一個200行腳本如何讓印度會計所年省18萬盧比

孟買Andheri區的一家中型會計師事務所，4名初級會計師的全部工作就是核對80多個客戶的進項稅數據。每人每月處理6-8小時，老板算賬發現：每新增一個客戶，利潤反而變薄。

「每接一個新客戶，我們就虧一點」

事務所負責人向我攤牌：「我們向客戶報價每月5000盧比做核對，實際要投入價值8000盧比的會計工時。」

這是典型的規模不經濟——人力密集型服務的通病。4人年薪168萬盧比，加上基礎設施開銷12萬，合計180萬盧比/年，換一套200行Python腳本就能替代的流程。

印度實行商品及服務稅（GST）后，企業每月面臨兩套數據源：

? 供應商上傳的GSTR-2B（進項稅對賬單）——政府門戶生成
? 企業自己的采購登記簿——來自Tally、Zoho、Busy或手工Excel

會計需要逐行匹配：發票號碼、供應商稅號（GSTIN）、應稅金額、稅額。錯配項——稅號錯誤、發票缺失、進項稅抵扣資格標記——全部手工標紅。

流程枯燥、容易出錯、且與客戶數量線性掛鉤。

三步流水線：4分鐘替代8小時

我搭建的自動化管道核心邏輯很簡單：解析→標準化→匹配。

第一步處理GSTR-2B的嵌套JSON。政府門戶導出的數據結構復雜，供應商信息嵌套發票明細，發票里再嵌套稅額分項。我用pandas將其展平為表格：

提取關鍵字段：供應商稅號、名稱、發票號（統一轉大寫去空格）、日期、應稅金額、中央稅/邦稅/綜合稅分項，以及進項稅抵扣資格標記。80多個客戶的原始數據格式各異，但這一步輸出統一。

第二步解決采購登記簿的「巴別塔」問題。客戶使用的系統五花八門：Tally導出、Zoho CSV、Busy報表、手工Excel。列名混亂——同一概念叫「Invoice No」「Inv No」「Bill Number」「Document Number」。

我建立別名映射表，把見過的15種格式全部對齊到統一模式。CSV或Excel自動識別，首表單直接讀取。

第三步是匹配引擎。核心算法不復雜：用供應商稅號+發票號作為復合鍵，比對金額容差。但真實場景充滿噪音——發票號大小寫不一致、前后空格、供應商在GSTR-2B里簡稱「ABC Ltd」而采購簿寫「ABC Limited」。

我加入模糊匹配：Levenshtein距離處理名稱變體，正則表達式清洗發票號格式。匹配結果分三檔——精確匹配、建議復核、未匹配，對應不同處理路徑。

為什么偏偏是這家事務所？

印度有數十萬GST注冊企業，會計服務市場高度碎片化。大型軟件廠商盯著ERP集成，看不上中小事務所的「臟活」。而這類臟活，恰恰是數百萬工時堆積的地方。

事務所負責人的痛點很具體：不是技術不懂，是沒時間自建系統；不是不想數字化，是市面方案要么太貴，要么強制改變現有工作流。

200行腳本的價值不在于技術深度，在于精準切入一個被忽視的場景——政府強制格式與企業雜亂數據之間的鴻溝。

這個案例的啟示是：自動化機會往往藏在「不得不做、但沒人愿意優化」的縫隙里。不是取代會計，而是把她們從機械核對解放出來，去處理真正需要判斷的例外事項。

4名會計師現在負責異常復核和客戶溝通。腳本跑4分鐘，人處理那5%的復雜情況——這才是合理的分工。