اندیشکده مدیریت و اقتصاد تدبیر نیکان هوشمندسازی در حسابداری، اقتصاد و مدیریت مالی 1 پیاپی 6 1404 12 01 Developing an Intelligent Framework for Corporate Cash Flow Management Using Predictive Analytics and Optimization Algorithms ارائه چارچوب هوشمندسازی مدیریت جریان نقدی شرکت‌ها با استفاده از تحلیل پیش‌بینانه و الگوریتم‌های بهینه‌سازی 1 13 FA فاطمه زهرا سلیمانی نیا گروه اقتصاد اسلامی، دانشگاه رازی، کرمانشاه، ایران Journal Article <p>This study aimed to develop a qualitative framework for intelligent corporate cash flow management by integrating predictive analytics, optimization algorithms, data governance, and evidence-based financial decision-making. This qualitative exploratory study was conducted among financial managers, treasury managers, accounting managers, financial data analysts, and corporate finance consultants working in Tehran-based companies. Participants were selected through purposive and snowball sampling. Data were collected through 22 semi-structured interviews, after which theoretical saturation was achieved. Each interview lasted approximately 45 to 75 minutes and focused on cash flow management challenges, financial data capabilities, predictive modeling, optimization-based decision-making, and implementation requirements for intelligent cash management systems. The interviews were transcribed verbatim and analyzed using thematic analysis with the support of NVivo software. To enhance trustworthiness, member checking, peer review, audit trail documentation, and constant comparison of codes were employed. The analysis resulted in five main categories: integration and quality of cash flow data, predictive analytics and liquidity scenario planning, optimization of treasury and working capital decisions, algorithmic governance and model controllability, and organizational readiness for adopting intelligent systems. Participants emphasized that intelligent cash flow management is not limited to software deployment or dashboard visualization; rather, it requires coherent data architecture, integration of operational and financial data, decision-rule design, explainable models, and active involvement of financial managers in validating algorithmic outputs. The findings indicate that an intelligent cash flow management framework becomes effective when forecasting, optimization, and data governance are designed as an integrated system. The proposed framework can help companies identify liquidity shortages earlier, optimize payment and collection decisions, determine optimal cash balance levels, and enhance financial resilience under uncertainty through data-driven decision-making.</p> <p>هدف این پژوهش ارائه چارچوبی کیفی برای هوشمندسازی مدیریت جریان نقدی شرکت‌ها با تمرکز بر تحلیل پیش‌بینانه، الگوریتم‌های بهینه‌سازی، حکمرانی داده و تصمیم‌گیری مالی مبتنی بر شواهد است. این پژوهش با رویکرد کیفی و طراحی اکتشافی انجام شد. جامعه مشارکت‌کنندگان شامل مدیران مالی، مدیران خزانه‌داری، مدیران حسابداری، تحلیلگران داده مالی و مشاوران مالی شرکت‌های مستقر در تهران بود. نمونه‌گیری به‌صورت هدفمند و گلوله‌برفی انجام شد و پس از انجام ۲۲ مصاحبه نیمه‌ساختاریافته، اشباع نظری حاصل گردید. مصاحبه‌ها بین ۴۵ تا ۷۵ دقیقه به طول انجامیدند و محورهای اصلی آن‌ها شامل چالش‌های مدیریت جریان نقدی، ظرفیت داده‌های مالی، کاربرد مدل‌های پیش‌بینی، نقش الگوریتم‌های بهینه‌سازی و الزامات پیاده‌سازی سیستم‌های هوشمند بود. داده‌ها پس از پیاده‌سازی کامل، با استفاده از نرم‌افزار NVivo و روش تحلیل مضمون کدگذاری و تحلیل شدند. برای افزایش اعتبار پژوهش از بازبینی مشارکت‌کنندگان، بازبینی همتایان، ثبت مسیر ممیزی و مقایسه مستمر کدها استفاده شد. تحلیل داده‌ها به استخراج پنج مقوله اصلی منجر شد: یکپارچه‌سازی و کیفیت داده‌های جریان نقدی، تحلیل پیش‌بینانه و سناریونویسی نقدینگی، بهینه‌سازی تصمیمات خزانه و سرمایه در گردش، حکمرانی الگوریتمی و کنترل‌پذیری مدل‌ها، و آمادگی سازمانی برای پذیرش سیستم‌های هوشمند. مشارکت‌کنندگان تأکید داشتند که هوشمندسازی مدیریت جریان نقدی صرفاً به معنای استفاده از نرم‌افزار یا داشبورد نیست، بلکه مستلزم معماری داده منسجم، اتصال داده‌های عملیاتی و مالی، تعریف قواعد تصمیم‌گیری، مدل‌های توضیح‌پذیر و مشارکت فعال مدیران مالی در طراحی و ارزیابی خروجی‌های الگوریتمی است. نتایج پژوهش نشان داد چارچوب هوشمندسازی مدیریت جریان نقدی زمانی اثربخش است که پیش‌بینی، بهینه‌سازی و حکمرانی داده به‌صورت یکپارچه طراحی شوند. چارچوب پیشنهادی می‌تواند به شرکت‌ها کمک کند تا کسری نقدینگی را زودتر شناسایی کنند، تصمیمات پرداخت و وصول را بهینه سازند، سطح مانده نقد بهینه را تعیین کنند و از طریق تصمیم‌گیری داده‌محور، تاب‌آوری مالی خود را در شرایط عدم‌قطعیت افزایش دهند.</p> https://jsaefm.com/index.php/jsaefm/article/download/33/31