Ø90 – Bogføring – KU Automatisk kontering

Kontering af KU-posteringer i Ø90 og InterCount

Når der modtages kontoudtogsposteringer (KU-posteringer) fra banken, sker der først et match mellem bilag og betalinger. Er der anvendt betalingsløsning i InterCount, viI alle bilag - betalt via betalingsløsning - blive matchet med den tilhørende betaling. 

De posteringer, der ikke kan matches, vil komme gennem Automatisk kontering. 

I Ø90 og InterCount sker der automatisk kontering af KU-posteringer. Det foregår gennem en Machine Learning-model, der på kundeniveau kan tilpasses med individuelle regler. 

Modellen, der anvendes til at give kontoforslag til KU-posteringer, er mere simpel end modellen, der anvendes til kontering af e-bilag. 

Konteringsflow KU

Video

I videoen er der en detaljeret gennemgang af Automatisk kontering for KU-posteringer. 

Match mellem bilag og KU-postering

Med udgangspunkt i en KU-postering, undersøges det først om der i en periode på +/- 20 dage findes ét – og kun ét - arkivbilag, som ikke allerede er linket til en betaling. Dvs. om der findes et bilag i regnskabsmappen med et bilagsnr. påsat og en arkivdato som ligger max. 20 dage før eller efter KU posteringsdato på præcis det samme beløb, uden hensyn til fortegn, som KU-posteringen 

Er det tilfældet, bliver KU-posteringen og bilaget linket sammen og KU-posteringen vil blive påsat den kreditor-/mellemregningskonto, som allerede er på arkivbilaget.

En KU-postering som kan matches med en betaling, bliver ikke yderligere behandlet i Machine Learning.

Automatisk kontering

Med udgangspunkt i teksten (vareteksten) på KU-posteringen, vil Machine Learning altid komme med et kontoforslag og en svarsikkerhedsprocent. Hvis der ikke er nogen tekst på KU-posteringen, sker der ikke yderligere mht. automatisk kontering og posteringen påsættes “blank konto” og svarsikkerhedsprocent = 0.

Derefter vil der blive tjekket for, om der findes en individuel kontering af den aktuelle vare- eller delvaretekst. 

Er der en individuel kontering af den aktuelle vare- eller delvaretekst, vil denne afgøre, hvilken konto der påsættes posteringen. Er der ikke en individuel kontering af den aktuelle vare- eller delvaretekst, er det svarsikkerhedsprocenten, der afgør, om der påsættes en konto, eller om der påsættes “blank konto”. 

En svarsikkerhedsprocent <75% medfører, at posteringen påsættes “blank konto”.

Hvis den konto, der findes frem til under automatisk kontering, er lukket på kontoplanen eller er slettet, vil der blive påsat konto 7999 04.

Kreds- og landsniveau

Der findes ikke et kreds- eller landsniveau til KU-kontering. Så der kan ikke som ved e-bilag oprettes f.eks. konteringsregler og cvr regler på landsniveau. 

Konteringsdetaljer

Du kan ved at højreklikke på en postering åbne konteringsdetaljer og se hvad der har afgjort konteringen og hvilken varetekst der er fundet et match til. 

‘Konteringsdetaljer’ kan fremkaldes ved højreklik, for hver postering i Ø90 Control (og Kasseregistreringen).

Konteringstyper

1)    ”Match med bilag” 

a)    Kreditor konto (mellemregningskonto) er påsat, da bilag er betalt via InterCount og betalingen har direkte reference til bilaget. 

2)    ”Individuel” 

a)    Konto er påsat af en Individuel varetekst KU

3)    Historik” 

a)    Konto er påsat af Machine Learning med svarsikkerhedsprocent >=75%

4)    ”Blank konto” 

a)    Konto er påsat af Machine Learning med svarsikkerhedsprocent <75%

Konteringstypen kan ses af billedet ‘Konteringsdetajler’, som kan fremkaldes for hver postering i Ø90 Control (og Kasseregistreringen).

Eksempler på svar fra konteringsdetaljer

Konteringsflow KU – Automatisk kontering

Match af tekster

Du kan i konteringsdetaljer se, hvilken tekst der er fundet et match til. 

Vigtigt: husk også at se på svarprocenten, for er procenten under 100%, har modellen kun fundet match med en andel/delmængde af de karakterer, der indgår i teksten. 

Når modellen matcher på tekst, er det vigtigt at forstå, at modellen IKKE er en AI-model, men en maskinel model. Machine Learning-modellen kan derfor ikke læse ord, den læser de enkelte karakterer og finder et match på den måde. Det er vigtigt at huske, at modellen IKKE kan læse og forstå betydningen af ord og heller ikke ved om nogle ord i en tekst er mere vigtige end andre. Modellen læser karakterer.  

Husk hvis der er behov for at tilpasse noget i teksten fra banken, så undgå at slette den pågældende tekst, men skriv til i slutningen af teksten.