Что такое сопоставление заказов на поставку? И как это автоматизировать?

Сопоставление заказов на поставку — это процесс привязки заказа на поставку (ЗП), выданного клиентом, с указанием типов, количества и согласованных цен на продукты/услуги к счет, выставленный продавцом для его доставки. Целью сопоставления заказов на поставку является обеспечение своевременных платежей поставщикам, правильный учет затрат и легкое обнаружение мошеннических действий.

Ручное сопоставление заказов на поставку

Сопоставление заказа на поставку включает несколько шагов, включая получение и захват данных счета-фактуры, проверка с заказ на покупку, сопоставление параметров и разрешение на основе различных параметров. Обработка счетов и сопоставление заказов на поставку являются сложными, трудоемкими и ресурсоемкими процессами, если они выполняются вручную, особенно при масштабировании бизнес-операций.

Даже в подразделениях, где происходит оцифровка информации в виде приложений для планирования ресурсов предприятия (ERP), требуется значительное количество человеческого труда; с момента выставления или получения счета до его ввода в приложение ERP, кредиторская задолженность Персонал выполняет, казалось бы, бесконечный список работ по дому.

---

Хотите автоматизировать процесс согласования заказов на поставку? Gив нанонец™ попробуйте и получите преимущества использования оптического распознавания текста на основе ИИ в процессе сопоставления заказов на поставку.

---

· Открытие и сканирование почты / открытие физических счетов / заказов на покупку

· Получение счетов-фактур / заказов на покупку из электронного почтового ящика, портала или физических конвертов

· Ввод информации из счетов в компьютер

· Сопоставление счетов-фактур с заказами на покупку (ЗП) и квитанциями о доставке вручную

· Физическая маршрутизация счетов-фактур / OP менеджерам и персоналу по утверждению

· Устранение исключений с помощью утомительного взгляда и ручного анализа.

· Ввод информации о сопоставленных счетах в ERP

· Поиск дублирования и упущений в ERP

· Сверка счетов с платежами

· Обновление основных данных поставщика

Некоторые изнурительные проблемы при крупномасштабном сопоставлении заказов на поставку, особенно при выполнении вручную:

Обработка нескольких точек данных счета: Крупные организации обычно имеют дело с заказами на покупку и / или счетами-фактурами от нескольких поставщиков / клиентов в различных форматах, включая файлы текстовых редакторов (например, документы MS-Word), файлы ввода данных (например, файлы MS-Excel), структурированные XML-документы из электронного обмена данными. (EDI), PDF-файлы и файлы изображений, а иногда и в виде бумажных документов.

Объединение всех этих документов требует много времени и чревато ошибками, если выполняется вручную. Ошибки на старте рабочий процесс обработки счетов может привести к серьезным последствиям, таким как переплата, неверные платежи, дублирование счетов и т. д., что может привести к потере производительности и доверия.

Несоответствие данных: Ассоциация кредиторская задолженность Отделу компании часто приходится сопоставлять заказ на поставку с накладной на получение товаров (GRN) и данными контрактов в дополнение к счету-фактуре. Процесс ручного сопоставления «смотри и сравнивай», помимо того, что является трудоемким и напряженным, может привести к серьезным ошибкам, таким как пропущенные даты и значения, исправление которых замедлит работу и подвергнет организацию рискам потери производительности и бизнеса. - вопросы управления/отношений с клиентами.

Обработка исключений: Отделы расчетов с поставщиками тратят много времени на устранение исключений, включая неправильную, неполную и несовпадающую информацию в счетах-фактурах. Вплоть до 20% счетов регулярно содержат неверную или неполную информацию, а обычный (ручной) отдел счетов к оплате тратит 25% своего времени на решение проблем и отслеживание недостающей информации.

Стоимость обработки счета: Ручная обработка счетов-фактур и согласование заказов на поставку влечет за собой расходы, включая ручные часы, бумагу и почтовые расходы, которые будут усугубляться штрафами, штрафами за просрочку платежа, возвратом продукта и потерей бизнеса в случае ошибок.

Мошенничество и кража: Сертифицированные специалисты по проверке мошенничества (ACFE) сообщают, что типичная организация ежегодно теряет 5% своих доходов из-за мошенничества. Преступники, выдающие себя за руководителей или поставщиков, отправляют по электронной почте достоверные счета-фактуры или другие запросы на оплату, и менее бдительная команда по работе с клиентами может стать жертвой этого.

Опрос 2020 г., проведенный Levvel Research показали, что ручной ввод данных и неэффективность продолжают оставаться процесс кредиторской задолженности.

Британская ассоциация кредиторской задолженности обнаружили, что:

• 56% предприятий испытывают проблемы с прогнозированием денежных потоков из-за проблем с кредиторской задолженностью.
• 91% компаний регулярно получают телефонные звонки от продавцов, которые ищут платежи.
• У 23% предприятий были поставщики, которые отказались снова работать с ними из-за неэффективности системы расчетов с поставщиками.

---

Хотите автоматизировать процесс согласования заказов на поставку? Gив нанонец™ попробуйте и получите преимущества использования оптического распознавания текста на основе ИИ в процессе сопоставления заказов на поставку.

---

Автоматическое сопоставление заказов на поставку

Многие из вышеперечисленных проблем можно решить с помощью автоматического сопоставления заказов на поставку. Автоматизация может быть внедрена на различных этапах процесса бухгалтерского учета, и соответственно существует два вида автоматизации:

Сбор данных на основе оптического распознавания символов (OCR):

При захвате данных счетов на основе оптического распознавания символов используется комбинация оборудования для захвата изображений и программного обеспечения для преобразования изображений в текст, который может обрабатывать бухгалтерия вручную. Очевидно, что это просто оцифровывает данные, а не сопоставляет их и требует последующих ручных операций.

Кроме того, автономные системы распознавания текста не могут работать с различными шаблонами, типами файлов и макетами, что требует частого вмешательства человека для установки правил шаблонов для разных типов документов.

Автоматическая обработка счетов / согласование заказов на поставку:

Это три типа:

• Роботизированная автоматизация процессов (RPA) имитирует действия человека при выполнении повторяющихся задач.
• Искусственный интеллект (ИИ), «Святой Грааль» информатики, по словам Билла Гейтса, имитирует человеческие суждения и поведение в соответствии с заказами на покупку, счетами и квитанциями.
• Машинное обучение (ML) - это подмножество ИИ, в котором компьютер «учится на собственном опыте» с помощью таких алгоритмов, как нейронная сеть, имитирующая процесс обучения мозга.

Все три типа автоматизированной обработки данных собирают соответствующие данные из счетов-фактур, заказов на поставку и другой финансовой документации и автоматически обрабатывают их таким образом, чтобы имитировать человеческий разум. Из них обработка с поддержкой AI также может сравнивать и сопоставлять записи и принимать решения, такие как передача транзакции, отметка ошибок или создание исключений.

Сопоставление на основе ИИ состоит из четырех этапов:

1. Сбор и извлечение данных: Этот шаг включает в себя определенное вмешательство человека в ручное сканирование физических счетов-фактур в системы или включение факсов или электронных счетов-фактур для преобразования в изображения. Зональное оптическое распознавание символов (OCR) или шаблонное OCR используется для извлечения текста, находящегося в определенном месте внутри отсканированного документа. Система Zonal OCR обучается путем определения того, где в документе можно найти определенные поля данных. OpenCV, Tesseract и Python - это некоторые системы зонального распознавания текста, которые можно обучить выбирать определенные поля из зафиксированного счета-фактуры или заказа на поставку.

2. Распознавание данных: Распознавание и категоризация собранных данных по типам либо с помощью классификации на основе правил, либо с помощью алгоритмов машинного обучения. Системы AI OCR могут исключить более 80% операций по сбору, извлечению и индексации данных счетов.

3. Сопоставление записей и проверка: Алгоритм AI выполняет сопоставление записей - процесс поиска совпадающих фрагментов информации из больших наборов данных. Процесс сопоставления может быть двухсторонним, трехсторонним или четырехсторонним, в зависимости от потребностей компании.

Опрос Уровень исследований показывает, что более быстрое утверждение счетов и повышение производительности труда сотрудников являются двумя главными преимуществами перехода на двухстороннюю и трехстороннюю связь с поддержкой ИИ.способ сопоставления процессов.

4. Проверка кредиторской задолженности и обработка исключенийВ зависимости от уникальных потребностей компании согласованные данные передаются или направляются соответствующему сотруднику для дальнейшей обработки.

Преимущества сопоставления заказов на покупку на основе ИИ

Бесконтактная обработка:Когда все документы (счет-фактура, заказ на поставку, квитанция и т. Д.) Являются электронными по своей природе, «бесконтактная обработка» устраняет процессы, ориентированные на бумагу, и сводит к минимуму вмешательство человека, что обеспечивает лучшую производительность, масштабируемость и гибкость; все деловые документы принимаются, оцифровываются, направляются, сопоставляются, утверждаются и обрабатываются без необходимости пересылки одного листа бумаги между персоналом и отделами. Бесконтактная обработка состоит из следующих этапов:

1. Программа проверяет наличие непрочитанных писем.

2. Вложения обнаруживаются и отключаются от электронного письма для обработки.

3. Вложения читаются с использованием когнитивных способностей, и данные извлекаются.

4. Информация о счете-фактуре / заказе на поставку проверяется на основе заранее определенных бизнес-правил.

5. Создается счет-фактура, который сопоставляется с заказами на покупку и квитанциями о доставке на основе заранее установленных правил и проверяется, чтобы убедиться в отсутствии повторяющихся счетов-фактур.

6. Пользователи получают уведомление об успешной обработке счетов.

Бесконтактная обработка часто использует машинное обучение, чтобы научить ИИ работать лучше, чем простые системы ИИ, основанные на правилах. Таким образом, система учится как на базе клиентов, так и на конкретных тонкостях каждого клиента.

Умное соответствие:  Заказы на покупку могут быть сопоставлены по номеру заказа, выпуску, строке, отгрузке и получению заказа на поставку и отсортированы в различных формах в течение нескольких секунд, что является титанической задачей только благодаря человеческим усилиям.

Простая обработка нескольких заказов на поставку по нескольким счетам-фактурам:  Автоматизация особенно полезна, когда объем заказов на поставку и счетов-фактур велик, а ручная работа займет дни, если не месяцы, чтобы управлять ими и классифицировать их.

Полный контрольный журнал и соответствие: Системы искусственного интеллекта могут предоставлять интуитивно понятную помощь операторам и выполнять проверки и исправления, на которые с человеческим трудом уходит часы, в считанные секунды.

Экономия рабочей силы: ИИ работает на основе «нейронной сети» - алгоритмов, которые могут распознавать лежащие в основе взаимосвязи в наборе данных во многом подобно человеческому мозгу. Помимо скорости работы, машинное обучение и возможности глубокого обучения в рамках ИИ могут помочь программному обеспечению учиться на опыте, что позволяет точно настроить работу для повышения производительности и точности, избегая вмешательства человека и проверки.

Пометка и минимизация ошибок: Там, где человеческий мозг может выйти из строя из-за усталости от повторяющихся действий, система на основе искусственного интеллекта фактически может улучшить производительность со временем и «опытом». Хотя автоматизация не может полностью исключить человеческую ошибку, она может обеспечить согласованность в больших масштабах. Автоматизированный учет может значительно повысить вероятность выявления мелких проблем до того, как они перерастут в более крупные. В случае возникновения проблем или ошибок ИТ-отделу автоматически отправляется предупреждение, которое может быстро определить основную причину и устранить ее. Ничего не упущено, и исправление происходит намного быстрее. Своевременная пометка об ошибках может сэкономить время, сократить дорогостоящие простои и избежать серьезных пожаров в более позднее время.

Увеличение производительности: Благодаря свободе от трудоемких действий, таких как сопоставление заказов на поставку и обработка счетов, группа по работе с кредиторской задолженностью теперь может сосредоточиться на деятельности, ориентированной на человека, такой как финансовое планирование, анализ и получение информации для улучшений, а также улучшение межличностных и институциональных отношений, все из которых может улучшить Bottom-Line.

Экономическая выгода: Хотя установка обработки счетов с поддержкой ИИ связана с начальными затратами, ее работа повлечет за собой всего лишь 20% заработной платы сотрудника.

Безопасность и масштабируемость данных:  Более высокая операционная эффективность для глобального бизнеса является результатом возможности работать 24 часа в сутки, 7 дней в неделю, в отличие от людей-операторов, которые ограничены мысленной пропускной способностью и временем.

Готовность к аудиту: Заказы на покупку, платежные поручения и счета-фактуры являются одними из наиболее распространенных документов, запрашиваемых во время аудитов. На согласование заказов на поставку с поддержкой ИИ эти документы уже утверждены, согласованы и организованы, что обеспечивает непрерывный процесс аудита.

Автоматизация обработки счетов и согласования заказов на поставку может помочь руководителям различных уровней в компании:

• Финансовые руководители могут сократить расходы и высвободить ресурсы, которые можно реорганизовать для увеличения прибыли и содействия стратегическому и корпоративному росту.
• Руководители корпораций могут лучше понимать производительность и отслеживать денежные потоки, анализируя данные приборной панели, предлагаемые для измерения многими программами автоматизации.
• Группы расчетов с поставщиками могут исключить бумажные счета-фактуры и ручное взаимодействие благодаря упрощенной маршрутизации, кодированию и сопоставлению счетов-фактур поставщиков с использованием заранее определенных правил учета.
• Бухгалтеры и исследовательский персонал имеют полный и мгновенный доступ к заказам на поставку и счетам для будущего планирования.

---

Хотите автоматизировать процесс согласования заказов на поставку? Gив нанонец™ попробуйте и получите преимущества использования оптического распознавания текста на основе ИИ в процессе сопоставления заказов на поставку.

---

Настройка и внедрение систем сопоставления заказов на поставку с поддержкой ИИ

Настройка системы согласования заказов на поставку с поддержкой ИИ в организации представляет собой трехуровневый процесс.

Хотя автоматическая обработка счетов и согласование заказов на поставку являются преимуществом при внедрении, несомненно, существует кривая обучения, и компания / команда должны следовать нескольким протоколам, чтобы автоматизация принесла ожидаемые результаты. Некоторые шаги, которые необходимо предпринять до и во время внедрения автоматизированных процессов бухгалтерского учета, включают следующее:

Полное участие всех заинтересованных сторон

Успешная автоматизация расчетов с поставщиками зависит от полного участия каждого члена финансовой группы, что влечет за собой периодическое обучение и программы повышения квалификации для работы с системой и обработки исключений.

Поэтапная автоматизация

Использование возможностей автоматизации и искусственного интеллекта зависит от правильной настройки и реализации. Кроме того, существует довольно крутая кривая обучения, связанная с переходом от ручного учета к сопоставлению счетов на основе ИИ. Посредством поэтапного перехода можно выполнить настройку без ошибок, а также дать команде время для внедрения новых процессов.

Интеграция всех систем

Группа по работе с кредиторской задолженностью может уже использовать программное обеспечение для различных целей, таких как планирование ресурсов предприятия (ERP), управление взаимоотношениями с клиентами и другие основные финансовые системы. Система автоматизации искусственного интеллекта должна иметь возможность интегрироваться с существующим программным обеспечением, чтобы упростить работу пользователей.

Планирование на случай непредвиденных обстоятельств

Сбой сервера, отключение электроэнергии и сбои в работе сети могут серьезно нарушить работу систем согласования PO с поддержкой AI. Но надежный план обеспечения непрерывности бизнеса, включающий резервное копирование, источники бесперебойного питания и облачные вычисления, может помочь решить эти проблемы. Также важно вести историю процессов на тот случай, если операции придется временно переключить обратно на ручную обработку.

Организация всех необходимых документов

В трех- и четырехстороннем согласовании. Заказы на покупку, GRN и счета-фактуры должны быть сопоставлены. Хотя большинство поставщиков и клиентов прилежно относятся к заказам на покупку и счетам-фактурам, они, как правило, небрежно относятся к GRN и квитанциям. Отсутствие квитанции может повредить интегрированный с ИИ трехсторонний процесс сопоставления, и могут возникнуть исключения, что приведет к узким местам в рабочем процессе.

Этого можно избежать за счет централизации получения предметов, поэтому создание квитанций ограничено одним или несколькими людьми, чтобы избежать дублирования и пропусков. Еще один безотказный способ - разработать системный подход, при котором автоматическое напоминание устанавливается для создания квитанции и последующих действий.

Обеспечивая своевременный ввод всех счетов, заказов на покупку и квитанций в систему, автоматизация AP может значительно сократить количество дней просрочки платежа (DPO) на в среднем 5.55 дней. Полностью автоматизированная система, в которой программное обеспечение захватывает документы непосредственно из программного источника (электронные письма и т. Д.), Может гарантировать это, но в случае ручной загрузки данных это становится важным моментом.

Соответствие данных поставщика

Трехсторонний процесс согласования зависит от поставщика как ключевого фактора процесса. Точность данных, предоставленных поставщиками, может гарантировать отсутствие проблем с несоответствием данных. Для ручной подачи счетов-фактур требуется должная осмотрительность для обеспечения точности. Точность предполагает единообразие единицы измерения, цены за единицу и сроков доставки. Каталоги от поставщиков могут устранить ошибки и сделать покупку более удобной.

Настройка допуска для автоутверждения

Некоторые общие исключения, которые возникают во время матча PO:

· Количество в счете-фактуре не соответствует заказу на покупку.

· Отсутствующая или неверная справочная информация для заказа на поставку в счете-фактуре

· Отсутствует поставщик или налоговая структура в счете-фактуре

· Расхождения в ценах на уровне строк или для всего счета-фактуры. Например, заказ на поставку может быть на 10 единиц товара по цене 10 рупий за единицу, а счет-фактура может быть на 1 единицу товара по цене рупий. 100.

Обработка крайних случаев

Пограничные случаи - это редкие случаи, которые должны обрабатываться программным обеспечением. При сопоставлении счетов-фактур на поставку часто недооценивается сложность повторяющегося выставления счетов. Система искусственного интеллекта должна иметь адаптивное повторяющееся выставление счетов, чтобы учитывать эти крайние случаи, которые могут возникнуть из-за изменений часовых поясов, многократных повторяющихся платежей, ретроспективных корректировок цен и переменной продолжительности месяцев, чтобы обеспечить безошибочную автоматизацию.

---

Хотите автоматизировать процесс согласования заказов на поставку? Gив нанонец™ попробуйте и получите преимущества использования оптического распознавания текста на основе ИИ в процессе сопоставления заказов на поставку.

---

Примеры систем сопоставления заказов на покупку с поддержкой ИИ

Выбор бухгалтерского пакета с поддержкой ИИ зависит от характера бизнеса и масштаба операций. Сопоставление заказов на поставку с поддержкой АО может быть либо точечным, либо полным набором учетных данных, что будет зависеть от существующего программного обеспечения или его отсутствия. В первом случае потребуется связь с существующими системами, включая ERP. PO Matching доступен во многих инструментах, используемых для бухгалтерского учета, включая Nanonets AI-OCR, Oracle, Nexxonia, Intacct, MineralTree и т. Д.

In Oracle, Payables - это инструмент сопоставления заказов на поставку с поддержкой AI, в котором после ввода счета-фактуры и сопоставления с заказом на покупку автоматически создаются распределения и проверяется соответствие заданному допуску. После сопоставления Payables обновляет количество, выставленное на счет для каждой сопоставленной отгрузки, и соответствующее распределение (я) на сумму, введенную в поле Количество выставленных счетов. Кредиторская задолженность также обновляет сумму, выставленную на рассылку заказов на поставку.

Sage Intacct При закупке создаются структурированные, предопределенные рабочие процессы для транзакций и утверждения покупок. Минеральное дерево, поставщик решений по автоматизации расчетов с поставщиками и платежами, обеспечивает автоматическое сопоставление заказов на поставку и счетов для Sage Intacc. При этом сведения на уровне заголовка и строки автоматически извлекаются с помощью технологии OCR из счетов, отправляемых поставщиками на указанный адрес электронной почты. Затем он автоматически сопоставляет входящие счета-фактуры с заказами на покупку или квитанциями, а затем вставляет их во внутренние рабочие процессы пользователей для утверждения счетов-фактур и оплаты. Все данные синхронизируются с ERP компании для согласованности платформы.

Расходы Nexonia, облачное решение для управления отчетами о расходах через Интернет и мобильные устройства с гибкими рабочими процессами утверждения и глубокой интеграцией с существующими системами.

In Типалти, все счета-фактуры перед обработкой платежа проходят стандартные рабочие процессы OCR, расширенного извлечения данных и утверждения. Могут быть установлены правила, определяющие, поддерживается ли счет на поставку и должен ли он проходить процесс сопоставления. Базовые правила применяются к поставщику или сумме счета-фактуры, и если в счете-фактуре есть заказ на поставку, данные кодирования счета-фактуры автоматически заполняют счет-фактуру заранее.

In DocuWare, когда счет-фактура регистрируется, инструмент коллективного обучения на основе ИИ извлекает все ключевые данные, необходимые для обработки, такие как имя поставщика, идентификатор, номер счета-фактуры, промежуточная сумма, налог, фрахт и общая сумма. Чтобы проверить счет-фактуру, система подтверждает, является ли он действительным поставщиком, дважды проверяет наличие повторяющихся номеров счетов-фактур, соответствует заказам на закупку и накладным на поставку и пересчитывает суммы.

Доступно гораздо больше инструментов для согласования PO с различными функциями, подходящими для различных приложений.

Нанонец AI OCR

Nanonets AI-OCR считывает невидимые, частично структурированные документы, которые не соответствуют стандартному шаблону, и проверяет данные, полученные из документа. Программное обеспечение может собирать данные из различных документов, включая счет-фактуру, идентификационную карту, заказы на покупку, подтверждение дохода, налоговую форму и ипотечные формы.

Он позволяет импортировать данные с платформы пользователя и напрямую экспортировать захваченные данные в существующий рабочий процесс, не нарушая работу системы. Nanonets имеет языковые привязки в Shell, Ruby, Golang, Java, C # и Python. Механизм ИИ учится и совершенствуется по мере использования. Благодаря интуитивно понятному веб-интерфейсу он устраняет обременительные ручные процессы и автоматизирует счета-фактуры, квитанции и проверки документов. Известно, что время обработки сокращается до 90%, а расходы - до 50%.

Ожидается, что искусственный интеллект сыграет решающую роль в трансформации методов ведения бухгалтерского учета и согласования заказов на поставку в корпоративном мире. Однако это не может исключить участие человека - технологии не могут существовать в одиночку.

Искусственный интеллект поможет, а не заменит бухгалтера. Ключом к успешному внедрению системы бухгалтерского учета с поддержкой ИИ является их объединение. Будущее использования ИИ в бухгалтерском учете и сопоставлении заказов на поставку во многом зависит от того, как люди могут закрепить его, чтобы повысить свою способность обеспечивать долгосрочные ценности.