Datakvalitet for automatisering i regnskap

Automatisering i regnskap er bare så god som dataene den bygger på. Hvis kunder, leverandører, kontoer, prosjekter og betalingsreferanser er rotete, vil automatiseringen enten stoppe ofte eller gjøre feil raskere.

I ReAI bør datakvalitet vurderes før du setter opp automatiseringsregler eller integrasjoner.

Datakvalitet som betyr mest

Små variasjoner kan skape mange avvik når volumet øker.

Tegn på dårlig datakvalitet

• Mange duplikate kunder eller leverandører.
• Banktransaksjoner må matches manuelt hver måned.
• Samme kostnad føres på flere ulike kontoer.
• Prosjektfelt brukes ulikt av ulike personer.
• Importlogger viser de samme feilene igjen og igjen.

Da bør dere rydde data før dere bygger mer automatisering.

Praktisk forbedring

Start med de dataene som brukes mest:

1. Rydd leverandørregisteret.
2. Standardiser faste banktekster der det er mulig.
3. Slå sammen duplikater.
4. Avklar hvilke kontoer som skal brukes for faste kostnader.
5. Test én automatiseringsregel før du lager mange.

Ved systembytte er datavask før migrering ofte den beste investeringen.

Mål om kvaliteten faktisk blir bedre

Følg et lite sett med indikatorer før og etter automatiseringen: andel forslag som godkjennes uten endring, avviste importer, dubletter, manglende prosjektkode og manuelle korrigeringer etter periodestenging. En høy automatiseringsgrad er ikke et kvalitetsmål hvis feilene bare oppdages senere.

Ta stikkprøver av både godkjente og avviste transaksjoner. Avviste poster viser hvor reglene er strenge, mens automatisk godkjente poster viser hvor risikoen for stille feil er størst. Endringer i leverandørregister, kontoplan eller integrasjonskilde bør utløse ny kontroll av reglene.