Automazione tramite intelligenza artificiale della quadratura contabile

Supporta la contabilità della tua azienda integrando dati provenienti da diverse fonti, in modo automatico e completo senza necessita di attività manuali, ripetitive e a basso valore aggiunto, ottenendo una lista di abbinamenti che possono essere gestiti nel processo aziendale in modo automatizzato o tramite una semplificata verifica umana.


CONTATTACI PER UNA DEMO

Cos'è?

Lo Scorer è un motore per l’abbinamento e riconciliazione di dati singoli e multipli (strutturati e non) provenienti da diverse fonti e non legati da identificativi univoci. Utilizza come fonti dati un database strutturato di contratti e una lista di documenti testuali, fornisce una lista di abbinamenti certi (che possono essere riconciliati senza attività umana) e un insieme di dashboard con le evidenze dei possibili abbinamenti con relativa percentuale di match

Quali sono le sfide?

  • Rendere disponibile sia una riconciliazione automatica tra pagamento e contratto senza attività umane sia uno strumento a supporto dell’attività della contabilità per riconciliazione su dati errati o mancanti

  • Migliorare la precisione del processo addestrando il sistema per riconoscere nuovi abbinamenti a partire da precedenti associazioni sia automatizzate che manuali
  • Risparmio di tempo, risorse e denaro nel processo interno di abbinamento

  • Data Cleaning

    PREPARAZIONE
    Rimozione Stopword
    Tokenizzazione
    Stemming Numeric / text
    data Estrazione Entità

  • Classification

    MODELLO
    Identificazioni tipologie
    causali per logiche custom
    e identificazione nomi/cognomi
    da causali

  • Pattern Matching

    REGOLE
    Implementazione logiche per
    matchare numeri polizze
    totali/parziali e contraenti.
    Controlli su date e importi
    per calcolo scoring

  • Scoring

    ITERAZIONE
    Iterazioni su Causali e
    Titoli per assegnazione
    "Best Score"

Quale soluzione abbiamo realizzato?

Implementazione delle tecniche di data cleaning, unite a tecniche di elaborazione del linguaggio naturale per l’estrazione di entità chiave e di algoritmi di matching tra dati sicuri e dati parziali/errati scritti a mano dal cliente. Algoritmi di AI, meccanismi di regole e calcolo di scoring per trovare la migliore associazione con l’aiuto di tecniche di machine learning

Quali obiettivi?

Tra tutte le associazioni non automatizzate, abbinare un bonifico bancario ad una voce di quietanzamento di contratto (titolo) con una percentuale di confidenza.

Le associazioni possono avere due tipologie di livello di confidenza:

Match 100: abbinamento ritenuto «fidato» che può essere associabile in modo automatico a un contratto senza intervento umano

Match <suggerito>:  abbinamento con un alto livello di confidenza ma inferiore a 100. Questo abbinamento è di supporto all’attività della contabilità per l’associazione

Come viene fatto?

L’abbinamento automatico consente di valutare tutte le possibili combinazioni, raggruppando eventuali corrispondenze multiple e rispettando i vincoli forniti dalle regole di business.

Utilizza algoritmi di AI, natural language processing, e classificazione di testo alla scopo di trovare somiglianze tra due entità delle rispettive fonti dati.

È utilizzabile su architetture a container o architetture java tradizionali, nonché su piattaforme di elaborazioni date distribuite per ridurre il tempo di elaborazione in caso di grosse moli di dati.