当前位置: 首页 > news >正文

在 SAP 中启用应收/应付“代扣税(Withholding Tax)”功能,本质上是激活并配置“扩展代扣税(Extended Withholding Tax)”模型

在 SAP 中启用应收/应付“代扣税(Withholding Tax)”功能,本质上是激活并配置“扩展代扣税(Extended Withholding Tax)”模型。下面给出系统落地必须执行的 3 个层级、共 12 个核心步骤,全部完成后即可在供应商/客户发票或付款环节自动计算并过账代扣税。


一、全局开关:先让公司代码“能用”代扣税

  1. 激活扩展代扣税
    IMG 路径:SPRO → 财务会计 (新) → 财务会计全局设置 → 代扣税 → 扩展代扣税 → 基本设置 → 激活扩展代扣税
    事务代码:OBYZ
    操作:把需要启用代扣税的公司代码打勾即可。只有激活后,后续所有代扣税配置节点才会出现。


二、基础主数据:定义“规则+税率+科目”
2. 检查/维护代扣税国家
确保所需国家已列入系统清单(多数系统已预置)。
3. 定义代扣税类型(Withholding Tax Type)
分别创建“发票过账时点”与“付款过账时点”两种类型,并指定:
– 计算顺序、累计周期、最小/最大基数、舍入规则等。
4. 定义代扣税代码(Withholding Tax Code)
在上一步类型下创建代码,维护百分比、基数公式、免征税原因等。
5. 为公司代码分配代扣税类型
把第 3 步创建的类型分配给第 1 步已激活的公司代码。
6. 定义代扣税总账科目
IMG:扩展代扣税 → 过账 → 账户 → 定义代扣税科目
每个“类型+代码+科目表”组合指定应交税金科目(一般为负债类)。系统过账时会自动记入该科目。
7. (可选)定义最小/最大限额
若税法要求“单笔 30 000 以上或全年累计 75 000 以上才扣税”,在此节点按类型+代码维护起扣金额。


三、业务伙伴层:让供应商/客户“触发”代扣税
8. 供应商主数据(FK02/XK02)
– 在“会计信息 → 代扣税”视图勾选“代扣税相关”;
– 分配第 3/4 步创建的“类型+代码”;
– 若按发票时点扣税,选“过账基次”=1;若按付款时点,选“2”[4^]。
9. 客户主数据(XD02)同理,适用于对方给你扣税的场景(应收账款)。


四、验证与使用
10. 模拟发票(MIRO 或 FB60)
输入含税/不含税金额,点击“模拟”,系统应出现代扣税行项目,应付/应收金额被扣减。
11. 模拟付款(F-53 或 F-110)
若采用“付款时点”模型,付款凭证会自动生成代扣税分录。
12. 期末报表
运行标准代扣税报表(如美国的 1099-MISC、比利时的 Withholding Tax Report)或利用 CDS View I_SupplierWithHoldingTax / I_CustomerWithTax 抽取数据提交税务局。


常见疑问
• 为什么配置了却看不到代扣税行?
– 先检查公司代码是否已激活(第 1 步)。
– 再查供应商/客户主数据是否已勾选“相关”并分配了类型+代码。
• 同一张发票需要两种代扣税怎么办?
– 在类型里定义多个,发票录入界面可分别输入,系统会并行计算。
• 税率随年度变化如何维护?
– 直接在代扣税代码里按“有效期间”分段维护新税率,旧期间保持不变即可。

完成以上 12 步,SAP 就能在应收/应付模块自动按国家法规完成代扣税计算、过账及报表输出。

http://www.cnnetsun.cn/news/164174.html

相关文章:

  • 【Open-AutoGLM生态建设必读】:6个高价值开源协作平台深度解析
  • 【独家首发】Open-AutoGLM自定义确认函数开发秘籍:资深架构师20年经验浓缩成的7个步骤
  • Open-AutoGLM核心功能揭秘(自定义确认函数开发全解析):仅限高级工程师掌握的黑科技
  • Open-AutoGLM自定义确认函数实战:5步完成高可靠性函数配置,提升自动化准确率300%
  • Open-AutoGLM开发者私藏资源库曝光(仅限内部人员知晓的获取路径)
  • Linly-Talker支持抗锯齿渲染,边缘过渡更平滑
  • 【Open-AutoGLM资源获取全攻略】:揭秘5大核心开发社区渠道与使用技巧
  • Linly-Talker支持动态眼神追踪模拟,增强交互真实感
  • Linly-Talker可用于博物馆文物背后故事讲述项目
  • Linly-Talker可用于企业内部制度宣贯视频制作
  • Open-AutoGLM任务调度优化秘技(性能提升8倍的真实案例解析)
  • 毕业论文写不下去?百考通AI平台,一键生成逻辑严谨初稿!
  • Open-AutoGLM脚本如何做到零故障运行?3个关键编写标准揭晓
  • Open-AutoGLM集成难题全解析:5步打通CI/CD流水线瓶颈
  • 价值投资中的宏观经济考量:全局视野
  • Open-AutoGLM收费模式全解析:5种主流定制开发计费方式及企业选型建议
  • 【大模型开发新范式】:Open-AutoGLM 如何让AI研发效率提升300%?
  • Open-AutoGLM调试实战(90%工程师忽略的隐藏问题)
  • Linly-Talker支持自定义服装与背景,数字人形象更丰富
  • Open-AutoGLM测试自动化落地全记录(从0到1的突破性实践)
  • Linly-Talker部署常见问题汇总及解决方案大全
  • Linux 进程深度解析(四):环境变量 —— 进程的“环境 DNA”
  • Linly-Talker支持RESTful API调用,便于前后端分离架构集成
  • 如何用Open-AutoGLM打造企业级AI中台?4大接口调用秘诀首次公开
  • 从开发到部署:Open-AutoGLM应用适配全流程拆解(仅限资深工程师查看)
  • Linly-Talker支持LoRa远距离低功耗通信
  • Linly-Talker支持语音克隆,打造个性化虚拟主播不是梦
  • 为什么你的Open-AutoGLM集成总失败?6大常见坑点全面解析
  • Linly-Talker支持多人协作编辑,团队共创数字人内容
  • P6365 [传智杯 #2 初赛] 众数出现的次数(C++)