Jak przygotować dane w ERP pod wdrożenie AI?

Projekty AI najczęściej zawodzą przez dane, a nie przez model. Duplikaty kontrahentów, puste pola i niespójne nazwy towarów sprawiają, że nawet dobry algorytm daje słabe wyniki. Zanim więc zaczniesz wybierać narzędzie, sprawdź, jak przygotować dane w ERP pod AI. Ten etap jest zwykle najtańszy w całym projekcie i najszybciej się zwraca.

Dlaczego jakość danych w ERP decyduje o wynikach AI

Model AI nie wie, że „Kowalski Sp. z o.o.” i „KOWALSKI SPÓŁKA Z O.O.” to ta sama firma. Jeśli sprzedaż tego klienta jest rozbita na trzy kartoteki, prognoza, analiza rentowności czy ocena terminowości płatności policzą trzech średnich klientów w miejsce jednego najważniejszego.

Z towarami jest podobnie. Gdy ten sam produkt występuje jako „śruba M8x40”, „Śruba M8 x 40 ocynk” i „SR-M8-40”, AI nie połączy historii sprzedaży, a asystent zapytany o stan magazynowy poda niepełną odpowiedź. Model wzmacnia to, co znajduje w danych, porządek i bałagan tak samo.

Krok 1: sprawdź jakość kartotek w ERP

Zacznij od kontrahentów i towarów. Ilu klientów ma dwa lub trzy konta? Ile towarów nie ma przypisanej grupy, jednostki lub ceny? Prosty raport z ERP zwykle w godzinę pokazuje skalę problemu.

W pierwszym przeglądzie zwróć uwagę na cztery obszary:

• kontrahentów: powtarzające się NIP-y, różne zapisy tej samej nazwy, nieaktualne adresy, brak osoby kontaktowej lub adresu e-mail do faktur,
• towary: brak grupy towarowej, jednostki miary, kodu EAN, wagi lub ceny zakupu, a także pozycje-widma bez ruchu od lat,
• dokumenty: faktury bez przypisanego handlowca, zamówienia bez statusu, korekty bez powiązania z dokumentem źródłowym,
• słowniki: kategorie dopisywane ręcznie, które z czasem rozrosły się do dziesiątek wariantów tej samej wartości.

Nie musisz od razu naprawiać wszystkiego. Wystarczy wiedzieć, które obszary są potrzebne do konkretnego zastosowania AI, i od nich zacząć.

Krok 2: wybierz zakres danych pod konkretny cel

Przygotowanie danych „ogólnie pod AI” łatwo zamienia się w niekończący się projekt. Lepiej wyjść od jednego przypadku użycia i zapytać, jakich danych wymaga.

• Do prognozowania sprzedaży z AI na danych z ERP potrzebujesz czystej historii sprzedaży, poprawnych grup towarowych i informacji o promocjach.
• Asystent odpowiadający na pytania handlowców opiera się na kartotekach kontrahentów, cennikach i stanach magazynowych.
• Przy automatycznym dekretowaniu faktur kosztowych liczą się słownik kategorii kosztów, centra kosztów i historia dotychczasowych dekretów.

Tak zawężony zakres porządkuje się dużo szybciej, a efekt widać już w pierwszym wdrożeniu. O wyborze pierwszego scenariusza piszemy w artykule AI w enova365: pierwsze kroki do inteligentnego ERP.

Krok 3: ujednolić zasady wprowadzania danych

Jednorazowe porządki nic nie dadzą, jeśli dane znów zaczną się psuć. Potrzebne są obowiązkowe pola, słowniki w miejsce wolnego tekstu i walidacje przy zapisie dokumentów. W enova365 i Streamsoft wiele z tych reguł ustawisz w konfiguracji, bez programowania.

Reguły, które dobrze się sprawdzają:

• NIP jako pole obowiązkowe dla kontrahentów krajowych i ostrzeżenie przy próbie zapisu duplikatu.
• Grupa towarowa i jednostka miary wybierane wyłącznie ze słownika.
• Jeden szablon nazewnictwa towarów, np. typ – wymiar – wariant – materiał.
• Wymagane pole „handlowiec” lub „centrum kosztów” na dokumentach sprzedaży i zakupu.
• Jedna osoba lub dział odpowiedzialny za zakładanie nowych kartotek.

Ostatni punkt bywa najważniejszy. Gdy każdy może dopisać nowy towar „na szybko”, duplikaty wracają po kilku miesiącach. Właściciel danych to rola, a nie dodatkowy etat. Wystarczy, że ktoś zatwierdza nowe pozycje i raz w miesiącu przegląda raport braków.

Krok 4: AI może pomóc w porządkach

AI przydaje się już na tym etapie. Wyszukuje podobne rekordy, proponuje połączenie duplikatów i uzupełnia brakujące kategorie, a człowiek tylko zatwierdza propozycje.

Wygląda to tak: model porównuje nazwy, adresy i NIP-y kontrahentów, grupuje potencjalne duplikaty i przygotowuje listę do akceptacji. Przy towarach proponuje grupę towarową albo jednostkę na podstawie nazwy i opisu. Pracownik przegląda propozycje partiami i każdą zatwierdza lub odrzuca.

AI nie powinno scalać rekordów samodzielnie. Połączenie dwóch kontrahentów wpływa na rozrachunki, historię dokumentów i raporty, więc decyzja należy do człowieka, a zmiany zostają w historii systemu.

Typowe błędy przy przygotowaniu danych pod AI

• Czyszczenie danych w Excelu poza ERP. Poprawiony arkusz szybko się dezaktualizuje, a system źródłowy dalej zawiera błędy.
• Usuwanie kartotek, które wystarczyło zarchiwizować. Skasowanie starych rekordów może zerwać powiązania z dokumentami, bezpieczniej oznaczyć je jako nieaktywne.
• Brak reguł po porządkach. Bez walidacji i słowników jakość danych wraca do punktu wyjścia.
• Zbyt szeroki zakres. Próba uporządkowania wszystkiego naraz opóźnia start projektu AI o miesiące.
• Pominięcie danych osobowych. Przed udostępnieniem danych narzędziu AI ustal, które pola zawierają dane osobowe i czy dane zastosowanie w ogóle ich potrzebuje.

Jeśli planujesz zmianę systemu, zrób porządki przed przeniesieniem danych. Zasady opisujemy w tekście o migracji do enova365 z Optimy lub Symfonii. Przenoszenie duplikatów do nowego ERP to stracona okazja.

Siedem kroków przed pilotażem AI

1. Wybierz jeden przypadek użycia AI i spisz, jakich danych wymaga.
2. Uruchom raporty braków i duplikatów dla kontrahentów i towarów.
3. Ustal priorytety: najpierw dane aktywne i najczęściej używane.
4. Scal duplikaty po akceptacji człowieka, z zachowaniem historii dokumentów.
5. Wprowadź obowiązkowe pola, słowniki i walidacje w konfiguracji ERP.
6. Wyznacz właściciela danych i rytm przeglądów, np. miesięczny.
7. Dopiero potem uruchom pilotaż AI i porównaj wyniki z oczekiwaniami.

Pytania o czas, duplikaty i programowanie

Ile czasu zajmuje przygotowanie danych w ERP pod AI?

Zależy od stanu kartotek i zakresu projektu. Sam przegląd jakości danych raportami z ERP to zwykle kwestia godzin, a uporządkowanie danych pod jeden przypadek użycia trwa od kilku dni do kilku tygodni. Najdłużej trwa utrwalenie nowych zasad wśród użytkowników.

Czy dane muszą być idealne, zanim wdrożę AI?

Nie. Wystarczy, że dane potrzebne do wybranego zastosowania są kompletne i spójne. Część porządków można zrobić z pomocą AI, które wskaże duplikaty i braki do zatwierdzenia przez człowieka.

Jak znaleźć duplikaty kontrahentów w ERP?

Najprościej zacząć od raportu kontrahentów pogrupowanych po NIP, a potem sprawdzić podobne nazwy i adresy. Narzędzia AI porównują zapisy także wtedy, gdy różnią się pisownią, skrótami czy formą prawną, i przygotowują listę par do scalenia.

Czy porządkowanie danych wymaga programowania?

Najczęściej nie. W enova365 i Streamsoft Prestiż obowiązkowe pola, słowniki i wiele walidacji ustawisz w konfiguracji. Programowanie przydaje się przy nietypowych regułach lub automatycznym wykrywaniu duplikatów na dużą skalę.

Porządkujemy dane w enova365 i Streamsoft Prestiż i budujemy rozwiązania oparte na AI. Zobacz, jak pracujemy przy systemach dedykowanych i automatyzacjach z AI, a jeśli chcesz ocenić, czy Twoje dane są gotowe na pierwszy projekt, umów konsultację.