1. Überblick:

Der Einsatz von Automatisierung ist in der Finanzdienstleistungsbranche auf dem Vormarsch, da sie die Mitarbeiter von der Last sich wiederholender und langweiliger Aufgaben befreit. Darüber hinaus kann die Automatisierung mit anderen Lernmodellen integriert werden, um komplexere Aufgaben zu lösen.

 

2. Lösungen: 

  • Automatisierter Identifizierer und Dolmetscher

Dieser Roboter kann den Typ eines rumänischen Ausweisdokuments identifizieren, liest es mit OCR, kratzt die nützlichen Daten heraus, validiert sie mit bekannten Regeln und gibt die Daten in einer strukturierten Datei aus. Anschließend wird jede Datei verarbeitet und in einen bestimmten Ordner verschoben.

Wenn der Roboter die Art des Dokuments nicht erkennt oder die Daten nicht bereinigt sind, wird die Datei in einen speziellen Ordner verschoben, in dem Sie sie manuell korrigieren können.

 

  • Automatisierung der Korrespondenz zwischen Unternehmen und Kunden

Korrespondenzadressen werden aufgeteilt und automatisch in einer Tabelle formatiert, die dann für die Korrespondenz mit Kunden verwendet werden kann. Grundsätzlich wird jedes Element der Adresse identifiziert (Straßentyp <Straße, Gebäude, Allee usw.>, Straßenname, Nummer usw.) und in einer Tabelle mit jedem Element in seiner Spalte formatiert.

Diese Automatisierung wurde durch einen NLP-Algorithmus (Natural Language Processing) ermöglicht, genauer gesagt durch NER-Algorithmen (Named Entity Recognition).

Außerdem ist der Prozess in 3 Teile unterteilt:

  • Adresslauf und Lesen, dann Aufteilung nach Elementen,
  • Manuelle Validierung – hier kann der Benutzer Adressen korrigieren, die nicht vertrauenswürdig genug sind,
  • Sammlung der korrigierten Daten, um den Adresserkennungsalgorithmus erneut zu trainieren und seine Punktzahl mit mehr Beispielen zu verbessern.

 

  • Auftragsverarbeitung

Hierbei handelt es sich um einen Prozess, bei dem Verträge im PDF-Format mit OCR – Optical Character Recognition – gelesen und in Vorlagen unterteilt werden, da jede Vorlage anders verarbeitet werden muss.

Diese Automatisierung führt auch die folgenden Aufgaben aus:

  • Identifizieren der ID und Extrahieren von Informationen aus ihr.
  • Extraktion von Schlüsseldaten aus dem Vertrag (Nummer, Datum, Person, E-Mail usw.) und Erstellung einer zentralisierten Tabelle mit den extrahierten Informationen.

 

  • Verarbeitung von Gerichtsentscheidungen

Nach dem Scannen des Dokuments werden die Schlüsseldaten (Gericht, Art der Entscheidung usw.) ermittelt, wobei der Status der Entscheidung (ausgesetzt, abgelehnt, zugelassen, teilweise zugelassen) am wichtigsten ist.

Oft ist der Status nicht in einem klaren Format geschrieben, sondern muss aus dem Kontext extrahiert werden. Der Roboter verarbeitet also den gesamten Text und ordnet der Entscheidung einen bekannten Status zu.

 

  • Überprüfung der Zahlung und Vergleich der extrahierten Daten

Im Rahmen der Dokumentenverarbeitung prüft der Roboter, ob die Zahlungen in der Excel-Datei, die er von den Kunden erhalten hat, mit denen in der Excel-Datei übereinstimmen, die aus der internen Datenbank des Unternehmens erstellt wurde. Anschließend erstellt er für jede extrahierte Information eine Pivot-Tabelle und vergleicht die Pivot-Tabellen.

 

3. Die Ergebnisse: 

Mit unserer Automatisierung konnten die Unternehmen:

  • Senkung der Betriebskosten
  • Verringerung der menschlichen Fehlerquote

Diese Vorteile ermöglichen den Unternehmen:

  • Schneller wachsen,
  • sich auf wichtigere Aktivitäten zu konzentrieren, die dem Unternehmen Gewinn bringen.