Start · Rozwiązania · Inne rozwiązania
Rozwiązanie · Inne rozwiązaniaTrzydzieści osiem reguł audytowych i żaden dowód, która z nich cokolwiek wykryła
Które reguły wydatkowe tworzą pracę, a które coś wykrywają
Dane o wydatkach, kartach, wynikach audytu i strukturze kadrowej łączone są każdej nocy, więc każdą regułę, limit i krok akceptacji da się ocenić kosztem i skutecznością.
Streszczenie dla zarządu
Zespół zamyka 2 100 wyjątków miesięcznie, a nikt nie mierzy, które reguły cokolwiek wykryły.
Warstwa analityczna działa na tym, co grupa już posiada.
Nakład weryfikatorów spada, bo reguły generujące wyjątki bez ustaleń są dostrajane lub wycofywane na podstawie dowodów, a nie bronione przeczuciem.
jezioro danych Microsoft Fabric; model semantyczny Power BI; konfiguracja reguł audytowych i limitów polityki, zmieniana wyłącznie przez ludzi
Problem biznesowy
Analityka podróży i wydatków
Podróże i wydatki generują dużo danych i bardzo mało wiedzy, ponieważ dane nigdy nie leżą w jednym miejscu. Nagłówki i pozycje raportów są w systemie wydatkowym, transakcje w portalu wystawcy kart, wyniki reguł w kolejce audytowej, wynegocjowane stawki w plikach menedżera ds. podróży, a struktura zespołów w systemie kadrowym. Ich połączenie to ręczne ćwiczenie powtarzane przy każdym nowym pytaniu, więc pytań pada niewiele.
Polityka jest przez to dostrajana anegdotą. Limit rośnie, bo ktoś na wysokim stanowisku poskarżył się na hotel w Kopenhadze. Reguła powstaje po incydencie i nikt do niej nie wraca. Drugi poziom akceptacji utrzymuje się, bo jego usunięcie wydaje się ryzykowne, i nikt nie potrafi wykazać, że kiedykolwiek zmienił decyzję. Część reguł uruchamia się bez przerwy i zamyka bez ustalenia, co uczy weryfikatorów przeklikiwania, a reguły, które coś wykrywają, przeklikiwane są w tym samym rytmie.
Menedżerowie akceptują bez kontekstu. Nie wiedzą, że średnia doba hotelowa ich zespołu znacznie przewyższa firmową ani że jedna osoba rezerwuje każdy lot na tydzień przed wylotem. Menedżer ds. podróży negocjuje stawki w dwunastu miastach, nie wiedząc, czy ktokolwiek z nich korzysta. Problem trwa, bo analityka nie jest tu niczyim produktem: każde źródło ma właściciela, a każdy właściciel raportuje wyłącznie swój fragment.
Jak to wygląda dzisiaj
Tak wygląda kwartał w większości grup tej wielkości, niezależnie od systemu wydatkowego.
- OczekiwanieRaporty wydatków i transakcje kartowe narastają przez cały kwartał i nikt nie ogląda ich jako całości
- CzłowiekReguły audytowe się uruchamiają, weryfikatorzy otwierają każdy wyjątek i większość zamykają bez ustalenia, po około siedem minut na sztukę
- CzłowiekDwoje analityków eksportuje raporty, pozycje i plik kartowy wystawcy do Excela i łączy je po nazwisku i dacie
- CzłowiekCentra kosztów i kategorie akceptantów czyszczone są ręcznie, po czym powstają te same trzy slajdy
- OczekiwanieSpotkanie zadaje pytanie, na które slajdy nie odpowiadają; analiza uzupełniająca trafia po około trzech tygodniach
- Ryzyko błęduLimit rośnie, bo poskarżył się ktoś z zarządu; reguła powstaje po incydencie i nikt do niej nie wraca
- Ryzyko błęduNikt nie mierzy ustaleń w podziale na reguły, więc reguła, która nigdy nic nie wykryła, kosztuje tyle samo uwagi co skuteczna
Dlaczego obecny proces kosztuje więcej, niż się wydaje
Koszt rośnie tam, gdzie nikt na niego nie patrzy.
- Godziny weryfikatorów poświęcone regułom, które nigdy nie kończą się ustaleniem, to największa widoczna strata. Ukrywają się w kolejce, której nikt nie liczy w podziale na reguły, więc wycofania żadnej reguły nie da się uzasadnić dowodami.
- Limity odstające od cen kosztują podwójnie: zbyt hojne w tanich miastach zachęcają do cichego przekraczania budżetu, zbyt ciasne w drogich generują uzasadnione wyjątki, które menedżer i tak musi przeczytać.
- Krok akceptacji, który nigdy niczego nie zmienił, wciąż wydłuża zwrot kosztów o kilka dni, a zauważa to pracownik czekający na pieniądze.
- Bez punktów odniesienia menedżer może wydatek zaakceptować, ale nie może nim zarządzać, więc zespoły wydające najwięcej nigdy się o tym nie dowiadują.
- Stawki negocjowane miasto po mieście są warte tyle, ile zgodność z nimi, a zgodności nikt nie mierzy, więc każda negocjacja zaczyna się równie ślepo jak poprzednia.
Koszt braku działania
Reguły przyrastają tylko w jedną stronę. Każdy incydent dokłada jedną, żaden przegląd żadnej nie zabiera, a kolejka rośnie szybciej niż stojące za nią wydatki, więc weryfikatorzy poświęcają coraz większą część miesiąca na przeklikiwanie szumu. Limity ustalone lata temu oddalają się od cen; uzasadniony wyjątek staje się normalną ścieżką w drogich miastach, a tanie po cichu przekraczają budżet.
Cichszą stratą jest autorytet. Funkcja finansowa, która nie potrafi pokazać, które kontrole działają, nie obroni także tych, które działają dobrze. Gdy komitet audytu pyta o proporcjonalność środowiska kontroli, uczciwa odpowiedź opisuje zamiar. Tymczasem menedżer ds. podróży negocjuje stawki, z których firma nie korzysta, a zespoły o najwyższym koszcie doby hotelowej dowiadują się o tym ostatnie.
Przykładowa organizacja o realnych proporcjach — liczby służą do policzenia sprawy na Waszych danych, nie są wynikiem klienta.
Grupa ubezpieczeniowa z 4 800 pracownikami w pięciu krajach. Podróże i wydatki obsługuje SAP Concur z 38 skonfigurowanymi regułami audytowymi; miejscem pracy jest Microsoft 365, a Power BI działa już w innych obszarach finansów.
Około 14 mln € wydatków podróżnych rocznie, głównie hotele, loty, posiłki i kilometrówka. Niewielki zespół audytu przegląda około 2 100 wyjątków miesięcznie; wystawca kart dostarcza plik codziennie.
Dwoje analityków finansowych poświęca po około 30 godzin miesięcznie na odtwarzanie pakietów miesięcznych i kwartalnych w Excelu. Menedżer ds. podróży wynegocjował stawki hotelowe w dwunastu miastach i nie ma danych o tym, czy ktokolwiek z nich korzysta.
Każde pytanie spoza slajdów wymaga nowego ręcznego połączenia danych, więc polityka podąża za najgłośniejszą skargą, a zestaw reguł nigdy nie był oceniany jako całość.
Roboty co noc pobierają raporty, pozycje, wyniki reguł, znaczniki czasu akceptacji, transakcje kartowe, strukturę kadrową i stawki negocjowane do jeziora danych Microsoft Fabric. Model Power BI pokazuje wydatki, zgodność i skuteczność reguł. Comiesięczny przebieg rekomendacji proponuje, które reguły dostroić, które limity przesunąć i które typy transakcji można bezpiecznie akceptować automatycznie.
W modelowanym przypadku nakład weryfikatorów spada o mniej więcej jedną trzecią po wycofaniu najsłabszych reguł. Przygotowanie pakietów przestaje pochłaniać większość czasu dwojga analityków, a jednoprocentowy efekt na rocznych wydatkach podróżnych staje się osiągalny. Arytmetyka na deklarowanych założeniach, nie pomiar.
Proponowane rozwiązanie
Warstwa analityczna działa na tym, co grupa już posiada. Roboty UiPath odczytują raporty wydatków, pozycje, kategorie, wyniki reguł i znaczniki czasu akceptacji przez UiPath Integration Service. Pobierają też dzienny plik kartowy wystawcy, arkusze stawek z SharePointa oraz strukturę zespołów, stopni i centrów kosztów z systemu kadrowego. Wszystko trafia do jeziora danych Microsoft Fabric we własnej dzierżawie grupy. Nic nie jest zapisywane z powrotem do systemu źródłowego: roboty czytają, a decydują ludzie.
Na tym zbiorze osadzony jest model semantyczny Power BI w trybie Direct Lake. Odpowiada na to, czego trzy slajdy nie potrafiły: wydatki według zespołu, kategorii, miasta i dostawcy; zgodność ze stawkami negocjowanymi; liczba wyjątków i potwierdzonych ustaleń dla każdej z 38 reguł; czas akceptacji według menedżera; oraz porównania kosztu podróży, doby i posiłku między zespołami i rolami. Zabezpieczenie na poziomie wiersza sprawia, że menedżer widzi własny zespół, i to właśnie czyni model bezpiecznym do dystrybucji.
Zachowanie zmienia dopiero przebieg rekomendacji. Raz w miesiącu powstaje uszeregowana lista z dowodami: typy transakcji bez ani jednego odrzucenia przez dwanaście miesięcy, proponowane do automatycznej akceptacji; typy zawsze odrzucane, proponowane do zwrotu już przy złożeniu; reguły uporządkowane według wyjątków wobec ustaleń, z propozycją zmiany progu lub wycofania dla najgorszych; limity zestawione z cenami faktycznie płaconymi w każdym mieście; kroki akceptacji, które poniżej podanej kwoty nigdy niczego nie zmieniły; oraz anomalie w rodzaju podwojenia wydatków na posiłki w zespole, z załączonymi pozycjami. Finanse przyjmują, odraczają lub odrzucają każdą pozycję, a każda decyzja zapisywana jest wraz z uzasadnieniem. Menedżerowie dostają comiesięczne podsumowanie w Microsoft Teams. UiPath GenAI Activities przygotowują szkic narracji kwartalnej, którą przed kimkolwiek innym czyta analityk.
Konektory UiPath Integration Service do SAP Concur, Microsoft Teams i Microsoft OneDrive & SharePoint; harmonogramy, magazyn poświadczeń i ślad audytowy UiPath Orchestrator; UiPath GenAI Activities pod UiPath AI Trust Layer; UiPath Insights; jezioro danych Microsoft Fabric i modele semantyczne Power BI w trybie Direct Lake z zabezpieczeniem na poziomie wiersza
Model danych w jeziorze i nocne łączenie; metryki skuteczności reguł oraz porównanie limitów z cenami; benchmarki według zespołu, roli i miasta; zestaw rekomendacji wraz z pakietami dowodowymi; rejestr kontroli zmian dla przyjętych zmian; podsumowanie w Teams; projekt raportów
Dzienny plik wystawcy kart przez SFTP oraz eksport kadrowy tam, gdzie nie ma konektora
Jak działa proces zautomatyzowany
- AutomatyzacjaRoboty co noc pobierają raporty, pozycje, wyniki reguł, znaczniki czasu akceptacji, transakcje kartowe, strukturę kadrową i stawki negocjowane
- AutomatyzacjaJezioro danych odświeża się, a model Power BI przelicza wydatki, zgodność, skuteczność reguł i benchmarki przed początkiem dnia pracy
- AutomatyzacjaComiesięczny przebieg szereguje reguły według wyjątków wobec ustaleń, zestawia limity z płaconymi cenami i wskazuje kandydatów do automatycznej akceptacji, z dwunastoma miesiącami historii za każdym
- CzłowiekFinanse przeglądają każdą rekomendację wraz z dowodami i przyjmują ją, odraczają lub odrzucają, zapisując uzasadnienie
- SystemPrzyjęte zmiany limitów, progów i kroków akceptacji wprowadzane są w trybie kontroli zmian i opatrywane wersją
- AutomatyzacjaKażdy menedżer otrzymuje w Teams podsumowanie benchmarków swojego zespołu, pozycji odstających i nietypowych wzorców
- CzłowiekNarracja kwartalna powstaje z modelu i jest sprawdzana przez analityka, zanim gdziekolwiek trafi
Model współpracy człowieka z automatem
Automatyzacja obsługuje
- Nocne pobieranie i łączenie danych wydatkowych, kartowych, audytowych, kadrowych i stawkowych
- Benchmarki, metryki skuteczności reguł i porównanie limitów z płaconymi cenami
- Comiesięczny przebieg rekomendacji i pakiet dowodowy przy każdej propozycji
- Podsumowania dla menedżerów w Teams oraz pierwszy szkic narracji kwartalnej
Ludzie decydują
- Czy każda rekomendacja zostaje przyjęta, odroczona czy odrzucona i na jakiej podstawie
- O każdej zmianie limitu polityki, progu audytowego lub kroku akceptacji
- O rozmowach z menedżerami i podróżującymi, które wywołuje benchmark lub pozycja odstająca
- Czy przygotowany szkic narracji jest wystarczająco rzetelny do dystrybucji
Przed i po
Systemy i integracje
Stos jest krótki celowo: jeden silnik, jedna warstwa wykonawcza, jedno miejsce decyzji człowieka.
Wejścia
- raporty, pozycje, wyniki reguł i znaczniki czasu akceptacji z SAP Concur
- dzienny plik wystawcy kart
- dane kadrowe o zespołach, stopniach i centrach kosztów
- pliki stawek negocjowanych na SharePoincie
- sama polityka wydatkowa
Warstwa automatyzacji
- UiPath Orchestrator
- UiPath Robots
- UiPath Integration Service
- UiPath GenAI Activities
- UiPath Insights
Systemy docelowe
- jezioro danych Microsoft Fabric
- model semantyczny Power BI
- konfiguracja reguł audytowych i limitów polityki, zmieniana wyłącznie przez ludzi
Punkty kontaktu z ludźmi: comiesięczny przegląd rekomendacji z finansami; podsumowania dla menedżerów w Microsoft Teams; przegląd każdego szkicu narracji przez analityka
Wykorzystane technologie
nocne pobieranie danych; harmonogramy, magazyn poświadczeń i ślad audytowy
Aczyta raporty, pozycje, wyniki reguł i znaczniki czasu akceptacji; publikuje podsumowania; zbiera arkusze stawek
Ajedno nadzorowane jezioro danych wydatkowych, kartowych, kadrowych i stawkowych we własnej dzierżawie
Awydatki, zgodność, skuteczność reguł i benchmarki z zabezpieczeniem na poziomie wiersza dla menedżera
Acomiesięczne podsumowanie dla menedżera i wątek, w którym omawiana jest pozycja odstająca
Aprzygotowuje szkic narracji kwartalnej z liczb modelu do przeglądu przez analityka
Astatus przebiegów, błędy pobierania i czasy odświeżeń samej automatyzacji
Aszereguje reguły, limity, kroki akceptacji i kandydatów do autoakceptacji na dwunastu miesiącach historii
CIlustracyjny model ekonomiczny
Liczby, które możecie sprawdzić na własnych danych.
Największa z trzech poniższych liczb jest zarazem najbardziej miękka: jednoprocentowy efekt na 14 mln € wydatków podróżnych zależy od decyzji finansów, a nie od czegokolwiek, co robi robot. Znajduje się tu tylko dlatego, że dostrojone limity, wyprzedzenie rezerwacji i zgodność ze stawkami stają się dzięki analityce rozstrzygalne. Liczby pracy są pewniejsze. Analitycy poświęcają 60 godzin miesięcznie na pakiety, z czego 70% przejmuje model; do tego 2 100 wyjątków po siedem minut, z czego 35% zostaje uwolnione po wycofaniu słabych reguł i autoakceptacji bezpiecznych typów. Stawki 44 € i 43 € to ilustracyjne pełne koszty godzinowe w Europie Środkowej, a każdy parametr jest założeniem, nie pomiarem.
Korzyści biznesowe
- Nakład weryfikatorów spada, bo reguły generujące wyjątki bez ustaleń są dostrajane lub wycofywane na podstawie dowodów, a nie bronione przeczuciem
- Typy transakcji o niskim ryzyku akceptowane są automatycznie na obronialnej podstawie: dwanaście miesięcy wyników, odwracalne w chwili zmiany danych
- Limity podążają za cenami faktycznie płaconymi, więc kurczy się i ciche przekraczanie budżetu w tanich miastach, i fala wyjątków w drogich
- Zwrot kosztów przyspiesza wszędzie tam, gdzie wykazano, że krok akceptacji niczego nie zmieniał
- Menedżerowie zarządzają wydatkami, a nie tylko je akceptują, bo benchmarki i pozycje odstające docierają do nich co miesiąc
- Z wynegocjowanych stawek zespoły faktycznie korzystają, bo niezgodność widać w podziale na miasta i dostawców jeszcze przed kolejną negocjacją
Perspektywa zarządu
- Polityka przestaje być kwestią opinii: każda proponowana zmiana przychodzi z wyjątkami, ustaleniami i cenami, które za nią stoją
- Skuteczność reguł i udział autoakceptacji stają się miarami z trendem, więc proporcjonalność środków kontroli da się wykazać
- Menedżer ds. podróży negocjuje ze zgodnością w podziale na miasta i dostawców w ręku, a nie z sumą wydatków
- Zdolność analityków przenosi się ze składania pakietu na odpowiadanie na pytania, które ten pakiet rodzi
Wpływ na KPI zarządu
Bezpieczeństwo i nadzór
Automat ma dokładnie te uprawnienia, których potrzebuje. Ani jednego więcej.
- Warstwa wyłącznie czyta i nigdy nie zapisuje, więc roboty pracują na kontach serwisowych z prawem odczytu, których sekrety leżą w magazynie poświadczeń, nigdy w przepływie
- Jezioro danych, model semantyczny i raporty pozostają we własnej dzierżawie Microsoft Fabric grupy, wewnątrz Microsoft 365 EU Data Boundary, a roboty pracują w regionie UE UiPath Automation Cloud
- Dostęp opiera się na grupach Microsoft Entra ID, a zabezpieczenie na poziomie wiersza ogranicza menedżera do własnego zespołu; pełny widok podróżujących zostaje przy finansach i audycie
- Benchmarki na poziomie osoby to dane osobowe: cel udokumentowany, użycie ograniczone, konsultacja z inspektorem ochrony danych i radą pracowniczą przed jakąkolwiek publikacją
- Przyjęte i odrzucone rekomendacje są wersjonowane wraz z uzasadnieniem, więc każdy próg da się odtworzyć do datowanej decyzji. Generowanie tekstu działa pod UiPath AI Trust Layer z listą dozwolonych modeli i pełnym logowaniem
Dlaczego teraz
Komitety audytu coraz częściej pytają, czy środki kontroli są proporcjonalne do ryzyka, a odpowiedzieć na to można wyłącznie mierząc same kontrole, czyli robiąc dokładnie to, co uszeregowanie skuteczności reguł
Ceny podróży wyraźnie zmieniły się w ostatnich latach, a większość polityk nie, więc limity i ceny się rozjechały, a luka między nimi produkuje wyjątki, które nie są ustaleniami
Połączenie danych, które zajmowało analitykowi tygodnie, jest dziś nocnym odświeżeniem. Systemy wydatkowe udostępniają wyniki reguł i znaczniki czasu akceptacji przez API, wystawcy kart dostarczają dzienne pliki, a modele Direct Lake czytają jezioro danych bez kopiowania
Istotne role kierownicze
Pakiet, który odpowiada na pytania uzupełniające jeszcze na spotkaniu, oraz droga do niższych wydatków podróżnych, która nie zaczyna się od okólnika o klasie ekonomicznej
Uszeregowana lista zmian z załączonymi dowodami, mniej godzin na wyjątkach, które i tak nie skończyłyby się ustaleniem, oraz udokumentowane uzasadnienie każdej zmiany polityki
Zgodność ze stawkami negocjowanymi w podziale na miasta i dostawców, co zmienia zarówno kolejną negocjację, jak i rozmowę z zespołami, które je ignorują
Częste pytania i zastrzeżenia
Raportuje własne dane i robi to dobrze. Skuteczność reguł wobec ustaleń, zgodność ze stawkami, wartość kroków akceptacji i benchmarki wymagają dołączenia danych kartowych, kadrowych i stawkowych, a to właśnie dokłada ta warstwa.
Propozycja obejmuje wyłącznie typy transakcji z dwunastoma czystymi miesiącami za sobą. Jest rekomendacją do przyjęcia przez finanse, a nie zmianą wprowadzaną przez system, a comiesięczny przebieg zgłasza moment, w którym wzorzec się zmienia.
Ci analitycy właśnie składają pakiet. Około 42 z ich 60 godzin miesięcznie idzie na montaż, który przejmuje model, i stąd bierze się zdolność do działania.
Kiedy to nie jest właściwe rozwiązanie
- Wydatki podróżne są na tyle niewielkie, że pojedynczy raport Power BI nad systemem wydatkowym odpowiada na każde sensowne pytanie
- Nie ma jeszcze żadnych reguł audytowych ani limitów polityki, a wtedy zaprojektowanie audytu wyprzedza jego mierzenie
- Finanse nie zamierzają zmieniać polityki ani progów na podstawie dowodów albo danych wydatkowych i kartowych nie da się wyeksportować ani pobrać przez API; w obu przypadkach to jest pierwszy krok
Pytanie na najbliższe posiedzenie
Trzy z naszych trzydziestu ośmiu reguł audytowych prawdopodobnie generują połowę wyjątków i niemal żadnych ustaleń: czy ktokolwiek na tej sali potrafi je nazwać i powiedzieć, ile kosztowały nas w ubiegłym kwartale?
Podejście wdrożeniowe
Zakres bez niedomówień, jeszcze przed podpisem.
Dostarczamy
- Inwentarz obecnych pakietów, 38 reguł audytowych z dwunastoma miesiącami wyników, limitów oraz arkuszy stawek
- Model danych w jeziorze i roboty pobierające dane co noc, z plikiem kartowym i strukturą kadrową dołączonymi do danych wydatkowych
- Model semantyczny Power BI, definicje benchmarków i raporty, z zabezpieczeniem na poziomie wiersza uzgodnionym z kadrami i radą pracowniczą tam, gdzie to wymagane
- Zestaw rekomendacji, pakiety dowodowe i miesięczny rytm decyzyjny z kontrolą zmian limitów i progów
- Podsumowania dla menedżerów w Teams, opcjonalny szkic narracji i monitoring pobierania w Insights
- Testy na dwóch ostatnich pakietach kwartalnych, aby model odtwarzał liczby, w które finanse już wierzą
Potrzebujemy od Państwa
- Dostępu do odczytu systemu wydatkowego, pliku kartowego, struktury kadrowej i plików stawek
- Dwunastu miesięcy wyników reguł audytowych wraz z informacją, które wyjątki dały ustalenie
- Wskazanego właściciela polityki i zestawu reguł po stronie finansów, z prawem zmiany progów
- Udziału menedżera ds. podróży i czasu w miesięcznym cyklu na podjęcie decyzji
Etapy
Rozpoznanie
Pakiety, inwentarz reguł, limity, stawki i dostęp do danych zmapowane z finansami i menedżerem ds. podróży
Model
Jezioro danych, łączenia, benchmarki i metryki skuteczności reguł na dwunastu miesiącach historii
Pierwszy przebieg
Zestaw rekomendacji przedstawiony na warsztacie; samo uszeregowanie reguł zwykle domyka uzasadnienie biznesowe
Skalowanie
Podsumowania dla menedżerów, benchmarki według ról, szkic narracji, rytm miesięczny i kwartalny
Utrzymanie
Przegląd rekomendacji co miesiąc, przegląd polityki co kwartał, progi zmieniane pod kontrolą
Szybki efekt. Nakład wynika z liczby łączonych systemów źródłowych oraz stanu danych o centrach kosztów i kategoriach, a nie z samego raportowania.
Trzydzieści osiem reguł zadziałało 1 842 razy w kwartale, a ustalenia mieszczą się na jednym slajdzie.
Prosimy o listę wyjątków z ostatniego kwartału wraz z rozstrzygnięciami, limity polityki i arkusz stawek. Odsyłamy uszeregowaną tabelę reguł, porównanie limitów z cenami według miast i krótką listę typów transakcji do automatycznej akceptacji.
Uszereguj swoje reguły audytoweTen sam problem ma zwykle sąsiedni proces
Pakiet dla zarządu nie powinien zależeć od tego, który analityk i którego dnia scalił który arkusz.
Zobacz rozwiązanie Inne rozwiązaniaKażdy raport wydatków sprawdzony, zanim pieniądze wyjdąPróba sprawdzana po wypłacie znajduje błędy, których nie da się odzyskać, a duplikatów nie widzi wcale.
Zobacz rozwiązanie Inne rozwiązaniaDzielone płatności i podwójne posiłki wykryte z dowodemNikt nie dzieli zakupu na oczach akceptującego. Dzieli go na trzy paragony i dwa tygodnie.
Zobacz rozwiązanieBranże, w których wdrażamy to najczęściejProdukcja i przemysłUsługi i ITFinanse i ubezpieczeniaCentra usług wspólnych