casesConclusionConclusion IntelligenceCasesEen zelflerende data...

Een zelflerende data entry applicatie voor klantbestellingen

Handmatige processen kosten bedrijven tijd en geld. Medewerkers besteden vaak de helft van hun tijd aan repetitieve taken en data entry. Voor één van de meest prestigieuze transport- en logistiekbedrijven in Europa heeft ons team in België een proof of concept ontwikkeld. Het doel van dit project was om het handmatige gegevensinvoer-proces te automatiseren. 

Klant

Conclusion

Markt

Zakelijke dienstverlening

Thema

Een toekomstbestendig personeelsbestand

Publicatiedatum

4 april 2024

Een zelflerende data entry applicatie voor klantbestellingen

Ze ontvangen dagelijks meer dan 300 klant-specifieke bestellingen in de vorm van native PDF’s, die handmatig in het systeem worden ingevoerd. Aan ons dus de taak om dit handmatige proces te automatiseren, wat leidt tot een aanzienlijke verlaging van operationele kosten.

Binnen een korte periode heeft ons team van Software Engineers en Data Scientists een proof of concept van de applicatie ontwikkeld. Met een verlenging van 4 tot 5 maanden van dit project kunnen we de proof of concept door-ontwikkelen tot een real-life oplossing met een automatiseringsniveau van 60%. Deze oplossing zal niet alleen de werkefficiëntie verbeteren, maar ook de kosten aanzienlijk verlagen. Om het maximale automatiseringsniveau te bereiken, heeft dit project onze support nodig in de volgende gebieden:

  • Projectmanagement

  • Frontend development voor het verwerken van PDF’s
  • Backoffice development voor het updaten van de algoritmen/ het model
  • Data structuring and preparaties
  • Algorithm development en training
  • Testen en verbeteren

Het concept

Dagelijks worden handmatig 300+ klant-specifieke bestellingen in de vorm van native PDF’s in het systeem ingevoerd. Het doel was om een applicatie te bouwen die PDF-bestanden laadt en zoveel mogelijk informatie detecteert met behulp van een intelligent zelflerend algoritme. Dit betekent dat de applicatie in staat is om verplichte velden in te vullen met gegevens uit PDF-bestanden, business logic en historische data. Zodra de gebruiker tevreden is, zal de applicatie een export-bestand genereren of een verbinding maken met een API, die wordt gebruikt voor verdere verwerking binnen het order entry systeem.

De uitdaging

In de latere ontwikkelingsfase zal het de echte uitdaging zijn om de applicatie tekst in afbeeldingen of ongestructureerde PDF-bestanden te laten herkennen. Daarnaast moet de applicatie ook in staat zijn om e-mails en eenmalige bestellingen van niet-vaste klanten te lezen en te begrijpen. Om ervoor te zorgen dat de applicatie nauwkeurig informatie verwerkt, is intensieve training, testen en het continu verbeteren van de algoritmes/ modellen vereist.

Een zelflerende data entry applicatie voor klantbestellingen

Mediaan in actie

Tijdens de ontwikkeling van de proof of concept tot en met de ontwikkeling van de real-life oplossing heeft ons team de volgende technieken gebruikt:

  • Angular
  • Python
  • Microsoft Azure
  • Docker
  • Scrum/ Agile

Oplossing in detail

De proof of concept kan:
  • Data en label examples verzamelen om het maximale automatiseringsniveau te bereiken
  • PDF-bestanden naar tekst converteren
  • Business logic toepassen en historische data gebruiken om de vereiste datavelden in te vullen

  • Een grafische userinterface tonen om PDF-bestanden weer te geven tijdens de verwerking

  • Ondersteuning geven voor het annoteren van data die automatisch wordt herkend of mogelijke opties voorstellen op basis van data-formaten
  • Export-bestanden genereren of verbinding maken met API’s als output naar andere systemen
  • Training-data terugsturen naar het zelflerende algoritme

Om het maximale automatiseringsniveau te bereiken moeten we de applicatie verder ontwikkelen, zodat deze in staat is om:

  • Teksten in afbeeldingen/ ongestructureerde PDF-bestanden te herkennen

  • E-mails te lezen en te begrijpen
  • Continu getraind te worden, met als eindresultaat een zelflerend algoritme voor het detecteren van data in PDF’s
  • Een technische/ geautomatiseerde verbinding met order entry/ ERP-applicaties te maken
  • Eenmalige bestellingen van niet-vaste klanten nauwkeurig te verwerken

Resultaten

Binnen een korte periode heeft ons team van Software Engineers en Data Scientists de voordelen van de automatisering van een handmatig proces laten zien met een proof of concept. Met 4 of 5 maanden extra ontwikkeltijd kunnen we de proof of concept uitbouwen naar een real-life oplossing met een automatiseringsniveau van 60%. Deze oplossing zal niet alleen de werkefficiëntie verbeteren, maar ook de kosten aanzienlijk verlagen.