Softwarepakketten.nl

Bijdrage van Bloggers (blogs)

Machine learning, robotic accounting en UBL is prima team voor elektronische factuurverwerking

Plaatsingsdatum 23-06-2017
Berichtdatum 23 juni 2017

Blog door Gerard Bottemanne, Onderzoeksbureau GBNED.

In de meest ultieme situatie komen verkoopfacturen geheel automatisch vanuit het boekhoudsysteem van de leverancier terecht in het boekhoudsysteem van de klant en wordt de factuur daar automatisch geboekt op de juiste rekeningen en betaalbaar gesteld. Uiteraard omgeven met de nodige, al dan niet automatische, controles. Want het is natuurlijk niet de bedoeling dat een factuur die betwist is automatisch voldaan wordt of een dat een spookfactuur in de administratie terecht komt, en erger, betaald wordt.

Aan deze werkwijze kan machine learning als onderdeel van robotic accounting een belangrijke bijdrage leveren. Bij machine learning is de software om inkoopfacturen te boeken als het ware zelflerend en kan aan de hand van patronen automatisch bepalen hoe inkoopfacturen geboekt worden.

Vroeger
Eerst een voorbeeld uit de oude doos:
Stel er wordt een inkoopfactuur op papier ontvangen van de KPN voor bellen met een vast nummer. Als eerste wordt dan de nieuwe crediteur (KPN) aangemaakt (als dat niet al eerder is gebeurd) met een BTW-code en een vaste (tegen)rekening. Handmatig wordt in het inkoopboek de crediteur gekozen, gevolgd door factuurnummer, -datum, -bedrag en boekingsomschrijving. Op basis van de gekozen instellingen wordt automatisch de BTW geboekt en de belkosten op de vastgelegde (tegen)rekening. De factuur zelf wordt keurig in de ordner “ontvangen inkoopfacturen” opgeborgen, al dan niet zelfs met een stempel erop.

Nu op basis van robotic accounting
De UBL-factuur komt geheel automatisch vanuit het boekhoudsysteem van de leverancier terecht in het boekhoudsysteem van de afnemer. Als de crediteur ontbreekt wordt deze automatisch toegevoegd op basis van de betreffende elementen in de UBL-factuur. Zaken als factuurnummer, -datum en -factuurbedrag zijn allemaal op dezelfde wijze aangeduid. En ook vele andere factuurgegevens, zelfs per factuurregel.

Stel er wordt een UBL-factuur ontvangen met meerdere BTW-percentages (21en 6%). Als organisator van bijeenkomsten hebben we daar vanuit GBNED in elk geval regelmatig mee te maken. De codering van de BTW is in de UBL volledig uitgesplitst aanwezig. De BTW kan dan ook volledig automatisch geboekt worden als de inkoopfactuur in UBL is ingelezen.

Deze werkwijze op basis van robotic accounting mag standaard verwacht worden van leveranciers van boekhoudsoftware en/of elektronische factuurverwerking in dit huidige tijdperk.

Machine learning
Door naast UBL ook machine learning in te zetten wordt robotic accounting in de meest optimale vorm benut om zoveel mogelijk automatisch te boeken, dus zonder tussenkomst van menselijke handelingen en het vooraf vastleggen van boekingscodering (zoals BTW-percentages en vaste (tegen)rekeningen bij crediteuren). Zo kan via machine learning intelligentie opgebouwd worden om steeds meer automatisch te boeken, zelfs als sprake is van meerdere factuurregels en verschillende soorten facturen van een en dezelfde leverancier.

Machine learning is niet nieuw en wordt bijvoorbeeld bij het boeken van elektronische bankafschriften al gebruikt. Het gaat dan expliciet niet om het herkennen van factuurnummer en bijbehorend bedrag van een openstaande post om een afschriftregel af te letteren. Deze vergelijking is geprogrammeerd. Bij machine learning gaat het erom dat bepaalde patronen worden herkend en het onderliggende systeem zelflerend is. Denk bijvoorbeeld aan het direct boeken van bankkosten die op een afschrift staan. Een eerste maal wordt de juiste kostenrekening handmatig gekozen. Het systeem kan deze keuze zelf opslaan, gerelateerd aan de omschrijving op de betreffende afschriftregel, en een volgende keer betreffende rekening automatisch voorstellen. Dit laatste is een voorbeeld van een vereenvoudigde vorm van machine learning.

Een interessante ontwikkeling is dat er softwareleveranciers zijn die machine learning inzetten over administraties heen. Dat laatste kan natuurlijk niet als alle gegevens nog lokaal op een server staan. Refererend aan het hiervoor genoemde voorbeeld van de bankkosten kan deze rekening ook automatisch voorgesteld worden bij andere administraties waar sprake is van bankkosten. Bijvoorbeeld als deze rekening , gerelateerd aan de omschrijving op de betreffende afschriftregels, enkele malen is gebruik in een of meer andere administraties.

Machine learning kan bij elektronische factuurverwerking op basis van UBL ingezet worden om zoveel mogelijk tot automatische boekingen te komen.

Robotic accounting en machine learning zijn begrippen die nog wel eens verschillend geïnterpreteerd worden. Zo kan de een het scannen en herkennen van een inkoopfactuur als robotic accounting zien, terwijl voor de ander Robotic accounting juist de opvolger is van scannen en herkennen. En bij machine learning is het onderscheid tussen programmering en het zelflerend zijn aan de hand van patronen nog wel eens een punt van discussie.

13 september 2017
Voorafgaand aan de ICT Accountancy praktijkdag “Scan, herken, efactureren en robotic 2017” op 13 september 2017 hebben we softwareleveranciers gevraagd naar hun ervaring en plannen met machine learning. Het resultaat wordt mondeling toegelicht tijdens deze praktijkdag.
Meer over deze praktijkdag op 13 september a.s.

Categorie(n) Branche > Accountantskantoren, Soort > Boekhoudsoftware, ICT Innovatie, Soort > (Elektronisch) factureren, Robotic (accounting), UBL, SAAS, Cloud Computing
Bronvermelding Onderzoeksbureau GBNED
Internet URL http://www.gbned.nl

Terug


Onerzoeksbureau GBNED