• Ekstrakcja danych fakturowych

    przez Moduł INVOICE Reader

    Klient

    • Grupa kapitałowa zarządzająca nieruchomościami w Polsce oraz krajach Europy Zachodniej

    • Oczekiwania

    • Odciążenie codziennej pracy manualnej pracowników sekretariatu głównego w masowym przetwarzaniu danych z napływających faktur i not księgowych. Wykorzystanie zaawansowanych narzędzi umożliwiających optymalizację tego procesu i automatyczne (bez uczestnictwa pracownika) przekazywanie kluczowych danych księgowych do systemu klasy EDM.

    • Projekt

    • Klient podjął decyzję o wdrożeniu skutecznego narzędzia ułatwiającego codzienną pracę wielu pracowników sekretariatu. Projekt obejmował etap wnikliwej analizy przetwarzanych dokumentów (m.in. ich typów i struktury zawartych na nich danych, jakości obrazu skanowanych faktur papierowych, kanałów wejścia do procesu oraz docelowych potrzeb w zakresie zmiany obecnego interfejsu systemu EDM). Rezultatem prac przygotowawczych było uruchomienie dwóch wątków projektowych:

      • checked

        testowanie i wdrożenie optymalnych algorytmów umożliwiających autonomiczną ekstrakcję wybranych danych księgowych z obrazów faktur

      • checked

        zmiana obecnego interfejsu systemu EDM w celu umożliwienia automatycznego wypełniania w nim danych księgowych pochodzących z procesu ekstrakcji

    • Prawdziwym wyzwaniem było zastosowanie maksymalnie efektywnych algorytmów z obszaru machine learning, aby posiadały one zdolność autonomicznej adaptacji do nowych wzorców i szablonów faktur, i mogły wyekstrahować pożądane dane księgowe (takie jak daty wystawienia dokumentu, datę sprzedaży, datę płatności, nazwę kontrahenta, kwoty netto i brutto, stawki VAT, typ waluty, numer konta bankowego i wiele innych).

    • Rezultat

    • Skuteczność implementacji autorskiego rozwiązania firmy FINTURE została potwierdzona dwumiesięcznymi okresami testowania algorytmów w środowisku docelowym (w trybie nadzoru eksperckiego ze strony wskazanych pracowników klienta). Oczekiwana skuteczność Modułu INVOICE Reader przewyższyła bazowe wymagania klienta uzyskując stabilną trafność na poziomie ponad 85% dla wszystkich procesowanych dokumentów i ich ekstrahowanych z nich pól księgowych.

    • Info

      • Sektor

        Nieruchomości

      • Usługa

        Machine Learning z OCR

      • Technologie

        NLP libraries, neural networks

    • Projekt w liczbach

      +

      2000
      Ilość przetwarzanych dokumentów księgowych w miesiącu

      +

      30000
      Łączna ilość pól księgowych automatyczne odczytywana w miesiącu
      2
      liczba zredukowanych etatów pracowniczych kancelarii
    • Wykorzystane kompetencje

      • Machine Learning

      • Hyperautomation

      • Digital Transformation