Extrahera fakturadata: från PDF till ditt bokföringssystem

Extrahering av fakturadata omvandlar en PDF, skanning eller ett foto till fält som ett system kan använda: leverantör, fakturanummer, datum, valuta, summor och fakturarader. Det användbara resultatet är en godkänd post i ditt bokföringssystem, med en hanteringsväg för dokument som behöver korrigeras.

Den här guiden förklarar vad faktura-OCR omfattar, var validering och granskning hör hemma och hur du väljer mellan befintlig programvara och en anpassad integration.

Faktura-OCR och dataextrahering löser olika problem

Optisk teckenigenkänning, eller OCR, läser tecken i en bild. Extrahering identifierar vad tecknen betyder och kopplar dem till fält. Att hitta texten ”132.00” är en sak; att avgöra om det är ett delbelopp, skattebelopp eller belopp att betala är en annan.

En digital PDF kan redan innehålla läsbar text. En skanning behöver ett OCR-steg. Båda behöver fortfarande tolkning av fält, normalisering och kontroller innan resultatet blir ett användbart affärsunderlag.

Det finns redan specialiserade tjänster som hanterar delar av arbetet. Amazon Textracts analys av utgiftsdokument returnerar normaliserade fakturafält och fakturaradsdata med konfidensvärden och platser i dokumentet. Microsoft Document Intelligence fakturamodell extraherar fakturafält och fakturarader till strukturerade data. Dessa kan ingå som komponenter i ett arbetsflöde; regler för godkännande och integration med målsystemet behöver fortfarande definieras.

Definiera de fält som målsystemet faktiskt behöver

Börja med den bokföringspost du vill skapa. En sammanställning för ett kalkylblad behöver färre fält än en faktura som ska matchas mot en inköpsorder och en lagerleverans.

Behåll originalvärdet när du normaliserar ett fält. En granskare ska kunna se vad som lästes av, vad det omvandlades till och var det fanns i dokumentet. Behandla okända värden som saknade uppgifter som behöver utredas.

Ett arbetsflöde från PDF till godkänd post

1. Registrera det inkommande dokumentet. Ge det en identifierare och en status. Spara originalet så att en misslyckad extrahering kan göras om och granskas.
2. Extrahera de överenskomna fälten. Använd dokumentets text eller en OCR-/extraheringstjänst och normalisera sedan datum, valutor och belopp.
3. Tillämpa verksamhetskontroller. Matcha leverantören, verifiera obligatoriska fält, stäm av summor och flagga möjliga dubbletter.
4. Granska avvikelser. Visa originalet bredvid fälten. Låt personalen korrigera värden, välja ett utgiftskonto och godkänna posten.
5. Exportera och bekräfta. Skriv till målsystemet, spara dess post-ID och följ upp eventuella fel. Om en misslyckad export görs om ska det inte skapas ytterligare en faktura.

En faktura kan till exempel ha ett tydligt extraherat totalbelopp men ingen matchande leverantör i bokföringssystemet. Dokumentet behöver ändå hanteras. Ett konfidensvärde för totalbeloppet visar inte att hela fakturan är klar att bokföra.

Håll extrahering, bokföring och betalningsgodkännande åtskilda. Att ett dokument är läsbart innebär inte att utgiften har godkänts eller att betalning ska skickas.

Välj programvara, ett extraherings-API eller ett anpassat arbetsflöde

Använd en färdig produkt för en standardprocess

Börja här om produktens stödda fält, bokföringskoppling och granskningsfunktioner motsvarar dina behov. Till exempel erbjuder AutoEntry fakturainsamling och integrationer med bokföringssystem. Testa produkten med dina egna leverantörsdokument innan du lägger till ännu ett system.

Använd ett extraherings-API om du redan har det omgivande systemet

Ett API kan tillhandahålla komponenten som läser dokumenten, medan din applikation hanterar mottagning, användare, godkännanden och export. Jämför fälttäckning, granskningsarbete, dokumentbegränsningar, användningskostnad och datahantering. Det lägsta priset per sida behöver inte ge den billigaste godkända posten.

Bygg en anpassad integration när processen har krav som produkten inte klarar

Exempel är matchning mot en intern databas över inköpsorder, extrahering av leverantörsspecifika fält, skrivning till ett ovanligt ERP-system eller egna granskningsroller. Anpassat arbete kan byggas runt en befintlig extraheringstjänst. Det innebär inte automatiskt att en modell måste tränas från grunden.

GagarinSoft erbjuder anpassad automatisering och integration för fakturahantering, från mottagning av dokument till granskning och export. Vi bedömer om befintliga verktyg passar innan vi avgränsar en anpassad utvecklingsinsats.

Utvärdera noggrannheten med dina dokument

Skapa ett representativt urval och dokumentera de korrekta värdena innan testningen. Ta med digitala PDF-filer, skannade dokument, mobilfoton, fakturor på flera sidor, kreditnotor, nya leverantörer och dokument med flera skattesatser. Spara några exempel till en avslutande kontroll i stället för att finjustera allt mot samma urval.

• Mät viktiga fält separat. Faktura-ID, leverantör, valuta och totalbelopp kan behöva andra godkännanderegler än en fritextbeskrivning.
• Mät kompletta poster. Räkna fakturor som klarar alla obligatoriska kontroller, liksom dem där enskilda fält har extraherats korrekt.
• Mät granskningsarbetet. Följ upp hur många dokument som behöver korrigeras och hur lång tid personalen lägger på korrigeringarna.
• Testa målsystemet. Ta med dubbla inskickningar, anslutningsfel och exporter som avvisas i utvärderingen.

Noggrannhetsmålet bör återspegla vilken åtgärd ni kommer att vidta. Ett utkast som ska granskas och en post som bokförs automatiskt behöver olika godkännanderegler. Leverantörernas konfidensvärden hjälper till att fördela arbetet; validera eventuella tröskelvärden mot era egna resultat.

Beräkna kostnaden per godkänd faktura

Ta med konfiguration, återkommande programvaru- eller API-avgifter, drift, underhåll och personalens granskningstid. Följ upp kostnaden per användbar post, inklusive misslyckade försök och korrigeringar.

Som ett illustrativt räkneexempel kräver 500 fakturor med fyra minuters hantering vardera cirka 33 timmars registreringsarbete. Om den nya processen i genomsnitt kräver en minuts granskning per faktura blir det cirka åtta timmar: ungefär 25 timmar sparade innan undantag och underhåll räknas in. Det här är exempelantaganden, inte ett utlovat resultat; ersätt dem med mätningar från ert team.

Uppskattningen för implementationen beror på dokumentvariationen, valideringsreglerna, integrationsåtkomsten och driftkraven. Vår guide om kostnader för AI-utveckling förklarar hur de faktorerna påverkar omfattningen.

Bestäm vart dokumenten och de extraherade uppgifterna ska skickas

Kartlägg mottagning, lagring, extraktionstjänster, granskningsvyer, loggar, säkerhetskopior och målsystemet. Bestäm vem som får åtkomst till dokumenten, vad som sparas och vad som raderas. Om dokumenten måste stanna i er miljö bör ni utvärdera varje behandlingssteg mot det kravet innan ni väljer verktyg.

Ta fram en användbar projektbeskrivning

• Dokumenttyper, språk och månadsvolym.
• Var fakturorna kommer in och hur de kontrolleras i dag.
• Obligatoriska fält och målsystem.
• Godkännanderoller och vad som händer när ett fält är oklart.
• Krav på drift och lagringstid.
• Representativa avidentifierade exempel, delade via en överenskommen kanal.

Det här räcker för att inleda en diskussion om ett avgränsat pilotprojekt: en kanal för mottagning, ett målsystem och mätbara godkännandekriterier.