CloudTrade podcast - Épisode II - Données fiables

/ by
Reading Time: 5 minutes

Regardez le podcast ici. si vous préférez lire ce qui a été discuté, poursuivez votre lecture.

Dans leur dernier podcast CloudTrade, Rose Massie, Directrice de Marketing en France chez CloudTrade, et Kenza Jamal, journaliste informatique, débattent du concept de « données fiables ». Elles soulignent les difficultés inévitables auxquelles sont confrontées les entreprises qui utilisent le système ROC et la capture de données robotisée, et expliquent comment la solution hybride de CloudTrade, basée sur des règles, donne des résultats 100% précis.

 

Kenza : Bonjour Rose. J’espère que vous allez bien.

Rose : Bonjour Kenza. Ca va très bien et j’espère que vous allez bien aussi.

Kenza : Alors, c'est toujours aussi agréable de vous parler. Le but de cette série est d'examiner les défis que vous rencontrez dans l'industrie avec les clients de CloudTrade dans le domaine de la numérisation et de l'automatisation des processus commerciaux. Je voulais me concentrer aujourd'hui sur ce que j'appelle les « données fiables ». Les entreprises d'aujourd'hui sont confrontées à de nombreux défis liés à l'évolution constante des technologies de l'information. CloudTrade se concentre sur le traitement des factures et des commandes.

Rose : Oui en effet. C’est ça

Kenza : Mais l'une des choses que nous reconnaissons tout le temps est que les documents se présentent sous différents formats, différentes formes et tailles, avec différents contenus, donc il n'y a pas de constante. L'un des défis que j'entends souvent de la part des chefs d'entreprise est qu'ils veulent simplement des données auxquelles ils peuvent faire confiance ; des données dont ils savent que lorsqu'ils les traitent, elles vont répondre à leurs exigences commerciales. Les directeurs financiers peuvent sous-traiter certaines tâches, ils ne peuvent sous-traiter toutes leurs responsabilités.

Rose : Exactement Kenza!!

Kenza : Ils doivent verser leurs profits aux autorités fiscales, à leurs actionnaires, etc. Il est donc essentiel de pouvoir recevoir des documents commerciaux, des documents lisibles par l'homme, et de les traiter avec précision, et c'est là que j'en arrive à ma question sur les « données fiables ». Donc, l'une des questions que je voulais vous poser ce matin Rose est la suivante : Pourquoi les solutions de capture, qui existent depuis longtemps, et il existe de très bonnes solutions, pourquoi pensez-vous qu'il est si difficile de capturer des données d'une manière qui permettrait à un directeur financier de s'asseoir confortablement et de dire : Je peux faire confiance à ces données ?

Rose : Vous avez raison, Kenza. Il y a beaucoup de solutions, mais un grand nombre d'entre elles sont héritées. L'un des problèmes est la façon dont ils procèdent à la capture, qui est vraiment à l'origine de tout cela. Ils utilisent généralement la ROC, ou la plupart d'entre eux le font encore, alors que ce n'est plus nécessaire aujourd'hui avec des documents riches en données, et que cela introduit par définition des erreurs. Même les meilleurs systèmes ROC - et certains des systèmes ROC les plus modernes sont vraiment bons - utilisés sur tout sauf les documents vierges font des erreurs. Ils utilisent généralement aussi des techniques de recherche générique, qui permettent d'obtenir au mieux 80 à 90 % des champs corrects ; ainsi, lorsque vous avez dix champs sur le plus simple des documents, l'un d'entre eux risque d'être erroné. Vous êtes presque dans une situation où vous devez tenir compte du fait que chaque document sera erroné quelque part.

Kenza : En effet, je comprends Rose. Je suppose que le défi consiste à savoir ce que cela signifie pour une entreprise, si elle a des données inexactes ? Si les directeurs financiers ne peuvent pas faire confiance aux données, ils vont devoir employer des personnes en aval, pour vérifier que ces données sont exactes, car ils ne vont pas publier de fausses informations. Mais examinons simplement certains des défis posés par l'inexactitude des données. Qu'est-ce que cela signifie pour une entreprise ?

Rose : Eh bien, au mieux, et ce sera vraiment au mieux, quelque chose en aval détecte l'inexactitude et vous devez avoir quelqu'un pour la corriger. C'est la meilleure chose qui puisse arriver. Le pire, c'est que cela corrompt un processus commercial en aval. Cela pourrait être quelque chose d'aussi simple à comprendre que : vous payez simplement une facture non valable. Ce n'est pas génial. Vous payez un montant erroné à l'un de vos fournisseurs. Mais cela pourrait être encore pire. Cela pourrait signifier que vous déclarez des données non valables. Vos chiffres sont erronés. Votre comptabilité est erronée. Si vous avez des données non valides, ce que nous appelons chez CloudTrade des faux positifs, cela n'apporte absolument rien de bon.

Kenza : Oui en effet, cela n’apporte rien de bon. Et la presse a beaucoup parlé de l'automatisation des processus robotisés. Mais, si vous avez des données que vous présentez à un robot qui sont fondamentalement défectueuses, vous avez un robot stupide. Si on lui présente des données inexactes, un robot ne peut pas traiter l'information correctement.

Rose : RPA peut toujours saisir des données incorrectes dans les écrans. La plupart des robots grattent les écrans et y entrent des données, et un montant non valide, qu'il soit entré par un robot ou par une personne, reste un numéro erroné.

Kenza : Absolument. Intéressant. Je suppose que l'autre défi est : Les documents qui arrivent contiennent-ils toujours les bonnes informations nécessaires pour traiter les données en aval ?

Rose : Eh bien, non, ils ne le font pas. Il ne s'agit pas seulement de la capture, il s'agit de s'assurer que les données sont correctes pour le système final. Aucune facture, que je n'ai jamais vue, ne porte l'identification du fournisseur de la partie destinataire, donc par définition, si vous allez traiter automatiquement les factures, vous devez ajouter la référence du fournisseur. C'est un exemple très simple, mais avec les commandes de vente, par exemple, si vous avez des commandes de vente entrantes, il est très, très probable que votre client voit ou décrit ce qu'il achète d'une manière différente de la description que vous avez dans votre système d'exécution. Il doit y avoir une correspondance entre ce que votre client pense acheter et ce que vous vendez réellement. Vous le faites soit manuellement, soit par le biais de l'automatisation, car votre système de gestion des commandes ne comprendra pas la description de vos produits par votre client.

Kenza : Oui, c'est intéressant. Je suppose que si vous y réfléchissez de manière humaine, nous ouvrons une enveloppe par ex, et nous regardons la lettre à l'intérieur en disant, par exemple, « Ah, c'est une commande de client », et nous savons ce qu'ils nous commandent généralement, et nous appliquons donc une certaine logique. Donc, pour revenir à la question : Comment pouvons-nous obtenir ces « données fiables » ? Y a-t-il une réponse que nous donnons à un directeur financier telle que « En fait, cela vous donnera des données fiables de sorte que vous n'aurez pas à y toucher, cela vous permettra d'accéder à votre système ERP », c'est-à-dire que vous livrerez des données exactes. - Y a-t-il une réponse à cette question ?

Rose : Oui. Et c'est ce que nous faisons chez CloudTrade. Il s'agit d'utiliser les bons outils pour le travail. Comme notre PDG, David Cocks, le dit toujours, les marteaux sont parfaits pour enfoncer des clous, mais ils ne sont pas bons pour les vis, alors n'utilisez pas de marteau pour enfoncer des vis. Le système RPA repose sur des processus simples et reproductibles. Il ne s'agit pas de faire face à la variabilité que l'on obtient sur des documents lisibles par l'homme comme les factures et les bons de commande. Vous n'utilisez pas le bon outil. Aussi performants que soient les outils du système RPA, vous utilisez le mauvais outil pour faire le travail.

Ce que nous avons chez CloudTrade est un outil que nous avons construit sur un mélange d'Intelligence Artificielle, à la fois le traitement du langage naturel et les réseaux de neurones d'apprentissage machine, mais aussi avec la capacité de programmer des règles de gestion sur mesure. Et c'est cette combinaison de ce que la machine peut apprendre, les parties simples, plus la connaissance humaine, saisie sous forme de règles commerciales, qui vous donne la solution où vous pouvez obtenir ces données à 100%. C'est ce que nous faisons.

Kenza : Rose, c'est vraiment intéressant. Le CloudTrade utilise donc une approche basée sur des règles pour fournir une automatisation de bout en bout. C'est quelque chose dont vous pouvez être très fier dans le cadre du CloudTrade et que vous offrez maintenant avec succès à vos clients depuis 10 ans. J'espère que nos auditeurs trouveront aujourd'hui des informations intéressantes qui leur seront utiles pour relever les défis auxquels ils sont confrontés dans le cadre du traitement de leurs propres affaires.

Rose : Evidemment nous serons ravis d'entendre toute personne qui éprouve des difficultés avec le traitement de leurs documents et qui a besoin de disposer de données fiables auxquelles elle peut faire confiance dans leurs processus commerciaux de bout en bout.

Kenza : Je vous remercie donc Rose à nouveau pour votre temps aujourd'hui, et j'attends avec impatience notre prochain podcast en français.

Rose : Oui. Merci, Kenza. À la prochaine.

Regardez le dernier épisode du podcast dans son intégralité ci-dessous :