4. Strategische innovaties via nieuwe diensten en onderzoek
• Huidige focus van Exact:
˃ Ketenoptimalisatie
˃ Data- analyse diensten
˃ De boekhoudrobots
˃ Chatbots
˃ Samenbrengen van ondernemers
en accountants
˃ Financiële diensten
• In onderzoek of proof of
concept
˃ Block Chain diensten
˃ Internet of Things
15. Kansen
Machine learning gebruiken voor:?
˃ Automatisch verwerken van inkoopfacturen
˃ Automatisch afletteren van bankafschriftregels
˃ Voorspellen van cash flow
˃ Voorspellen van vraag naar bepaald product/voorraad beheer
˃ Voorspellen van uren invoer en Onderhanden Werk
˃ Project calculaties
˃ Omzetvoorspellingen
- Anonieme Rekenregels alleen delen binnen jouw kantoor of ook met de Crowd?
17. Disclaimer
This document contains certain statements and expectations that are forward looking, and which are
based on information and plans that are currently available. By their nature, such forward-looking
statements and expectations generate risk and uncertainty because they concern factors and events in
the future and depend on circumstances that may not occur.
Unforeseen factors that could influence the statements and expectations may, for instance, be changes
in expenditures by companies in the markets we operate in; economic, political and foreign exchange
fluctuations; possible statutory changes; changes in salary levels of employees; or future takeovers and
divestitures.
Exact can therefore not guarantee the accuracy and completeness of such statements and expectations,
nor that such statements and expectations will be realized. Actual results may differ materially. Exact
refuses to accept any obligation to update statements made in this document.
| Cloud Solutions19
Notas do Editor
Welkom allemaal bij deze sessie van Exact Software
Judith en ik zullen een half uur besteden aan een aantal trends waar we wellicht allemaal mee te maken krijgen in ons werk de komende jaren.
We gaan veel behandelen en verwachten dan jullie veel vragen zullen hebben. We zullen deze aan het einde proberen te beantwoorden en zijn anders op de Exact booth aanwezig.
Voordat we dat doen eerst een korte introductie over Exact
Let the numbers do the talking here. This is Exact today. This is what we achieved so far and there is more in store!
RS - 2
Portfolio 2016
Dit is waar we nu staan.
We komen dus onze beloftes na.
Hoofdlijn van onze aandacht is het automatiseren van werk met weinig toegevoegde waarde om zo acccountants hun rol te kunnen uitvoeren:
Tijd om de nog niet gestelde vragen van hun klanten te beantwoorden
Machine learning
Vroeger was boekhouden voornamelijk hand werk. Data, facturen, bank transacties handmatig invoeren zodat er overzichten ontstonden. Met cloud accounting zie je een verschuiving van bepaalde taken die het hand werk overnemen. Denk bijvoorbeeld aan bankkoppelingen waardoor je bank afschriften niet meer hoeft over te typen maar automatisch in je administratie geimporteerd worden. Maar er is ruimte voor verbetering door gebruik te maken van machine learning kunnen nog meer zaken in de boekhouding geautomatiseerd worden waardoor handwerk overbodig wordt.
Dit is de definitie van machine leren, machine learning volgens Wikipedia. Computer laten leren zonder dat je programmeert. Maar nog belangrijker wat kan je er allemaal mee?
Een ander voorbeeld is een partner van Exact Online, Invoice sharing. Wat is het probleem, facturen met heel veel regels dat enorm veel tijd kost om in te voeren, fouten gemaakt kunnen worden. Invoice sharing heeft een tool gemaakt waarmee door een boekhoud robot facturen met heel veel regels op basis van productgroepen en BTW hoog-laag geboekt in Exact per regel geboekt kunnen worden zonder tussenkomst van mensen.
Op basis van patroon herkenning gaat de robot de crowd data bekijken, in welke industrie zit je in, vergelijken met jouw boekingen die al eerder zijn gemaakt maar ook van andere administraties in jouw branche. Als je gebruik wilt maken van deze slimme robot dan moet je je data delen. Vertrouwenspercentage mag je zelf invullen, als de robot vindt dat hij niet genoeg info heeft om de juiste g/l te kiezen zal hij vragen gaan stellen anders wordt de g/l ingevuld en worden er geen vragen gesteld.
In de semagrammen wordt betekenisinformatie op een consistente manier weergegeven en wordt steeds zo veel mogelijk dezelfde terminologie gebruikt. Door die uniformiteit wordt, vergeleken met een gewoon woordenboek, het aantal zoektermen dat de gebruiker tot zijn beschikking heeft, vele malen vermenigvuldigd. De woorddefinities worden vervolgens vaak ook geformuleerd met behulp van de terminologie die in de semagrammen gebruikt is, zodat ook hier systematiek ontstaat.
Inkoopfacturen hebben we in het vorige voorbeeld gezien.
Automatisch afletteren van bankafschriftregels kan ook door te leren van de data die in het verleden is ingevoerd. Patronen hierin herkennen en voorstellen doen voor de juiste grootboekrekening tijdens het afletteren van bankafschriftregels. Een ander voorbeeld is project calculaties, door te kijken naar in het verleden ingevoerde, begrote en uitgevoerde project calculaties, kan de software betere voorstellen doen.
Met cloud software hebben we enorme data hoeveelheid tot onze beschikking. Als we geavanceerde machine learning technieken daarop los kunnen laten zou analyses en of invoer die voorheen door mensen gedaan werden nu door machines overgenomen kunnen worden. Dus voorstellen doen dankzij patroon herkenning en machine learning waardoor het aantal handmatige bewerkingen zal verminderen. Analyse van historische gegevens te combineren met voorspellende gegevens.
Dat was ‘m. We hopen dat we u iets mee hebben kunnen geven. Wilt u meer weten of meedenken, dan kunt u ons altijd benaderen via de mail of straks in de zaal
Dank voor uw interessse.