为什么数据是付款核对中的真正问题：亚伦·福尔摩斯（Aaron Holmes）

当人们谈论付款中的和解时，对话通常会直接跳入匹配过程，使交易，平衡书籍并关闭循环。

但是，老实说：匹配不是真正的问题。数据是。

在卡尼（Kani），我们已经与各种形状和尺寸的金融科技，银行和付款提供商合作。而且我们已经看到同一个故事一次又一次地发挥作用。和解之所以失败，是因为基础数据是分散的，不一致和不完整的。

付款数据中的隐藏陷阱

从理论上讲，调和财务数据听起来很简单，但实际上，这只是什么。三个最大的罪魁祸首？跨提供商，缺少元数据和手动干预的格式不一致。

每个提供商似乎都以自己的方式做事。一个人可能会使用ISO 20022，另一个可能会发送自定义CSV，有些仍依靠PDF。理解这种混乱就像在没有说明的情况下组装平面家具，而缺少一半的螺丝。

元数据是将和解融合在一起的胶水，当它不完整或丢失时，情况很快就会崩溃。我们已经看到交易ID被截断，时间戳消失，货币未指定。

下游，金融团队最终会手动交叉引用文件，只是将一开始应该是显而易见的内容拼凑在一起。但是手动修复程序缓慢，容易出错，无法审核。一个错别字可以抛弃整个和解，直到月末，这通常不会被注意到。

好消息是，这些问题并非不可避免。更好的数据管理，更清晰的标准和一致的流程可以消除其中的大多数。稍后再进行一些结构，以节省几个小时的混乱。

自动化仅与其背后的数据一样好

财务中的自动化有很多嗡嗡声，这是正确的。但是，让我们清楚一点：自动化不是捷径。如果将不良数据喂入系统，则会更快地获得缺陷的结果。

为了使自动化真正起作用，数据的数据必须是干净，完整和标准化的。这意味着在对帐之前将适当的数据准备步骤进行到位：验证传入的文件，丰富丢失的元数据，以格式或货币解决不一致之处，并确保所有内容跨越来源保持一致。

当该基础是牢固的时候，自动化就会真正强大。和解加快。异常处理成为例外，而不是常态。财务团队可以充满信心地依靠输出，因为他们知道输入值得信赖。

用数据记分卡设置标准

潜在数据质量的问题是如何创建，格式和共享付款数据的更深层次，结构性问题的迹象。我们认为这些问题需要客观地衡量。这就是为什么我们创建Kani Data Recorcard：一个透明框架来评估您的付款数据的“拟合方式”的原因。

它测量关键维度，例如完整性，一致性和所有导入文件的准确性。它标记异常，突出显示空白，并为您的数据如何随着时间的流逝而表现出明确的基准，无论您是使用方案报告，处理器文件还是内部分类帐。

当您的数据扎实时，其他所有内容都会随之而来。和解变得更快。报告变得更加顺畅。审核变得容易。您的财务团队可以停止消防，并开始专注于重要的工作。