四半期財務諸表が PDF で届きます。これは 12 ページにわたる緻密な表で、製品ライン別の収益、カテゴリー別の費用、貸借対照表項目、キャッシュ フローの動きです。総収益、総経費、純利益、主要カテゴリごとの小計など、主要な数値を分析スプレッドシートに取り込む必要があります。 200 個の個別のトランザクション行は必要ありません。ストーリーを伝える要約図が必要です。
PDF から Excel 財務諸表への概要レベルのデータの抽出は、表全体を変換するよりも対象が絞られています。合計、小計、純額、合計などの用語でラベル付けされている特定の数値を探している場合、それらの数値を分析できる構造化された形式にする必要があります。
PDF 内の要約行の識別
抽出する前に、PDF をスキャンして、どの行に要約データが含まれているかを特定します。通常、集計行には、太字のテキスト、その上の行、異なる背景色、または合計、小計、純額、総計、合計、残高などのラベルなど、独特の書式設定があります。これらの視覚的な手がかりは、PDF 内の行を見つけるのに役立ち、抽出エンジンが行を識別するのにも役立ちます。一部の抽出ツールは、これらのパターンに一致する行を特に検索するように構成できます。
概要行が表示されるページ番号に注目してください。 Financial statements often place summary tables at the beginning, such as a one-page income statement summary, with detailed transaction tables in the following pages. The summary rows you want may be concentrated on 2 or 3 pages out of 12. You can save processing time by extracting only those pages rather than the entire document.
Excel への集計データの抽出
PDF to Excel ツールは、特定のページからデータを抽出できます。 PDF をアップロードし、集計表を含むページを指定します。このツールはテーブル構造を検出し、データを抽出して、Excel スプレッドシートにエクスポートします。スプレッドシートを開き、概要行を見つけます。これらは PDF と同じ相対順序で表示され、行ラベルが 1 つの列に、値が別の列に表示されます。
抽出ツールがページ固有の抽出をサポートしていない場合は、すべてのページを抽出し、Excel で結果をフィルター処理します。抽出したスプレッドシートをスキャンして、Total や Net などの集計ラベルを含む行を探します。これらの行を別の概要シートにコピーします。詳細なトランザクション行を作業シートから削除するか、参照用に別のタブに保存します。
抽出された財務データのクリーンアップ
PDF から抽出された財務データは、多くの場合、形式の問題を抱えて Excel に届きます。通貨記号、ドル記号、ユーロ記号が数値と同じセルに埋め込まれているため、Excel では値がテキストとして扱われます。負の数値は、マイナス記号 -1,234 ではなく、かっこ (1,234) で表示される場合がありますが、Excel では負の数値として認識されません。日付が一貫性のない形式で表示される場合があります。
Excel 関数を使用してデータをクリーンアップします。テキストとして保存された通貨値の場合は、=VALUE(SUBSTITUTE(SUBSTITUTE(A1,"$",""),",","")) を使用してドル記号とカンマを取り除き、数値に変換します。括弧内の負の数値の場合は、 =IF(LEFT(A1,1)="(", -VALUE(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(A1,"(",""),")",""),",","")), VALUE(SUBSTITUTE(A1,",",""))) を使用して括弧を検出し、削除し、負号を適用します。これらの数式は、最も一般的な財務書式設定パターンを最初の行に適用し、下にドラッグして列全体を消去します。
クリーニング後、元の PDF と照合して合計を確認します。抽出された項目を合計し、PDF に記載されている合計と比較します。数値が丸め許容範囲内で一致する場合、抽出は正確でした。一致しない場合は、スプレッドシートをスキャンして、欠落している行や位置がずれている行を探します。
複数期間の財務諸表の処理
四半期または年次の財務諸表では、同じ表に複数の期間 (第 1 四半期、第 2 四半期、第 3 四半期、第 4 四半期、通年) が並べて表示されることがよくあります。抽出ツールは列構造を正確に検出して、値を正しい期間に割り当てる必要があります。抽出したスプレッドシートを注意深く確認してください。 Q2 の数値が Q1 列や Q3 列にシフトされず、Q2 列にあることを確認してください。
PDF ステートメントがデジタル的に作成されたものではなくスキャンされた場合は、抽出する前に OCR を実行します。スキャンされた財務諸表は画像の集合です。画像からの PDF データの抽出 では、まず OCR でテキストを認識し、次に抽出して認識された数値を Excel に取り込む必要があります。 WukongPDF の OCR ツールと抽出ツールは順番に機能します。まず OCR でテキストを機械可読にし、次に抽出して特定のデータ ポイントをスプレッドシートに取り込みます。
定期的な財務レポートの場合は、抽出されたデータを分析スプレッドシートに自動的にマッピングするテンプレートを作成します。抽出された Excel ファイルのどの行がどの財務指標に対応するかに注目してください。これらの特定のセルを参照する数式を分析スプレッドシートに作成します。次の四半期に、新しいレポートを抽出し、テンプレート内の同じ位置にデータを貼り付けると、数式が自動的に更新されます。このテンプレートへの投資は 2 つのレポート サイクル以内に回収され、エラーを引き起こす手動の転記が不要になります。 WukongPDF の PDF Converter は、定期レポートのバッチ処理をサポートしており、1 回の操作で複数の期間から同じ集計フィールドを抽出できます。
分析のために財務諸表からデータを抽出する場合は、ワークフローに調整ステップを組み込むことを検討してください。抽出した数値を分析スプレッドシートにインポートした後、抽出した各値を元の PDF と比較するチェック列を追加します。抽出された値が丸め許容値を超えて PDF と異なるセルにフラグを立てます。この調整により、抽出エラーが財務モデルやレポートに入力される前に検出されます。チェックにはステートメントごとに数分かかり、抽出されたデータがソースに対して検証されたことを示す監査証跡文書が提供されます。 CFO レベルのレポートの場合、この検証ステップはオプションではありません。
財務データ抽出の実際的な違い: PDF 内で太字または二重下線で表示される要約合計は、通常の明細項目と同じ書式設定を使用する小計よりも確実に抽出されます。独特の書式設定は、抽出エンジンが構造的に重要なものとして識別するのに役立ちます。抽出で特定の小計が常に欠落している場合は、それらの小計が PDF 内で視覚的に区別できるかどうかを確認してください。通常の広告申込情報と同一に見える小計は、見落とされる可能性が最も高いものです。 PDF 作成プロセスを制御する場合は、エクスポートする前に概要行を明確に書式設定してください。太字のテキスト、上部の境界線、または影付きの背景はすべて、人間の読者と抽出エンジンの両方に、これらの行が特別な重要性を持っていることを示します。