Эффективность учета SMSF - что дальше?

Энди Форбс, технический директор Суперконцепции

Практика бухгалтерского учета по всей стране тратит много времени на ручную сортировку документов и расшифровку данных в различных системах. Однако достижения в области машинного обучения позволяют автоматизировать большую часть этой работы, обещая дать бухгалтерам больше времени, чтобы сосредоточиться на ценности для клиента.

Мы видим основные примеры этого через системы кредиторской задолженности или возмещения расходов персоналу, которые принимают цифровые счета или фотографии и извлекают детали в программное обеспечение. И да, с помощью всего лишь одного простого типа документа эту технологию легко реализовать. Коммерческие предложения в этой области обычно работают очень хорошо и экономят компаниям много времени.

Наша лаборатория инноваций изучает возможность применения аналогичного подхода для оптимизации учета пенсионного обеспечения и соблюдения нормативных требований. Документы, с которыми мы работаем, - это не просто счета-фактуры - существует бесчисленное множество типов документов, каждый со своими наборами данных, которые необходимо идентифицировать и извлечь.

Мы постарались расширить режим перетаскивания, разработав систему пакетной загрузки по электронной почте или через массовую загрузку. Затем документы обрабатываются, и данные готовы к использованию - точно так же, как поток данных, но без накладных расходов на получение полномочий.

В течение последних нескольких лет мы тестировали оба метода для оптимизации администрирования SMSF в Супермат. Годовые налоговые отчеты можно обрабатывать методом перетаскивания, который оказался значительно более эффективным при вводе сложных налоговых компонентов.

Совсем недавно мы создали совершенно новую платформу - DataHero.^TM который работает как адрес электронной почты, на который вы можете просто отправить все ключевые документы. Они автоматически идентифицируются, а данные извлекаются и сохраняются в централизованном хранилище.

Поскольку механизм извлечения этой платформы продолжает оптимизироваться, мы проводим его практические испытания в администрировании SMSF для пяти основных типов документов. Во время испытания в SuperMate было автоматически введено около 160,000 XNUMX банковских транзакций, что значительно сэкономило время обработки.

Теперь, когда DataHero^TM готов к более широкому использованию, мы встраиваем его в следующее поколение SuperMate, чтобы наши клиенты могли извлечь выгоду из этой захватывающей технологии. Обработка документов с помощью машинного обучения - это лишь один из способов, с помощью которых SuperMate повысит эффективность вашей практики.

Следующее поколение SuperMate выйдет в начале 2022 года. Чтобы быть в курсе последних событий, зарегистрируйте свою заинтересованность здесь.

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