Skannet PDF til Excel kan spare tid, men det virkelige arbeidet begynner ofte først når tabellen ligger i et regneark. Hvis kilden er en kontoutskrift, en fakturaliste, en utgiftsrapport eller en betalingsoversikt, kan små OCR-feil gi store følger senere. En dato kan flyttes fra 03/07/2026 til 08/07/2026, et desimaltegn kan forsvinne, eller et kontonummer kan miste et siffer. Derfor er den tryggeste arbeidsmåten ikke bare å hente ut data, men å kontrollere resultatet systematisk.
Denne artikkelen handler om kvalitetskontroll etter uttrekk. Den går ikke i dybden på opprydding av skanninger eller avstemming av rader og summer. I stedet viser den hvordan du undersøker feltene som oftest skaper praktiske problemer: datoer, desimaltegn og konto- eller referansenumre.
Hvis du vil sammenligne generelle alternativer, kan du se informasjonssiden om OCR PDF to Excel. Se den som en side om tilgjengelighet og bakgrunnsinformasjon, ikke som en direkte konverteringstjeneste.
Hvorfor nettopp disse tre feltene krever ekstra kontroll
Ikke alle OCR-feil er like alvorlige. En stavefeil i en beskrivelseskolonne kan være upraktisk, men en feil dato eller et feil beløp kan påvirke rapportering, avstemming og betalingsoppfølging.
De mest følsomme feltene er som regel:
- Datoer: OCR kan bytte om sifre, forveksle skilletegn eller tolke dag og måned feil.
- Desimalverdier: et svakt punktum eller komma kan bli borte, flyttet eller duplisert.
- Kontonumre og identifikatorer: lange tallstrenger er utsatt for sammenslåtte sifre, manglende nuller og tegnforveksling som
0ogO.
Disse feilene er vanlige fordi OCR leser bildepunkter og mønstre, ikke forretningsinnhold. Et regneark kan se ryddig ut og likevel inneholde skjulte feil.
Praktisk eksempel: fakturaliste fra en skannet PDF
Tenk deg en skannet PDF med en tabell som inneholder disse kolonnene:
- Fakturadato
- Fakturanummer
- Kundens kontonummer
- Nettobeløp
- Mva-beløp
- Totalbeløp
Etter OCR til Excel kan arket se brukbart ut ved første øyekast. Men ved nærmere kontroll kan du finne feil som:
2026-09-12blir til2026-09-171540.75blir til15407500198234blir til19823488.40blir tilB8.40A10239008blir tilA1023900B
Ingen av disse feilene virker nødvendigvis dramatiske alene. Men hvis regnearket senere filtreres, matches, importeres eller revideres, kan konsekvensene spre seg raskt.
En arbeidsrutine i fem trinn etter OCR
Bruk denne korte prosessen før du stoler på det uttrekkede regnearket.
-
Behold originaldokumentet som fasit
Ha den skannede PDF-en åpen ved siden av regnearket. Kontroller mot kildedokumentet, ikke mot hukommelsen. -
Finn kolonnene med høyest risiko først
Start med dato, beløp, konto, faktura, referanse, organisasjons- eller avgiftsnummer og saldo før du ser på beskrivelser. -
Standardiser celleformat uten å endre betydningen
Sett datokolonner som datoer, beløpskolonner som tall, og følsomme identifikatorer som tekst når innledende nuller må bevares. -
Filtrer etter mistenkelige mønstre
Se etter tomme felt, uvanlig korte eller lange verdier, gjentatte numre, tekst i tallkolonner og ulike skilletegn i samme kolonne. -
Stikkprøvekontroller der risikoen er størst
Prioriter rader med store beløp, uvanlige datoformater og lange identifikatorer. Det er ofte disse radene som er dyrest å få feil.
Slik kontrollerer du datoer pålitelig
Datofeil er lette å overse fordi resultatet fortsatt kan se ut som en gyldig dato.
Bruk denne sjekklisten:
- Bekreft formatet i originaldokumentet, for eksempel
DD/MM/ÅÅÅÅ,MM/DD/ÅÅÅÅellerÅÅÅÅ-MM-DD. - Kontroller om OCR har behandlet skilletegn likt: skråstrek, bindestrek eller punktum.
- Sorter kolonnen for å se om en verdi faller utenfor forventet tidsrom.
- Filtrer etter tomme felt og tydelige avvik, som datoer flere år tidligere eller senere enn resten.
- Sammenlign de første radene, de siste radene og noen tilfeldige rader i midten mot PDF-en.
Varseltegn kan være:
- Dag og måned er byttet bare i enkelte rader
- Enkeltstående dager er blitt lest som et annet tall
- Hele datoen er lagret som tekst i stedet for datoverdi
- Samme dato gjentas på steder der kilden viser ulike datoer
En nyttig vane er å legge inn en midlertidig kontrollkolonne kalt Datokontroll og merke rader som OK, Kontroller eller Avvik.
Slik oppdager du feil i desimaltegn og beløp
Beløpskolonner fortjener ekstra oppmerksomhet fordi OCR kan mistolke desimaltegn, tusenskilletegn, minustegn og valutasymboler.
Kontroller disse punktene:
- Sjekk om kilden bruker
1,234.56eller1.234,56. - Bekreft at negative beløp beholder minustegn eller parenteser.
- Se etter beløp som er nøyaktig hundre eller tusen ganger for store eller for små.
- Finn tall som er importert som tekst på grunn av komma, mellomrom eller ekstra symboler.
- Sammenlign netto, mva og total på noen utvalgte rader.
En rask mønsterkontroll finner ofte feil tidlig. For eksempel:
| Felt som kontrolleres | Vanlig OCR-feil | Hva du bør se etter |
|---|---|---|
| Nettobeløp | Manglende desimaltegn | Beløpet blir plutselig altfor stort |
| Mva-beløp | 8 lest som B eller 3 |
Tekst i en tallkolonne |
| Totalbeløp | Skilletegn endret | Ulik formatering fra rad til rad |
| Negativ verdi | Minustegn forsvunnet | Kreditnota eller refusjon blir positiv |
Selv om regnearket senere regner riktig, kan den opprinnelige innleste verdien fortsatt være feil. Sammenlign derfor alltid et utvalg mot den skannede PDF-en.
Slik verifiserer du kontonumre og andre identifikatorer
Kontonumre, fakturanumre, referansekoder og andre identifikatorer bør vanligvis kontrolleres som tekst, ikke som tall som skal regnes på.
Viktige regler:
- Bevar innledende nuller.
- Ikke stol på automatisk tallformat for lange identifikatorer.
- Se etter tegnforveksling som
0/O,1/I,5/Sog8/B. - Kontroller forventet lengde for hver type identifikator.
- Gå gjennom gjentatte verdier som egentlig skal være unike.
En praktisk metode er å lage en midlertidig kontrolliste ved siden av dataene:
- Forventet lengde stemmer
- Bare tillatte tegn er brukt
- Innledende null er bevart
- Ingen utilsiktede mellomrom
- Kilden i PDF samsvarer med utvalgte rader
For lange kolonner kan du filtrere på lengde eller sortere alfabetisk for å få fram avvik. Hvis en kolonne skal inneholde nøyaktig ti sifre, bør alle rader med ni eller elleve tegn kontrolleres med en gang.
Kort kontrolliste du kan bruke igjen
Før du bruker OCR-resultatet til rapportering eller import, kan du gå gjennom denne listen:
- Datoformat er bekreftet mot kildedokumentet
- Desimaltegn og tusenskilletegn er bekreftet
- Innledende nuller er bevart der det er nødvendig
- Tallkolonner inneholder tall, ikke blandet tekst
- Identifikatorkolonner er kontrollert som tekstverdier
- Avvik og ytterpunkter er filtrert og gjennomgått
- Et tilfeldig utvalg er sammenlignet rad for rad med den skannede PDF-en
- Rader med høy verdi eller høy risiko er kontrollert manuelt
En slik liste er enkel, men den reduserer faren for å stole på det som bare ser ryddig ut. Et pent regneark er ikke nødvendigvis et korrekt regneark.
Begrensninger ved kontroll etter OCR
Kontroll reduserer risiko, men den garanterer ikke at alle OCR-feil blir oppdaget.
Det er lurt å huske på disse begrensningene:
- Svært dårlige skanninger kan gi systematiske feil i mange rader.
- Hvis kildetabellen er kuttet av, skjev eller mangler tegn, kan manuell gjennomgang fortsatt være nødvendig.
- Tvetydige datoformater kan kreve forretningskontekst, ikke bare visuell kontroll.
- Noen kontonumre kan ikke valideres uten et eksternt, pålitelig register.
- Sammenslåtte celler og tabellrader over flere linjer kan flytte verdier til feil kolonner.
Derfor er den tryggeste tilnærmingen en kontroll som står i forhold til risikoen: jo viktigere bruksområde regnearket har, desto grundigere bør verifiseringen være.
Oppsummering
Skannet PDF til Excel er mest nyttig når det kombineres med en bevisst kontrollrutine. Datoer, desimaltegn og kontonumre bør få førsteprioritet fordi OCR lett kan lese dem feil, og fordi feilene ofte er kostbare å overse. I stedet for bare å spørre om en tabell ble hentet ut, bør du spørre om de følsomme feltene fortsatt betyr det samme som i den skannede PDF-en.
Den lille forskjellen i arbeidsmåte gjør OCR-resultatet tryggere å bruke som grunnlag videre.