Scannet PDF til Excel kan spare tid, men det egentlige arbejde begynder ofte først, når tabellen ligger i et regneark. Hvis kilden er et kontoudtog, et fakturaregister, en udgiftsrapport eller en betalingsoversigt, kan små OCR-fejl skabe store problemer senere. En dato kan skifte fra 03/07/2026 til 08/07/2026, et decimaltegn kan forsvinde, eller et kontonummer kan miste et ciffer. Derfor er den sikreste proces ikke kun konvertering, men også kontrol.
Denne artikel handler om kvalitetskontrol efter udtræk. Den går ikke i dybden med opretning af skæve scanninger eller validering af rækkesummer. I stedet viser den, hvordan du gennemgår de felter, der oftest giver praktiske fejl: datoer, decimaler og konto- eller referencenumre.
Hvis du vil sammenligne generelle muligheder, kan du se den informative side om OCR PDF to Excel. Brug den som en side om tilgængelighed og baggrund, ikke som en aktiv konverteringstjeneste.
Hvorfor netop disse tre felter kræver ekstra opmærksomhed
Ikke alle OCR-fejl er lige alvorlige. En stavefejl i en beskrivelseskolonne kan være upraktisk, men en forkert dato eller et forkert beløb kan påvirke rapportering, afstemning og betalingsopfølgning.
De mest følsomme felter er typisk:
- Datoer: OCR kan bytte cifre om, forveksle separatorer eller tolke dag og måned forkert.
- Decimalværdier: et svagt punktum eller komma kan blive fjernet, flyttet eller fordoblet.
- Kontonumre og identifikatorer: lange talstrenge er sårbare over for sammensmeltede cifre, manglende nuller og tegnforvekslinger som
0ogO.
Disse problemer er almindelige, fordi OCR arbejder ud fra billedmønstre, ikke ud fra forretningsmæssig betydning. Et regneark kan derfor se pænt ud og stadig indeholde skjulte fejl.
Et konkret eksempel: fakturaregister fra en scannet PDF
Forestil dig en scannet PDF med en tabel, der har disse kolonner:
- Fakturadato
- Fakturanummer
- Kundens kontonummer
- Nettobeløb
- Momsbeløb
- Totalbeløb
Efter OCR til Excel kan arket ved første blik se brugbart ud. Men en nærmere gennemgang kan afsløre fejl som:
2026-09-12bliver til2026-09-171540.75bliver til15407500198234bliver til19823488.40bliver tilB8.40A10239008bliver tilA1023900B
Ingen af disse fejl virker nødvendigvis dramatiske alene. Men hvis regnearket senere filtreres, matches, importeres eller revideres, kan konsekvenserne hurtigt brede sig.
En kontrolrutine i fem trin efter OCR
Brug denne korte proces, før du stoler på det udtrukne regneark.
-
Bevar originaldokumentet som reference
Hav den scannede PDF åben ved siden af regnearket. Kontroller altid mod kilden, ikke mod hukommelsen. -
Find højrisikokolonnerne først
Start med dato, beløb, konto, faktura, reference, skatte-id og saldo, før du bruger tid på beskrivelsesfelter. -
Standardiser celleformater uden at ændre betydningen
Sæt datokolonner som datoer, beløbskolonner som tal og følsomme identifikatorer som tekst, når indledende nuller skal bevares. -
Filtrér efter mistænkelige mønstre
Kig efter tomme felter, usædvanligt korte eller lange værdier, gentagne numre, tekst i talfelter og uens separatorer. -
Tag stikprøver række for række, hvor risikoen er størst
Fokusér på rækker med store beløb, usædvanlige datoformater og lange identifikatorer. Det er her, fejl ofte er dyrest.
Sådan kontrollerer du datoer mere sikkert
Datofejl er lette at overse, fordi resultatet stadig kan ligne en gyldig dato.
Brug denne tjekliste:
- Bekræft dokumentets oprindelige format, for eksempel
DD/MM/YYYY,MM/DD/YYYYellerYYYY-MM-DD. - Kontroller, om OCR har behandlet separatorer ensartet: skråstreg, bindestreg eller punktum.
- Sortér kolonnen for at se, om en værdi falder uden for den forventede periode.
- Filtrér efter tomme felter og tydelige afvigelser, for eksempel datoer flere år før eller efter resten.
- Sammenlign de første rækker, de sidste rækker og nogle tilfældige rækker i midten med PDF-kilden.
Advarselstegn kan være:
- dag og måned er kun byttet om på nogle rækker
- encifrede dage er blevet til andre tal
- hele datoen er lagret som tekst i stedet for som datoværdi
- den samme dato gentager sig steder, hvor kilden viser forskellige datoer
En nyttig vane er at tilføje en midlertidig kontrolkolonne med navnet Datokontrol og markere rækker som OK, Kontrollér eller Afvigelse.
Sådan opdager du fejl i decimaler og beløb
Beløbskolonner kræver ekstra omhu, fordi OCR kan fejlfortolke decimaltegn, tusindtalsseparatorer, minustegn og valutasymboler.
Gennemgå disse punkter:
- Kontroller, om kilden bruger
1,234.56eller1.234,56. - Bekræft, at negative beløb stadig har minustegn eller parenteser.
- Se efter beløb, der pludselig er hundrede eller tusinde gange for store eller for små.
- Kig efter tal, der er importeret som tekst på grund af kommaer, mellemrum eller ekstra symboler.
- Sammenlign netto, moms og total på nogle udvalgte rækker.
Et hurtigt mønstertjek finder ofte fejl tidligt. For eksempel:
| Felt der skal kontrolleres | Almindelig OCR-fejl | Hvad du skal se efter |
|---|---|---|
| Nettobeløb | Manglende decimaltegn | Beløbet virker pludselig alt for stort |
| Momsbeløb | 8 læses som B eller 3 |
Tekst i en numerisk kolonne |
| Totalbeløb | Separatorformat ændret | Uens formatering fra række til række |
| Negativ værdi | Minustegn forsvundet | Krediteringer eller tilbagebetalinger bliver positive |
Selv hvis regnearket senere regner korrekt, kan den importerede kildedata stadig være forkert. Sammenlign derfor altid et udvalg af rækker med den scannede PDF.
Sådan verificerer du kontonumre og andre identifikatorer
Kontonumre, fakturanumre, referencer og skatteidentifikatorer bør som regel kontrolleres som tekst, ikke som matematiske værdier.
Vigtige regler:
- Bevar indledende nuller.
- Stol ikke på automatisk talformatering for lange identifikatorer.
- Hold øje med tegnforvekslinger som
0/O,1/I,5/Sog8/B. - Kontroller forventet længde for hver type identifikator.
- Gennemgå gentagne værdier, som burde være unikke.
En praktisk metode er at oprette en midlertidig kontrolliste ved siden af dataene:
- forventet længde passer
- kun tilladte tegn forekommer
- indledende nul er bevaret
- ingen utilsigtede mellemrum
- den scannede PDF stemmer med de kontrollerede rækker
Ved lange kolonner kan du filtrere efter længde eller sortere alfabetisk for at finde mærkelige værdier. Hvis en kolonne for eksempel altid skal indeholde præcis ti cifre, bør enhver række med ni eller elleve tegn gennemgås med det samme.
Kort kontrolskema, du kan genbruge
Før du bruger OCR-resultatet til rapportering eller import, kan du gå denne liste igennem:
- Datoformat er bekræftet ud fra kildedokumentet
- Decimal- og tusindtalsseparator er bekræftet
- Indledende nuller er bevaret, hvor det er nødvendigt
- Numeriske kolonner indeholder tal og ikke blandet tekst
- Identifikatorkolonner er kontrolleret som tekstværdier
- Afvigende værdier er filtreret og gennemgået
- En tilfældig stikprøve er sammenlignet række for række med den scannede PDF
- Rækker med høj værdi eller høj risiko er gennemgået manuelt
Denne type tjekliste er enkel, men den reducerer risikoen for at stole på et pænt udseende alene. Et ryddeligt regneark er ikke nødvendigvis et korrekt regneark.
Begrænsninger ved kontrol efter OCR
Kontrol kan mindske risikoen, men den garanterer ikke, at alle OCR-fejl bliver fundet.
Det er vigtigt at huske:
- Meget dårlige scanninger kan skabe systematiske fejl på mange rækker.
- Hvis kildetabellen er afskåret, skæv eller mangler tegn, kan manuel gennemgang stadig være nødvendig.
- Tvetydige datoformater kan kræve forretningsmæssig kontekst, ikke kun visuel kontrol.
- Nogle kontonumre kan ikke valideres uden en ekstern, troværdig reference.
- Komplekse flettede celler og tabeller med flere linjer kan forskyde værdier til forkerte kolonner.
Derfor er den sikreste tilgang en kontrol, der står mål med risikoen: Jo vigtigere regnearket er, desto grundigere bør verifikationen være.
Det vigtigste at tage med
Scannet PDF til Excel er mest nyttigt, når det kombineres med en bevidst kontrolproces. Datoer, decimaltegn og kontonumre bør have førsteprioritet, fordi OCR let fejlfortolker dem, og fordi fejl her er dyre at overse. Spørg derfor ikke kun, om tabellen blev udtrukket, men også om de følsomme felter stadig betyder det samme som i den scannede PDF.
Den lille ændring i arbejdsgangen gør OCR-resultatet mere brugbart som udkast og mere sikkert at arbejde videre med.