1. Prezentare generală:

Utilizarea automatizării este în creștere în serviciile financiare, deoarece îi scutește pe angajați de povara sarcinilor repetitive și plictisitoare. În plus, automatizarea poate fi integrată cu alte modele de învățare pentru a rezolva sarcini mai complexe.

 

2. Soluții: 

  • Identificatorul și interpretator automatizat al actelor de identitate

Acest robot poate identifica tipul unui document de identificare românesc, îl citește folosind OCR, răzuiește datele utile, le validează cu reguli cunoscute și scoate datele într-un fișier structurat. Apoi, fiecare fișier este procesat și mutat într-un dosar specific.

În cazul în care robotul nu reușește să identifice tipul de document sau dacă datele nu sunt clarificate, fișierul va fi mutat într-un dosar special, unde îl puteți corecta manual.

 

  • Automatizarea corespondenței dintre companie și client

Adresele de corespondență sunt împărțite și formatate automat într-un tabel, care poate fi apoi utilizat pentru a stabili corespondența cu clienții. Practic, fiecare element din adresă este identificat (tipul de stradă <street, bld, alley, etc>, numele străzii, numărul, etc.) și formatat într-un tabel cu fiecare element în coloana sa.

Această automatizare a fost posibilă cu ajutorul unui algoritm NLP – Natural Language Processing, mai exact cu algoritmi NER – Named Entity Recognition.

În plus, procesul este împărțit în 3 părți:

  • Rularea și citirea adreselor, apoi divizarea pe elemente,
  • Validarea manuală – în care utilizatorul poate corecta adresele care nu sunt suficient de sigure,
  • Colectarea datelor corectate pentru a reantrena algoritmul de detectare a adreselor pentru a-și îmbunătăți scorul cu mai multe exemple.
  • Prelucrarea contractelor

Este un proces de citire cu OCR – Optical Character Recognition (recunoaștere optică a caracterelor) a contractelor în format PDF și de împărțire a acestora în șabloane, deoarece fiecare șablon trebuie prelucrat în mod diferit.

Această automatizare îndeplinește, de asemenea, următoarele sarcini:

  • Identificarea ID-ului și extragerea de informații din acesta.
  • Extragerea datelor cheie din contract (număr, dată, persoană, e-mail, etc.) și generarea unui tabel centralizat cu informațiile extrase.
  • Prelucrarea hotărârilor judecătorești

După scanarea documentului, se identifică datele-cheie (instanța, tipul de decizie etc.), cea mai importantă de extras fiind statutul deciziei (suspendată, refuzată, admisă, admisă parțial).

Adesea, statutul nu este scris într-un format clar, ci trebuie extras din context. Astfel, robotul va procesa tot textul și va atribui un statut cunoscut deciziei.

 

  • Verificarea plății și compararea datelor extrase

Ca parte a procesării documentelor, robotul verifică dacă plățile din fișierul Excel primit de la clienți corespund celor din fișierul Excel generat din baza de date internă a companiei. Apoi, acesta generează un tabel pivot pentru fiecare informație extrasă, după care compară tabelele pivot.

 

3. Rezultate: 

Cu ajutorul automatizării noastre, companiile au reușit să:

  • Să reducă costurile operaționale
  • Să reducă ratele de eroare umană

Aceste beneficii le permit companiilor să:

  • Să crească mai repede,
  • Să se concentreze pe activități mai importante, care aduc profit companiei

[/vc_column_text][/vc_column][/vc_row]

Ți-am stârnit interesul?

Dă-ne un BUZZ!

I am

Name

From

I want

This field is for validation purposes and should be left unchanged.