Банковская выписка из облака

В Лаборатории инноваций НЛМК-SAP учат облачное решение SAP Cash Application разбирать банковские выписки с учетом специфики российского бизнеса.

Любая крупная компания ежедневно отправляет и получает тысячи банковских платежей, и на последующий разбор банковских выписок по этим платежам, даже в тривиальных случаях, тратится немало человеко-часов. А так как работа рутинная, исполнитель рано или поздно начинает ошибаться.

Важна и временная составляющая, ведь для работы с дебиторской задолженностью необходимо оперативно получать информацию о реальном денежном потоке. Вчерашние банковские выписки надо разобрать в самом начале рабочего дня, чтобы, понимая текущий уровень денежных средств и дебиторской задолженности, иметь возможность прогнозировать будущий денежный поток.


Для НЛМК, получающей в день тысячи платежей самых разных типов, задача их быстрого и корректного разбора весьма актуальна


Одним из известных решений данной задачи является использование роботизированных систем на основе технологии RPA (Robotic Process Automation). Однако, наряду с простотой его использования, существует одно серьезное базовое ограничение: этот подход справляется только с задачами, описанными с помощью жесткого алгоритма, когда шаги по выполнению операции можно легко запрограммировать. Например, если сумма, указанная в платежке, точно совпадает с суммой, которую, согласно имеющимся документам, компании должен контрагент-отправитель, робот обработает платежку. В любой другой ситуации, хоть немного отличающейся от заранее описанной, робот не сможет обработать документ.

Практика показывает, что предусмотреть все варианты и заранее их запрограммировать не представляется возможным. Во всех случаях, когда робот не может разобрать позиции банковской выписки, вынужден подключаться человек, и уже по результатам анализа его работы можно сформулировать алгоритм обработки таких позиций выписки и модифицировать робота. Влияние этого базового ограничения незначительно только в случаях очень стабильного процесса – когда правила не меняются на протяжении длительного времени. Но, к сожалению, в мире бизнеса это редкость.

Большую гибкость способны демонстрировать системы, основанные на механизмах машинного обучения. В обучаемую систему вводится множество примеров решения какой-либо задачи, после чего она начинает работать, опираясь на усвоенные ею примеры. В тех случаях, когда уверенность системы в правильности возможного решения оказывается ниже некоего заданного порога (например, 99%), она предлагает человеку оценить свой вариант: «Я уверена на 96% в том, что надо поступить так-то». Это существенно облегчает задачу сотрудника, сводя ручной труд к эпизодическому принятию решения о применении варианта алгоритма роботом.

В прошлом году специалисты из ICN (Innovation Center Network) в Сингапуре создали новое облачное приложение SAP Cash Application, предназначенное для автоматизации разбора банковских выписок.

В рамках совместной Лаборатории инноваций НЛМК-SAP была поставлена задача протестировать Cash Application для новой S/4HANA-системы НЛМК и при необходимости адаптировать приложение под требования компании.

Кроме того, требовалось обеспечить совместную работу облачной версии Cash Application c SAP S/4HANA, установленной в центре обработки данных, где находятся системы НЛМК.

Команда совместной Лаборатории инноваций НЛМК-SAP
Команда совместной Лаборатории инноваций НЛМК-SAP протестировала CashApplication для новой S/4HANA-системы НЛМК и адаптировала приложение под требования компании. Александр Ключников, руководитель SAP Leonardo Центра в Москве, Алексей Тананакин, исполнительный директор, SAP Labs CIS, Михаил Сорокин, ведущий разработчик в IBSO, Ярослав Шмелев, специалист по анализу данных

ОСОБЕННОСТИ НАЦИОНАЛЬНЫХ ПЛАТЕЖЕЙ

Для НЛМК, получающей в день тысячи платежей самых разных типов, задача их быстрого и корректного разбора весьма актуальна. При этом у компании уже был накоплен большой объем банковских выписок, обработанных вручную. Для обучения Cash Application и проверки результатов работы приложения специалисты выгрузили из SAP S/4HANA три миллиона записей; около 80% из них были использованы для обучения, оставшиеся 20% – для проверки.

После первого цикла «обучение-проверка» стало понятно, что на некоторых типах платежей система работает очень хорошо, а некоторые обрабатывает плохо. Скажем, документы для европейских дочерних компаний НЛМК (в Дании и Италии) разбирались с очень хорошим результатом, но на российских активах в половине случаев система сообщала, что не может предложить решение, которое будет верным с достаточно высокой вероятностью, или просто не понимала, в чем дело.

Когда стали разбираться, выяснилось, что для России характерно большое количество авансовых и частичных платежей. В первом случае Cash Application ищет инвойс, на основании которого сделан платеж, и не находит. Во втором обнаруживает несколько частично подходящих счетов-фактур – на другие суммы – и не может однозначно определить, какому из них соответствует платеж.

ПЛЮС НЕЙРОСЕТЬ НА SAP CLOUD PLATFORM


В обучаемую систему вводится множество примеров решения какой-либо задачи, после чего она начинает работать, опираясь на усвоенные ею примеры


Полученные результаты обсудили с командой из ICN и вместе с ними начали искать способы улучшения модели для более сложных случаев.

По умолчанию система пытается найти подходящий инвойс для каждого платежа и связать их между собой. Однако выяснилось, что около 20–25% платежей либо авансовые, либо относятся к операциям, просто не подразумевающим существование инвойсов (например, конвертация валюты или депозитные операции).

Банковская выписка, помимо названия клиента, ИНН, суммы, обязательно содержит назначение платежа, зачастую структурированное с учетом требований законодательства. Было решено применить методы обработки естественного языка (Natural Language Processing, NLP) для анализа текста, содержащегося в назначении платежа.

В назначении платежа каждой позиции банковской выписки есть ключевые слова. С ними тоже нелегко работать, ведь синонимов к слову «аванс» много – например, «предоплата», «предварительный платеж». К тому же они могут быть в различных падежах, с опечатками, в сокращенных формах. Но, если разбить комментарий на слова и использовать рекуррентную нейросеть, входящую в сервисы машинного обучения SAP, система очень быстро понимает, как сортировать платежи в соответствии с описанием транзакций, и определяет, что это – аванс или платеж по счету-фактуре. В первом случае она осуществляет авансовую проводку и зачисляет деньги на счет конкретного контрагента, а во втором – ищет подходящий инвойс. Точность определения текста в поле «назначение платежа» достигла 98%.

Специалистам из Сингапура решение Лаборатории инноваций НЛМК-SAP понравилось своей простотой. Достигнута договоренность о включении сервиса классификации по тексту в поле «назначение платежа» в «дорожную карту» развития приложения Cash Application. Правда, эту функциональность будет сложнее реализовать для англоязычных документов.

НАСТОЯЩЕЕ И БУДУЩЕЕ РЕШЕНИЯ

SAP S/4HANA сейчас является основной учетной системой НЛМК, сервис обработки банковских выписок находится в облаке SAP Cloud Platform. Ежедневно он будет получать входящие позиции банковской выписки из SAP S/4HANA, обрабатывать их и возвращать в систему в соответствии с установленным уровнем доверия.

Сейчас система находится в тестовой эксплуатации: через нее проходят все банковские выписки по счетам НЛМК, но результаты пока не попадают в рабочую базу данных. По результатам тестирования будет принято решение о переводе системы в полноценную эксплуатацию

«Разработка приложения Cash Application – хороший пример эффективного взаимодействия разных команд в рамках Лаборатории совместных инноваций. Сотрудники финансового направления Группы НЛМК активно участвовали в формировании функциональных требований, технического задания, в разработке ключевых показателей эффективности процессов. В том числе благодаря этому, мы получили хорошие результаты роботизации процесса обработки банковской выписки. Нам удалось существенно улучшить стандартный функционал SAP Cash Application, “научив” это решение не только взаимодействовать с функционирующей в режиме on-premise SAP S/4HANA и нейронной сетью на базе SAP Cloud Platform, но и достаточно точно разбираться в тонкостях российской специфики», – отмечает исполняющий обязанности вице-президента по финансам Группы НЛМК Сергей Каратаев.

В дальнейшем решение может быть предложено и другим клиентам SAP, в том числе с существенно большим количеством ежедневно обрабатываемых платежек. Облачное размещение сервиса позволяет распараллеливать процессы их обработки, повышая пропускную способность решения по мере необходимости.

В случае существенного изменения законодательства решение придется заново переобучать. По мере обучения система «поймет», что старые алгоритмы уже неактуальны (свежие примеры правильной обработки имеют приоритет). Длительность обучения зависит от существенности изменений и скорости накопления необходимого количества новых банковских выписок для обучения системы.

В ходе работы над Cash Application проверка тех случаев, когда система формально ошиблась (то есть дала иной ответ, чем предполагалось), показала, что зачастую причиной была изначально некорректно внесенная информация. В обсуждении точности настройки Cash Application и других обучаемых систем клиенты по умолчанию предполагают, что их специалисты никогда не ошибаются. Однако на самом деле это не так, и на «длинной дистанции» подобные решения способны исправлять человеческие ошибки. 


Сергей КаратаевСергей Каратаев, исполняющий обязанности вице-президента по финансам Группы НЛМК:

«Разработка приложения Cash Application – хороший пример эффективного взаимодействия разных команд в рамках Лаборатории совместных инноваций. Нам удалось существенно улучшить стандартный функционал SAP Cash Application, “научив” это решение достаточно точно разбираться в тонкостях российской специфики»

Контакт с нами
Отправить

Выполните вход под своей учетной записью или зарегистрируйтесь, чтобы создать новую учетную запись.

Не зарегистрированы?

Еще не зарегистрированы? Получите доступ к 5000 эксклюзивных материалов, подпишитесь на новостную рассылку и управляйте ей.




Создать новый профиль