使用ERP数据为AI发票分析提供了一个很好的理由

“任何足够先进的技术都与魔术没有区别。透明
-亚瑟·克拉克（Arthur C. Clarke）

我们可以相信“垃圾进垃圾出”（（Gigo）致乔治·富赫斯尔（George Fuechsel）IBM程序员和讲师。

我认为，与有史以来的一位出色的科幻作家一起撰写此博客是适当的，也是我在Carnegie Mellon的学位课程中学习的IBM程序员所归因于IBM程序员。

我们大多数人对机器智能的真正智能没有清晰的了解。也许我们认为它对学习计算机系统的一些模糊概念，能够获取数据并制定一些输出决策。

AI不会使数据不好

但具体来说，监督学习是您具有输入变量（x）和输出变量（y）的地方，并且使用算法从输入到输出的输入中学习映射函数。例如，y = f（x）。在这里，我们回到数据和最重要的课程：使用不完整，不准确或质量差数据的机器学习算法都不会产生质量结果，无论建模和编程多么出色。

有许多公司正在竞争使用数据来更好地为发票融资和预测稀释。这不是一个微不足道的练习。但是有些正在尝试：

• 儆可以从大型公司中获取三年的历史ERP数据，并从20或30个功能（例如，国家，金额，付款条款，发票类别（顾问，航空公司）等）中确定，以评分付款发票。
• 流播首席执行官肯如此认为，在10年内，每个融资决定都将由AI/机器学习驱动。肯认为，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图。
• Trustbills专注于具有应收融资解决方案的较小公司，并与德意志银行谁提供与客户的访问权限。

使ERP数据如此引人注目的原因是它是公司书籍的基础，您希望供应商主数据合理地干净。但是，即使在这里，大型公司也通过收购而有机地成长，通常坐在多个ERP系统上，几个不同的实例树液，，，，Oracle， ETC。

供应商主数据可以在公司的全球运营区域中以分散的方式进行管理。这使得肯定会使供应商数据保持最新状态。至少好消息是，PO和付款数据可能比其他供应商文件信息更准确 - 在这种情况下，它更重要。

供应商管理字母汤

供应商的商品和服务或以其他方式取决于其提供的结果，无论这些数据点是否涵盖银行详细信息，采购订单，商品和服务内容，绩效管理或其他合规性领域。

供应商信息管理（SIM）领域的绰号不仅仅包括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。有关该主题的良好入门，请参见花费供应商管理景观报告和供应风险管理景观报告。

拥有供应商主及其包含的数据是一个不错的起点，但是学习系统可以考虑到更多的内源变量。您可以拥有经济周期，税收留置权，行业数据，以及除了ERP数据之外，拥有此数据的重要性。

在付款初期结束时，一切都与稀释预测有关 - 请参阅预测稀释是发票融资的关键

这又回到了数据：

1. 您有多少质量数据？
2. 数据是正确的吗？
3. 您如何访问外部数据？
4. 您要购买数据吗？如果公司保留专有的战略优势，为什么公司会给您它呢？

这是问题 - 由于使用的数据量，仅使用ERP数据本身可能还不够好。但这是正确的起点。

不要忘记注册每周一的TFMS每周摘要这里。