Denk aan accounting software die boekingsvoorstellen doet, patronen herkent en mogelijke fouten voorkomt. Kortom software die steeds slimmer wordt, mogelijke problemen signaleert en de accountant daadwerkelijk ondersteunt in zijn adviesfunctie.
Machine learning kent in ieder geval al één heel praktisch voorbeeld: het spamfilter op uw email-accounts. Verzoeken van postbusadressen uit Nigeria, om wachtwoorden of pincodes van uw creditcard of bankpasjes worden vaak al door software erkend en onderschept. Vaak, maar niet altijd. Een goede definitie van machine learning is dat de computer leert zonder dat er daarvoor een specifieke instructie is gegeven. Machine learning is dan gebaseerd op patroonherkenning, het signaleren van afwijkingen, enz. Machine learning maakt software slimmer. Het apparaat – de computer – leert en signaleert om nu juist te zoeken naar die afwijking die u anders misschien niet gezien zou hebben of om reguliere beslissingen beter te ondersteunen en te bespoedigen.
Boekhoudsoftware
Boekhoudsoftware is inmiddels een generatie oud. In de jaren ’80 van de vorige eeuw werd de eerste grote sprong voorwaarts gemaakt naar het algemeen gebruik ervan. Het begint met de uitvinding van het spreadsheet. IBM liep in de jaren ‘60 voorop in de ontwikkeling ervan. De echte doorbraak kwam met de komst van de PC in de jaren ’80. In 1979 kwam Visicalc beschikbaar voor Apple en 1981 voor IBM-PC’s. En toen ging het snel. Ingewikkelde berekeningen konden in een spreadsheet veel makkelijker en sneller worden uitgevoerd. Maar in de basis werd pen en papier vervangen door toetsenbord en floppy disk. Vervolgens werd de floppy opgevolgd door de harde schijf, de harde schijf door het interne netwerk, de server en nu de cloud. Boekhoudsoftware werd complexer, maar bleef lange tijd een snel en makkelijk toegankelijke doorschrijfboekboekhouding, allemaal geordend volgens de theorieën van Starreveld en de tekstboeken van Hoogheid en Fuchs. Al het denkwerk moest door de accountant worden gedaan.
Controleren, kijken, onderzoeken en het definiëren van queries, vragen en opdrachten die op zoek gaan naar mogelijke afwijkingen kennen we al. Nu maakt ICT een volgende stap, analytics in software is inmiddels niet meer nieuw. Basiskengetallen zijn niet moeilijk: stand debiteuren, crediteuren, de termijnen die daarbij horen, de stand van de voorraad, het deel incourante voorraad zijn allemaal op basis van vooraf gedefinieerde vragen vast te stellen. Moderne boekhoudtoepassingen kennen vrijwel allemaal dergelijke functies.
Meer dan basiskengetallen
Nu is het tijd voor de volgende stap: machine learning. Oftewel de computer geeft antwoord op de vraag die niet gesteld is.
Martin van Vliet en Marcel van de Sandt zijn binnen Exact nauw betrokken bij de ontwikkeling van machine learning. Beiden hebben binnen Exact een nadrukkelijke focus op de accountancymarkt en beiden zijn druk bezig om accountancyvragen te vertalen in softwaremogelijkheden.
Om die reden is Van de Sandt niet in eerste instantie op zoek naar een strakke definitie van het begrip machine learning. ‘Theorie vertalen naar voordelen voor de gebruiker,’ noemt hij eigenlijk als de belangrijkste opdracht. ‘In essentie zijn het allemaal algoritmes, rekenregels die vastliggen in het computersysteem. Maar dan wel ingewikkelde en complexe algoritmes.’ Patroonherkenning oftewel in het jargon ‘pattern recognition’ is een van de belangrijkste onderdelen ervan. Technisch wordt dat gefaciliteerd door de steeds groter wordende rekenkracht en de hoeveelheden data die beschikbaar zijn.
Martin van Vliet: ‘Het gaat er om dat we fouten willen voorkomen. En daarbij speelt machine learning een rol.’ Het makkelijkst laat zich dit uitleggen door het geven van voorbeelden. En daarvan zijn er talloze: ‘Een Enecofactuur gaat vrijwel altijd over de energierekening, zo’n boeking kun je automatiseren.’
Maar dat geldt voor iedere ondernemer. Is software dankzij machine learning ook in staat om complexere boekingen te verwerken of daarvoor een boekingsvoorstel te doen?
Op die vraag antwoord hij volmondig ‘Ja. Daarvoor heb je wel zeer veel data nodig. Met 250.000 administraties zijn we de aangewezen partij om hier een gamechanger van te maken. Vergeet niet dat er in onze systemen per week 22 miljoen boekingsregels bijkomen. Iedereen praat over robotizing, maar Exact wil de gebruiker ondersteunen in zijn/haar dagelijkse werkzaamheden. Waarbij de gebruikers kunnen steunen op een boekingsvoorstel dat gegenereerd is door software die soortgelijke boekingen analyseert voor soortgelijke ondernemingen. Hoe meer data er verzameld wordt, hoe beter het boekingsvoorstel wordt. Wanneer je ervan uitgaat dat bijna 25% van al het accountancywerk in een administratie bestaat uit correcties betekent dit een enorme vooruitgang. Om “Continuous Monitoring” daadwerkelijk vorm te geven willen we de gebruiker ondersteunen in het voorkomen van mogelijke fouten. Pro-actief, fouten voorkomen bij de invoer van gegevens, aan de bron.’
Patronen herkennen, leren en corrigeren.
Vooral de correcties die door de gebruiker zijn ingevoerd zijn zeer belangrijk voor het leerpatroon. Waarom wordt het gecorrigeerd? Is dat branche gebonden, ondernemer gebonden of zelfs periode van het jaar gebonden? Kortom, leren van de historie van alle miljoenen boekingen in de 250.000 administraties maar ook realtime van de gebruiker.
En opnieuw komt hij met voorbeelden die gebaseerd zijn op pattern recognition. ‘Wanneer een onderneming bijvoorbeeld flessen wijn bestelt zijn het waarschijnlijk relatiegeschenken. In de maand voor kerst kan het bij de kerstpakketten horen en dan maakt het onderdeel uit van de personeelsvergoedingen en kan het gekoppeld worden aan de werkkostenregeling. Dankzij machine learning doet de software een boekingsvoorstel: moet dit worden geboekt als een relatiegeschenk of onder de werkkostenregeling? En als het om de administratie van een restaurant gaat dan weet de software dat de wijn gewoon onder voorraad moet worden geboekt.’
Steeds slimmere software, dat is uiteindelijk wat machine learning moet gaan opleveren. En de mogelijkheden lijken schier eindeloos. Van Vliet noemt het voorbeeld van buitenlandse facturen waarop geen BTW staat vermeld. Dat geeft onmiddellijk problemen. Maar ook dat kan in software worden onderkend en opgelost. Uiteindelijk gaat het om software die steeds meer sophisticated wordt en de ook gekoppeld kan worden aan externe data. Bijvoorbeeld software die een red alert afgeeft in geval van surseance van betalingen bij klanten en leveranciers die voor jouw cliënten van belang zijn.
De aloude wens van benchmarking komt hierdoor ook beter en makkelijker tot stand. Echter, zo stellen beide, hier liggen de bottlenecks veel minder in de technologie en veel meer in wie nu eigenlijk de eigenaar is van de data. Van Vliet: ‘De data is van de klant, van de ondernemer of van de accountant, wij kunnen, zullen en mogen daar niets mee doen zonder hun uitdrukkelijke toestemming.’
Boekingsvoorstellen
Veel eerder binnen bereik ligt het gegeven dat de software op basis van waarneming tot een boekingsvoorstel komt. Hoe boeken de meeste ondernemers een bepaalde transactie, maar ook hoe heb je zelf in het verleden een soortgelijke boeking gedaan. ‘De eindgebruiker in control,’ zo noemt Van de Sandt het. En daarmee is boekhouden anno 2016 mijlenver verwijderd van de doorschrijfboekhouding, maar ook jaren voor op het aloude spreadsheet.
_____________________________________
Lees meer over Exact op de partnerpagina van Exact op Accountancy Vanmorgen en Exact Online of bekijk de demo van Exact Online voor Accountancy
Geef een antwoord