Inteligentna identyfikacja plików
System analizował nagłówki i treść plików, zamiast polegać na zmiennych nazwach. Dzięki temu potrafił samodzielnie rozpoznać, który plik pochodzi z CRM, a który z Optimy.
Case study
System w Google Apps Script, który automatyzował miesięczne rozliczanie klientów na podstawie danych z CRM i systemu Optima. Rozwiązanie łączyło informacje o przepracowanym czasie z danymi finansowymi, tworzyło raport zbiorczy i aktualizowało główny arkusz rozliczeniowy.
identyfikacja plików po zawartości, a nie po nazwie
korekta błędnego formatowania długich czasów po imporcie
dopasowanie klientów mimo różnic w nazwach między systemami
automatyczna aktualizacja arkusza rozliczeniowego GOZ
Problem
Proces wymagał łączenia danych z dwóch różnych źródeł: czasu pracy z CRM oraz danych finansowych z Optimy. Dodatkowym problemem były różnice w nazwach klientów, zmienne nazwy plików wejściowych i błędne interpretowanie długich czasów pracy po imporcie do Google Sheets.
Przygotowano narzędzie w Google Apps Script działające na bazie Arkusza Google, które identyfikowało pliki po zawartości, konwertowało je do Arkuszy Google, poprawiało formatowanie czasu, dopasowywało klientów mimo różnic w nazwach i automatycznie aktualizowało arkusz GOZ-klienci o dane bieżącego miesiąca.
Po zakończeniu procesu pliki trafiały do archiwum, a raport miesięczny powstawał w nowej zakładce gotowej do dalszej pracy.
Projekt nie tylko generował raport, ale porządkował cały proces pracy z danymi z dwóch różnych systemów. Mniej ręcznych kroków oznaczało mniej pomyłek i większą przewidywalność miesięcznych rozliczeń.
Najważniejsze elementy
System analizował nagłówki i treść plików, zamiast polegać na zmiennych nazwach. Dzięki temu potrafił samodzielnie rozpoznać, który plik pochodzi z CRM, a który z Optimy.
Google Sheets błędnie interpretował długie czasy pracy. Zaimplementowano mechanizm przechwytujący surowe dane po konwersji i zamieniający je na bezpieczny format HH:MM:SS zapisany jako zwykły tekst.
Nazwy klientów w CRM i Optimie nie zawsze były identyczne. System czyścił nazwy, normalizował je i stosował mechanizm porównywania podobieństwa, aby automatycznie łączyć dane tej samej firmy.
Po zakończeniu procesu pliki wejściowe trafiały automatycznie do archiwum według roku i miesiąca. To ograniczało chaos i eliminowało ryzyko ponownego przetworzenia tych samych danych.
krótszy czas przygotowania miesięcznych rozliczeń
mniej ręcznego łączenia danych z różnych źródeł
mniejsze ryzyko błędów przy raportowaniu
bardziej uporządkowany proces pracy z danymi finansowo-operacyjnymi
Masz podobny proces?
To dobry moment, żeby zamienić ręczne składanie raportów w powtarzalny, przewidywalny proces. Zaczynamy od konkretnego problemu, a nie od wdrażania dużego systemu na zapas.
Mail dla tych, którzy wolą przejść od razu do konkretnego procesu.
Telefon dla tych, którzy wolą omówić temat bez długiej wymiany wiadomości.