Dalla scansione ai campi del gestionale: differenze tra OCR ed estrazione dati, regole di conversione, controlli e gestione delle eccezioni.
L'estrazione dei dati trasforma le informazioni di un documento in campi utilizzabili da un altro sistema. L'OCR può leggere il testo di una scansione; per compilare un record servono anche regole che associno ogni valore al campo corretto, ne definiscano il formato e gestiscano i casi incerti.
Il punto di partenza è il lavoro da svolgere con quei dati. Cercare una frase nell'archivio richiede un risultato diverso dal registrare un ordine nel gestionale. Definire la destinazione prima di scegliere lo strumento evita di produrre file leggibili che qualcuno deve comunque ricopiare.
Una scansione riproduce la pagina come immagine. L'OCR riconosce caratteri e parole: la documentazione Microsoft sul modello Read descrive, per esempio, l'estrazione di testo e la sua organizzazione in elementi della pagina. Le capacità dipendono dal sistema scelto e dai documenti trattati.
L'estrazione deve poi individuare informazioni con un significato: numero del documento, data, codice del cliente, importo. La struttura conta. In una tabella, una quantità deve restare associata all'articolo della stessa riga; in un modulo, una risposta deve appartenere alla domanda giusta.
Anche Google Cloud distingue il testo riconosciuto dalle informazioni sul layout. Il testo grezzo, da solo, non contiene tutta la struttura della pagina. Questi livelli vanno considerati quando si definisce il risultato atteso.
Chi utilizzerà l'esportazione deve indicare quali campi servono e che cosa significano. Una scheda essenziale può avere questa forma:
| Campo | Domanda da chiarire | Esempio illustrativo |
|---|---|---|
| Identificativo | Va mantenuto esattamente come nell'originale? | Un codice 00125 deve conservare gli zeri iniziali |
| Data | Qual è l'evento descritto dalla data? | Emissione e scadenza devono avere campi distinti |
| Importo | Quali separatori e quale valuta usa il sistema di arrivo? | Un valore con virgola decimale richiede una conversione concordata |
| Riga di dettaglio | Quali valori appartengono allo stesso elemento? | Descrizione, quantità e prezzo della medesima riga |
| Riferimento al documento | Come si riapre l'originale? | Identificativo del file e numero di pagina |
Gli esempi spiegano possibili regole; non rappresentano una configurazione USolve. Per ogni campo occorre anche distinguere un valore assente da uno non leggibile. Inserire automaticamente uno zero o una data convenzionale può nascondere un problema e alterare il significato del record.
Quando nello stesso flusso arrivano moduli diversi, stabilisci come separarli e identificarli. Un allegato può contenere più documenti; un documento può occupare più pagine. Chiarisci quindi l'unità di lavoro prima di contare i record prodotti.
Prevedi una destinazione per i file che il processo non riconosce. Un documento nuovo non dovrebbe essere forzato dentro una struttura simile solo perché alcuni campi sembrano coincidere. Conservare il collegamento al file di origine permette di ricostruire la scelta e correggerla.
Un controllo formale può verificare che una data esista nel calendario o che un codice rispetti la struttura attesa. La verifica sul significato richiede un confronto ulteriore: quella data potrebbe essere valida e appartenere alla scadenza anziché all'emissione.
Nell'esempio ipotetico di un ordine, il processo potrebbe controllare che il codice cliente sia presente nell'anagrafica. Se il codice non esiste, la regola deve indicare chi esamina il caso. Anche un abbinamento riuscito merita controlli sul documento: un codice letto male potrebbe coincidere con un altro codice realmente esistente.
Le regole possono essere diverse per ciascun campo. Concordale con chi conosce il processo e annota quali errori devono fermare il flusso, quali richiedono una verifica e quali consentono di proseguire.
L'esportazione va provata nel sistema di destinazione con dati di test utilizzabili a quello scopo. Controlla che nomi e tipi dei campi siano compatibili, che i caratteri italiani restino leggibili e che le righe non vengano separate o riordinate in modo scorretto.
Verifica anche una seconda importazione dello stesso documento. Il processo deve avere una regola per i duplicati: segnalazione, aggiornamento o rifiuto, secondo il lavoro richiesto. Definisci chi può correggere un record già trasferito e come riconoscere la versione che verrà utilizzata.
Per i documenti incompleti o ambigui, indica il responsabile della verifica e le informazioni che deve vedere. Chi corregge un campo deve poter consultare il documento pertinente e registrare l'esito. L'accesso va limitato a ciò che serve al compito.
La guida alla qualità OCR approfondisce come confrontare i risultati con un riferimento controllato. Dopo la prova, conserva anche le regole di esportazione e le decisioni sulle eccezioni: saranno necessarie quando cambierà un documento o il gestionale.
Per valutare il perimetro di una richiesta, consulta il servizio di digitalizzazione documenti e data capture. Prepara una descrizione dei documenti, dei campi necessari e del sistema di arrivo; concorda con il team un canale adatto prima di condividere file riservati.