Chuyển PDF quét sang Excel: cách kiểm tra ngày tháng, dấu thập phân và số tài khoản sau OCR

Khi chuyển PDF quét sang Excel, rủi ro lớn thường xuất hiện sau bước nhận dạng: lệch ngày tháng, mất dấu thập phân và sai số tài khoản. Bài viết này hướng dẫn cách rà soát thực tế để phát hiện các lỗi đó trước khi dùng bảng tính.

Chuyển PDF quét sang Excel: cách kiểm tra ngày tháng, dấu thập phân và số tài khoản sau OCR

Chuyển PDF quét sang Excel có thể giúp tiết kiệm thời gian, nhưng phần việc quan trọng thường bắt đầu sau khi bảng đã xuất hiện trong trang tính. Nếu nguồn là sao kê, sổ đăng ký hóa đơn, báo cáo chi phí hoặc bảng tổng hợp thanh toán, những lỗi OCR rất nhỏ vẫn có thể gây hậu quả lớn. Một ngày có thể bị đổi từ 03/07/2026 thành 08/07/2026, một dấu thập phân có thể biến mất, hoặc một số tài khoản có thể mất số 0 ở đầu. Vì vậy, cách làm an toàn không chỉ là trích xuất, mà còn là kiểm tra lại.

Bài viết này tập trung vào bước kiểm tra chất lượng sau khi nhận dạng bảng. Nội dung không đi sâu vào việc làm sạch bản quét hay đối chiếu tổng dòng. Thay vào đó, bài viết tập trung vào ba nhóm trường dễ gây lỗi thực tế nhất: ngày tháng, số thập phân và số tài khoản hoặc mã tham chiếu.

Nếu bạn đang xem thông tin tổng quan về chủ đề này, có thể tham khảo trang thông tin OCR PDF sang Excel. Hãy xem đây là trang giới thiệu khả dụng và kiến thức nền, không phải thao tác chuyển đổi trực tiếp.

Vì sao ba loại dữ liệu này cần được ưu tiên kiểm tra

Không phải lỗi OCR nào cũng gây ảnh hưởng như nhau. Một mô tả bị nhận sai chính tả có thể gây bất tiện, nhưng một ngày sai hoặc một số tiền sai có thể làm hỏng báo cáo, đối soát và theo dõi thanh toán.

Những trường nhạy cảm nhất thường là:

  • Ngày tháng: OCR có thể đảo chữ số, nhầm dấu phân cách hoặc hiểu sai thứ tự ngày và tháng.
  • Giá trị thập phân: dấu chấm hoặc dấu phẩy mờ có thể bị bỏ qua, đặt sai vị trí hoặc bị nhận thành ký tự khác.
  • Số tài khoản và mã định danh: chuỗi ký tự dài rất dễ bị dính số, mất số 0 đầu hoặc nhầm giữa các ký tự như 0 và O.

Những lỗi này phổ biến vì OCR đọc theo hình ảnh ký tự, không hiểu ý nghĩa nghiệp vụ của dữ liệu. Một bảng tính nhìn có vẻ gọn gàng vẫn có thể chứa lỗi âm thầm.

Ví dụ thực tế: sổ đăng ký hóa đơn từ PDF quét

Giả sử bạn có một tệp PDF quét chứa bảng với các cột sau:

  1. Ngày hóa đơn
  2. Số hóa đơn
  3. Số tài khoản khách hàng
  4. Giá trị trước thuế
  5. Thuế
  6. Tổng tiền

Sau khi OCR sang Excel, bảng có thể trông khá ổn. Nhưng khi xem kỹ hơn, bạn có thể gặp các lỗi như:

  • 2026-09-12 thành 2026-09-17
  • 1540.75 thành 154075
  • 00198234 thành 198234
  • 88.40 thành B8.40
  • A10239008 thành A1023900B

Từng lỗi riêng lẻ có thể không quá nổi bật. Nhưng nếu bảng tính tiếp tục được lọc, ghép nối, nhập vào hệ thống hoặc dùng để kiểm tra, sai sót có thể lan rộng rất nhanh.

Quy trình 5 bước để rà soát sau OCR

Bạn có thể dùng quy trình ngắn sau trước khi tin vào dữ liệu đã trích xuất.

  1. Giữ bản gốc để đối chiếu
    Mở tệp PDF quét song song với bảng tính. Hãy đối chiếu với hình ảnh gốc, không dựa vào trí nhớ.

  2. Xác định trước các cột có rủi ro cao
    Bắt đầu với cột ngày tháng, số tiền, số tài khoản, số hóa đơn, mã tham chiếu, mã số thuế và số dư trước khi xem các cột mô tả.

  3. Chuẩn hóa định dạng ô nhưng không làm đổi ý nghĩa dữ liệu
    Đặt cột ngày ở định dạng ngày, cột số tiền ở định dạng số, còn các mã nhạy cảm nên để dạng văn bản nếu cần giữ số 0 ở đầu.

  4. Lọc các mẫu dữ liệu đáng ngờ
    Tìm ô trống, giá trị quá dài hoặc quá ngắn, số lặp lại, văn bản nằm trong cột số và dấu phân cách không nhất quán.

  5. Kiểm tra từng dòng ở nơi rủi ro cao nhất
    Ưu tiên các dòng có số tiền lớn, định dạng ngày lạ và mã định danh dài vì đây là những chỗ sai một lần là ảnh hưởng nhiều.

Cách kiểm tra ngày tháng cho chắc chắn hơn

Lỗi ngày tháng rất dễ bị bỏ sót vì kết quả sai vẫn có thể trông giống một ngày hợp lệ.

Bạn nên kiểm tra theo danh sách sau:

  • Xác nhận định dạng ngày trong tài liệu gốc, ví dụ DD/MM/YYYY, MM/DD/YYYY hoặc YYYY-MM-DD.
  • Kiểm tra xem OCR có dùng nhất quán dấu gạch chéo, gạch ngang hay dấu chấm hay không.
  • Sắp xếp cột ngày để xem có giá trị nào rơi ra ngoài khoảng thời gian dự kiến hay không.
  • Lọc các ô trống và các giá trị bất thường như sớm hơn hoặc muộn hơn hẳn phần còn lại.
  • So sánh vài dòng đầu, vài dòng cuối và một số dòng ngẫu nhiên ở giữa với PDF gốc.

Các dấu hiệu cần cảnh giác gồm có:

  • Chỉ một số dòng bị đảo ngày và tháng
  • Ngày một chữ số bị nhận thành số khác
  • Cả cột đang ở dạng văn bản thay vì giá trị ngày
  • Nhiều ngày bị lặp lại trong khi bản gốc thay đổi

Một mẹo thực tế là thêm cột tạm như Kiểm tra ngày và đánh dấu Ổn, Cần xem lại hoặc Không khớp.

Cách phát hiện lỗi dấu thập phân và số tiền

Cột số tiền cần được kiểm tra kỹ hơn vì OCR dễ đọc sai dấu thập phân, dấu phân tách hàng nghìn, dấu âm và ký hiệu tiền tệ.

Hãy rà soát các điểm sau:

  • Kiểm tra xem tài liệu gốc dùng 1,234.56 hay 1.234,56.
  • Xác nhận số âm còn giữ dấu trừ hoặc dấu ngoặc hay không.
  • Tìm các số lớn hơn hoặc nhỏ hơn bình thường đúng một trăm hoặc một nghìn lần.
  • Tìm các giá trị bị nhập dưới dạng văn bản vì có dấu phẩy, khoảng trắng hoặc ký hiệu thừa.
  • So sánh thử vài dòng giữa các cột trước thuế, thuế và tổng tiền.

Một bảng kiểm nhanh có thể giúp phát hiện lỗi sớm:

Trường cần xem Lỗi OCR thường gặp Cách kiểm tra
Giá trị trước thuế Mất dấu thập phân Số tiền tăng vọt bất thường
Thuế 8 bị nhận thành B hoặc 3 Có văn bản trong cột số
Tổng tiền Đổi kiểu dấu phân cách Định dạng không nhất quán giữa các dòng
Giá trị âm Mất dấu trừ Khoản hoàn hoặc điều chỉnh thành số dương

Ngay cả khi bảng tính vẫn tính toán được sau đó, giá trị gốc được đưa vào vẫn có thể đã sai. Vì vậy, luôn cần đối chiếu một mẫu với PDF quét ban đầu.

Cách kiểm tra số tài khoản và các mã định danh khác

Số tài khoản, số hóa đơn, mã tham chiếu và mã số thuế thường nên được xem là văn bản, không phải dữ liệu để tính toán.

Các nguyên tắc quan trọng:

  • Giữ nguyên số 0 ở đầu khi có ý nghĩa.
  • Không phụ thuộc vào định dạng số tự động cho các mã dài.
  • Chú ý các cặp ký tự dễ nhầm như 0/O, 1/I, 5/S, 8/B.
  • Kiểm tra độ dài dự kiến của từng loại mã.
  • Xem lại các giá trị bị lặp trong khi lẽ ra phải là duy nhất.

Một cách làm thực tế là lập danh sách kiểm tạm bên cạnh dữ liệu:

  • Độ dài đúng như dự kiến
  • Chỉ chứa ký tự hợp lệ
  • Giữ nguyên số 0 đầu
  • Không có khoảng trắng thừa
  • Khớp với bản PDF ở các dòng đã lấy mẫu

Với cột dài, bạn có thể lọc theo độ dài hoặc sắp xếp theo thứ tự chữ để lộ ra các giá trị lạ. Nếu một cột phải có đúng mười chữ số, mọi dòng có chín hoặc mười một ký tự đều nên được xem lại ngay.

Bảng kiểm ngắn có thể dùng lại nhiều lần

Trước khi dùng dữ liệu OCR cho báo cáo hoặc nhập vào hệ thống khác, hãy đi qua danh sách sau:

  1. Đã xác nhận định dạng ngày từ tài liệu gốc
  2. Đã xác nhận kiểu dấu thập phân và phân tách hàng nghìn
  3. Đã giữ nguyên số 0 đầu ở những cột cần thiết
  4. Cột số chỉ chứa số, không lẫn văn bản
  5. Cột mã định danh được kiểm tra dưới dạng văn bản
  6. Đã lọc và xem lại các giá trị bất thường
  7. Đã so sánh ngẫu nhiên từng dòng với PDF quét
  8. Đã kiểm tra thủ công các dòng có giá trị lớn hoặc rủi ro cao

Danh sách này đơn giản nhưng giúp giảm kiểu tin tưởng vì “nhìn có vẻ đúng”. Một bảng tính gọn gàng chưa chắc là một bảng tính chính xác.

Giới hạn của việc kiểm tra sau OCR

Việc rà soát giúp giảm rủi ro, nhưng không đảm bảo bạn sẽ tìm ra mọi lỗi OCR.

Cần lưu ý các giới hạn sau:

  • Bản quét quá kém có thể tạo lỗi lặp lại trên nhiều dòng.
  • Nếu bảng nguồn bị cắt, lệch hoặc mất ký tự, vẫn có thể cần kiểm tra thủ công sâu hơn.
  • Các định dạng ngày mơ hồ đôi khi cần ngữ cảnh nghiệp vụ chứ không chỉ nhìn hình.
  • Một số số tài khoản không thể xác minh nếu không có nguồn đối chiếu đáng tin cậy.
  • Ô gộp phức tạp hoặc dòng nhiều hàng có thể làm dữ liệu bị lệch cột.

Vì vậy, cách an toàn nhất là kiểm tra theo mức độ quan trọng: bảng tính được dùng cho việc càng quan trọng thì mức độ xác minh càng phải sâu hơn.

Kết luận

Chuyển PDF quét sang Excel phát huy giá trị tốt nhất khi đi kèm một quy trình kiểm tra rõ ràng. Ngày tháng, dấu thập phân và số tài khoản cần được ưu tiên vì đây là những trường OCR dễ đọc sai nhưng lại rất tốn kém nếu bỏ sót. Thay vì chỉ hỏi bảng đã được trích xuất hay chưa, hãy hỏi dữ liệu nhạy cảm trong bảng có còn giữ đúng ý nghĩa như trong PDF quét hay không.

Chỉ một thay đổi nhỏ trong cách làm này cũng có thể biến kết quả OCR từ bản nháp tạm thời thành dữ liệu an toàn hơn để sử dụng.

Câu hỏi thường gặp

OCR chuyển PDF quét sang Excel có thể tự giữ chính xác ngày tháng không?

Đôi khi có, nhưng không đủ ổn định để bỏ qua bước kiểm tra. OCR có thể đổi chữ số, nhầm dấu phân cách hoặc biến ngày thành văn bản không nhất quán. Bạn vẫn nên đối chiếu một số dòng mẫu với PDF quét gốc.

Vì sao lỗi dấu thập phân thường xảy ra trong bảng OCR?

Dấu thập phân thường nhỏ và dễ mờ trong bản quét. OCR có thể làm mất dấu, đặt sai vị trí hoặc nhầm giữa dấu thập phân và dấu phân tách hàng nghìn, nhất là khi chất lượng tài liệu không đều.

Số tài khoản có nên định dạng là số trong Excel không?

Thường là không. Nếu số 0 ở đầu có ý nghĩa hoặc giá trị đó là mã định danh chứ không phải đại lượng để tính toán, bạn nên để dưới dạng văn bản để tránh bị cắt số 0, làm tròn hoặc đổi định dạng tự động.

Cách nhanh nhất để rà soát kết quả OCR từ bảng trong PDF quét là gì?

Hãy bắt đầu từ các cột rủi ro cao như ngày tháng, số tiền và mã định danh. Sau đó lọc ô trống, độ dài bất thường, văn bản trong cột số và các giá trị ngoại lệ, rồi đối chiếu một số dòng với PDF gốc.

Bảng tính nhìn sạch và đều có nghĩa là kết quả OCR đã đúng chưa?

Chưa. Lỗi OCR có thể ẩn trong một bảng tính trông rất gọn gàng. Một ngày hoặc số tiền nhìn hợp lệ vẫn có thể sai khi so với tài liệu quét ban đầu.