Laporan Rekening Bank Proses AI dalam Make

Q: Can the module handle multi-page bank statements?

Yes. The AI processes the entire PDF: opening balance, all transaction pages, summary section, and closing balance: as a single coherent statement. The transactions array contains every line item across all pages in chronological order. No manual page splitting or merging is required, even for statements with 50+ pages of activity.

Fungsi modul ini

PDF4me Laporan Rekening Bank yang Diproses AI mengekstrak data keuangan terstruktur dari PDF atau gambar laporan rekening bank di dalam Make Skenario menggunakan AI. Berikan sebuah pernyataan dan modul akan mengembalikan hasilnya. Nama bank, detail rekening, periode laporan, saldo awal dan akhir, rangkaian transaksi lengkap, cek yang dibayarkan, pola pembayaran berulang, dan analitik ringkasan kategori.Siap untuk rekonsiliasi bank, peramalan arus kas, pencocokan piutang, deteksi penipuan, dan alur kerja pengambilan keputusan pinjaman atau kredit. Tidak perlu pengaturan templat. Bekerja dengan laporan dari bank-bank besar di AS, Inggris, Eropa, India, dan Kanada, termasuk laporan multi-halaman dengan lebih dari 50 halaman aktivitas.

Postingan Blog Terkait

Belum ada postingan blog untuk fitur ini — akan segera hadir.

Sementara itu, jelajahi blog PDF4me untuk menemukan tutorial dan alur kerja di berbagai platform.

Kunjungi blog ini →

Memverifikasi Identitas Anda API Meminta

Setiap PDF4me modul di Make memerlukan validitas KoneksiBuat atau pilih salah satu yang sesuai dengan kebutuhan Anda. PDF4me API kunci agar skenario tersebut dapat mengautentikasi permintaan ekstraksi laporan rekening bank AI secara aman.

Get your API Key

Fakta Penting yang Tidak Boleh Anda Lewatkan

Daftar transaksi lengkap, setiap item baris di setiap halaman.

AI memproses keseluruhan PDF sebagai satu pernyataan yang koheren dan mengembalikan setiap transaksi dalam urutan kronologis. Bahkan pernyataan yang terdiri dari 50+ halaman dengan ratusan transaksi dapat diekstrak dalam satu kali panggilan, tanpa perlu pemisahan halaman manual.

Deteksi pola otomatis untuk pembayaran berulang

Yang pola Objek ini mengidentifikasi langganan, penggajian, tagihan rutin, dan transaksi berulang lainnya tanpa aturan manual. Gunakan untuk audit langganan, peramalan arus kas, dan mendeteksi biaya berulang yang tidak terduga sebelum menjadi masalah besar.

Beroperasi di berbagai format bank global utama.

Chase, Wells Fargo, HSBC, Barclays, Deutsche Bank, HDFC, ICICI, RBC, dan puluhan bank besar lainnya didukung langsung tanpa perlu konfigurasi tambahan. Baik perbankan online maupun lainnya juga didukung. PDF Unduhan dan foto dokumen tertulis diterima di PDF, PNG, JPG, atau JPEG format.

Buat modul PDF4me AI-Process Bank Statement dikonfigurasi dengan Koneksi diatur ke Koneksi PDF4me Saya, File diatur ke Petakan dengan Nama Laporan dan Dokumen yang dipetakan dari langkah pengunduhan file sebelumnya, siap untuk mengekstrak pemegang rekening, periode laporan, saldo, transaksi, dan pola pembayaran berulang. — Atur File ke Pemetaan, hubungkan Nama Pernyataan dan Dokumen dari modul sebelumnya. Output akan menampilkan seluruh rangkaian transaksi, saldo, cek yang dibayar, pola, dan analitik ringkasan untuk alur kerja rekonsiliasi.

Parameter

Diperlukan: Koneksi, Nama Pernyataan, dan Dokumen harus selalu diberikan. Kolom input yang sesuai (Properti Biner, Base64 Isi, atau Pernyataan URL) diperlukan berdasarkan Tipe Data Masukan yang dipilih.

Parameter	Diperlukan	Apa fungsinya?	Contoh
Connection	Yes	PDF4me API connection. Click Add and paste your API key the first time. Reused automatically across all PDF4me modules in your scenarios.	`My PDF4me connection`
Input Data Type	Yes	How the statement file is supplied. Binary Data reads from a previous module (most common). Base64 String accepts encoded payloads. URL downloads from a public link.	`Binary Data`
Input Binary Field	Conditional	Binary content of the bank statement. Required when Input Data Type is Binary Data. Wire from Dropbox, Google Drive, OneDrive Data field, or any email/HTTP module that returns file bytes.	`1. Data`
Base64 Statement Content	Conditional	Base64-encoded statement content. Required when Input Data Type is Base64 String. Useful for statements arriving via secure webhook or API integration.	`JVBERi0xLjQK...`
Statement URL	Conditional	Public URL to the statement file. Required when Input Data Type is URL. The URL must not require authentication.	`https://example.com/statement.pdf`
Statement Name	Yes	Filename of the statement with proper extension (.pdf, .png, .jpg, .jpeg). Used for format detection and AI processing optimization.	`statement-jan-2024.pdf`

Bidang Keluaran

Bidang	Jenis	Isi di dalamnya
`bankName`	String	Name of the issuing bank as printed on the statement header.
`accountHolderName`	String	Name of the account holder.
`accountNumber`	String	Bank account number (may appear masked depending on the bank).
`accountType`	String	Type of bank account: Checking, Savings, Money Market, Credit Card, etc.
`statementPeriod`	Object	Object with startDate and endDate (ISO 8601) defining the statement window.
`balances`	Object	Object containing openingBalance, closingBalance, totalDeposits, and totalWithdrawals for the period.
`currency`	String	Currency code in ISO 4217 format (USD, EUR, GBP, INR, etc.).
`transactions`	Array	Array of every transaction in chronological order. Each entry contains date, description, amount, and type (debit or credit).
`checksPaid`	Array	Array of cheques paid during the statement period: useful for cheque-to-statement reconciliation when paired with AI-Process Bank Cheque.
`patterns`	Object	Pattern analysis identifying recurring transactions (subscriptions, payroll, regular bills) by merchant, amount, and interval.
`summary`	Object	Summary analytics with category totals (groceries, utilities, payroll, transfers, etc.) and aggregate metrics.
`success`	Boolean	True if the AI extraction completed successfully; false if it failed.
`message`	String	Human-readable status message confirming success or describing the error.

Pengaturan Cepat

Menambahkan PDF4me → Laporan Rekening Bank yang Diproses AI untuk Anda Make skenario.
Pilih Koneksi (atau klik) Menambahkan untuk membuat satu dengan milikmu PDF4me API kunci).
Memilih Tipe Data MasukanData biner untuk file dari modul sebelumnya, Base64 Tali, atau URL.
Di bawah Mengajukan, memilih Peta untuk menampilkan kolom Nama Pernyataan dan Dokumen.
Peta Nama Pernyataan ke nama file dengan ekstensi (.pdf, .png, .jpg, atau .jpeg).
Peta Dokumen ke konten biner dari modul sumber: biasanya Data bidang Dropbox, Google Drive, OneDriveatau modul lampiran email.
Klik Menyimpan lalu jalankan skenarionya. Hubungkan bundel output ke QuickBooks, Xero, Airtable, Google Sheets, atau sistem rekonsiliasi apa pun. Gunakan Iterator di atas transactions untuk memproses setiap baris secara individual.

Contoh Alur Kerja

Contoh Alur KerjaCommon Make scenario patterns using AI-Process Bank Statement.

Laporan bulanan → Analisis AI → Rekonsiliasi otomatis

Pemicu terjadwal akan aktif pada tanggal 5 setiap bulan untuk memproses laporan rekening bank bulan sebelumnya setelah diunduh ke Dropbox.
Laporan rekening bank yang diproses AI mengekstrak saldo, transaksi, dan cek yang dibayarkan untuk periode penuh.
A Make Iterator melakukan perulangan pada transaksi. Untuk setiap transaksi, sebuah QuickBooks Langkah pencarian ini mencari transaksi yang cocok berdasarkan jumlah dan perkiraan tanggal.
Transaksi yang cocok ditandai sebagai Direkonsiliasi di QuickBooksTransaksi yang tidak cocok akan dialihkan ke... Google Sheets tab pengecualian untuk ditinjau oleh petugas pembukuan.
A Slack Pesan ringkasan melaporkan hasil rekonsiliasi, total yang cocok, total yang tidak cocok, dan pola apa pun yang terdeteksi (misalnya, biaya berulang baru yang perlu diselidiki).

Pengajuan pinjaman → pengecekan rekening bank → keputusan kredit

Seorang pemohon mengunggah laporan rekening bank selama 3 bulan melalui webhook portal pinjaman ke dalam sistem. Make.
AI-Process Bank Statement dijalankan pada setiap laporan. Objek ringkasan menyediakan total kategori (pendapatan, sewa, pembayaran utang); objek pola mengidentifikasi pendapatan dan kewajiban yang berulang.
Langkah Variabel Set Alat menghitung rasio utang terhadap pendapatan dari pendapatan berulang yang diekstrak dibandingkan dengan pembayaran utang berulang.
Router akan memproses permohonan berdasarkan rasio DTI. Permohonan di bawah 35% akan disetujui secara otomatis; 35-45% memerlukan peninjauan manual; di atas 45% akan ditolak secara otomatis dengan email lanjutan yang menjelaskan persyaratan.
Seluruh rangkaian transaksi disimpan di Snowflake atau BigQuery untuk audit kepatuhan dan alasan pengambilan keputusan dicatat bersama dengan metrik ringkasan yang diekstrak.

Audit langganan → deteksi pola → laporan penghematan biaya

Tim keuangan mengunggah laporan rekening bank perusahaan ke sebuah SharePoint folder sekali setiap tiga bulan.
Laporan Rekening Bank yang Diproses AI mengembalikan objek pola yang mencantumkan setiap biaya berulang beserta nama pedagang, jumlah, dan frekuensi yang terdeteksi.
A Make Iterator membandingkan setiap pola dengan sebuah Airtable daftar yang disetujui SaaS Langganan. Biaya berulang yang tidak diketahui ditandai sebagai potensi penggunaan IT bayangan atau langganan ganda.
Laporan gabungan dihasilkan yang menunjukkan total pengeluaran berulang bulanan, langganan yang disetujui versus yang tidak disetujui, dan perkiraan penghematan biaya tahunan dari pembatalan langganan ganda.
Laporan tersebut dikirim melalui email ke CFO; langganan bernilai tinggi yang tidak disetujui akan memicu tindakan lebih lanjut. Slack Permohonan persetujuan diajukan kepada kepala departemen untuk ditinjau dan disetujui atau dibatalkan.

Pertanyaan yang Sering Diajukan

What bank statement fields does AI-Process Bank Statement extract?+

The module returns a complete statement payload: bankName, accountHolderName, accountNumber, accountType (Checking, Savings, Money Market, Credit Card), statementPeriod with startDate and endDate, balances object (opening, closing, total deposits, total withdrawals), currency in ISO 4217 format, a transactions array with date, description, amount, and type (debit or credit) per row, a checksPaid array, a patterns object identifying recurring payments, and a summary object with category totals and analytics.

Does the parser detect recurring payments and patterns automatically?+

Yes. The patterns object in the output identifies recurring transactions: same merchant, similar amount, regular interval, without manual rules. This is useful for subscription auditing, cash-flow forecasting, identifying duplicate SaaS subscriptions, and detecting unexpected recurring charges before they accumulate. The summary object aggregates spend by category (groceries, utilities, payroll, transfers, etc.) for budgeting and financial analysis workflows.

Can the module handle multi-page bank statements?+

Yes. The AI processes the entire PDF: header, opening balance section, all transaction pages, checks paid list, summary section, and closing balance, as a single coherent statement. The transactions array contains every line item across all pages in chronological order. No manual page splitting or merging is required, even for business statements with 50+ pages of activity or three-month consolidated statements.

What banks and statement formats does the module support?+

The AI handles statements from major US banks (Chase, Bank of America, Wells Fargo, Citibank, US Bank), UK banks (HSBC, Barclays, Lloyds, NatWest, Santander), European banks (Deutsche Bank, BNP Paribas, ING, UBS, Credit Suisse), Indian banks (HDFC, ICICI, SBI, Axis, Kotak), Canadian banks (RBC, TD, BMO, Scotiabank), Australian banks (CBA, ANZ, Westpac), and many regional and online banks. Both digital PDFs downloaded from online banking and photographed paper statements are supported in PDF, PNG, JPG, and JPEG formats.

How do I match bank statement transactions to invoices and cheques for reconciliation?+

Add a Make Iterator after AI-Process Bank Statement to loop over the transactions array. For each transaction, run a lookup against your invoice register in Airtable, Google Sheets, QuickBooks, or your accounting API to find an invoice matching the amount and approximate date. The checksPaid array is especially useful: match each entry to records from AI-Process Bank Cheque for end-to-end cheque reconciliation. Unmatched transactions go to an exceptions queue in Slack or Airtable for manual bookkeeper review.