Factuurherkenning
Het handmatig invoeren van facturen in een factuurverwerkingssysteem heeft plaatsgemaakt voor het scannen en herkennen van digitale facturen met OCR software. Met e-facturatie wordt factuurherkenning volledig uit handen genomen.
Scannen en herkennen
In Nederland wordt vandaag de dag nog circa tachtig procent van alle facturen als pdf facturen verstuurd. De informatie op inkomende facturen moest voorheen handmatig worden ingevoerd in een financieel systeem. Met de komst van Optical Character Recognition (OCR) software kan de informatie op een pdf factuur automatisch worden omgezet naar data.
De informatie op een afbeelding wordt door OCR software dus herkend. Papieren facturen moeten uiteraard eerst worden gescand, voordat de scan met OCR software kan worden overgezet naar data. Voor zogenaamde machine-readable PDFs is de factuurinformatie direct als data beschikbaar.
Bij OCR moet de ontvangende partij een extra handeling verrichten. Deze handeling is weliswaar sneller dan handmatig overtikken in een systeem, maar het blijft een handeling die arbeid vraagt en tot extra fouten kan leiden. E-facturatie biedt een alternatief.
E-facturatie
E-facturatie staat voor het versturen en ontvangen van facturen in de vorm van een e-factuur. Een e-factuur is doorgaans een XML databestand met een voor facturen gestandaardiseerde datastructuur. Het voordeel van e-facturatie is dat de factuur direct en automatisch in een applicatie voor factuurverwerking wordt binnengehaald.
De adoptie van e-facturatie gaat traag, met name door het uitblijven van een standaard voor de datastructuur. Aansluiting op een e-facturatienetwerk biedt een alternatief, omdat het omzetten voor rekening wordt genomen door een derde partij. Leveranciers kunnen in ieder gewenst dataformat, maar ook pdf facturen, naar een netwerk-adres sturen, waarna de facturen worden omgezet naar een standaard die voor de ontvangende partij werk.
Factuurdata
Het omzetten van informatie op een afbeelding naar data, kan beperkt zijn tot informatie op kopniveau of volledig zijn door ook informatie op regelniveau om te zetten. Vandaag de dag is het automatisch matchen van facturen gemeengoed geworden. Althans, het matchen van facturen op kopniveau met achterliggende inkooporders en ontvangsten is standaard functionaliteit geworden. Zowel ERP systemen als ‘best-of-breed’ p2p-systemen bieden dit standaard aan.
Herkenning op kopniveau
Maar matchen op alleen kopniveau blijkt in de praktijk ook geen waterdichte methode te zijn.
Dit maakt dat automatiseringspartijen continu zoeken naar mogelijkheden om het matchen intelligenter te maken, bijvoorbeeld om facturen op regelniveau te matchen. Met andere woorden: de software vergelijkt de factuurregels met order- en/of ontvangstregels en maakt daarbij gebruik van bepaalde toleranties, rematch periodes, validatieregels en matching scenario’s. En daar stopt het zeker niet.
Wanneer de informatie alleen op kopniveau wordt gehaald, dan betekent dit in de praktijk dat er gemiddeld 15 velden moeten worden herkend en gevalideerd. Maar als de informatie ook op regelniveau wordt gehaald, dan is de uitdaging veel groter.
Matchen wordt lastig wanneer de klant en leverancier verschillende werkwijzen hebben. Als de klant bijvoorbeeld artikel A bestelt, maar de leverancier zijn eigen artikelcode X op de factuur vermeldt. Of wanneer er verschillende betalingstermijnen worden gehanteerd, zoals de factuur hierboven laat zien.
Factuurherkenning op regelniveau
Automatiseringspartijen zoeken continu naar manieren om het matchen van facturen intelligenter te maken. De mogelijkheid om facturen op kopniveau automatisch te matchen bestaat al een tijdje. Facturen op regelniveau matchen (dus op het niveau van line items) is recenter. Hierdoor wordt deelmatching van facturen mogelijk en kunnen vervolgacties worden geautomatiseerd.
De voordelen van het betrekken van factuurinformatie op regelniveau zijn evident. Als de informatie op facturen enerzijds en de informatie op orders en ontvangsten anderzijds op detailniveau met elkaar worden vergeleken, kan met zekerheid worden vastgesteld waar de afwijkingen zich bevinden.
Bij deelmatching wordt alleen het afwijkende deel van de factuur voorgelegd voor verdere handmatige verwerking. De afdeling crediteurenadministratie hoeft derhalve geen puzzel op te lossen om de verschillen bij elkaar te zoeken.
Dat verhoogt de arbeidsproductiviteit en verkleint de kans op fouten, omdat medewerkers zich alleen nog maar hoeven te concentreren op de niet overeenkomende regels. Ook kunnen eventuele prijsverschillen aan de betreffende (order-)regel worden toegekend in plaats van aan de gehele order. Dat verhoogt de betrouwbaarheid van informatie in de verschillende systemen.
Ook doen zich problemen voor wanneer op de factuur andere eenheden worden gebruikt dan op de bestelling. Als er 100 eenheden van artikel B zijn besteld, maar de leverancier levert 1 doos met artikelcode Y - waar dan weliswaar die 100 eenheden van artikel B in zitten - zal er dus onnodig een afwijking worden geconstateerd. Dit is een veelvoorkomend probleem. De factuur op de afbeelding hierboven toont iets soortgelijks, maar dan in aantallen. Het aantal stuks op de factuur komt niet overeen met het aantal stuks dat is besteld. Als het systeem hier niet op voorhand is ingericht, zal dit voor automatische verwerking een struikelblok zijn.
Factuurherkenning software
- Basware Network is mondiaal het grootste open netwerk voor any-to-any conversie van facturen en bestellingen. Ruim een miljoen leveranciers en kopers versturen en ontvangen facturen en bestellingen in het exacte format dat zij wensen.
- Meer informatie over factuurverwerking.
- Met Kofax wordt informatie van gescande papieren facturen en pdf-facturen afgelezen en deze informatie komt automatisch terecht in de daarvoor bestemde velden. Denk hierbij aan factuurdatum, factuurnummer, IBAN-nummer, btw-nummer en netto en bruto bedragen.
