Ekstrakcja danych fakturowych przez Moduł INVOICE

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).

Rezultaty

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 ekstrahowanych z nich pól księgowych.

Info

  • Sektor

    Nieruchomości

  • Usługa

    Machine Learning

  • Technologie

    NLP Libraries,
    Neural networks

  • Projekt w liczbach

    +2000​

    przetwarzanych dokumentów księgowych w miesiącu​

    +30 000​

    liczba pól księgowych automatycznie odczytywana w miesiącu​

    2

    liczba zredukowanych etatów pracowniczych w kancelarii​