Machine learning kan een grote impact hebben op zakelijk dienstverleners als advocaten en adviesbureaus. Het kan worden ingezet om repeterende taken te automatiseren om daarmee deze taken te versnellen. Daarnaast is het bijvoorbeeld mogelijk om de werkdruk van werknemers accuraat te bepalen en erop te anticiperen. Waar veel bedrijven moeite hebben met het efficiënt inzetten van mensen op projecten, kan machine learning helpen met het verbeteren van de snelheid en de kwaliteit door het continu leren van voorgaande beslissingen. De manieren waarop machine learning kan worden toegepast in de zakelijke dienstverlening om de bedrijfsresultaten te verbeteren is het onderwerp van deze blog.
Machine learning
De zakelijke dienstverlening is bij uitstek een industrie waarbij het draait om de kennis en kunde van mensen en daardoor hebben voorgaande technologische ontwikkelingen – die vooral gericht waren op het automatiseren van fysieke arbeid– minder impact gehad dan op bijvoorbeeld productiebedrijven. Maar dit verandert met machine learning. Het is nu ook mogelijk om repeterende dienstverlenende taken te automatiseren door het slimmer worden van algoritmes. Hierdoor zal het werk veranderen. Dienstverleners maken zich zorgen over de toekomst waarin bestaande bedrijfsmodellen onder druk komen te staan. Maar er zal vraag blijven bestaan naar mensenwerk, namelijk dat werk dat afhankelijk is van menselijke beslissingen, specifieke expertise en inzichten.
Auditing voor professioneel dienstverleners
We hebben het over machine learning wanneer software ‘leert’ van het verleden om betere beslissingen in de toekomst te maken. Deze programma’s herkennen patronen, zien trends in bestaande data en gebruiken dit om acties te nemen en voorspellingen te maken. Een goed voorbeeld in de zakelijke dienstverlening betreft auditing. Bedrijven kunnen algoritmes gebruiken om alle transacties in een bepaalde periode te evalueren zodat onregelmatigheden eenvoudig worden geïdentificeerd. Dit klinkt misschien alsof veel mensenwerk kan worden vervangen, maar de technologie is nog lang niet waterdicht. Resultaten van huidige analyses leveren zoveel ‘uitzonderingen’ op dat er nog steeds mensen naar moeten kijken.
Interpreteren en verwerken van ongestructureerde data
Gebieden waar machine learning van veel toegevoegde waarde is, zijn ‘natural language processing’ en ‘cognitive computing.’ Natural language processing is het verwerken van taal door computers en kan worden gebruikt om bijvoorbeel E-mails of Word documenten te interpreteren. Met Cognitive Computing wordt de tekst vervolgens verder geanalyseerd en deze analyses worden gebruikt om beslissingen te nemen. Dit kan bijvoorbeeld worden toegepast voor klantcontracten en belastingaangifte. In het begin zullen de acties en beslissingen die het systeem neemt nog gecontroleerd moeten worden door mensen, maar door het slimmer worden en leren van feedback wordt het systeem steeds zelfstandiger.
Financiële analyse
Een ander relevant voorbeeld van machine learning in de zakelijke dienstverlening is het automatiseren van facturen en aanmaningen en het checken van inkomende facturen op fraude. Dit zijn dagelijkse activiteiten voor elke dienstverlener. Wat betreft het matchen van facturen, biedt SAP de Cash Application waarmee dit proces wordt geautomatiseerd. Door machine learning kan het systeem continu blijven leren van voorgaande verwerkingen en zodoende de matching ratio aldoor te verbeteren. Al in 2017 bereikte chemieconcern BASF een success rate van 94% wat betreft het automatisch matchen van inkomende facturen. Een andere machine learning oplossing die SAP aanbiedt is de GR/IR (Goods Receipt/Invoice Receipt) applicatie. Gebaseerd op data uit het verleden kan het systeem de volgende status van een item voorspellen. Dit maakt het gemakkelijker om de GR/IR accounts te reconciliëren.
Prestaties verbeteren met machine learning
Veel mensen denken nog dat ‘machine learning’ slechts een buzzword is, maar het is meer dan dat. Machine learning is al realiteit en zal alleen maar belangrijker worden. Op dit moment zijn de pioniers vooral de grote multinationals met de grote budgetten, maar in de toekomst zal de technologie steeds toegankelijker worden. Bent u benieuwd hoe SAP en SOA People u kunnen helpen om de operationele en financiële prestaties van uw dienstverlenend bedrijf kan verbeteren? Neem dan contact op met Sylvain Vrolijk (auteur van deze blog) of Jorg Setz via telefoonnummer +31(0)30-6096800. Zij vertellen u graag meer over dit onderwerp.