Een automatisch betalingsverwerkingssysteem voor een organisatie uit de energiesector

Voor een middelgrote onderneming uit de energiesector ontwikkelden we een betalingsverwerkingssysteem. Hiermee kunnen betalingen automatisch worden gematched aan openstaande facturen én worden verwerkt in de financiële systemen.

Deze case in ’t kort

De klant: Een middelgrote onderneming die energievoorzieningen, meetdiensten en laadoplossingen levert.

De uitdaging: Ontwikkel software waarmee automatisch (en succesvol) bankmutaties worden gekoppeld aan openstaande posten.

De aanpak: De ontwikkeling van maatwerk-software op basis van concrete praktijkervaringen.

Het resultaat: Een matchingspercentage van 92%, minder handmatig werk en veel minder foutieve boekingen.

De uitdaging

Dit project voerden we uit voor een middelgrote onderneming die energievoorzieningen, meetdiensten en laadoplossingen levert. Voor hen begeleidden we eerder de implementatie van een nieuw facturatiesysteem.

De verwerking van bankbestanden met de ontvangen betalingen leidde tot veel handmatig werk. De standaard verwerkingsprocedure van het softwaresysteem koppelde betalingen niet op de juiste manier aan klanten of facturen, waardoor een medewerker handmatig de betalingen moest matchen: bijzonder arbeidsintensief en bovendien foutgevoelig.

De aanpak

De vraag naar deze extra functionaliteit ontstond tijdens het implementatietraject van het nieuwe facturatiesysteem. Daarom besloten we een maatwerkoplossing aan te bieden waarmee de problemen werden geadresseerd.

We ontwikkelden een Windowsapplicatie in C# dat bankbestanden automatisch inleest. De applicatie koppelt vervolgens automatisch de betalingen zoveel mogelijk aan klanten en facturen. Het kleine aantal betalingen dat niet automatisch wordt gekoppeld, moet nog handmatig worden verwerkt. Tenslotte worden de betalingen uit het bankbestand door middel van een API verwerkt in het financiële systeem.

De grootste uitdaging? Om aan de hand van de mutatie-omschrijvingen klant- en factuurnummers te herkennen. Hiervoor gebruikten we zogenoemde reguliere expressies waarmee op een flexibele manier patronen in een tekst worden herkend.

Het resultaat

Na de trial run en een laatste optimalisatieslag, kregen we een matchingspercentage van zo’n 92%! Met de standaardverwerking werd een percentage van ongeveer 50% gehaald. Dat is dus een bijzonder mooi resultaat. Hierdoor zijn er veel minder handmatige verwerkingen nodig en worden er dus minder fouten gemaakt.

Heb je een vraag over deze case?

Wil je meer weten over deze uitdagende case? Laat het ons weten, dan vertellen we je er meer over.

Wil jij dit ook doen?

Heeft deze case je geïnspireerd en klinkt dit als een project waar jij ook je tanden in had willen zetten?

Dan vind je hier onze openstaande vacatures en wie weet schrijf jij de volgende case.