CASE STUDY | GESUNDHEITSWESEN
Manchester University NHS Foundation Trust automatisiert die Rechnungsverarbeitung vollständig und reduziert das Zahlungsrisiko
Edd Berry, Director of Finance Innovation, Manchester University NHS Foundation Trust
Herausforderung
MFT verarbeitet jährlich rund 275.000 Rechnungen von etwa 6.000 aktiven Lieferanten mit Tausenden von verschiedenen Rechnungsarten. Der Trust wollte die Rechnungsstellung weiter automatisieren, indem er Informationen aus seiner bestehenden IDP-Lösung in sein ERP-System einspeiste, was durch Robotic Process Automation (RPA) ermöglicht wurde. Aufgrund von IDP-Ungenauigkeiten und Inkonsistenzen, die vom RPA-Tool nicht verarbeitet werden konnten, war jedoch weiterhin manueller Aufwand zwischen den Systemen erforderlich..
MFT musste eine IDP-Lösung mit folgenden Fähigkeiten finden:
- automatisches Auffinden und Extrahieren relevanter Rechnungsinformationen mit einem wesentlich höheren Grad an Genauigkeit
- zuverlässige Übermittlung von Daten an RPA, um einen erfolgreichen Abgleich mit den Bestellungen im Finanzsystem von MFT vorzunehmen
- Minimierung der Codierungsanforderungen für die Datenbearbeitung
- Verkürzung des Zeitaufwands für Rechnungsprüfung und Schulung
Lösung
ABBYY IDP identifiziert relevante Rechnungsdaten selbst in den komplexesten Dokumenten mit höchster Genauigkeit. Das RPA-Tool kann sie nun erfolgreich an das ERP-System weiterleiten.
Mit ABBYY IDP kann MFT erweiterte Funktionen auf eine ganze Reihe von Rechnungen anwenden, statt für jede einzelne Rechnung Regeln zu wiederholen.
Die Mitarbeiter können jetzt mit wenig bis gar keinem Code Skills erstellen, indem sie vorgefertigte Extraktionsmodelle und standardisierte Geschäftsregeln nutzen. ABBYY IDP lernt aus der manuellen Dokumentenvalidierung, sodass der Zeitaufwand für Schulung und Rechnungsprüfung kontinuierlich reduziert wird.
Die konsistenten und zuverlässigen Ergebnisse, die mit der Rechnungsautomatisierung erzielt wurden, haben MFT zuversichtlich gestimmt, diese Automatisierung auf Prozesse jenseits der Rechnungen auszuweiten.
Ergebnis
- Erfolgreiche Einführung der Lösung innerhalb von Wochen, nicht Monaten
- Verringerung von Bearbeitungszeit, Zahlungsrisiken und monatlichen Abstimmungen
- Mitarbeiter können sich auf andere geschäftskritische Bereiche konzentrieren, statt auf Codierung
- Laufendes maschinelles Lernen reduziert die Zeit für Nachbearbeitung und Datenvalidierung