Efficiënte documentverwerking op volgend niveau in het bankwezen
Context en doelstellingen
Een toonaangevende bank in België was op zoek naar een manier om de efficiëntie van het back-officeproces te verhogen door inkomende documenten automatisch naar de juiste klantmap te sturen. Hun huidige handmatige aanpak voldeed niet langer aan hun behoeften vanwege het beperkte aantal dossiers dat het team kon behandelen.
Het doel was om ervoor te zorgen dat alle binnenkomende documenten binnen een dag zouden worden behandeld en dat we ze aan de juiste klantmap konden koppelen en ze daarna aan het juiste verwerkingsteam konden toewijzen.
Benadering
We begonnen met het definiëren van de reikwijdte en de complexiteit van het project (aantal te behandelen documenten, kenmerken van de categorieën, informatie die per document moest worden geëxtraheerd). We gebruikten Natural Language Processing (NLP) technieken om elk binnenkomend bestand automatisch in de juiste categorie in te delen.
Vervolgens hebben we verschillende tekstextractiemethoden geïmplementeerd om de juiste informatie per document te extraheren en aan de juiste klantmap te koppelen.
Tot slot hebben we de oplossing zo verpakt dat alle documenten met één enkele oproep via een API van de benodigde afdeling kunnen worden doorgestuurd.
Resultaten
In minder dan drie maanden hebben we de volgende resultaten geboekt:
Aanzienlijke tijdsbesparing: onze tool verminderde drastisch de verwerkingstijd die nodig was om binnenkomende documenten te behandelen, ongeacht hun omvang of inhoud, en stelde het klantenteam in staat om alle binnenkomende documenten dagelijks te verwerken
Verbeterde classificatie: door over te stappen op een modelgebaseerde procedure kon de nauwkeurigheid van de classificatie op basis van de inhoud van het document worden verbeterd.
Aanzienlijke kostenbesparingen: doordat het verzendproces van documenten nu volledig is geautomatiseerd, kon onze klant ongeveer 3 FTE's per jaar besparen
