع Gmail که خلاصه‌های مالی و پیش‌بینی‌های جریان نقدی را شرح می‌دهد.

موارد استفاده هدف:

• عملیات حسابداری پرداختنی / مالی: خودکارسازی فرآیندهای دریافت، اعتبارسنجی و گزارش‌دهی فاکتور.
• دفترداری کسب‌وکارهای کوچک و متوسط: ارائه استخراج داده با کمک هوش مصنوعی و معیارهای ریسک برای مدیریت مالی کارآمد.
• برنامه‌ریزی جریان نقدی: تولید پیش‌بینی‌های تأثیر جریان نقدی کوتاه‌مدت بر اساس فاکتورهای ورودی.

بلوک‌های منطقی گردش کار:

1. دریافت ورودی (ثبت فاکتور):

* دریافت داده‌های فاکتور از طریق یک تریگر فرم n8n.

2. پیش‌پردازش فاکتور:

* نرمال‌سازی و ساختاربندی ارسال فرم ورودی به یک پیلود مناسب برای تجزیه و تحلیل هوش مصنوعی.

3. تجزیه و تحلیل فاکتور با هوش مصنوعی (Gemini):

* استفاده از Gemini از طریق نود "Chain LLM" در LangChain برای استخراج جزئیات کلیدی فاکتور و ارزیابی ناهنجاری‌های بالقوه.

4. تجزیه و تحلیل و تصمیم‌گیری ریسک:

* تجزیه و تحلیل پاسخ هوش مصنوعی به فیلدهای ساختاریافته و استفاده از یک نود IF برای تعیین سطح ریسک تقلب.

5. پایداری و پیش‌بینی جریان نقدی:

* ثبت داده‌های پردازش شده فاکتور و نتایج تجزیه و تحلیل در Google Sheets.

* اجرای تجزیه و تحلیل دوم Gemini برای پیش‌بینی تأثیر جریان نقدی.

6. اعلان‌ها و گزارش‌دهی:

* ارسال هشدارهای فوری Slack برای فاکتورهای علامت‌گذاری شده به عنوان پر ریسک.

* ارسال گزارش مالی از طریق Gmail، با خلاصه‌سازی جزئیات فاکتور و پیش‌بینی‌های جریان نقدی.

---

۲. تجزیه و تحلیل نودها

۲.۱ دریافت ورودی: ثبت فاکتور

نمای کلی: این بلوک با پذیرش جزئیات فاکتور ارسالی از طریق یک فرم کاربرپسند n8n، گردش کار را آغاز می‌کند.

نودها:

• فرم بارگذاری فاکتور (n8n-nodes-base.formTrigger)

* نقش: به عنوان نقطه ورود گردش کار عمل می‌کند و فرم میزبانی شده‌ای را در معرض دید قرار می‌دهد که پس از ارسال، گردش کار را فعال می‌کند.

* پیکربندی: از formTrigger با typeVersion: 2.1 استفاده می‌کند. انتظار می‌رود فیلدهای خاص فرم در رابط کاربری نود پیکربندی شوند. شامل یک webhookId داخلی است.

* ورودی/خروجی: داده‌های ارسالی فرم را به نود بعدی خروجی می‌دهد.

* داده‌های کلیدی: انتظار یک پیلود JSON حاوی فیلدهای تعریف شده در فرم را دارد.

* مشکلات احتمالی: فیلدهای فرم گمشده یا اختیاری ممکن است باعث خطا در نودهای پایین‌دستی شوند اگر مدیریت نشوند. بارگذاری فایل‌های بزرگ (در صورت فعال بودن) می‌تواند بر عملکرد تأثیر بگذارد.

* نکته نسخه: سازگاری با formTrigger نسخه ۲.۱ را تضمین کنید.

۲.۲ پیش‌پردازش فاکتور

نمای کلی: این مرحله داده‌های خام دریافتی از فرم را به یک شیء فاکتور ساختاریافته استاندارد می‌کند و آن را برای تجزیه و تحلیل هوش مصنوعی و ذخیره‌سازی آماده می‌کند.

نودها:

• پردازش داده‌های فاکتور (n8n-nodes-base.code)

* نقش: کد سفارشی جاوا اسکریپت/تایپ اسکریپت را برای تبدیل و ساختاردهی داده‌های ورودی اجرا می‌کند.

* پیکربندی: نیاز به پیاده‌سازی کد سفارشی در نود برای موارد زیر دارد:

* استخراج فیلدهای ضروری مانند نام تامین‌کننده، شماره فاکتور، مبالغ، تاریخ‌ها، موارد خطی، ارز و شرایط پرداخت.

* پردازش هرگونه فایل پیوست و تبدیل آن‌ها به فرمتی مناسب برای تجزیه و تحلیل هوش مصنوعی.

* ورودی/خروجی: داده‌ها را از فرم بارگذاری فاکتور دریافت کرده و شیء فاکتور ساختاریافته را به نود بعدی خروجی می‌دهد.

* مشکلات احتمالی: خطاهای زمان اجرا به دلیل ارجاع به فیلدهای ناموجود، مشکلات در پردازش فایل‌های باینری، یا مشکلات نرمال‌سازی داده‌ها (مانند فرمت‌های تاریخ، جداکننده‌های اعشار).

* نکته نسخه: از typeVersion: 2 برای اجرای کد مدرن پشتیبانی می‌کند.

۲.۳ تجزیه و تحلیل فاکتور با هوش مصنوعی: Gemini

نمای کلی: این بلوک داده‌های فاکتور آماده شده را با استفاده از نودهای LangChain به Google Gemini ارسال می‌کند تا استخراج هوشمند و تشخیص ناهنجاری انجام شود.

نودها:

• مدل چت Google Gemini (@n8n/n8n-nodes-langchain.lmChatGoogleGemini)

* نقش: دسترسی به مدل چت Google Gemini را به عنوان منبع مدل زبان فراهم می‌کند.

* پیکربندی: نیاز به پیکربندی پارامترهای مدل (مانند نام مدل، دما) و اعتبارنامه معتبر API گوگل/Gemini دارد.

* ورودی/خروجی: از طریق پارامتر ai_languageModel به نود AI Invoice Analyzer متصل می‌شود.

* مشکلات احتمالی: خرابی احراز هویت، تجاوز از سهمیه‌ها یا محدودیت‌های نرخ API، پرامپت‌هایی که از پنجره زمینه مدل فراتر می‌روند.

* نکته نسخه: از typeVersion: 1 استفاده می‌کند؛ اطمینان حاصل کنید که بسته n8n LangChain نصب شده است.

• AI Invoice Analyzer (@n8n/n8n-nodes-langchain.chainLlm)

* نقش: یک پرامپت یا زنجیره‌ای از عملیات را با استفاده از مدل Gemini متصل شده برای تجزیه و تحلیل داده‌های فاکتور سازماندهی می‌کند.

* پیکربندی: نیاز به تعریف پرامپت یا منطق زنجیره در داخل نود دارد. خروجی مورد انتظار یک JSON ساختاریافته حاوی فیلدهای استخراج شده و سیگنال‌های ریسک است.

* ورودی/خروجی: ورودی را از پردازش داده‌های فاکتور و مدل زبان را از مدل چت Google Gemini دریافت می‌کند. نتایج تجزیه و تحلیل را به نود Parse AI Response خروجی می‌دهد.

* مشکلات احتمالی: خروجی ناسازگار یا غیر JSON از مدل، داده‌های توهمی، مهلت زمانی، یا استخراج نادرست فیلد.

* نکته نسخه: از typeVersion: 1.4 استفاده می‌کند؛ گزینه‌های پرامپت و طرح ممکن است با نسخه‌های قبلی متفاوت باشند.

۲.۴ تجزیه و تحلیل و تصمیم‌گیری ریسک

نمای کلی: این بخش خروجی هوش مصنوعی را پردازش می‌کند، آن را به داده‌های ساختاریافته قابل پیش‌بینی تبدیل می‌کند و گردش کار را بر اساس ریسک تقلب ارزیابی شده منشعب می‌کند.

نودها:

• تجزیه پاسخ هوش مصنوعی (n8n-nodes-base.code)

* نقش: پاسخ JSON دریافتی از تجزیه و تحلیل Gemini را تجزیه و اعتبارسنجی می‌کند.

* پیکربندی: نیاز به کد سفارشی برای موارد زیر دارد:

* تجزیه داده‌های JSON، رسیدگی به مشکلات احتمالی قالب‌بندی متن (مانند بلوک‌های کد).

* اعتبارسنجی وجود کلیدهای ضروری (مانند invoice_total, vendor, due_date, risk_score).

* اطمینان از انواع داده صحیح (اعداد، تاریخ‌ها، بولین‌ها).

* ورودی/خروجی: نتایج تجزیه و تحلیل هوش مصنوعی را از AI Invoice Analyzer دریافت کرده و داده‌های تجزیه شده را به Fraud Risk Check خروجی می‌دهد.

* مشکلات احتمالی: خطاهای تجزیه JSON اگر هوش مصنوعی متن ساده برگرداند، کلیدهای گمشده منجر به شکست شرط، یا مشکلات با فرمت‌های عددی خاص منطقه.

• بررسی ریسک تقلب (n8n-nodes-base.if)

* نقش: منطق شرطی را برای انشعاب گردش کار بر اساس امتیاز ریسک تقلب محاسبه شده یا پرچم‌ها پیاده‌سازی می‌کند.

* پیکربندی: نیاز به تعریف شرایط دارد، مانند:

* risk_score >= threshold

* flags contains "suspicious_activity"

* vendor not in approved_list

* ورودی/خروجی: داده‌های تجزیه شده را از Parse AI Response دریافت می‌کند.

* شاخه True (شاخص ۰): به Send Alert و Log to Financial Database ادامه می‌دهد.

* شاخه False (شاخص ۱): مستقیماً به Log to Financial Database ادامه می‌دهد.

* رفتار مهم: هر دو شاخه داده‌ها را در Google Sheets ثبت می‌کنند؛ شاخه True یک هشدار Slack اضافی را فعال می‌کند.

* مشکلات احتمالی: شرایطی که به فیلدهای گمشده ارجاع می‌دهند می‌توانند منجر به ارزیابی غیرقابل پیش‌بینی شوند. آستانه‌های نادرست ممکن است منجر به هشدارهای بیش از حد یا ریسک‌های از دست رفته شوند.

• ارسال هشدار (n8n-nodes-base.slack)

* نقش: هنگام علامت‌گذاری یک فاکتور به عنوان پر ریسک، یک اعلان به یک کانال Slack اختصاصی ارسال می‌کند.

* پیکربندی: نیاز به تنظیم کانال هدف، محتوای پیام و قالب‌بندی دارد. اعتبارنامه‌های Slack باید پیکربندی شوند.

* ورودی/خروجی: ورودی را از شاخه True Fraud Risk Check دریافت می‌کند. خروجی یک اثر جانبی اعلان است.

* مشکلات احتمالی: خطاهای احراز هویت Slack، ارسال به کانال‌های نامعتبر، یا خطاهای قالب پیام به دلیل فیلدهای گمشده.

* نکته نسخه: از typeVersion: 2.2 استفاده می‌کند.

۲.۵ پایداری و پیش‌بینی جریان نقدی

نمای کلی: این بلوک داده‌های پردازش شده را در Google Sheets ذخیره می‌کند و از Gemini برای پیش‌بینی تأثیر جریان نقدی استفاده می‌کند و داده‌ها را برای گزارش نهایی آماده می‌کند.

نودها:

• ثبت در پایگاه داده مالی (n8n-nodes-base.googleSheets)

* نقش: جزئیات فاکتور و نتایج تجزیه و تحلیل را به یک تب مشخص Google Sheet اضافه می‌کند و به عنوان یک دفتر مالی عمل می‌کند.

* پیکربندی: نیاز به مشخص کردن شناسه Google Sheet، نام تب و نگاشت فیلدهای داده گردش کار به ستون‌های صفحه دارد. اعتبارنامه‌های OAuth2 Google Sheets ضروری است.

* ورودی/خروجی: ورودی را از هر دو شاخه Fraud Risk Check دریافت کرده و ردیف داده را به Google Sheet خروجی می‌دهد.

* مشکلات احتمالی: خطاهای مجوز، عدم تطابق ستون‌ها اگر طرح صفحه تغییر کند، یا محدودیت‌های نرخ API Google Sheets.

* نکته نسخه: از typeVersion: 4.5 استفاده می‌کند؛ از تغییرات احتمالی رابط کاربری و گزینه‌ها در نسخه‌های مختلف آگاه باشید.

• مدل چت Google Gemini1 (@n8n/n8n-nodes-langchain.lmChatGoogleGemini)

* نقش: یک نمونه دوم از مدل چت Google Gemini را فراهم می‌کند، که به طور بالقوه با پیکربندی متفاوت برای وظایف پیش‌بینی.

* پیکربندی: مشابه نود اول Gemini، نیاز به پارامترهای مدل و اعتبارنامه‌ها دارد. تنظیماتی را که برای پیش‌بینی‌های قطعی بهینه شده‌اند (مانند دمای پایین‌تر) در نظر بگیرید.

* ورودی/خروجی: از طریق پارامتر ai_languageModel به نود Cash Flow Predictor متصل می‌شود.

* مشکلات احتمالی: مشابه نود اول Gemini (احراز هویت، سهمیه‌ها، محدودیت‌های زمینه).

• پیش‌بینی کننده جریان نقدی (@n8n/n8n-nodes-langchain.chainLlm)

* نقش: یک پیش‌بینی جریان نقدی بر اساس داده‌های فاکتور و احتمالاً زمینه تاریخی ایجاد می‌کند.

* پیکربندی: نیاز به یک پرامپت یا زنجیره طراحی شده برای استفاده از مبلغ فاکتور، تاریخ سررسید و شرایط پرداخت دارد. باید متن پیش‌بینی یا داده‌های ساختاریافته مانند تاریخ‌های پرداخت مورد انتظار و تأثیر نقدی را خروجی دهد.

* ورودی/خروجی: ورودی را از Log to Financial Database دریافت می‌کند، از مدل زبان Google Gemini Chat Model1 استفاده می‌کند و پیش‌بینی را به Send Financial Report خروجی می‌دهد.

* مشکلات احتمالی: دقت پیش‌بینی به شدت به کیفیت داده‌های ورودی و مهندسی پرامپت بستگی دارد. پردازش چندین فاکتور در یک دسته نیاز به منطق زنجیره خاص دارد.

۲.۶ اعلان‌ها و گزارش‌دهی: ایمیل

نمای کلی: این بلوک نهایی یک گزارش مالی تلفیقی را از طریق ایمیل ارسال می‌کند.

نودها:

• ارسال گزارش مالی (n8n-nodes-base.gmail)

* نقش: با استفاده از سرویس Gmail، یک ایمیل را ایجاد و ارسال می‌کند.

* پیکربندی: نیاز به تنظیم گیرنده (To)، خط موضوع و بدنه ایمیل دارد. این فیلدها باید به صورت پویا با استفاده از عباراتی که به داده‌های پیش‌بینی جریان نقدی ارجاع می‌دهند، پر شوند. اعتبارنامه‌های OAuth2 Gmail مورد نیاز است.

* ورودی/خروجی: داده‌های پیش‌بینی جریان نقدی را از Cash Flow Predictor دریافت کرده و ایمیل را ارسال می‌کند.

* مشکلات احتمالی: خطاهای احراز هویت Gmail، آدرس‌های گیرنده نادرست، یا خطاهای عبارت در محتوای ایمیل.

* نکته نسخه: سازگاری با نسخه خاص نود Gmail مورد استفاده را تضمین کنید.