OCR untuk mengekstrak data dari pengiriman dockets PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.

OCR untuk mengekstrak data dari map pengiriman



OCR untuk mengekstrak data dari map pengiriman

Mencari solusi otomatisasi perusahaan? Tidak terlihat lagi!

.cta-first-blue{ transisi: semua 0.1s cubic-bezier(0.4, 0, 0.2, 1) 0s; batas-radius: 0px; font-berat: tebal; ukuran font: 16px; tinggi garis: 24px; bantalan: 12px 24px; latar belakang: #546ffff; warna putih; tinggi: 56px; perataan teks: kiri; tampilan: inline-flex; arah fleksibel: baris; -moz-box-align: tengah; align-item: tengah; spasi huruf: 0px; ukuran kotak: kotak perbatasan; border-width:2px !penting; perbatasan: padat #546fff !penting; } .cta-first-blue:hover{ color:#546fff; latar belakang:putih; transisi: semua 0.1s kubik-bezier(0.4, 0, 0.2, 1) 0s; border-width:2px !penting; perbatasan: padat #546fff !penting; } .cta-second-black{ transisi: semua 0.1s cubic-bezier(0.4, 0, 0.2, 1) 0s; batas-radius: 0px; font-berat: tebal; ukuran font: 16px; tinggi garis: 24px; bantalan: 12px 24px; latar belakang: putih; warna: #333; tinggi: 56px; perataan teks: kiri; tampilan: inline-flex; arah fleksibel: baris; -moz-box-align: tengah; align-item: tengah; spasi huruf: 0px; ukuran kotak: kotak perbatasan; border-width:2px !penting; batas: solid #333 !penting; } .cta-second-black:hover{ color:white; latar belakang:#333; transisi: semua 0.1s kubik-bezier(0.4, 0, 0.2, 1) 0s; border-width:2px !penting; batas: solid #333 !penting; } .column1{ lebar minimum: 240 piksel; max-width: fit-konten; padding-kanan: 4%; } .column2{ lebar minimum: 200 piksel; max-width: fit-konten; } .cta-main{ tampilan: fleksibel; }


Doket pengiriman adalah dokumen formal yang menyertai pengiriman barang dan merupakan catatan tentang jenis dan jumlah barang yang dikirim. Salinan catatan biasanya dikembalikan ke penjual sebagai bukti pengiriman. Dengan meningkatnya digitalisasi pasar, manajemen data otomatis dari map pengiriman menjadi penting. Mari kita lihat bagaimana alat OCR dapat membantu mengekstrak data dari map pengiriman.

var contentTitle = “Daftar Isi”; // Tetapkan judul Anda di sini, untuk menghindari membuat judul nanti var ToC = “

“+isiJudul+”

“; Daftar Isi += “

“; var tocDiv = document.getElementById('dynamictocnative'); tocDiv.outerHTML = ToC;


Pentingnya map pengiriman

Dokumen pengiriman atau nota pengiriman mirip dengan faktur karena berisi detail pembeli, detail penjual, dan jenis barang yang dikirim. Ini berbeda dari faktur karena tidak memiliki informasi harga (biasanya). Juga disebut 'catatan pengiriman' atau 'catatan penerimaan barang', itu dikeluarkan oleh penjual, pengirim, pengangkut atau pengirim barang dan ditujukan kepada klien dan setiap perantara yang bertanggung jawab untuk mengirimkan produk ke klien.

Meskipun tidak ada aturan standar atau ketat tentang apa yang harus dimuat dalam map pengiriman, map pengiriman biasanya terdiri dari informasi berikut:

  • Nama dan alamat penjual/pemasok
  • Nama dan alamat pembeli/klien
  • Tanggal pemesanan,
  • Tanggal pengiriman,
  • Tanggal pengiriman yang diharapkan
  • Nomor pesanan/nama
  • Daftar barang yang termasuk dalam pengiriman
  • Kemungkinan pengiriman lebih lanjut misalnya, pengiriman 1 dari 3

Dokumen pengiriman mungkin berisi detail seperti nomor registrasi dan informasi perbankan penjual untuk tujuan asuransi atau untuk pelanggan baru.

Dokumen pengiriman yang bernilai (atau catatan pengiriman yang dinilai) mungkin berisi harga produk, tetapi catatan tersebut harus disertai dengan faktur.

Perbedaan antara dokumen pengiriman yang berharga dan faktur adalah bahwa yang pertama tidak berlaku untuk tujuan pajak dan hanya merupakan bukti pengiriman. Faktur di sisi lain digunakan dalam perpajakan dan berisi data pajak pembeli dan penjual, harga produk, dan PPN dan pajak lainnya yang berlaku.

Sebuah map pengiriman memberi penjual pegangan yang lebih baik pada produk yang dikirim dan gambaran tentang produktivitas mereka. Ini membantu pelanggan (pembeli) memeriksa apakah mereka telah menerima produk yang telah dibayar. Seringkali, pembeli harus menandatangani catatan untuk memberi tahu pembeli bahwa pengiriman sudah beres.

OCR untuk mengekstrak data dari map pengiriman

Ingin mengikis data dari PDF dokumen, konversi PDF ke XML or mengotomatiskan ekstraksi tabel? Jelajahi Nanonet Pengikis PDF or Pengurai PDF untuk mengubah PDF ke database entri!

.cta-first-blue{ transisi: semua 0.1s cubic-bezier(0.4, 0, 0.2, 1) 0s; batas-radius: 0px; font-berat: tebal; ukuran font: 16px; tinggi garis: 24px; bantalan: 12px 24px; latar belakang: #546ffff; warna putih; tinggi: 56px; perataan teks: kiri; tampilan: inline-flex; arah fleksibel: baris; -moz-box-align: tengah; align-item: tengah; spasi huruf: 0px; ukuran kotak: kotak perbatasan; border-width:2px !penting; perbatasan: padat #546fff !penting; } .cta-first-blue:hover{ color:#546fff; latar belakang:putih; transisi: semua 0.1s kubik-bezier(0.4, 0, 0.2, 1) 0s; border-width:2px !penting; perbatasan: padat #546fff !penting; } .cta-second-black{ transisi: semua 0.1s cubic-bezier(0.4, 0, 0.2, 1) 0s; batas-radius: 0px; font-berat: tebal; ukuran font: 16px; tinggi garis: 24px; bantalan: 12px 24px; latar belakang: putih; warna: #333; tinggi: 56px; perataan teks: kiri; tampilan: inline-flex; arah fleksibel: baris; -moz-box-align: tengah; align-item: tengah; spasi huruf: 0px; ukuran kotak: kotak perbatasan; border-width:2px !penting; batas: solid #333 !penting; } .cta-second-black:hover{ color:white; latar belakang:#333; transisi: semua 0.1s kubik-bezier(0.4, 0, 0.2, 1) 0s; border-width:2px !penting; batas: solid #333 !penting; } .column1{ lebar minimum: 240 piksel; max-width: fit-konten; padding-kanan: 4%; } .column2{ lebar minimum: 200 piksel; max-width: fit-konten; } .cta-main{ tampilan: fleksibel; }


Tantangan dalam ekstraksi manual data map pengiriman

Dokumen pengiriman biasanya diterima bersama dengan pengiriman/produk di resepsi perusahaan atau gudang, tergantung pada praktik bisnis yang diikuti. Dalam kedua kasus tersebut, karyawan yang menerima kiriman – staf front office, atau karyawan gudang, tergantung kasusnya – harus membandingkan detail di map pengiriman dengan detail di pesanan pembelian, faktur, dan/atau paket pengiriman. . Kemudian, dia menandatangani berkas itu, jika memang demikian sifatnya, dan mengarsipkan salinannya untuk catatan perusahaan.

Karyawan ini, kemungkinan besar, memiliki terlalu banyak tugas dalam portofolionya, dan manajemen map pengiriman mungkin saja menjadi pukulan terakhir yang menghancurkan moralnya.

Pengecekan barang yang terdaftar di map dengan barang yang dikirim adalah proses satu kali, dan harus dilakukan secara real-time. Pengarsipan dan pengarsipan map pengiriman adalah operasi pasca-pengiriman dan dapat menjadi membosankan, membosankan dan memakan waktu. Pengarsipan dan pengarsipan semakin diperumit oleh format dan tata letak yang berbeda dari map pengiriman. Catatan pengiriman dapat dalam bentuk hard copy yang dikirimkan dengan tangan atau melalui faks, lampiran email atau sebagai pertukaran data elektronik (EDI). Di sebagian besar perusahaan, data di map pengiriman harus dimasukkan ke dalam database, untuk keperluan manajemen inventaris, pengarsipan, dan kegiatan audit.

Mungkin memakan waktu dan membosankan untuk mengekstrak data secara manual dari map pengiriman dalam berbagai format ini. Hal ini sering menyebabkan kesalahan dan mengakibatkan keterlambatan dalam memproses dokumen. Tantangan umum dalam ekstraksi manual data dari map pengiriman meliputi,

  • Konsumsi waktu, terutama seiring pertumbuhan perusahaan dan jumlah pembelian yang meningkat.
  • Terlalu banyak email dan kertas memerlukan penyimpanan dan pengaturan file fisik.
  • Kehilangan ketidakcocokan antara data dalam pesanan pembelian, faktur, dan dokumen pengiriman.
  • Item yang salah arsip dan terlupakan; ini terutama benar ketika penjual mengirim email catatan pengiriman segera setelah barang dikirim. Pada saat barang diterima, surat yang berisi map pengiriman mungkin terkubur jauh di dalam kotak surat penerima, sehingga menimbulkan kebingungan.

Ekstraksi data manual dari map pengiriman dan entrinya ke database yang tidak diikuti dengan langkah verifikasi dapat memiliki tingkat kesalahan hingga 4%. Aturan entri data 1-10-100 terkenal di kalangan entri data – verifikasi keakuratan data pada titik entri berharga $1, pembersihan kesalahan berharga $10 dalam bentuk batch, dan kesalahan yang tidak dikoreksi merugikan perusahaan $100 atau lebih.

Pengiriman Doket OCR

Perangkat lunak ekstraksi data dapat digunakan untuk mengekstrak data secara selektif dari dokumen pengiriman. Pengenalan karakter optik atau OCR, perangkat lunak yang mengekstrak data dari dokumen yang dipindai, gambar kamera, dan pdf gambar saja, paling cocok untuk ekstraksi data otomatis dari dokumen pengiriman.

Ada banyak jenis perangkat lunak OCR yang digunakan dalam ekstraksi data di industri saat ini. Jenis yang paling sederhana hanya mengekstrak semua teks dari dokumen pengiriman dan kategorisasi lebih lanjut dan ekstraksi data yang berarti membutuhkan usaha manusia.

OCR untuk mengekstrak data dari map pengiriman
Ekstraksi data menggunakan perangkat lunak OCR yang belum sempurna

OCR generasi kedua – OCR berbasis Zona atau Template – mengekstrak data spesifik dari dokumen pengiriman, bergantung pada posisinya atau “zona” dalam dokumen.

OCR untuk mengekstrak data dari map pengiriman
Ekstraksi data menggunakan perangkat lunak OCR zonal

OCR generasi ketiga seperti Nanonets menggunakan kemampuan AI dan ML untuk secara cerdas mengekstrak informasi yang berarti dari catatan pengiriman. Alat OCR kognitif ini mampu mempelajari format dan gaya baru dari map pengiriman dengan penggunaan dan dengan demikian meminimalkan intervensi manusia.

OCR untuk mengekstrak data dari map pengiriman
Ekstraksi data menggunakan Nanonets

OCR map pengiriman yang baik harus memiliki fitur-fitur berikut:

  • Kemampuan mengekstraksi data yang mungkin terstruktur, tidak terstruktur dengan baik, dan/atau tidak terstruktur dalam map pengiriman asli. Koherensi data yang diekstraksi dari berbagai sumber ini dimungkinkan oleh penggunaan ekstraksi data berbasis AI.
  • Kemampuan mengubah data yang diekstraksi menjadi beberapa format yang dapat dibaca/diedit untuk penggunaan selanjutnya.
  • Keamanan data – produk yang dibeli oleh perusahaan bisa sangat sensitif dan rahasia karena mungkin merupakan bagian dari proses yang dipatenkan dan merek dagang perusahaan. Perangkat lunak ekstraksi data harus dapat memastikan perlindungan data dari pencurian, peretasan, dan salah urus.


Ingin mengotomatiskan tugas manual yang berulang? Periksa perangkat lunak pemrosesan dokumen berbasis alur kerja Nanonets kami. Ekstrak data dari faktur, kartu identitas, atau dokumen apa pun dengan autopilot!

.cta-first-blue{ transisi: semua 0.1s cubic-bezier(0.4, 0, 0.2, 1) 0s; batas-radius: 0px; font-berat: tebal; ukuran font: 16px; tinggi garis: 24px; bantalan: 12px 24px; latar belakang: #546ffff; warna putih; tinggi: 56px; perataan teks: kiri; tampilan: inline-flex; arah fleksibel: baris; -moz-box-align: tengah; align-item: tengah; spasi huruf: 0px; ukuran kotak: kotak perbatasan; border-width:2px !penting; perbatasan: padat #546fff !penting; } .cta-first-blue:hover{ color:#546fff; latar belakang:putih; transisi: semua 0.1s kubik-bezier(0.4, 0, 0.2, 1) 0s; border-width:2px !penting; perbatasan: padat #546fff !penting; } .cta-second-black{ transisi: semua 0.1s cubic-bezier(0.4, 0, 0.2, 1) 0s; batas-radius: 0px; font-berat: tebal; ukuran font: 16px; tinggi garis: 24px; bantalan: 12px 24px; latar belakang: putih; warna: #333; tinggi: 56px; perataan teks: kiri; tampilan: inline-flex; arah fleksibel: baris; -moz-box-align: tengah; align-item: tengah; spasi huruf: 0px; ukuran kotak: kotak perbatasan; border-width:2px !penting; batas: solid #333 !penting; } .cta-second-black:hover{ color:white; latar belakang:#333; transisi: semua 0.1s kubik-bezier(0.4, 0, 0.2, 1) 0s; border-width:2px !penting; batas: solid #333 !penting; } .column1{ lebar minimum: 240 piksel; max-width: fit-konten; padding-kanan: 4%; } .column2{ lebar minimum: 200 piksel; max-width: fit-konten; } .cta-main{ tampilan: fleksibel; }


Keuntungan dari Delivery Dockets OCR berbasis AI

Beberapa manfaat menggunakan alat OCR bertenaga AI seperti Nanonets untuk manajemen data dock pengiriman adalah:

  • Akurasi data: OCR yang memanfaatkan AI dapat meminimalkan atau bahkan sepenuhnya menghilangkan kesalahan manusia yang disebabkan oleh kelelahan atau kelalaian.
  • Penghematan waktu: Entri data manual dari catatan pengiriman dapat memakan waktu, dan OCR dapat menghemat banyak waktu yang dihabiskan oleh karyawan untuk aktivitas rutin yang berulang. OCR yang diaktifkan AI mengekstrak data yang relevan dari dokumen apa pun dalam 27 detik dibandingkan 3.5 menit untuk pengambilan manual.
  • Reorientasi karyawan: Waktu yang tersedia untuk karyawan karena otomatisasi ekstraksi data map pengiriman dapat dialihkan ke tugas-tugas produktif yang dapat meningkatkan keahlian mereka dan keuntungan perusahaan.
  • Data terpusat: Data yang ditangkap oleh perangkat lunak OCR dapat disimpan di lokasi terpusat dan oleh karena itu dapat diakses oleh semua pemangku kepentingan perusahaan.
  • Keamanan data: Kemungkinan memperkenalkan pemeriksaan di berbagai tingkat proses otomatisasi yang diprakarsai oleh OCR dapat meningkatkan keamanan data.
  • Skalabilitas: Seiring berkembangnya bisnis, sulit untuk memiliki sistem manual untuk manajemen faktur. OCR dapat merampingkan proses manajemen catatan pengiriman, yang mengarah ke peningkatan skala.
  • Integrasi dengan sistem otomasi perusahaan lainnya. Dengan hiper-otomatisasi perlahan menemukan pijakan di sektor bisnis, penggunaan OCR di bidang manajemen map pengiriman dapat membantu dalam integrasi operasi ke dalam sistem yang lebih besar yang meliputi organisasi.


Ingin menggunakan otomatisasi proses robotik? Lihat perangkat lunak pemrosesan dokumen berbasis alur kerja Nanonets. Tidak ada kode. Tidak ada platform yang merepotkan.

.cta-first-blue{ transisi: semua 0.1s cubic-bezier(0.4, 0, 0.2, 1) 0s; batas-radius: 0px; font-berat: tebal; ukuran font: 16px; tinggi garis: 24px; bantalan: 12px 24px; latar belakang: #546ffff; warna putih; tinggi: 56px; perataan teks: kiri; tampilan: inline-flex; arah fleksibel: baris; -moz-box-align: tengah; align-item: tengah; spasi huruf: 0px; ukuran kotak: kotak perbatasan; border-width:2px !penting; perbatasan: padat #546fff !penting; } .cta-first-blue:hover{ color:#546fff; latar belakang:putih; transisi: semua 0.1s kubik-bezier(0.4, 0, 0.2, 1) 0s; border-width:2px !penting; perbatasan: padat #546fff !penting; } .cta-second-black{ transisi: semua 0.1s cubic-bezier(0.4, 0, 0.2, 1) 0s; batas-radius: 0px; font-berat: tebal; ukuran font: 16px; tinggi garis: 24px; bantalan: 12px 24px; latar belakang: putih; warna: #333; tinggi: 56px; perataan teks: kiri; tampilan: inline-flex; arah fleksibel: baris; -moz-box-align: tengah; align-item: tengah; spasi huruf: 0px; ukuran kotak: kotak perbatasan; border-width:2px !penting; batas: solid #333 !penting; } .cta-second-black:hover{ color:white; latar belakang:#333; transisi: semua 0.1s kubik-bezier(0.4, 0, 0.2, 1) 0s; border-width:2px !penting; batas: solid #333 !penting; } .column1{ lebar minimum: 240 piksel; max-width: fit-konten; padding-kanan: 4%; } .column2{ lebar minimum: 200 piksel; max-width: fit-konten; } .cta-main{ tampilan: fleksibel; }


Kesesuaian Nanonets sebagai map pengiriman OCR

Nanonets adalah alat OCR berbasis AI yang paling cocok untuk ekstraksi data dari dock pengiriman karena alasan berikut:

  • Deteksi akurat dari struktur tabel item baris yang berisi dokumen seperti formulir.
  • Semua entri item baris yang ada dalam formulir seperti nama, produk, kuantitas, dll.
  • Data dapat diekstraksi sebagai output JSON yang dapat memungkinkan pembangunan aplikasi dan platform yang disesuaikan.
  • Selain menawarkan API & dokumentasi yang hebat untuk pengembang, perangkat lunak ini juga ideal untuk organisasi yang tidak memiliki tim pengembang internal.
  • Ini adalah alat yang benar-benar tanpa kode
  • Integrasi Nanonets yang mudah dengan sebagian besar CRM, ERP, layanan konten, atau perangkat lunak RPA.
  • Pemrosesan beberapa bahasa: Nanonets OCR dapat mengenali teks tulisan tangan, gambar teks dalam berbagai bahasa sekaligus, gambar dengan resolusi rendah, gambar dengan font baru atau kursif dan berbagai ukuran, gambar dengan teks bayangan, teks miring, teks acak tidak terstruktur, noise gambar, gambar buram dan banyak lagi. Hal ini, sebagaimana dapat dipahami, sangat relevan dengan pengiriman antar negara yang berbeda atau harus mengangkut barang antar wilayah yang menggunakan bahasa yang berbeda.
  • Bekerja dengan data khusus melalui penggunaan data khusus untuk melatih model OCR.
  • Independensi dari format: Nanonet tidak terikat oleh template dokumen sama sekali. Anda dapat menangkap data secara kognitif dalam tabel atau item baris atau format lainnya.
  • Banyak alat entri data seperti Nanonets, hadir dengan tim bantuan teknis tangguh yang dapat membantu mengatasi tantangan dan memanfaatkan potensi penuh dari operasi entri data otomatis.

Kasus penggunaan pemrosesan dokumen cerdas Nanonets membantu organisasi mengadopsi otomatisasi dengan mulus. Berikut adalah beberapa studi kasus yang menarik:

Bawa pulang

Ekstraksi data dari map pengiriman bisa jadi sulit dan memakan waktu jika dilakukan secara manual. Perangkat lunak ekstraksi data yang digerakkan oleh AI seperti Nanonets dapat membantu mengotomatiskan proses. Penggunaan AI-OCR pada langkah terakhir alur kerja Procure-to-Pay hadir dengan manfaat menarik seperti penghematan waktu dan biaya, proses persetujuan yang disederhanakan, dan pada akhirnya keuntungan yang lebih baik.


var contentTitle = “Daftar Isi”; // Tetapkan judul Anda di sini, untuk menghindari membuat judul nanti var ToC = “

“+isiJudul+”

“; Daftar Isi += “

“; var tocDiv = document.getElementById('dynamictocnative'); tocDiv.outerHTML = ToC;

Nanonet OCR & OCR API online punya banyak yang menarik gunakan kasing tHal ini dapat mengoptimalkan kinerja bisnis Anda, menghemat biaya, dan meningkatkan pertumbuhan. Temukan bagaimana kasus penggunaan Nanonet dapat diterapkan pada produk Anda.


Stempel Waktu:

Lebih dari AI & Pembelajaran Mesin