Inkoopfacturen automatisch verwerken met three way matching

Three way matching maakt het mogelijk om inkoopfacturen automatisch te matchen met bestellingen (inkooporders) en ontvangsten in je boekhoud- of ERP softwarepakket. In dit artikel leg ik uit wat three way matching is, hoe het werkt en hoe het je organisatie kan helpen om het purchase-to-pay proces te optimaliseren door inkoopfacturen automatisch te verwerken.

Wat is three way matching?

Three way matching is het matchen en verifiëren van facturen met bijbehorende bestellingen (inkooporders) en ontvangsten (bijvoorbeeld pakbonnen, ontvangstbevestigingen of magazijnontvangsten). Deze documenten geven informatie over de correctheid van een factuur en deze kan op basis hiervan automatisch geboekt, goedgekeurd en eventueel betaald worden. Als deze documenten niet of niet volledig overeenkomen met een factuur, dan kan er een afhandelingsproces gestart worden (bijvoorbeeld een medewerker de factuur laten beoordelen of het opvragen van een creditfactuur).

Wat zijn de voordelen?

Kort samengevat is het grote voordeel van three way matching dat er voor correcte facturen geen handmatige handelingen meer nodig zijn. Hierdoor bespaar je tijd en kosten, en bovendien worden menselijke fouten voorkomen (bijvoorbeeld invoer/typ fouten). Waar in een handmatig factuurverwerkingsproces alle facturen handmatig geboekt en beoordeeld worden door medewerkers, is het met three way matching uitsluitend vereist om de uitzonderingen of afwijkingen handmatig te beoordelen.

Three way matching met Zenvoices

Met de module Bestellingen en facturen matchen biedt Zenvoices een laagdrempelige oplossing voor three way matching. Facturen worden automatisch ingelezen en per regel gematched met bestellingen en ontvangsten uit je (bestaande) boekhoud- of ERP-oplossing. Op basis van de matches vindt een beoordeling plaats; afwijkingen op bijvoorbeeld prijs of aantal worden automatisch gedetecteerd. Correcte facturen kunnen volledig automatisch geboekt worden.

In Zenvoices heb je de mogelijkheid om zelf te bepalen in hoeverre je automatische beoordeling en verwerking wilt doorvoeren. Zo kun je bijvoorbeeld instellen welke prijsverschillen toegestaan zijn en welke controles uitgevoerd moeten worden (three way matching of two way matching). In het geval van two way matching kies je ervoor om facturen uitsluitend te controleren met bestellingen en controleer je deze niet met ontvangsten.

Ook kunnen facturen met afwijkingen buiten de ingestelde toleranties automatisch afgekeurd worden en na het uitvoeren van vervolgacties alsnog (automatisch) ter goedkeuring aangeboden worden bij fiatteurs (bijvoorbeeld na het boeken van een creditfactuur of het alsnog registreren van een ontvangst).

Bekijk onderstaande video om three way matching in Zenvoices in actie te zien.

Three way matching met Zenvoices is beschikbaar voor Exact Online en King. Werk je met een ander ERP- of inkooppakket? Neem contact met ons op om de koppelmogelijkheden te bespreken.

Advies nodig?

We denken graag met je mee hoe met three way matching het purchase-to-pay proces van jouw organisatie verbeterd kan worden. Wil je meer informatie of overleggen? Neem contact op via de chat, mail of bel ons op 085-3038853


Zelflerende factuurverwerking in Zenvoices: hoe werkt het?

Door het toepassen van zelflerende software maken we het automatisch herkennen en boeken van facturen sneller en gemakkelijker. Maar hoe werkt het nu precies?

De geschiedenis

Zelflerende software wordt ook wel omschreven als machine learning software. Machine learning maakt het mogelijk dat software zelf, zonder geprogrammeerd te worden, een taak steeds beter leert uit te voeren. Machine learning is niet nieuw; al sinds de jaren ’50 van vorige eeuw wordt er actief onderzoek naar gedaan. In het kort komt het er op neer dat je met een algoritme repeterende patronen herkent en het algoritme deze patronen gebruikt om nieuwe uitkomsten te voorspellen. Door ook gebruik te maken van een zogenaamde feedbackloop kan het algoritme zichzelf steeds verder verbeteren.

Toepassing in Zenvoices

Zelflerende software wordt bij Zenvoices toegepast in een tweetal fases van het proces om facturen en bonnen automatisch te verwerken:

  1. Herkennen & controleren van boekingsgegevens
  2. Boeken van facturen

Automatisch herkennen en controleren van boekingsgegevens

Gegevens worden in Zenvoices herkend uit verschillende bestandsformaten zoals PDF, Microsoft Word, Microsoft Excel, afbeeldingen, e-mailberichten UBL en overige e-facturen (.xml).

Onder andere de volgende gegevens worden herkend in documenten:

  • Factuurnummer
  • Factuurdatum
  • Afzendergegevens (KvK-nummer, IBAN, btw-nummer, debiteurnummer, e-mailadres en/of telefoonnummer)
  • Btw-bedragen, grondslag bedragen en percentages
  • Totaalbedragen

Door velden en verbanden te herkennen kan Zenvoices een ingelezen factuur en bon vertalen naar een gegevensset voor controle. Met het doorvoeren van handmatige correctie wordt het algoritme geleerd om bij een volgende keer het gecorrigeerde veld op andere wijze te herkennen. In Zenvoices passen we dit breed toe, zodat iedere gebruiker profiteert van deze leercurve en de herkenning steeds beter wordt.

Boeken van facturen

Nadat een factuur is ingelezen en velden zijn herkend geeft een gebruiker ook de instructie hoe deze factuur in zijn/haar administratie verwerkt mag worden. De zogenaamde boekingsregels bestaan doorgaans uit een grootboekrekening, btw-code en/of percentage, bedrag en eventuele verbijzondering (kostenplaats, dossier, etc.).

Ook deze handeling wordt vastgelegd in het algoritme en dit patroon vormt met de eerdere fase de basis om binnen drie seconde een volwaardig boekingsvoorstel te genereren.

De toekomst

In de huidige vorm brengt de zelflerende software al veel gemak en snelheid in het proces van inkomende factuur tot aan boeking. De achterliggende machine learning technologie blijft zich ontwikkelen. Zenvoices blijft continue beoordelen welke ontwikkelingen kunnen bijdragen aan het verder vereenvoudigen en versnellen van het factuurverwerkingsproces.

Meer weten over automatische factuurverwerking met Zenvoices? Maak een afspraak voor een persoonlijke demonstratie, maak gebruik van de gratis proefperiode of neem contact op voor meer info.

PROBEER 30 DAGEN GRATIS DEMONSTRATIE PLANNEN CONTACT OPNEMEN


Algemene verordening gegevensbescherming (AVG)

Per 25 mei 2018 is de Algemene verordening gegevensbescherming (AVG of GDPR) van toepassing. Dat betekent dat er vanaf die datum dezelfde privacywetgeving geldt in de hele Europese Unie (EU). De Wet bescherming persoonsgegevens (Wbp) geldt dan niet meer.

In dit blog lees je hoe wij ons voorbereid hebben op de AVG en wat de AVG betekent onze gebruikers.

Gewijzigd privacy beleid

In januari hebben we ons privacy beleid bijgewerkt conform de eisen van de AVG. Als verwerker van persoonsgegevens zijn wij namelijk verplicht om onze gebruikers te informeren welke gegevens wij verzamelen en wat wij met deze gegevens doen.

Ben je benieuwd welke persoonsgegevens wij verzamelen, met wie wij deze delen en welke beveiligingsmaatregelen wij treffen? Bekijk dan het privacy beleid op onze website.

Verwerkersovereenkomst

Gebruikers die met onze software werken verstrekken ons persoonsgegevens. Denk bijvoorbeeld aan gebruikersgegevens (naam, e-mailadres, adres) en de gegevens uit gekoppelde financiële administratie(s) (debiteuren, crediteuren, etc.). Volgens de AVG is onze gebruiker hierbij de verwerkingsverantwoordelijke en deze dient daarom met ons een verwerkersovereenkomst aan te gaan. In een verwerkersovereenkomst wordt onder andere vastgelegd hoe een verwerker, in dit geval Zenvoices, met de verstrekte persoonsgegevens omgaat.

Om onze gebruikers eenvoudig te laten voldoen aan de AVG wetgeving hebben we een verwerkersovereenkomst opgesteld en deze als bijlage opgenomen in onze gebruikersovereenkomst. Onze gebruikers zijn hiervan schriftelijk op de hoogte gesteld.

Privacy by design

Privacy en veiligheid staan voorop bij Zenvoices. Daarom hebben we al bij de ontwikkeling van Zenvoices rekening gehouden met privacy en veiligheid. We verzamelen bijvoorbeeld niet meer gegevens dan noodzakelijk en gegevens worden automatisch vernietigd als deze niet meer nodig zijn. Op deze wijze beperken we de kans op (menselijke) fouten.

Heb je vragen over de AVG of ons privacy beleid? Neem dan contact met ons op.


Machine learning: de toekomst van factuurverwerking?

Machine learning is zeer populair en ook in de wereld van elektronische factuurverwerking maakt het zijn intrede. Maar wat is machine learning precies? Welke kansen biedt het voor accountants en ondernemers? Is dit de toekomst van factuurverwerking? In dit artikel worden drie toepassingen van machine learning in het elektronische factuurverwerkingsproces beschreven. Daarnaast wordt inzicht gegeven in de ervaringen en plannen met machine learning van Zenvoices, een nieuwe cloudoplossing voor factuurverwerking.

Wat is machine learning?

Machine learning is de mogelijkheid dat software zelf, zonder geprogrammeerd te worden, een taak steeds beter leert uit te voeren. Machine learning is niet nieuw; al sinds de jaren ’50 van vorige eeuw wordt er actief onderzoek naar gedaan. Toepassingen van machine learning zijn overal om ons heen te vinden, zonder dat we hier vaak van op de hoogte zijn. Google gebruikt bijvoorbeeld machine learning om te bepalen welke zoekresultaten bovenaan getoond moeten worden en welke advertenties het meest winstgevend zijn. Door nieuwe technieken en de toenemende rekenkracht van computers worden de resultaten van machine learning steeds beter. Ook is het dankzij cloud computing eenvoudiger geworden om machine learning op grote schaal toe te passen.

Herkennen van boekingsgegevens in documenten

Eén van de eerste stappen in het elektronisch factuurverwerkingsproces is het inlezen van een factuur. In deze stap heeft software de taak om boekingsgegevens zoals factuurnummer, -datum, btw- en totaalbedragen in een document te herkennen. In de praktijk komen facturen voor in verschillende bestandsformaten, zoals PDF, UBL, XML en Word. Hierdoor is het herkennen van gegevens niet altijd eenvoudig. Binnen deze formaten kan onderscheid gemaakt worden tussen gestructureerde en ongestructureerde documenten, en met name de laatste variant is moeilijk om automatisch in te lezen.

Gestructureerde documenten zijn opgebouwd volgens een vaste structuur, waardoor gegevens eenvoudig door software ingelezen kunnen worden. De gegevens staan dan immers altijd op dezelfde plaats in het document en vaak zijn er ook afspraken gemaakt over het formaat en de betekenis van de gegevens. Een bekend voorbeeld hiervan is de UBL-factuur. Ongestructureerde documenten hebben daarentegen geen vaste structuur. Voorbeelden hiervan zijn PDF- of gescande documenten. Het inlezen van deze documenten wordt ook wel ‘scan & herken’ genoemd.

Met machine learning kunnen ongestructureerde documenten automatisch met een hoge nauwkeurigheid ingelezen worden. Als een document gescand is, kan ten eerste met behulp van machine learning het document omgezet worden naar tekst. Dit proces heet Optical Character Recognition (OCR). Voor documenten die al tekst bevatten, zoals digitaal gemaakte PDF documenten, kan deze stap overgeslagen worden. Hierna kunnen met machine learning de boekingsgegevens herkend worden in het document. Het doel is hierbij om per boekingsveld (factuurnummer, -datum, totaalbedrag, etc.) de juiste waarde in het document te herkennen. Als een gebruiker vervolgens na de herkenning aangeeft welke gegevens wel of niet juist herkend zijn, kan de software kennis opbouwen en leren om in de toekomst boekingsgegevens beter te gaan herkennen.

Beide technieken worden door Zenvoices gebruikt om digitale en gescande facturen in te lezen. Als verkeerde gegevens herkend worden, dan leert de software automatisch op basis van de correcties van een gebruiker de juiste gegevens te herkennen. Een gebruiker wordt dus niet expliciet gevraagd om de herkende gegevens te beoordelen. Momenteel wordt kennis opgebouwd per administratie, maar later dit jaar wordt het ook mogelijk om anoniem en na toestemming kennis te delen met externe administraties. De verwachting is dat de factuurherkenning hierdoor sneller zal verbeteren, wat zal resulteren in een grotere tijdsbesparing.

Controleren van facturen

Een volgende stap in het factuurverwerkingsproces is het controleren van facturen. Wanneer een factuur automatisch ingelezen is, moet niet alleen gecontroleerd worden of de gegevens op de factuur correct zijn, maar ook of de factuur correct ingelezen is. Met name wanneer met scan & herken software gewerkt wordt is dit laatste belangrijk vanwege de hogere kans op herkenfouten. Met machine learning kunnen facturen die afwijken van de historie automatisch herkend worden en ter controle aangeboden worden bij een gebruiker. Zowel incorrecte of afwijkende facturen en inleesfouten kunnen hiermee automatisch gedetecteerd worden.

Een eenvoudig voorbeeld: iedere maand ontvangt een bedrijf een factuur van een leverancier à 150 euro. Een nieuwe factuur van deze leverancier à 165 euro wordt ingelezen. Machine learning detecteert dat dit bedrag afwijkt van normaal en geeft een waarschuwing aan de gebruiker.

Zenvoices is bezig met de ontwikkeling van een dergelijk controlesysteem en verwacht deze eind dit jaar te lanceren. Dit sluit aan op haar visie dat de rol van de gebruiker geleidelijk zal veranderen van het inboeken van facturen naar het controleren van het automatische factuurverwerkingsproces.

Boeken van facturen

Nadat een factuur ingelezen en gecontroleerd is, kan deze geboekt worden. Op dit moment dient de juiste crediteur/debiteur gekozen te worden en dienen boekingsregels gemaakt te worden. Een boekingsregel bestaat doorgaans uit een grootboekrekening, btw-code en/of percentage, bedrag en eventuele verbijzondering (kostenplaats, dossier, etc.).

Het boeken van facturen kan geautomatiseerd worden op basis van vooraf gedefinieerde ‘als … dan’ regels, bijvoorbeeld ‘als omschrijving telefoonkosten bevat, gebruik dan grootboekrekening 4430 telefoonkosten’ of ‘als regelbedrag groter dan 450 euro, gebruik dan grootboekrekening 0100 inventaris’. Deze regels kunnen toegepast worden op een boeking en zodoende automatisch een boekingsvoorstel genereren. Dit wordt ook wel Robotic Accounting genoemd. Ook complexe boekingen, bestaande uit meerdere boekingsregels, kunnen hierdoor automatisch gemaakt worden.

Met machine learning kunnen in historische boekingen patronen herkend worden en suggesties gegeven worden voor het aanmaken van nieuwe ‘als … dan’ regels. Het gebruik van Robotic Accounting wordt hierdoor eenvoudiger. Zenvoices test op dit moment met deze toepassing van machine learning en verwacht deze eind dit jaar beschikbaar te stellen voor haar gebruikers.

Veelbelovende technologie

Met machine learning is vergaande automatisering van het elektronische factuurverwerkingsproces mogelijk. Het is een veelbelovende technologie, die door Zenvoices toegepast wordt voor het inlezen van facturen en later dit jaar ook voor het controleren en boeken van facturen. Zenvoices heeft grote plannen met machine learning en verwacht het verwerken van facturen hiermee aanzienlijk te kunnen vereenvoudigen en versnellen.

Over de auteur

Nik Schuiling is softwareontwikkelaar en datawetenschapper. In 2016 heeft hij Zenvoices opgericht om factuurverwerking makkelijker te maken voor accountants en ondernemers.


Bovenstaande artikel is op 12 september 2017 gepubliceerd in het rapport Scannen en herkennen van boekingsdocumenten en elektronische factuurverwerking op basis van robotic accounting 2017 van Onderzoeksbureau GBNED.