Заказчики: ВТБ Факторинг Москва; Финансовые услуги, инвестиции и аудит Подрядчики: Гриндата (GreenData) Продукт: Проекты - СЭД - потоковое распознаваниеВторой продукт: Искусственный интеллект (ИИ, Artificial intelligence, AI) Дата проекта: 2021/09 — 2022/01
|
Технология: СЭД - Системы потокового распознавания
Технология: Data Mining
Технология: Data Quality - Качество данных
Технология: Робототехника
|
2022: Обработка финансовой отчетности контрагентов искусственным интеллектом
IT-компания GreenData 9 марта 2022 года сообщила о том, что совместно с ВТБ Факторинг внедрила функционал, позволяющий упростить распознавание бухгалтерской отчётности, предоставленной в отсканированном виде, путем замены ручного ввода данных отчетности в систему на автоматическое распознавание из PDF-файлов и файлов графических форматов. Распознавание одной страницы происходит за секунды, а всего документа - за несколько минут в зависимости от количества страниц.
Решение значительно ускоряет процесс преобразования документов в нужный формат для дальнейшей обработки в аналитической системе. Нейросеть обучена распознавать отчетность с точностью от 80% в соответствии со стандартом РСБУ (Российские стандарты бухгалтерского учета). Для разработки функционала GreenData применяла библиотеки обработки графической информации с использованием рекуррентных нейронных сетей. Загруженные и распознанные данные хранятся на внутренних серверах ВТБ Факторинг, что обеспечивает их защиту от несанкционированного доступа, безопасность и конфиденциальность. В результате был создан кастомизированный продукт, учитывающий все требования ВТБ Факторинг к высокой степени защиты данных.
![]() | «В условиях роста объемов бизнеса ВТБ Факторинг и увеличивающегося количества предоставляемых графических PDF-файлов с отчетностью контрагентов перед нами стояла задача по улучшению качества сервиса. Чтобы оптимизировать обработку и оцифровку финансовых данных, мы решили создать вспомогательный автоматизированный инструмент с необходимым качеством распознавания документов и высокой скоростью работы. В конце 2021 года мы начали испытания, а в начале 2022 года интегрировали его для работы в ВТБ Факторинг. Автоматическое распознавание бухгалтерской отчетности контрагентов оказало положительный эффект на скорость обработки и мониторинга финансовых данных, и, как следствие, на скорость вынесения кредитных решений», прокомментировал Игорь Клюев, директор по рискам ВТБ Факторинг | ![]() |
![]() | «Коллеги из ВТБ Факторинг обратились к нам с задачей по автоматизации отчётности от клиентов. Ранее клиенты предоставляли им большой объём данных в графических PDF-файлах. Мы продемонстрировали им тестовый вариант функционала и после его одобрения начали реализацию разработки инструмента с соблюдением всех бизнес-требований заказчика. Ключевым требованием было качество распознавания не менее 80%. Для обучения нейросети использовали библиотеки данных из свободного доступа – знаки, буквы, цифры и ключи. Качество данных при загрузке определяется автоматически, а пользователь сверяет только итоговые суммы, чтобы убедиться в том, что данные внесены верно. Сейчас мы продолжаем работу над оптимизацией системы, чтобы она работала ещё быстрее и эффективнее», отметила Мария Коваленко, руководитель проекта со стороны GreenData | ![]() |
Для удобства пользователей качество распознавания ячеек визуализируется с помощью цвета. Ячейки с качеством распознавания менее 80% подсвечиваются, и тогда проверяющий сотрудник компании может провести необходимые корректировки данных. После расшифровки информация автоматически структурируется в системе и загружается в базу для дальнейшей работы.Геннадий Попов, PathVision.ai: Как искусственный интеллект помогает медицине и бизнесу
GreenData успешно сотрудничает с ВТБ Факторинг в части автоматизации процессов финансирования кредиторской и дебиторской задолженности с 2017 года.
В рамках совместной работы был реализован проект по автоматизации расчета риск-моделей. Он представляет собой рабочее место администратора, в котором заводятся карточки расчета с базовыми показателями и python-скриптом для определения результата скоринга. Скрипт обрабатывает рассчитанные значения переменных, которые создаются в отдельном справочнике с использованием конструктора алгоритмов для определения значения каждого показателя, и возвращает результат. Также реализовано API для автоматического расчета результата скоринга на основе данных, которые передает интегрированный внутренний сервис банка.
В числе других значимых проектов можно отметить создание системы индивидуального мониторинга контрагентов. В рамках проекта был реализован отдельный модуль с карточкой мониторинга, которая содержит набор показателей - ковенантов, финансовых и нефинансовых. Этот набор показателей уникален для каждого контрагента.
На основе данных карточки производится расчет и контроль показателей с заданной периодичностью вплоть до ежедневной проверки. Помимо перечисленного, в модуле реализована система уведомлений, которая автоматически рассылает уведомления и напоминания ответственным сотрудникам, например, если поступили данные и требуется провести индивидуальные расчеты или сроки предоставления данных для мониторинга нарушены. Также в рамках проекта реализован отчет, который можно сформировать на любую дату по всему перечню контрагентов под мониторингом.
Такое решение в значительной степени повлияло на процесс проведения индивидуального мониторинга, ускорив и оптимизировав его.