Gescande PDF naar Excel kan veel tijd besparen, maar het belangrijkste werk begint vaak pas zodra de tabel in een spreadsheet staat. Bij een bankafschrift, facturenoverzicht, declaratielijst of betalingsrapport kan een kleine OCR-fout later grote gevolgen hebben. Een datum kan verspringen, een decimaalteken kan verdwijnen en een rekeningnummer kan een cijfer verliezen. Daarom is de veiligste aanpak niet alleen extractie, maar vooral controle achteraf.
Dit artikel gaat specifiek over die controle na OCR. Het gaat dus niet uitgebreid over het verbeteren van scheve scans of het valideren van rijtotalen. De focus ligt op drie velden die in de praktijk het vaakst problemen geven: datums, decimalen en rekening- of referentienummers.
Wil je eerst de algemene achtergrond en beschikbaarheid bekijken, zie dan de informatiepagina over OCR PDF to Excel. Beschouw die pagina als naslag en beschikbaarheidsinformatie, niet als directe omzetactie.
Waarom juist deze drie velden extra aandacht vragen
Niet elke OCR-fout is even belangrijk. Een kleine fout in een omschrijvingskolom is vervelend, maar een verkeerde datum of een onjuist bedrag kan rapportages, afstemming en betalingsopvolging verstoren.
De gevoeligste velden zijn meestal:
- Datums: OCR kan cijfers omwisselen, scheidingstekens verkeerd lezen of dag en maand verwarren.
- Decimale bedragen: een vaag punt of komma kan wegvallen, verschuiven of dubbel worden gelezen.
- Rekeningnummers en andere identificaties: lange tekenreeksen zijn gevoelig voor ontbrekende nullen, samengevoegde cijfers en verwarring tussen tekens zoals
0enO.
Dat gebeurt omdat OCR beeldpatronen herkent, niet de zakelijke betekenis van de gegevens. Een spreadsheet kan er netjes uitzien en toch stille fouten bevatten.
Praktisch voorbeeld: facturenregister uit een gescande PDF
Stel dat een gescande PDF een tabel bevat met deze kolommen:
- Factuurdatum
- Factuurnummer
- Klantrekeningnummer
- Nettobedrag
- Btw-bedrag
- Totaalbedrag
Na OCR naar Excel lijkt het blad misschien direct bruikbaar. Bij nadere controle kunnen echter dit soort fouten opduiken:
12/09/2026wordt17/09/20261540,75wordt15407500198234wordt19823488,40wordtB8,40A10239008wordtA1023900B
Geen van deze fouten springt altijd meteen in het oog. Maar zodra het spreadsheet later wordt gefilterd, gekoppeld, geïmporteerd of gecontroleerd, kunnen de gevolgen snel groter worden.
Een eenvoudige controleaanpak in vijf stappen
Gebruik deze aanpak voordat je de geëxtraheerde gegevens vertrouwt.
-
Houd het origineel naast het spreadsheet open
Controleer altijd tegen de gescande PDF zelf, niet op basis van verwachting of geheugen. -
Begin met de kolommen met het hoogste risico
Controleer eerst datums, bedragen, rekeningnummers, factuurnummers, referenties en saldi. -
Pas celopmaak aan zonder de betekenis te veranderen
Zet datumkolommen als datum, bedragkolommen als getal en gevoelige identificaties als tekst wanneer voorloopnullen moeten blijven staan. -
Filter op verdachte patronen
Zoek naar lege cellen, onverwachte lengtes, tekst in numerieke kolommen en inconsistente scheidingstekens. -
Vergelijk risicorijen handmatig met de bron
Let extra op hoge bedragen, ongebruikelijke datums en lange identificatienummers.
Datums betrouwbaar controleren
Datumfouten zijn verraderlijk omdat het resultaat nog steeds als een geldige datum kan ogen.
Gebruik deze korte checklist:
- Bevestig eerst het datumformaat van het brondocument, zoals
DD/MM/JJJJ,MM/DD/JJJJofJJJJ-MM-DD. - Controleer of OCR overal dezelfde scheidingstekens heeft gebruikt: schuine streep, streepje of punt.
- Sorteer de kolom om te zien of bepaalde waarden buiten de verwachte periode vallen.
- Filter op lege waarden en uitschieters, zoals jaren die duidelijk te vroeg of te laat zijn.
- Vergelijk de eerste rijen, laatste rijen en enkele willekeurige rijen met de PDF.
Signalen dat er iets mis kan zijn:
- Dag en maand zijn alleen in sommige rijen omgewisseld.
- Een enkel cijfer in de dag is verkeerd gelezen.
- De datum staat als tekst opgeslagen in plaats van als datumwaarde.
- Dezelfde datum komt herhaald terug terwijl de bron verschillende datums toont.
Een praktische gewoonte is een tijdelijke controlekolom toe te voegen, bijvoorbeeld Datumcontrole, met markeringen als OK, Controleren of Afwijking.
Decimalen en bedragen controleren zonder fouten te missen
Bedragkolommen verdienen extra aandacht omdat OCR decimalen, duizendtalseparators, mintekens en valutasymbolen gemakkelijk verkeerd leest.
Controleer daarom het volgende:
- Gebruikt de bron
1.234,56of1,234.56? - Zijn negatieve bedragen nog steeds negatief, inclusief minteken of haakjes?
- Zijn er bedragen die plots honderd of duizend keer te groot of te klein lijken?
- Zijn sommige waarden als tekst binnengekomen door komma’s, spaties of extra tekens?
- Komen netto, btw en totaal in voorbeeldrijen logisch overeen met de bron?
Met een snelle patrooncontrole vind je vaak al veel problemen.
| Te controleren veld | Veelvoorkomende OCR-fout | Waar je op let |
|---|---|---|
| Nettobedrag | Decimaalteken ontbreekt | Bedrag is plots veel te hoog |
| Btw-bedrag | 8 gelezen als B of 3 |
Tekst in numerieke kolom |
| Totaalbedrag | Scheidingsteken wijzigt | Inconsistente opmaak per rij |
| Negatief bedrag | Minteken ontbreekt | Credit of terugbetaling wordt positief |
Ook als het spreadsheet daarna weer netjes rekent, kan de oorspronkelijke importwaarde nog steeds verkeerd zijn. Vergelijk daarom altijd een steekproef met de gescande PDF.
Rekeningnummers en andere identificaties verifiëren
Rekeningnummers, factuurnummers, referenties en fiscale identificaties controleer je meestal beter als tekst dan als rekenkundige waarde.
Belangrijke regels:
- Behoud voorloopnullen.
- Vertrouw niet op automatische getalopmaak voor lange identificaties.
- Let op tekenverwarring zoals
0/O,1/I,5/Sen8/B. - Controleer de verwachte lengte van elk type identificatie.
- Bekijk dubbele waarden in kolommen die eigenlijk uniek horen te zijn.
Een bruikbare tijdelijke controlelijst naast de gegevens is:
- Lengte komt overeen met verwachting
- Alleen toegestane tekens aanwezig
- Voorloopnul behouden
- Geen onbedoelde spaties
- Voorbeeldrijen komen overeen met de bron-PDF
Bij lange kolommen helpt het om te filteren op lengte of alfabetisch te sorteren. Als een veld bijvoorbeeld altijd tien tekens moet hebben, verdienen alle rijen met negen of elf tekens direct aandacht.
Korte controlelijst voor hergebruik
Loop deze punten na voordat je OCR-uitvoer gebruikt voor rapportage, import of verdere verwerking:
- Datumformaat bevestigd op basis van het brondocument
- Decimaalteken en duizendtalscheiding gecontroleerd
- Voorloopnullen behouden waar nodig
- Numerieke kolommen bevatten geen ongewenste tekst
- Identificatiekolommen gecontroleerd als tekstwaarden
- Uitschieters gefilterd en beoordeeld
- Willekeurige steekproef regel voor regel vergeleken met de PDF
- Rijen met hoge waarde of hoog risico handmatig nagekeken
Zo’n lijst is eenvoudig, maar voorkomt dat een nette opmaak wordt verward met correcte data.
Grenzen van controle na OCR
Controle achteraf verlaagt het risico, maar garandeert niet dat elke OCR-fout wordt gevonden.
Houd rekening met deze beperkingen:
- Slechte scans kunnen systematische fouten in veel rijen veroorzaken.
- Als delen van de tabel zijn afgesneden of scheef staan, blijft handmatige controle nodig.
- Onduidelijke datumformaten vragen soms om zakelijke context, niet alleen visuele vergelijking.
- Sommige rekeningnummers kun je pas echt valideren met een externe, betrouwbare bron.
- Samengevoegde cellen of meerregelige tabelrijen kunnen waarden in de verkeerde kolom laten belanden.
Daarom is evenredige controle verstandig: hoe belangrijker het gebruik van het spreadsheet, hoe grondiger de verificatie moet zijn.
Belangrijkste conclusie
Gescande PDF naar Excel is het nuttigst wanneer OCR wordt gevolgd door een bewuste controlefase. Datums, decimalen en rekeningnummers verdienen daarbij voorrang, omdat OCR ze makkelijk verkeerd leest en zulke fouten in de praktijk duur kunnen uitpakken. Vraag dus niet alleen of een tabel is overgezet, maar vooral of de gevoelige velden in het spreadsheet nog dezelfde betekenis hebben als in de gescande PDF.
Juist die stap maakt van OCR-uitvoer eerder een bruikbare werkversie dan iets wat je blindelings kunt vertrouwen.