Invoice Field Recognition – Automatyzacja mechanizmu rozpoznawania, ekstrakcji i przetwarzania danych z faktur

O kliencie

HAMMERmed Medical Polska to jeden z liderów rynku dystrybucji wyrobów medycznych w Polsce. Firma aktywnie uczestniczy w postępowaniach przetargowych, oferując szerokie portfolio produktów do placówek medycznych na terenie całego kraju.

Wiodący na polskim rynku dystrybutor produktów medycznych oraz nowoczesnych metod leczenia.

O projekcie

Klient zgłosił się do nas z potrzebą usprawnienia procesów przetwarzania faktur w obszarze księgowości operacyjnej. Dotychczasowy model pracy opierał się na ręcznym odczycie danych z dokumentów PDF, co generowało duże obciążenie czasowe oraz ryzyko błędów ludzkich.

Wraz z rozwojem organizacji i wzrostem wolumenu dokumentów, manualna obsługa stawała się coraz mniej efektywna i trudna do skalowania. 

W odpowiedzi na potrzeby Klienta przygotowaliśmy rozwiązanie umożliwiające zautomatyzowane rozpoznawanie pól na fakturach, ich dynamiczną transformację oraz bezpieczny zapis do systemu bazodanowego, w oparciu o skalowalną architekturę chmurową Microsoft Azure. 

Wymogiem było również zachowanie elastyczności i możliwość łatwego dostosowywania rozwiązania do zmieniających się potrzeb. 

Dodatkowo rozwiązanie zapewnienia wysoką spójność i jakość danych trafiających do systemów bazodanowych, jak również możliwość ich dalszego wykorzystania w procesach analitycznych. 

Pełen zakres prac dla HAMMERmed obejmował 4 kluczowe etapy, które pozwoliły nam rozwiązania zgodne z oczekiwaniami Klienta.

Etap I – Analiza i przygotowanie danych

• Przegląd i klasyfikacja formatów faktur dostarczanych przez klienta,
• Identyfikacja pól kluczowych (m.in. kwoty, daty, numery faktur, dostawcy),
• Opracowanie struktury danych wejściowych i wyjściowych,
• Stworzenie zaleceń dotyczących standaryzacji danych. 

Etap II – Mechanizm ekstrakcji i transformacji wartości

Przygotowano i wdrożono moduł umożliwiający:

• Odczyt treści z plików PDF przy użyciu specjalizowanego PDF field readera, 
• Zastosowanie dynamicznego słownika parametrów definiującego pola do wyciągania oraz sposób ich transformacji, 
• Modyfikację danych „w locie” – np. standaryzację dat, formatowanie kwot, normalizację wartości tekstowych,
• Możliwość elastycznego rozszerzania zakresu pól bez ingerencji w kod aplikacji. 

Etap III – Automatyzacja procesu

• Opracowanie w pełni zautomatyzowanego przepływu przetwarzania faktur: pobranie pliku z współdzielonego magazynu, uruchomienie mechanizmu ekstrakcji, transformacja zgodnie z regułami, zapis wyników do bazy danych,
• Implementacja procesów harmonogramowania i monitorowania,
• Zastosowanie architektury serverless, umożliwiającej skalowanie i obsługę zmiennej liczby dokumentów bez konieczności zarządzania serwerami. 

Etap IV – Budowa infrastruktury chmurowej

Wykorzystano środowisko Microsoft Azure, w którym dostarczono:

• Infrastrukturę uruchomieniową opartą o konteneryzację Docker, 
• Środowisko serverless (np. Azure Functions / Container Apps), 
• Współdzielony storage na faktury wejściowe, 
• Bezpieczną bazę danych dla wyników ekstrakcji, 
• Mechanizmy logowania i obserwowalności, 
• Automatyzację publikacji i wersjonowania komponentów. 

01. Warstwa wejściowa – HAMMERmed

2. Faktury (PDF) trafiają do shared storage,
3. Przetworzone dane zapisywane są do output database.

02. Warstwa obliczeniowa – Azure

1. Kontenerowa aplikacja Invoice Scrapper App uruchamiana jako Docker/serverless,
2. Mechanizm przetwarzania sterowany automatycznie na podstawie zdarzeń (np. nowy plik). 

03. Warstwa logiczna aplikacji

• PDF field reader – odczyt pól z dokumentu,
• Parameters dictionary – definicje pól i reguł transformacji,
• Transform value – moduł przetwarzający dane „w locie”,
• Final data preparation / saved – zapis danych do bazy. 

Wdrożenie naszego rozwiązania pozwoliło klientowi:

• Skrócić czasu obsługi danych z faktur dzięki pełnej automatyzacji,
• Wyeliminować błędy wynikające z ręcznego przepisywania danych,
• Stworzyć możliwość skalowania procesu w zależności od obciążenia,
• Elastycznie dostarczać nowe reguły i pola bez konieczności zmiany logiki aplikacji,
• Uzyskać wzrost efektywności procesów finansowo-operacyjnych w organizacji.