Laut diesem Whitepaper verliert ein typisches mittelständisches Unternehmen 300.000 US-Dollar pro Jahr, weil Rechnungen doppelt bezahlt werden. Die meisten ERP-Systeme versuchen dies zu verhindern, indem Sie dieselbe Rechnungsreferenz nicht zweimal für denselben Lieferanten eingeben.
Was ist, wenn der Lieferant zweimal in den Stammdaten mit einem etwas anderen Namen vorhanden ist? Oder bei der Erfassung der Rechnung ein Tippfehler gemacht? Oder liest Ihre OCR-Software eine 7 als 1?
Für viele Organisationen bedeutet dies, dass Sie kein Glück haben. Wenn die Buchhaltung nicht manuell herausfindet, dass die Rechnung ein Duplikat ist, zahlen Sie möglicherweise doppelt.
In diesem Blogbeitrag zeige ich Ihnen, wie Sie mithilfe der Celonis Intelligent Business Cloud (IBC) und Python Duplikate mithilfe von Fuzzy-Matching finden. Wenn Sie Ihren Kreditorenprozess in der IBC haben, ist dies sehr einfach, wenn Sie die folgenden fünf Schritte ausführen:
1. Filtern Sie irrelevante Rechnungen heraus Mit Process Analytics können wir schnell die relevantesten Rechnungen auswählen. In der Abbildung unten können Sie die Aktivität „Rechnung bezahlen“ auswählen, sodass noch nicht verarbeitete Rechnungen ignoriert werden. Außerdem können wir Rechnungen mit einem Wert von> 100 € auswählen, da noch einige manuelle Arbeiten erforderlich sind, um zu überprüfen, ob es sich bei den Ergebnissen um echte Duplikate handelt. (Wir wollen sie nur prüfen, wenn sich die manuelle Arbeit lohnt.)
Um weiter einzugrenzen, können wir folgende Dinge entfernen:
2. Wählen Sie relevante Daten In der Analyse für doppelte Rechnungen aus dem Celonis App Store legen wir fest, mit welchen Daten Duplikate suchen möchten:
Die linken vier Spalten beginnen mit einem Unterstrich. Dies teilt unserem Python-Paket mit, dass diese Spalten die eindeutige Kennung der Daten enthalten, die wir prüfen möchten. Die anderen Spalten enthalten die Rechnungsdaten, die wir prüfen möchten: Lieferantenname, Referenznummer, Buchungsdatum und Rechnungswert.
3. Führen Sie die Duplikatprüfung in Python aus Das Finden der Duplikate mithilfe der Standardeinstellungen ist so einfach wie das Ausführen von neun Zeilen Python-Code:
Jeder, der die Grundlagen von Python kennt, kann dieses Paket verwenden. Um einen kurzen Überblick über das, was passiert, zu geben:
3b. (Optional): Geben Sie Suchmuster und Ähnlichkeitsalgorithmen an. Dieses Stück ist etwas technischer. Zögern Sie nicht, es zu überspringen! Standardmäßig sucht die Duplikate-Duplikate nach:
Fuzzy-Matching kann mit verschiedenen Ähnlichkeitsalgorithmen durchgeführt werden. Standardmäßig verwendet der Duplikat-Checker Jaro-Winkler Similarity (für Textspalten). Zur Feinabstimmung der Duplikatüberprüfung können wir festlegen, ob ein anderes Suchmuster verwendet werden soll (z. B. genaue Übereinstimmung für Buchungsdatum und Rechnungswert, Fuzzy-Übereinstimmung für Anbieter und Referenz) oder ein anderer Ähnlichkeitsalgorithmus (z. B. Soundex für Anbieter) Namen).
4. Prüfen Sie, ob die Ergebnisse tatsächlich Duplikate sind Nachdem Sie die Duplikatprüfung in Python ausgeführt und optimiert haben, ist es an der Zeit, echte Duplikate zu überprüfen und zu bearbeiten. In Celonis Process Analytics können wir die Gruppen potenzieller Dubletten analysieren, Fälle mit einem hohen potenziellen Einsparungspotenzial finden und entweder einen Drilldown durchführen oder direkt in das ERP gehen, um Maßnahmen zu ergreifen.
