SMSF regnskapseffektivitet - hvor skal du gå videre?

Av Andy Forbes, CTO for Superkonsepter

Regnskapspraksis over hele landet kaster bort en betydelig mengde tid på å manuelt sortere papirer og transkribere data til ulike systemer. Fremskritt innen maskinlæring automatiserer imidlertid mye av dette arbeidet, og lover å gi regnskapsførere mer tid til å fokusere på kundeverdi.

Vi ser grunnleggende eksempler på dette gjennom leverandørgjeld eller personalrefusjonssystemer som tar digitale fakturaer eller bilder og trekker ut detaljer inn i programvare. Og ja, med bare én enkel dokumenttype er denne teknologien enkel å implementere. Kommersielle tilbud på dette området fungerer vanligvis veldig bra og sparer bedrifter for mye tid.

Vårt innovasjonslaboratorium har forsket på hvordan en lignende tilnærming kan brukes for å strømlinjeforme regnskap og overholdelse av etterlevelse. Dokumentene vi jobber med er imidlertid ikke bare enkle fakturaer – det finnes utallige typer dokumenter, hver med sine egne datasett å identifisere og trekke ut.

Vi har forsøkt å utvide dra-og-slipp-modusen ved å utvikle et batch-opplastingssystem enten via e-post eller masseopplasting. Dokumentene blir deretter behandlet og dataene er klare til bruk – akkurat som en datafeed, men uten overhead for innhentingsmyndigheter.

I løpet av de siste årene har vi testet begge metodene for å effektivisere SMSF-administrasjonen SuperMate. Årsskatteoppgaver kan behandles gjennom dra-og-slipp-metoden som har vist seg betydelig mer effektiv når du legger inn kompliserte skattekomponenter.

Nylig har vi bygget en helt ny plattform – DataHero^TM som fungerer som en e-postadresse du enkelt kan sende alle nøkkeldokumentene til. De identifiseres automatisk og dataene trekkes ut og lagres på et sentralt sted.

Ettersom utvinningsmotoren til denne plattformen fortsetter å bli optimalisert, har vi utført reell-bruksprøver av den i SMSF-administrasjon på tvers av fem nøkkeldokumenttyper. I løpet av rettssaken ble bare 160,000 XNUMX banktransaksjoner automatisk lagt inn i SuperMate, noe som sparte betydelig behandlingstid.

Nå som DataHero^TM er klar for bredere bruk, bygger vi den inn i neste generasjon SuperMate slik at våre kunder kan dra nytte av denne spennende teknologien. Behandling av maskinlæringsdokumenter er bare en av måtene SuperMate vil øke effektiviteten på treningen din på.

Den neste generasjonen av SuperMate lanseres tidlig i 2022. For å holde deg oppdatert, Registrer deg her.

Kilde: https://australianfintech.com.au/smsf-accounting-efficiencies-where-to-next/