新闻中心

当时是下午四点半的时候, 那第7份已经退回的订单凭证, 再一次被直接扔进了工作的群里头, 税号的归类情况和货物名称的描述之间对不上号了, 这还是那个一直都没有改掉的老毛病, 由于瑞丽口岸那边的报关专业术语本身就特别容易让人绕晕, 只要错了一单的话, 整个小组今天晚上肯定又要多多出两个小时的班才能完成工作, 而客户的船只出发时间有很大的可能还要再往后延迟一整天的这个程度, 这种类型的事情在从事货运代理的那个行业圈子当中是太为平常和普遍的了。

退一单亏掉多少

只要发生一张退单的情况, 后台那边就需要花费精力去重新审核、进行更正以及最终提交, 这样一来, 操作员至少就会多花上半个小时的时间。

如果遇到查验或者需要删改单据的状况, 费用方面就有可能从几百块钱直接拖延到上千块钱的水平, 如果再进一步算上因为船期延误而触发的客户索赔问题, 那么一个本来打算长期合作的订单就可能在这一瞬间彻底丢失。

瑞丽这种位于边境的通道, 在税号归类方面本身就具有特殊性, 导致即便是同一种货物, 经过不同的口岸进行认定时, 结果也可能存在差异。

如果一个人一天需要监督八十份单证, 那么对于每一份单证来说, 都需要核对税号、品名、货币价值以及成交方式等关键信息, 而在目前完全依靠人眼进行人工识别的情况下, 出现差错是一种必然会发生的可能性, 这并不能完全归咎于个人的工作态度问题。

错漏就卡在那三个点

超过百分之七十的退单情况, 是被税号归类、品名描述以及逻辑校验这三项内容给卡住的。对于同一个客户而言, 针对同一类商品, 同样的错误会一次又一次地出现。这种规律实际上是非常清晰的。只不过因为工作人员每天都被大量的新订单淹没, 导致他们根本没有时间去回头梳理这些旧账目。

这种重复性的, 而且规则非常明确的交叉核对工作, 从道理上来讲, 这恰恰是属于机器最应该去做的活儿。只要把相关的规律给总结出来并且抓住规律的关键点, 人们就完全不需要再天天都在同一个坑里反复地掉进去了。

光加人是下策

很多老板一看到退单率变高了, 就会去加人手, 还要搞培训, 在群里反复地喊, 但是每个人一天能处理八十票, 每一票涉及多个字段的交叉校验, 加人解决不了概率问题, 反而会让沟通成本翻倍。

其实, 改进业务流程才是最好的办法。把那些有规则的检查项目变成自动操作, 让人类工作人员只去处理那只有百分之几的、真正需要依靠他们个人经验来进行判断的特殊情况订单。只有这样, 工作的效率才能够真正得到提升。

AI改的是流程不是人

落地一般三步走: 先用OCR语义识别提取客户发票箱单关键字段自动填单, 再按海关规则和历史退单记录在提交前跑一遍标红, 最后把高频错漏沉淀成术语库规则库全员可查。

但是这里有一个非常严格的前提条件, 那就是数据必须保持干净的状态。在瑞丽这个地区, 存在不少公司, 这些公司的术语表并没有做到统一。

同一个商品在今天被叫做A名称, 而到了明天又被叫做B名称。这样的状况会导致AI在学习过程中出现逻辑上的冲突和打架现象。因此, 在使用模型之前, 需要先进行一轮专门的数据清洗工作。

先对齐再上模型

这家工厂的做法是, 在项目交付之前, 先把术语表和异常代码做好对齐工作, 然后再去运行模型。这个流程看起比较慢, 但实际上效率很高。因为操作员发现推荐的结果基本是可靠的, 所以很快就建立了信任感, 项目也因此真正运转了起来。

咱们说这个华南B项目, 它现在的步调就是这么个情况, 具体点讲呢, 先拿过去那三年的历史报关单, 还有那些退下来的单子记录, 再加上客户平时爱用的那些术语习惯, 专门去建一个专用的库容, 等这事儿做好了之后, 到二期再启动那自动制单和审核的功能模块, 这整个过程里, 大伙儿都得沉住气, 不能急躁, 就得稳扎稳打地来推进。

六个月的数字说话

B公司的月均报关票数分布在八百票到一千二百票之间, 而其操作组仅由五个人组成, 在线上线下的系统部署前期, 完成单票制单业务需要花费二十二分钟的时间, 导致组长每天不得不将两小时耗费在复核以及处理退改件的繁琐工作中, 然而, 在系统稳定运行并经过半年的实践积累后, 单笔业务的制单时长已成功压缩至七分钟, 同时, 业务操作的差错率实现了百分之五十五的显著下降。

组长因为节省出了一个半小时的时间, 所以他们现在可以用这一段宝贵的时间去处理那些正经的事情。然后呢, 操作员就再不需要每天都熬夜熬到晚上八九点钟那么晚了。这样一来, 团队的人员流动率就是肉眼可见地下降了。最后一点是, 客户那边的船期情况也得到了明显的改善, 不再像是以前那样经常性地延期了。

你们公司在处理报关退单这种麻烦事情的时候, 觉得最让人头疼的税号或者产品到底是哪一个呢, 请大家在评论区里说一说，只要点赞并且收藏了这个回答, 我们下次在遇到类似案例的时候就会优先考虑给大家进行拆解分析。