采购订单匹配是将客户发出的指示产品/服务的类型、数量和商定价格的采购订单 (PO) 连接到采购订单的过程。 供应商开具的发票 因为它的交付。 采购订单匹配的目标是确保及时供应商付款、正确核算成本以及轻松检测欺诈行为。
手动采购订单匹配
PO匹配涉及几个步骤，包括收据和 捕获发票数据, 验证 采购订单，匹配参数，以及基于各种参数的分辨率。 手动执行时，发票处理和 PO 匹配是复杂、耗时且资源密集型的过程，尤其是在扩大的业务活动中。
即使在以企业资源规划 (ERP) 应用程序形式实现信息数字化的部门，也需要大量人力； 从提出或收到发票到进入 ERP 应用程序， 应付账款 人员执行看似无穷无尽的杂务清单。
想要自动化PO匹配过程？ Give 纳米网™ 尝试获取在PO匹配过程中使用基于AI的OCR的好处。
·打开和扫描邮件/打开实际发票/ PO
·从电子邮件框，门户或实际信封中检索发票/采购订单
·将发票中的信息键入计算机
·将发票与采购订单（PO）和交货收据手动匹配
·将发票/ OP物理路由到经理和批准人员
·通过繁琐的目测和手动分析来解决异常。
·搜索ERP中是否存在重复和遗漏
·发票与付款的对帐
·更新供应商主数据
大规模采购订单匹配中的一些令人衰弱的挑战，尤其是在手动执行时：
处理多个发票数据点： 大型组织通常以多种格式处理来自多个供应商/客户的采购订单和/或发票，包括文字处理器文件（例如MS-Word文档），数据输入文件（例如MS-Excel文件），电子数据交换的结构化XML文档。 （EDI），PDF和图像文件，有时也作为硬拷贝文档。
手动执行所有这些文档的统一是耗时且容易出错的。 开头的错误 发票处理流程 可能会滚雪球般导致严重后果，例如多付、不正确付款、重复发票等，从而导致生产力和信任损失。
数据不匹配： 应付账款 除了发票之外，公司的部门通常还必须将 PO 与收货单 (GRN) 和合同数据进行匹配。 人工匹配的“凝视和比较”过程除了劳动密集和费力外，还可能导致严重错误，例如错过日期和价值，纠正这些错误会减慢运营速度，并使组织面临生产力损失和业务风险-管理/客户关系问题。
异常处理： 应付帐款部门花费大量时间来处理异常，包括发票中的信息不正确，不完整和不匹配。 取决于 发票的20％ 定期包含不正确或不完整的信息，而常规（手动）应付账款部门将25％的时间用于解决问题和跟踪丢失的信息。
每张发票的处理费用： 手工发票处理和PO匹配需要人工，工时，纸张和邮资等成本，如果有错误，则罚款，滞纳金，产品退货和业务亏损会加剧这种成本。
欺诈和盗窃： 注册欺诈检查员（ACFE）报告称，典型组织每年因欺诈而损失其收入的5％。 冒充高管或供应商的犯罪分子通过电子邮件发送看起来真实的发票或其他付款请求，而应付帐款小组可以保持警惕 成为它的猎物.
Levvel Research的2020年调查 表明， 人工数据录入和效率低下仍然是企业的痛点 应付帐款流程.
英国的应付帐款协会 发现:
- 56％的企业由于应付帐款问题而遇到现金流量预测问题
- 91％的公司会定期接到供应商追逐付款的电话。
- 23％的企业的供应商由于应付账款效率低下而拒绝与他们再次合作
想要自动化PO匹配过程？ Give 纳米网™ 尝试获取在PO匹配过程中使用基于AI的OCR的好处。
自动采购订单匹配
使用自动PO匹配可以解决许多上述问题。 可以在会计过程的各个步骤中引入自动化，因此，有两种自动化：
基于光学字符识别（OCR）的数据捕获：
基于OCR的发票数据捕获使用图像捕获硬件和转换软件的组合来将图像转换为可由会计团队手动处理的文本。 显然，这仅将数据数字化而与之不匹配，因此必须进行后续的手动操作。
此外，独立的OCR系统无法使用不同的模板，文件类型和布局，因此需要频繁的人工干预才能为不同类型的文档设置模板规则。
自动帐户处理/ PO匹配：
这是三种类型：
- 机器人流程自动化（RPA）模仿重复性任务中的人类动作。
- 用比尔·盖茨（Bill Gates）的话说，人工智能（AI）是计算机科学的“圣杯”，它模仿人类的判断和行为以匹配PO，发票和收据。
- 机器学习（ML）是AI的一个子集，其中，计算机通过模拟大脑学习过程的神经网络等算法“从经验中学习”。
三种类型的自动数据处理都从发票，采购订单和其他财务文档中捕获相关数据，并以模仿人类思维的方式对其进行自动处理。 其中，支持AI的处理还可以比较和匹配记录，并做出决策，例如通过交易，标记错误或引发异常。
基于AI的匹配包括四个步骤：
1.数据采集和提取： 此步骤涉及一定数量的人为干预，以手动方式将物理发票扫描到系统中，或者并入传真或电子邮件发票以转换为图像。 区域光学字符识别（OCR）或模板OCR用于提取位于扫描文档内特定位置的文本。 通过定义可以在文档中找到特定数据字段的位置来训练区域OCR系统。 OpenCV，Tesseract和Python是一些区域OCR系统，可以对其进行训练以从捕获的发票或PO中挑选出特定字段。
2.数据识别： 通过基于规则的分类或通过机器学习算法将捕获的数据识别和分类为类型。 AI OCR系统可以消除发票数据捕获，提取和索引下的80％以上的操作。
3.记录匹配和验证： AI算法执行记录匹配-从大量数据中查找匹配信息的过程。 匹配过程可以是2路，3路或4路，具体取决于公司的需求。
一项调查 列夫维尔研究 这表明 更快地批准发票和 提高员工生产力 是切换到启用 AI 的 2-way 和 3- 带来的两大好处方式匹配 流程。
4.应付帐款审查和异常处理，根据公司的独特需求，匹配的数据将通过或路由到适当的员工进行进一步处理。
基于人工智能的采购订单匹配的优势
非接触式处理：当所有文档（发票，采购订单，收据等）本质上都是电子文件时，“非接触式处理”消除了以纸张为中心的流程，并最大程度地减少了人工干预，从而提供了更好的性能，可伸缩性和敏捷性； 所有业务文档都可以被接收，数字化，路由，匹配，批准和处理，而无需在人员和部门之间穿梭单张纸。 非接触式处理通过以下步骤进行：
1.该软件检查未读电子邮件。
2.找到附件，并将其从电子邮件中分离出来进行处理。
3.使用认知能力读取附件，并提取数据。
4.发票/采购订单信息基于预定义的业务规则进行验证。
5.创建发票，并根据预设规则将其与采购订单和交货收据进行匹配，并检查以确保没有重复的发票。
6.通知用户有关发票是否已成功处理。
非接触式处理通常使用机器学习来训练AI，使其比基于规则的简单AI系统更好。 因此，系统可以从客户群和每个客户的特定复杂性中学习。
智能匹配： PO可以通过PO编号，下达，行，装运和PO收据进行匹配，并可以在几秒钟内以各种形式进行排序，这是一项艰巨的工作，仅靠人工即可完成。
轻松处理多个PO到多个发票： 当采购订单和发票的数量很大时，自动化特别有用，并且人工管理和分类需要花费数天甚至数月的时间。
完整的审计线索和合规性： 人工智能系统可以为操作员提供直观的帮助，并在几秒钟内完成花费数小时的人工验证和纠正。
节省人力： 人工智能在“神经网络”的基础上运行，这种算法可以识别一组数据中的基本关系，就像人的大脑一样。 除了提高性能外，人工智能中的机器学习和深度学习功能还可以帮助软件从经验中学习，从而可以微调操作以提高生产率和准确性，从而避免了人工干预和验证。
错误标记和最小化： 在人脑由于重复动作而疲劳而导致衰竭的情况下，基于AI的系统实际上可以随着时间和“经验”提高性能。 尽管自动化不能完全消除人为错误，但可以确保大规模的一致性。 自动记帐可以显着增加在将小问题汇总为大问题之前识别出小问题的可能性。 如果出现问题或错误，则会将警报自动标记给IT团队，IT团队可以迅速找出根本原因并加以解决。 一切都不会错过，而且修复速度更快。 及时的错误标记可以节省时间，减少昂贵的停机时间，并避免以后进行严重的交火。
提高生产力： 由于免于耗时的活动（例如，订单匹配和发票处理），应付帐款团队现在可以专注于以人为中心的活动，例如财务计划，分析和得出改进的见解，以及改善人际和机构关系，所有这些可以改善底线。
成本效益： 尽管安装具有AI功能的发票处理与启动成本相关联，但其运作将仅占员工工资的20％。
数据安全性和可扩展性： 能够全天候运行24X7，从而为全球企业带来更高的运营效率，而人类运营商则受到思维带宽和时间的限制。
审核准备： PO，GRN和发票是审核期间要求的最常见文件。 启用AI的PO匹配已经批准，匹配和组织了这些文档，从而实现了无缝审核流程。
发票处理和订单匹配的自动化可以帮助公司中不同级别的高管：
- 财务主管可以降低成本和免费资源，可以将其重组以提高利润并协助战略和企业发展。
- 企业高管可以通过分析许多自动化软件提供的仪表盘数据来更好地了解绩效并监控现金流。
- 由于简化的路由，编码，使用预定义的会计规则匹配供应商发票，应付账款团队可以消除纸质发票和手动交互。
- 会计师和研究人员可以立即访问采购订单和发票，以进行将来的计划。
想要自动化PO匹配过程？ Give 纳米网™ 尝试获取在PO匹配过程中使用基于AI的OCR的好处。
建立和实施支持人工智能的采购订单匹配系统
在组织中建立支持AI的PO匹配系统是一个三层过程。
尽管实现时自动发票处理和PO匹配是有利的，但毫无疑问，存在学习曲线，并且公司/团队必须遵循一些协议以实现自动化以获取预期的结果。 在实施自动会计流程之前和期间必须采取的一些步骤如下：
所有利益相关者的充分参与
成功的应付账款自动化取决于财务团队每个成员的充分参与，这需要定期培训和复习程序，以操作系统和处理异常情况。
分阶段自动化
利用自动化和AI的力量取决于正确的设置和实施。 此外，从手动记账到基于AI的发票匹配，还有一条相当陡峭的学习曲线。 通过分阶段过渡，可以无错误地进行设置，还可以为团队提供时间采用新流程。
整合所有系统
应付帐款团队可能已经将软件用于脱节用途，例如企业资源计划（ERP），客户关系管理和其他核心财务系统。 AI自动化系统应该能够与现有软件集成在一起，以使用户操作变得容易。
计划突发事件
服务器崩溃，断电和网络中断会严重破坏启用AI的PO匹配系统的运行。 但是，包括备份，不间断电源和云计算在内的巩固的业务连续性计划可以帮助解决这些问题。 保持流程的历史记录也很重要，以防操作不得不暂时转回手动处理。
组织所有相关文件
在三通和四通匹配。 采购订单，GRN和发票必须匹配。 尽管大多数供应商和客户都对PO和发票很勤奋，但是他们对GRN和收据却不太在意。 没有收据会挂起AI集成的三向匹配过程，并且会生成异常，从而导致工作流程中的瓶颈。
通过集中收货可以避免这种情况，因此收据的创建仅限于一个或几个人，以避免重复和遗漏。 另一种防故障方法是设计一种系统驱动的方法，在该方法中，设置了自动提醒以进行收据生成和后续处理。
确保将所有发票，采购订单和收据及时输入到系统中，AP自动化可以显着减少应付账款周转天数（DPO）。 平均5.55天。 一个完全自动化的系统（其中软件可以直接从软资源（电子邮件等）中捕获文档）可以确保这一点，但是在手动上传数据的情况下，这一点很重要。
供应商数据匹配
三向匹配过程取决于供应商，它是该过程的关键驱动力。 供应商提供的数据准确性可以确保不存在数据不匹配问题。 对于手工提交发票，需要进行尽职调查以确保准确性。 准确性要求度量单位，单价和交付时间框架的一致性。 供应商目录可以消除错误并增强购买体验。
设置自动批准的公差
PO匹配期间出现的一些常见异常是：
·发票数量与采购订单不匹配
·发票上缺少或不正确的采购订单参考信息
·发票缺少供应商或税收结构
·行级别或总发票的定价差异。 例如，PO可以是10个项目单位，成本为Rs.10 /单位，而发票可以是1个项目单位，价格为Rs。 100
边缘情况的处理
边缘情况很少见，必须由软件处理。 在发票PO匹配中，经常会低估重复计费的复杂性。 AI系统必须具有自适应循环计费功能，以考虑由于时区变化，多次重复收费，追溯价格调整和可变月份长度而可能出现的这些极端情况，以确保无差错自动化。
想要自动化PO匹配过程？ Give 纳米网™ 尝试获取在PO匹配过程中使用基于AI的OCR的好处。
启用 AI 的 PO 匹配系统示例
选择支持AI的会计套件取决于业务性质和运营规模。 启用AO的PO匹配可以是点解决方案，也可以是完整的会计套件，这将取决于现有软件或缺少该软件。 对于前者，则需要与现有系统进行通信，包括ERP。 PO Matching在许多用于会计的工具中可用，包括Nanonets AI-OCR，Oracle，Nexxonia，Intacct，MineralTree等。
In 神谕，应付款管理系统是启用了AI的PO匹配工具，在该工具中，一旦输入发票并将其与PO匹配，便会自动创建分配并检查匹配是否符合定义的公差。 匹配后，应付款管理系统将根据在“已开具发票的数量”字段中输入的金额来更新每个匹配的货件及其对应分配的开票数量。 应付款管理系统还会更新采购订单分配中的开票金额。
Sage Intacct 采购创建结构化的预定义交易和采购批准工作流。 MineralTree，应付账款（AP）和支付自动化解决方案提供商，为Sage Intacc提供自动化的PO /发票匹配。 在此，标题和行级别的详细信息是使用OCR技术从供应商发送到指定电子邮件的发票中自动提取的。 然后，它会自动将收到的发票与采购订单或收据进行匹配，然后将其插入用户的内部工作流程中以进行发票批准和付款。 所有数据均与公司的ERP同步，以实现平台一致性。
尼日利亚支出，这是一种基于云的Web和移动费用报告管理解决方案，具有灵活的批准工作流程并与现有系统进行了深度集成。
In Tipalti，所有发票在处理付款之前都要经过标准的OCR，高级数据提取和批准工作流程。 可以设置规则来确定发票是否有PO支持，以及发票是否应经过匹配过程。 基本规则适用于供应商或账单金额，如果发票有采购订单，则采购单账单编码数据会自动预填充发票。
In 文件库，在捕获发票时，基于AI的人群学习工具将提取处理所需的所有关键数据，例如供应商名称，ID，发票编号，小计，税金，运费和总金额。 为了验证发票，系统会确认它们是否为有效供应商，仔细检查是否有重复的发票编号，是否与采购订单和交货单相匹配，然后重新计算金额。
有许多具有各种功能的PO匹配工具可用，以适合各种应用程序。
纳米网 AI OCR
Nanonets AI-OCR读取不遵循标准模板的看不见的半结构化文档，并验证从文档中捕获的数据。 该软件可以从各种文档中捕获数据，包括发票，身份证，采购单，收入证明，税表和抵押表。
它支持从用户平台导入数据，并将捕获的数据直接导出到现有工作流程，而不会中断系统。 Nanonets在Shell，Ruby，Golang，Java，C＃和Python中具有语言绑定。 AI引擎会随着使用而学习和改进。 凭借直观的Web界面，它消除了繁琐的手动流程，并自动执行了发票，收据和文档审阅。 众所周知，可将处理时间减少多达90％，并将成本节省多达50％。
人工智能有望在企业界实现会计和采购订单匹配的方式转变中发挥关键作用。 但是，它不能消除人类的参与-技术不能单独存在。
人工智能将提供帮助，而不是取代会计师。 成功实施支持AI的会计系统的关键是将它们整合在一起。 在会计和采购订单匹配中使用AI的未来在很大程度上取决于人类如何锚定AI以提高其提供长期价值的能力。
