Lo Scorer è un motore per l’abbinamento e riconciliazione di dati singoli e multipli (strutturati e non) provenienti da diverse fonti e non legati da identificativi univoci. Utilizza come fonti dati un database strutturato di contratti e una lista di documenti testuali, fornisce una lista di abbinamenti certi (che possono essere riconciliati senza attività umana) e un insieme di dashboard con le evidenze dei possibili abbinamenti con relativa percentuale di match.
- Rendere disponibile sia una riconciliazione automatica tra pagamento e contratto senza attività umane sia uno strumento a supporto dell’attività della contabilità per riconciliazione su dati errati o mancanti.
- Migliorare la precisione del processo addestrando il sistema per riconoscere nuovi abbinamenti a partire da precedenti associazioni sia automatizzate che manuali.
- Risparmiare tempo, risorse e denaro nel processo interno di abbinamento.
Implementazione delle tecniche di data cleaning, unite a tecniche di elaborazione del linguaggio naturale per l’estrazione di entità chiave e di algoritmi di matching tra dati sicuri e dati parziali/errati scritti a mano dal cliente. Algoritmi di AI, meccanismi di regole e calcolo di scoring per trovare la migliore associazione con l’aiuto di tecniche di machine learning
Tra tutte le associazioni non automatizzate, abbinare un bonifico bancario ad una voce di quietanzamento di contratto (titolo) con una percentuale di confidenza.
Le associazioni possono avere due tipologie di livello di confidenza:
Match 100: abbinamento ritenuto «fidato» che può essere associabile in modo automatico a un contratto senza intervento umano
Match <suggerito>: abbinamento con un alto livello di confidenza ma inferiore a 100. Questo abbinamento è di supporto all’attività della contabilità per l’associazione
L’abbinamento automatico consente di valutare tutte le possibili combinazioni, raggruppando eventuali corrispondenze multiple e rispettando i vincoli forniti dalle regole di business.
Utilizza algoritmi di AI, natural language processing, e classificazione di testo alla scopo di trovare somiglianze tra due entità delle rispettive fonti dati.
È utilizzabile su architetture a container o architetture java tradizionali, nonché su piattaforme di elaborazioni date distribuite per ridurre il tempo di elaborazione in caso di grosse moli di dati.