Hae it-yrityksiä
osaamisalueittain:

Asiakkuudenhallinta CRM BI ja raportointi HR Tuotekehitys ja suunnittelu Toiminnanohjaus ERP Taloushallinto Markkinointi Webkehitys Mobiilikehitys Käyttöliittymäsuunnittelu Tietoturva Verkkokaupparatkaisut Ohjelmistokehitys Integraatiot Pilvipalvelut / SaaS Tekoäly (AI) ja koneoppiminen Lisätty todellisuus ja VR Paikkatieto GIS IoT Microsoft SAP IBM Salesforce Amazon Web Services Javascript React PHP WordPress Drupal

Robotiikkaa vai tekoälyä ostolaskukäsittelyn automaatioon? – 7 vinkkiä ostolaskuautomaatioon

BloggausAutomaatiovälineiden viidakko voi tuntua tuskastuttavalta. On robotteja ja tekoälyä, mutta myös chatbotteja, appseja, integraatiota, pilvipalveluita, palvelunhallintajärjestelmiä – ja liuta ostolaskujen käsittelyjärjestelmiäkin. Mutta mikä välineistä onkaan sopivin?

Ostolaskuja haluttaisiin käsitellä automaattisemmin jokaisessa organisaatiossa, mutta taival voi tuntua haastavalta, kun ei tiedä, mistä lähteä liikkeelle ja mikä väline sopii mihin tarkoitukseen. Yhtä oikeaa ratkaisua ostolaskuautomaation välinevalintaan ei ole, mutta valintoja voi lähteä purkamaan seuraavilla perusperiaatteilla.

1. Hyödynnä modernin ostolaskujärjestelmän ominaisuudet

Lähtökohtana on varmistaa, että käytössä on moderni pilvipohjainen ostolaskujen käsittelyjärjestelmä. Modernin järjestelmän tunnistaa siitä, että

  • se sisältää toiminnallisuudet laskujen tehokkaaseen tarkastukseen, hyväksyntään ja tiliöintiin.
  • se integroituu sujuvasti hankintajärjestelmään ja ostoreskontrajärjestelmään.
  • se on helppokäyttöinen sekä pääkäyttäjille että loppukäyttäjille.
  • se sisältää selkeät näkymät, joiden avulla ostoreskontra voi hallinnoida prosessia päivittäisessä työssä, mutta myös analysoida prosessin toimivuutta mittareiden avulla.
  • järjestelmätoimittaja kehittää tuotetta aktiivisesti ja viestii sen kehityssuunnitelmista.

Automaatiokehityksen osalta kannattaakin varmistaa aina ensiksi, että osaaminen perusjärjestelmästä on kunnossa ja järjestelmän omat automaatiotoiminnot on otettu käyttöön täysimääräisesti. Järjestelmän mahdollisuuksien hyödyntämisessä auttaa se, että järjestelmällä on nimetty pääkäyttäjä, jonka vastuulla on pysyä ajan tasalla järjestelmän toiminnoista ja tulevasta kehityksestä sekä jakaa tätä tietoa organisaatiossa.

2. Integraatioilla varmistetaan ajantasainen tietojen päivittyminen

Integraatio tai liittymä on pääväline tietojen automaattiseen siirtämiseen ja päivittämiseen järjestelmien välillä. Integraatioita tarvitaan ostolaskuprosessissa ainakin verkkolaskujen vastaanottoon. Jos käytössä on erillinen ostolaskujen käsittelyjärjestelmä, integraatioilla hoidetaan myös rekisterien kuten toimittaja- ja dimensiotietojen päivittyminen ostolaskujärjestelmään ja hyväksyttyjen laskujen siirto reskontraan. Mahdollisesti siirretään myös ostotilaustietoja hankintajärjestelmästä laskujen täsmäytystä varten.

Integraatioiden toimivuus on kriittistä prosessin toimivuuden osalta, ja niille kannattaa asettaa kontrollit, joilla mahdolliset virhetilanteet saadaan korjattua nopeasti.

3. Robotti avustaa säännönmukaisissa rutiinitehtävissä

Ohjelmistorobotin roolina on paikata perusjärjestelmien automaation aukkopaikkoja niissä tehtävissä, joissa käsittelysäännöt ovat tarkalleen määritettävissä ja data on rakenteisessa muodossa. Ostolaskuihin liittyen robotille on löytynyt tehtäväksi esimerkiksi laskujen esikäsittelyä ja lopputarkastuksia. Se voi täydentää järjestelmässä olevia automaattitarkistuksia käymällä läpi laskujen tietoja ennen ja jälkeen hyväksymiskierron, korjata datan puutteita ja ilmoittaa reskontranhoitajalle virheistä.

Robotti voi tarkistaa laskuja toisessa järjestelmässä olevia hankintatietoja vasten tai muistuttaa hyväksyjiä toimia odottavista laskuista. Se voi siirtää hyväksyttyjä laskuja reskontraan ja muodostaa maksuaineistoja haluttuina maksupäivinä. Kauden katkossa robottia käytetään reskontran sulkemiseen, täsmäyttämiseen ja jaksotusaineistojen luomiseen. Robotti voi myös hoitaa toimittajarekisterin ylläpitoa ottamalla vastaan toimittajan avauspyyntöjä, tai tarkistaa toimittajien ennakkoperintätietoja YTJ-rekisteriä vasten. Robotille riittää siis ahkeroitavaa.

4. Koneoppiminen automatisoi tiliöintiä ja kierron määritystä

Modernin ostolaskujärjestelmän perustoiminnoilla voidaan yleensä hyvin pitkälle automatisoida tilauksellisten tai sopimukseen perustuvien toistuvaislaskutuksen laskujen käsittelyä. Näiden lisäksi jää kuitenkin aina sekalainen massa laskuja, joiden tiliöintiä tai kiertoa on haastavampi automatisoida sääntöpohjaisella automaatiolla; säännön luominen manuaalisesti jokaista tapausta varten veisi vain liian paljon aikaa suhteessa siitä saatuun hyötyyn.

Näiden tiliöinnin ja kierron automaatioon toimiikin hienosti koneoppiminen, joka päättelee käsittelysäännöt aiempiin laskuihin pohjautuen. Koneoppimisen avulla voidaan muodostaa uusille laskuille ehdotukset, joita voidaan hyödyntää joko täyteen automaatioon tai käyttää ehdotukset reskontranhoitajan tarkastuksessa, riippuen ennusteen todennäköisyydestä. Malli on oppiva ja tulee sitä paremmaksi, mitä enemmän sille syötetään laskuja.

Toki kannattaa huomata, että 100 %:n automaatioon ei koneoppimisella päästä, koska se perustuu historiadataan. Laskuissa on aina uusia tapauksia, joille ei ole pääteltävissä sääntöjä vanhojen laskujen perusteella. Koneoppimisella on kuitenkin saavutettavissa huima automaatiotason nosto juuri tiliöinnin ja kierron määrityksessä. Sitä voidaan hyödyntää myös toistuvien sopimuslaskujen tunnistamiseen laskumassasta sopimusten luomiseksi.

5. Palvelunhallintajärjestelmät hallitsevat työnkulkuja

Ostolaskuprosessiin liittyy paljon laskukäsittelyn ulkopuolista palvelua, kuten käytön tukea, toimittajakyselyitä tai käyttäjien ja rekisterien ylläpitoa. Pyyntöjä tulee laajasti sekä omasta organisaatiosta että toimittajilta.

Palvelunhallinta- tai tiketöintijärjestelmä voi olla hyvä ratkaisu palvelupyyntöjen hallinnointiin etenkin suuremmissa organisaatioissa. Kun yhteydenotot ja pyynnöt saadaan seurantaan järjestelmän jonoon, on helpompi varmistaa, että niihin vastataan ajallaan ja jono pysyy hallinnassa. Samalla pyynnöt ja niihin liittyneet toimenpiteet jäävät arkistoon ja ovat myöhemminkin helposti löydettävissä.

Pyyntöjä voidaan luokitella ja ohjata eri henkilöille käsiteltäväksi. Yhteydenotot voidaan ohjata tapahtumaan ohjatun lomakkeen kautta, jolla saadaan varmistettua kaikkien tarpeellisten tietojen syöttö. Samalla tieto voidaan tallentaa lomakekenttien avulla rakenteiseen muotoon, jolloin sen jatkokäsittelyä voi tehdä myös robotti.

6. Appseilla helppokäyttöisyyttä

Low-code-kehityksen alle luettavat sovellukset, ”appsit”, (kuten Microsoftin Power Apps) ovat yksi tapa luoda helppoja käyttöliittymiä niihin toimenpiteisiin, joita loppukäyttäjät tekevät prosessissa. Moderni ostolaskujen käsittelyjärjestelmä sisältää itsessään mobiilitoiminnot laskujen hyväksyntään, tiliöintiin ja laskuhistorian katseluun. Näitä toimintoja voidaan täydentää appseilla esimerkiksi toimittajan avaus- tai muutospyynnön osalta.

Monesti ostoreskontra saa toimittajan avauspyyntöjä vapaamuotoisina sähköpostilla, chatilla tai puhelimitse, jolloin joudutaan kyselemään puuttuvia tietoja ja kopioimaan tiedot manuaalisesti toimittajarekisteriin. Jos pyyntö ohjataan appsin kautta tehdylle lomakkeelle, se ohjaa käyttäjää täyttämään kaikki pakolliset tiedot ja avustaa tarjoamalla valikoissa vain sallittuja arvoja. Pyyntö voidaan ohjata hyväksymiskiertoon, tai sovellus voi syöttää datan suoraan toimittajarekisteriin. Näin jäävät pois manuaaliset kopiointivaiheet ja tiedot ovat kerralla oikein samalla, kun vasteaika nopeutuu.

7. Chatbot auttaa loppukäyttäjiä

Palvelukanavana kannattaa pohtia myös chatbottia. Näitä käytetään paljon ulkoisten asiakkaiden palvelemiseen, mutta harvemmin vielä yritysten sisäisessä palvelussa. Chatbot on hyvä vaihtoehto yrityksen sisäiseen ostolaskujärjestelmän käytön tukeen, laskutusohjeiden saamiseen tai toimittaja- ja laskutietojen kyselemiseen. Sillä voidaan vähentää rutiinikysymysten tuomaa kuormitusta taloushallinnolle ja saada kysyjälle nopeampi vastaus.

Vaihtoehtoja ja välineitä on siis paljon, mikä on hyvä asia. Meidän on mahdollista saavuttaa suuria automaatioasteen nostoja jo näillä olemassa olevilla välineillä ja matka on innostava, vaikkakaan ei aina helppo. Oppeja kannattaa jakaa ja kysyä, jotta emme kaikki kompastu samaan kiveen.

Eniten olen kuitenkin innoissani siitä, mitä tulevaisuus tuo tullessaan. Tekoäly tulee todennäköisesti mullistamaan tämänkin prosessin tavoilla, joita emme osaa vielä ajatella. Moni odottaa sitä päivää, jolloin ei tarvitsisi tarkastaa ja tiliöidä enää yhtäkään laskua. Siinä on hyvä tavoite.

Kirjoittaja

Sanna Kaarlejärvi

Business Director, Finance

Kirjoitus on julkaistu aiemmin Efiman sivuilla.

Pinterest
Efima Oyj logo

Lisätietoja

Yritysprofiili Efima kotisivut

Tagit

Jos tarjontatagi on sininen, pääset klikkaamalla sen kuvaukseen

Liiketoimintaprosessi

Taloushallinto

Erikoisosaaminen

Ohjelmistorobotiikka
Tekoäly (AI) ja koneoppiminen

Tarjonnan tyyppi

Konsultointi
Toteutustyö
Tuki- ja ylläpitotyö

Omat tagit

Ostolaskujen käsittelyn automatisointi
ostoreskontra
ostolaskuautomaatio

Siirry yrityksen profiiliin Efima kotisivut Yrityshaku Referenssihaku Julkaisuhaku

Efima - Asiantuntijat ja yhteyshenkilöt

Asiantuntijoita ja yhteyshenkilöitä ei ole vielä kuvattu.

Efima - Muita referenssejä

Efima - Muita bloggauksia

Digitalisaatio & innovaatiot blogimedia

Blogimediamme käsittelee tulevaisuuden liiketoimintaa, digitaalisia innovaatioita ja internet-ajan ilmiöitä

Etusivu Yrityshaku Pikahaku Referenssihaku Julkaisuhaku Blogimedia