使用ERP数据为AI发票分析提供了一个很好的例子

“任何足够先进的技术都与魔法无异。”
- - - - - -阿瑟·c·克拉克

我们可以把“垃圾进来，垃圾出去。”（GIGO)和乔治·富切尔IBM程序员和讲师。

我认为以一位伟大的科幻小说作家和一位IBM程序员的名言开始这个博客是合适的，这句话是多年前我在卡内基梅隆大学攻读信息系统学位课程时学到的。

我们大多数人都不清楚机器智能到底是什么。也许我们认为这是一个学习计算机系统的模糊概念，它能够获取数据并做出一些输出决策。

人工智能不会让糟糕的数据变成好数据

但确切地说,监督式学习是有输入变量(x)和输出变量(Y)使用算法学习从输入到输出的映射函数。例如，Y = f(X)。现在我们回到数据和最重要的教训:使用不完整、不准确或质量差的数据的机器学习算法不会产生高质量的结果，无论建模和编程多么好。

有很多公司都在竞相使用数据，以更好地完成发票融资和稀释预测的工作。这不是一个微不足道的练习。但有些人正在尝试:

• 预知可以从大公司获取3年的ERP历史数据，并从20或30个特征(例如，国家、金额、支付条件、发票类别(顾问公司、航空公司)等)中确定支付发票的评分。
• Flowcast首席执行官苏志强认为，在10年内，每一个融资决策都将由人工智能/机器学习驱动。Ken认为，数据源的多样性正在蓬勃发展(从数字供应商入职数据到第三方数据API)，提供了性能风险的多维视角。
• Trustbills专注于小型公司的应收账款融资解决方案，并与德意志银行(Deutsche Bank)为他们的客户提供服务。

ERP数据之所以如此吸引人，是因为它是公司账簿的基础，您希望供应商的主数据相当干净。但即使是在这里，大公司也通过有机和收购的方式发展起来，通常拥有多个ERP系统和几个不同的实例SAP，甲骨文等。

供应商主数据可以在公司的全球运营区域以分散的方式进行管理。这无疑使保持供应商数据的更新成为一个具有挑战性的命题。至少好消息是，订单和付款数据可能比其他供应商文件信息更准确——因为在这种情况下，它们更重要。

供应商管理字母表汤

供应商的商品和服务或其他取决于他们提供的结果，而不管这些数据点是否涵盖银行细节、采购订单、商品和服务内容、绩效管理或其他合规领域。

供应商信息管理(SIM)领域有很多名称，包括SRM(供应商关系管理)、SPM(供应商绩效管理)、SLM(供应商生命周期管理)、SRPM、SBM等等。有关这个主题的入门知识，请参见“花钱很重要”供应商管理概览报告而且供应风险管理前景报告．

让供应商掌握它所包含的数据是一个很好的开始，但学习系统还可以考虑更多的内生变量。你可以有经济周期，税收留置权，行业数据，除了ERP数据，这些数据是很重要的。

在提前支付日结束时，这一切都是关于稀释预测的稀释预测是发票财务的关键

这又回到了数据上:

1. 你有多少质量数据?
2. 数据结构是否正确?
3. 如何访问外部数据?
4. 你在购买数据吗?如果保持专利是一种战略优势，为什么公司会把它给你?

问题来了——由于使用的数据量很大，仅仅使用ERP数据本身可能不够好。但这是一个正确的起点。

别忘了注册每周一发送到你收件箱的TFMs周刊文摘在这里。