Bankovní data bez ručního přepisování: DocuFlow pomáhá zrychlit cestu k úvěrovému rozhodnutí

Ve StringData dlouhodobě rozvíjíme DocuFlow, naši platformu pro automatizované vytěžování a zpracování dat z dokumentů. Vedle pravidelného zdokonalování modulu pro vytěžování finančních výkazů jsme se v posledním období výrazně zaměřili také na oblast bankovních výpisů a transakčních dat.

Bankovní data představují důležitý zdroj informací při posuzování finanční situace žadatele o úvěr, leasing nebo jiný finanční produkt. Jejich manuální zpracování však může celý proces zpomalovat a přinášet riziko chyb. DocuFlow proto umožňuje automatizovaně zpracovat bankovní výpisy a získat z nich potřebná data.

Pro klienty, kteří chtějí pracovat rovněž s transakčními daty získanými přímo z bankovních účtů, jsme řešení ve spolupráci se společností CRIF rozšířili také o možnost získání dat prostřednictvím PSD2.

A samotným získáním dat možnosti nekončí. Důležitá je také jejich kvalita a důvěryhodnost a následně schopnost proměnit množství jednotlivých transakcí v informace využitelné pro další rozhodování.

Dvě cesty k bankovním datům, jeden cíl

Bankovní data lze do řešení získat různými cestami podle potřeb konkrétního procesu.

První představuje automatizované zpracování bankovního výpisu pomocí DocuFlow. Žadatel dodá výpis například ve formátu PDF a řešení z něj automaticky vytěží relevantní údaje do strukturované podoby.

Druhou možností je získání transakčních dat přímo z bankovních účtů prostřednictvím PSD2. Tuto cestu zajišťujeme ve spolupráci se společností CRIF, na jejíž služby je naše řešení integrováno.

V obou případech je cílem totéž – získat kvalitní strukturovaná data, která mohou bez zbytečného ručního přepisování pokračovat do navazujících procesů a pomoci zrychlit vyhodnocení žádosti.

U bankovního výpisu nestačí data jen přečíst

Pokud je zdrojem dat bankovní výpis, věnujeme pozornost nejen přesnosti samotného vytěžení. Důležité je také ověřit, zda jsou získaná data konzistentní a zda lze důvěřovat dokumentu, ze kterého pocházejí.

DocuFlow proto obsahuje automatické validace, které pomáhají odhalovat například nesrovnalosti v údajích nebo neúplné bankovní výpisy.

Další úroveň kontroly se zaměřuje na důvěryhodnost samotného PDF dokumentu. Řešení dokáže analyzovat jeho metadata a informace o původu, včetně nástroje, ve kterém byl soubor vytvořen. Pokud dokument obsahuje elektronický podpis, lze ověřit také jeho přítomnost a platnost.

Tyto mechanismy pomáhají upozornit na potenciálně problematické vstupy ještě předtím, než se stanou podkladem pro další rozhodování. Automatizace tak není pouze cestou k rychlejšímu získání dat, ale také k lepší kontrole jejich kvality a důvěryhodnosti.

Z transakcí k informacím, které dávají smysl

Ať už bankovní data pocházejí z výpisu, nebo jsou získána prostřednictvím PSD2, samotný seznam transakcí ještě neposkytuje jednoduchý obraz o finanční situaci žadatele.

Proto lze získaná data dále zpracovat pomocí analytického nástroje NEOS společnosti CRIF. Ten umožňuje automatickou kategorizaci transakcí – a to jak dat vytěžených z bankovních výpisů pomocí DocuFlow, tak dat získaných prostřednictvím PSD2.

Kategorizace pomáhá rozlišit jednotlivé typy příjmů a výdajů a proměnit množství transakčních dat ve strukturované informace vhodné pro další analýzu. Finanční instituce tak může efektivněji vyhodnocovat finanční situaci žadatele a ukazatele relevantní pro posouzení jeho úvěruschopnosti.

Méně ruční práce, více prostoru pro rozhodování

Smyslem rozvoje DocuFlow je posouvat automatizaci dál než k samotnému vytěžení dokumentu. Chceme, aby výsledkem byla kvalitní a důvěryhodná data připravená pro další využití v businessových procesech.

V případě bankovních dat to znamená rychlejší zpracování, méně manuálních zásahů a kvalitnější podklady pro rozhodování. A právě tímto směrem chceme DocuFlow rozvíjet i nadále.