Documentverwerking + regellogica IGM Finance & Inkoop In gebruik

215 leverancierscontracten omgezet naar rekenbare regels

Bonusafspraken stonden in PDF-contracten en werden met de hand nagerekend. De vraag was niet of dat sneller kon, maar of het überhaupt betrouwbaar te automatiseren viel. Dat begon met uitzoeken hoe die afspraken er in werkelijkheid uitzien.

215Contracten geanalyseerd
445Actieve regels
10Regelcategorieën
01

Het vraagstuk

Voordat je een bonusadministratie kunt bouwen, moet je weten welke soorten afspraken er bestaan. Dat was niemand bekend, omdat elke afspraak in een eigen contract stond en in eigen bewoordingen. De aanname was dat het vooral omzetstaffels zouden zijn.

Die aanname klopte niet. Uit de analyse van 215 contractextracties kwamen 686 regelrijen, waarvan er 445 daadwerkelijk actief of herkenbaar waren. En slechts een kwart daarvan was een klassieke omzetstaffel. De rest bestond uit showroomcondities, dealerschapsafspraken, cashback per stuk, groeibonussen en vaste bijdragen, die stuk voor stuk andere rekenlogica nodig hebben.

02

Wat ik gebouwd heb

  • 01Een gestructureerde inventarisatie van alle contractafspraken, met per regel een categorie en een implementatieklasse voor het platform.
  • 02Een expliciete scheiding tussen wat een bonusresultaat is en wat alleen een conditie is, zodat condities niet per ongeluk als bonus meetellen.
  • 03Een restcategorie voor regels die te weinig patroon bevatten om automatisch te classificeren, in plaats van die met een gok in te vullen.
  • 04Een importdefinitie voor inkoopmeldingen die per leverancier verschilt maar naar één canoniek formaat wordt gebracht.
  • 05Een converter in drie stappen waarmee een medewerker leveranciersbestanden zelf omzet, met handleiding, zonder tussenkomst van een ontwikkelaar.
  • 06Een leveranciersinventaris met structuurprofielen, zodat een nieuw bestandsformaat herkend wordt in plaats van elke keer opnieuw uitgezocht.
03

Hoe het werkt

Contract

PDF-afspraken

Extractie naar tekst

Analyse

Categorie per regel

Actief, conditie of template

Model

Implementatieklasse

Staffel, cashback, groei

Platform

BAP

Berekenen en herberekenen

04

Wat het opleverde

De belangrijkste opbrengst was niet het platform maar de bevinding vooraf: het merendeel van de afspraken past niet in een standaard staffel. Was dat pas tijdens de bouw duidelijk geworden, dan was er een systeem gebouwd dat driekwart van de werkelijkheid niet aankan.

De converter is overgedragen aan de afdeling zelf. Nieuwe leveranciersbestanden worden daar nu in drie stappen omgezet, met een handleiding en zonder ontwikkelaar in de keten.

Aantallen beschrijven de omvang van de analyse. Leveranciersnamen, bonuspercentages, staffels en contractvoorwaarden staan niet op deze pagina.

Uitgangspunten

  • Analyse vóór de bouw, niet erna
  • Condities gescheiden van bonusresultaat
  • Onduidelijke regels expliciet apart gezet
  • Converter overgedragen aan de afdeling
  • Handleiding in plaats van afhankelijkheid
05

Gebouwd met

Python Next.js TypeScript Supabase PostgreSQL Vercel

Herkenbaar vraagstuk?

Stuur kort welke systemen meedoen en waar het vastloopt. Dan krijg je een eerlijk antwoord over de beste eerste stap, ook als dat is dat je mij niet nodig hebt.

Mail Jordi
Volgende case Een datalaag waar agents veilig op mogen werken