This thesis contains analysis of selected provisions of the European and Czech legislation on value added tax, with attention to a specific role of invoices in VAT mechanism. The purpose of this thesis is an evaluation of the quality of transposition and implementation of the European law to the Czech legislation and analysis of selected rules and their effect on economic practice. The outcome of this thesis is a proposal of specific amendments to analyzed provisions of both European and Czech VAT law in order to secure businesses' burdens reduction and effective tax collection.

Fakturor är en viktig källa av information för företag. Två exempel på viktiga fält i en faktura kan vara, hur mycket pengar som ska betalas och faktura id. På grund av olika format och innehåll i fakturor som skiljer sig åt är extraktionen av information från dessa fakturor ofta en manuell process som kräver mycket tid. För att kunna spara viktig information från semi-strukturerade dokument som fakturor så måste vissa företag lägga ner mycket manuellt arbete. Detta arbete inkluderar att behöva förstå fakturan och därefter veta vilket innehåll som är av intresse för företaget. Detta arbete kan ta mycket tid och därför hade en automatisering av denna process varit av stort intresse. I denna forskningen används named entity recognition för att lösa problemet. De frågor som forskningen besvarar är: Hur effektiv named entity recognition är för klassificering av rubriker i fakturor, samt hur mycket effektiviteten kan öka vid komplettering av ytterligare komponenter. Named entity recognition används för att kategorisera entiteter som i detta fallet är rubriker för fält i fakturor. Modellen som skapas ska avgöra om rubriker i fakturan kan kategoriseras under någon av kategorierna: Invoice number, invoice date, due date, customer number, total amount, vat code, vat amount eller currency. Forskningen försöker endast göra en proof of concept för att se om denna algoritm kan användas för att minska tiden av manuellt arbete. Produktionsmodellen som skapas evalueras med måttet f1-score. Den får med denna metod resultatet 79 av 100. Detta resultatet antyder på att named entity recognition kan användas i ett verkligt scenario för att identifiera rubriker av intresse i en faktura. Men för att få så bra resultat som möjligt så bör modellen kombineras med en lösning som identifierar fält med hjälp av dess data. / Invoices are an important source of information for businesses. Two examples of important fields in an invoice could be the amount of money to be paid and the invoice Id. Due to the different formats and content of invoices, the extraction of information from these is often a manual and time consuming process. In order to save important information from semi-structured documents such as invoices, some companies have to put in a lot of manual work. This work includes understanding the invoice and then knowing what content is of interest to the company. This work can take a lot of time and therefore an automation of this process would be of great interest. In this research named entity recognition is used to solve the mentioned problem. The topics for this research are: How effective named entity recognition is for classification of headers in invoices, as well as how much the efficiency can be improved by complementing with further components. Named entity recognition is used to categorize entities. In this case the entities are the headings of the invoice. The model that is created must determine whether headings in the invoice can be categorized under one of the following categories: Invoice number, invoice date, due date, customer number, total amount, vat code, vat amount or currency. This research tries to make a proof of concept to discover if this algorithm can be used to reduce the time spent on manual work. The production model that is created is evaluated with the f1-score measurement. With this method, it gets a result of 79 out of 100. This result indicates that named entity recognition can be used by companies in real-world scenarios to identify headings in invoices. But to get the best results possible, the model should also be combined with a solution that identifies fields using its corresponding data.

The purpose of this study is to address uncertainty for the implementation of functionality concerning invoice management in the context of the customer relationship management (CRM) system Salesforce by providing design guidelines. It is a qualitative research project that follows a user-centered design (UCD) approach. Seven themes covering perceived difficulties were identified from a diverse set of stakeholders. The themes were analysed in a workshop where two Salesforce developers used their expert judgment to address the themes with liable design suggestions. This was followed by a heuristic evaluation session where an external Salesforce developer evaluated compressed versions of the design suggestions, leading to a concluding proposal of guidelines: 1) Comprehensive error handling and feedback, 2) Modular architecture, 3) Clarify systems relationship and provide detailed information, 4) Group similar functionality according to user role and provide direct feedback, 5) Understand user needs and utilize data graphics 6) Provide transparency for errors when possible, and 7) Provide traceable documentation based on functionality and workflows.

Det nuvarande kunskapsläget gällande fakturabedrägerier är tunt, och särskilt sådana som drabbar välfärdssystemet. Denna uppsats syftar till att öka kunskapen om fakturabedrägerier som drabbar kommuner i Skåne och deras förutsättningar att arbeta med detta. Frågeställningarna ämnar undersöka hur kommunernas fakturakontroll går till, deras upplevda problembild, hur de upptäcker och hanterar fakturabedrägerier, samt om det finns några skillnader och/eller likheter i skånska kommuners arbete med detta. Detta undersöks genom semistrukturerade intervjuer samt genom en dokumentanalys av styrdokument. I resultatet framkom att kommunerna inte upplevde sig själva som utsatta för fakturabedrägerier men att de ändå tog upp exempel där de blev utsatta för erbjudandefakturor och fakturabedrägeri efter kontakt. Om detta beror på att de inte upptäcker fakturabedrägerier eller om utsattheten är väldigt låg går inte att utröna. Kommunerna hade olika organisationer, med både centraliserade och decentraliserade arbetssätt. Det förstnämnda gav ett övergripande perspektiv för kommunen men det sistnämnda gjorde informationsvägarna inom förvaltningen kortare. Vidare forskning bör fokusera på vilken organisationsform som är mest fördelaktig för kommunernas arbete mot bedrägeri samt hur de bör väga kontrollkostnad mot kontrollnytta. / The existing knowledge of invoice fraud is limited, especially regarding fraud against the welfare system. This thesis aims to enhance the knowledge of invoice fraud against municipalities in the Skåne region and their qualifications to deal with fraud. The research questions aim to clarify the municipalities' current issues with invoice fraud, how they detect and deal with invoice fraud, how the chain of control works inside municipalities and if there are any similarities or differences between municipalities and their work. These questions were explored through semi-structured interviews and a document analysis of control documents. The results showed that municipalities did not see invoice fraud as a problem but did bring up examples of fraud being committed against them. If this experience is a result of a low detection rate of fraud or if the number of fraud attempts are low can not be determined. The municipalities had different organizational structures with both centralized and decentralized structure. The first structure gave a helicopter perspective over the organization while the other gave shorter information channels inside the organization. Future work should focus on organization structure and how it can be optimized in municipalities work against fraud and further how control cost and control benefits should be weighed against each other.

Studien har genomförts på ett företag inom fakturaservice. För att arbeta proaktivt med förbättring av fakturaprocessen har syftet med studien varit att undersöka om det fanns något samband mellan olika målgrupper av slutkunder och utebliven betalning inom ett visst kundsegment. Teorier inom ämnet kvalitetsteknik har använts med utgångspunkt inom offensiv kvalitetsutveckling, processer och processledning.Studien har en kvalitativ forskningsdesign och genomfördes som en fallstudie. Intervjuer, granskning av dokument och insamling av rådata från företagets affärssystem utgjorde studiens datainsamlingsmetoder. Genom beskrivande statistik och histogram analyserades data där målgruppernas medelvärden jämfördes för att identifiera variation i processen. Resultatet visar att det finns ett starkt samband mellan målgrupperna B2B, postalt leveranssätt och åldersgruppen 66+ som alla har en stark negativ påverkan på processens ledtid.Resultatet visar även att digitalt leveranssätt har en stark positiv påverkan på processens ledtid. En viss skillnad finns mellan man och kvinna där än har fler obetalda fakturor än kvinnor. Studiens slutsatser är att förbättra delprocessen för postalt leveranssätt genom att rikta in sig på målgrupperna B2B och 66+ för att skapa en positiv påverkan på processens ledtid. / The study has been carried out at a company within invoice services. In order to work proactively with the improvement of the invoice process, the purpose of the study has been to investigate whether there was any connection between different target groups of end customers and non-payment within a certain customer segment. Theories within the subject of quality engineering have been used with a starting point in offensive quality development, processes and process management.The study has a qualitative research design and was conducted as a case study. Interviews, review of documents and collection of raw data from the company's business system constituted the study's data collection methods. Through descriptive statistics and histograms, the data was analyzed where the average values of the target groups were compared to identify variation in the process. The result shows that there is a strong connection between the target groups B2B, postal delivery method and the age group 66+, all of which have a strong negative impact on the process lead time.The result also shows that the digital delivery method has a strong positive impact on the process's lead time. There is a certain difference between men and women where than have more unpaid invoices than women. The study's conclusions are to improve the postal delivery mode sub-process by targeting the B2B and 66+ target groups to create a positive impact on the process' lead time.

Large corporations receive and send large volumes of invoices containing various fields detailing a transaction. Such fields include VAT, due date, total amount, etc. One common way to automatize invoice processing is optical character recognition (OCR). This technology entails automatic reading of characters from scanned images. One problem with invoices is that there is no universal layout standard. This creates difficulties when processing data from invoices with different layouts. This thesis aims to examine common errors in the output from Azure's Form Recognizer general document model and the ways in which machine learning (ML) can be used to solve the aforementioned problem, by providing error detection as a first step when classifying OCR output as correct or incorrect. To examine this, an analysis of common errors was made based on OCR output from 70 real invoices, and a Bidirectional Encoder Representations from Transformers (BERT) model was fine-tuned for invoice classification. The results show that the two most common OCR errors are: (i) extra words showing up in a field and (ii) words missing from a field. Together these two types of errors account for 51% of OCR errors. For correctness classification, a BERT type Transformer model yielded an F-score of 0.982 on fabricated data. On real invoice data, the initial model yielded an F-score of 0.596. After additional fine-tuning, the F-score was raised to 0.832. The results of this thesis show that ML, while not entirely reliable, may be a viable first step in assessment and correction of OCR errors for invoices. / Stora företag tar emot och skickar ut stora volymer fakturor innehållande olika fält med transaktionsdetaljer. Dessa fält inkluderar skattesats, förfallodatum, totalbelopp, osv. Ett vanligt sätt att automatisera fakturahantering är optisk teckenläsning. Denna teknologi innebär automatisk läsning av tecken från inskannade bilder. Ett problem med fakturor är att det saknas standardmall. Detta försvårar hanteringen av inläst data från fakturor med olika gränssnitt. Denna uppsats söker utforska vanliga fel i utmatningen från Azure's Form Recognizer general document model och sätten på vilka maskininlärning kan användas för att lösa nämnda problem, genom att förse feldetektering som ett första steg genom att klassificera optisk teckenläsningsutmatning som korrekt eller inkorrekt. För att undersöka detta gjordes en analys av vanligt förkommande fel i teckenläsningsutdata från 70 verkliga fakturor, och en BERT-modell finjusterades för klassificering av fakturor. Resultaten visar att de två vanligast förekommande optiska teckenläsningsfelen är:(i) att ovidkommande ord upptäcks i ett inläst värdefält och (ii) avsaknaden av ord i ett värdefält, vilka svarar för 51% av de optiska teckenläsningsfelen. För korrekthetsklassificeringen användes Transformermodellen BERT vilket gav ett F-värde på 0.98 för fabrikerad data. För data från verkliga fakturor var F-värdet 0.596 för den ursprungliga modellen. Efter ytterligare finjustering hamnade F-värdet på 0.832. Resultaten i denna uppsats visar att maskininlärning, om än inte fullt tillförlitligt, är ett gångbart första steg vid bedömning och korrigering av optiska teckenläsningsfel.

Information Extraction is a sub-field of Natural Language Processing that aims to extract structured data from unstructured sources. With the progress in digitization, extracting key information like account number, gross amount, etc. from business invoices becomes an interesting problem in both industry and academy. Such a process can largely facilitate online payment, as users do not have to type in key information by themselves. In this project, we design and implement an extraction system that combines Machine Learning and Heuristic Rules to solve the problem. Invoices are transformed into a graph structure and then Graph Neural Networks are used to give predictions of the role of each word appearing on invoices. Rule-based modules output the final extraction results based on aggregated information from predictions. Different variants of graph models are evaluated and the best system achieves 90.93% correct rate. We also study how the number of stacked graph neural layers influences the performance of the system. The ablation study compares the importance of each extracted feature and results show that the combination of features from different sources, rather than any single feature, plays the key role in the classification. Further experiments reveal the respective contributions of Machine Learning and rule-based modules for each label. / Informationsutvinning är ett delområde inom språkteknologi som syftar till att utvinna strukturerade data från ostrukturerade källor. I takt med den ökande digitaliseringen blir det ett intressant problem för både industrin och akademin att extrahera nyckelinformation som t.ex. kontonummer, bruttobelopp och liknande från affärsfakturor. En sådan process kan i hög grad underlätta onlinebetalningar, eftersom användarna inte behöver skriva in nyckelinformation själva. I det här projektet utformar och implementerar vi ett extraktionssystem som kombinerar maskininlärning och heuristiska regler för att lösa problemet. Fakturor kommer att omvandlas till en grafstruktur och sedan används grafiska neurala nätverk för att förutsäga betydelsen av varje ord som förekommer på fakturan. Regelbaserade moduler producerar de slutliga utvinningsresultaten baserat på aggregerad information från förutsägelserna. Olika varianter av grafmodeller utvärderas och det bästa systemet uppnår 90,93 % korrekta resultat. Vi studerar också hur antalet neurala graflager påverkar systemets prestanda. I ablationsstudien jämförs betydelsen av varje extraherat särdrag och resultaten visar att kombinationen av särdrag från olika källor, snarare än något enskilt särdrag, spelar en nyckelroll i klassificeringen. Ytterligare experiment visar hur maskininlärning och regelbaserade moduler på olika sätt bidrar till resultatet.

Loss of revenue due to erroneous invoicing is a serious problem for many companies in the repair and maintenance industry. Revenue loss can occur in many ways, for example by consistently charging the wrong hourly price for services. If a company is experiencing revenue loss, it is incredibly important to detect it, find where it is happening, and estimate the size of it in order to treat it. The goal of this work is to find statistical methods for detecting incorrectly charged services in a dataset of invoices, and estimate the loss of revenue in the same dataset. The dataset used comes from a real company experiencing revenue loss through incorrectly charged prices for services, and thus represents a real world instance of this problem. Multiple machine learning methods with different levels of supervision are tested for detecting anomalous invoice items and estimating revenue loss using raw invoice data. Neural network regression, and different decision tree regression methods, as well as an ensemble of these are tested and compared. The dataset has ground truth labels for each price, thus results are compared to real world targets. It is found that an ensemble using a weighted average of predictions from neural network regression and gradient boosted decision tree regression to predict the charged prices in an invoice dataset performs anomaly detection most reliably. On the top 1000 anomaly candidates, this method flags anomalies correctly 87% of the time, catching 45% of all anomalies. Moreover, in terms of estimating revenue loss, using a neural network to perform regression, a revenue loss error of just 13% is achieved. / Förlorad omsättning till följd av felaktig fakturering ar ett alvarligt problem for vissa företag i service- och reparationsbranchen. Detta kan uppstå på manga satt, till exempel genom konsekvent felaktig prissättning av tjänster. Om ett företag har stor förlust av omsättning ar det otroligt viktigt att upptäcka det, hitta var det sker, och uppskatta storleken av förlusten for att kunna behandla den. Malet med detta arbete ar att hitta statistiska metoder for att identifiera felaktigt prissatta tjänster i ett dataset av fakturor, och uppskatta förlorad omsättning i datasetet. Datasetet som används kommer från ett företag som förlorar omsättning på grund av just felfakturerat pris på tjänster, och representerar därför en verklig instans av detta problem. Ett flertal maskininlärningsmetoder, med olika grader av vägledning, används for att upptäcka felaktiga fakturarader och uppskatta förlorad omsättning i omärkt fakturadata. Regression med neuronnät, och olika beslutstradmetoder såväl som en ensembel av dessa testas och jämförs. Datasetet har sanningsenliga ettiketter till varje rad, därmed kan resultaten jämföras och utvärderas mot korrekta priser. Vi finner att en ensembel av ett neuralnät och ett gradientförstärkt beslutstrad for regression identifierar felaktiga prissättningar mest pålitligt. Pa de 1000 mest sannolika felen har denna metod ratt på 87%, vilket fångar 45% av alla fel. Vidare, med hänsyn till förlorad omsättning finner vi att ett neuralnät som utför regresssion uppnår ett fel på endast 13% i sitt estimat av förlorad omsättning.

User interfaces are a crucial point in the usage of products. A user interface is developed to make a product easy to use and understand while also presenting data, feedback and functionality to the user. In this thesis we present and explain the whole development process of a front end project. The Swedish company, Kemizares, was searching for a user interface for their finance module in their upcoming application. In this work we developed the user interface for such a module with regards to Kemizares’ functional requirements as well as the necessity that the user interface of the module could be integrated into the their application which already had an existing user interface. The solution to the problem began with a literature study in which we researched tools and programs we would use to develop the module as well as researching national and international requirements for invoices to identify necessary data to use in the finance module. Afterwards we set up a timeline with deadlines to guide us throughout the development. An agile iterative feedback method was used during the implementation of the module with Kemizares. The finance module was created and with the iterative feedback method we used during development we were able to ensure that Kemizares was satisfied with the product. However, due to limiting factors we were not able to finish the whole module and hence not able to fulfill all the requirements. The conclusion is that the module in its current state is not a viable solution for Kemizares since it was left undone but a good ground to continue from that has taken required financial data, functional requirements, and design compatibility with the rest of the application into consideration. / Användargränssnitt är en viktig punkt i användningen av produkter. Ett användar-gränssnitt är utvecklat för att göra en produkt enkel att använda och förstå samtidigt som den presenterar data, feedback och funktionalitet för användaren. I denna rapport presenterar och förklarar vi hela utvecklingsprocessen för ett frontend-projekt. Det svenska företaget Kemizares letade efter ett användargränssnitt för sin finansmodul i sin kommande applikation. I detta arbete utvecklade vi användargränssnittet för en sådan modul med avseende på Kemizares funktionella krav samt behovet av att modulens användargränssnitt kunde integreras i deras applikation som redan hade ett befintligt användargränssnitt. Lösningen på problemet började med en litteraturstudie där vi undersökte verktyg och program som vi skulle använda för att utveckla modulen samt undersökte nationella och internationella krav på fakturor för att identifiera nödvändiga data att använda i finansmodulen. Därefter satte vi upp en tidslinje med deadlines för att vägleda oss genom hela utvecklingen. En agil iterativ återkopplingsmetod användes under implementeringen av modulen med Kemizares. Finansmodulen skapades och med den iterativa återkopplingsmetoden som vi använde under utvecklingen kunde vi säkerställa att Kemizares var nöjd med produkten. Men på grund av begränsande faktorer kunde vi inte avsluta hela modulen och kunde därför inte uppfylla alla krav. Slutsatsen är att modulen i sitt nuvarande tillstånd inte är en lönsam lösning för Kemizares eftersom den lämnades ofärdig, men en bra grund att fortsätta från som har tagit hänsyn till nödvändiga ekonomiska data, funktionella krav och designkompatibilitet med resten av applikationen.

<p><strong>Bakgrund och problemdiskussion:</strong> ROT-avdraget står för Reparation och underhåll, Ombyggnad och Tillbyggnad och är en skattereduktion för privatpersoner på upp till 50 % av arbetskostnaden. Systemet har funnits i flera omgångar och det har skett en del förändringar. Den 1 juli 2009 infördes fakturamodellen vilken innebär att privatpersoner får skattelättnaden direkt vid köpet av tjänsten, det vill säga, kunden betalar endast hälften av arbetskostnaden till säljaren. Därefter får säljaren själv begära resterande belopp från Skatteverket. Fakturamodellen och dess system har varit ett hett diskussionsämne under den senaste tiden om huruvida den påverkar samhällsaktörer positivt eller negativt. Det har från småföretagens sida lyfts fram flera risker och problem med de nya reglerna.</p><p><strong>Syfte:</strong> Syftet med uppsatsen är att undersöka hur fakturamodellen och dess system uppfattas av småföretag. Syftet är också att ta reda på hur småföretag uppfattar att fakturamodellen förhåller sig till regeringens målsättning om att minska den administrativa bördan för mindre företag samt hur modellen går i linje med ROT-avdragets syfte att minska svartarbetet och öka efterfrågan inom byggsektorn.</p><p><strong>Metod:</strong> Denna uppsats bygger på en kvalitativ metod där intervjuer varit det centrala. Av totalt sju genomförda intervjuer har fem gjorts med småföretag inom byggbranschen. En intervju har genomförts med en redovisningskonsult samt en intervju med en rättslig expert på Skatteverket.</p><p><strong>Resultat: </strong>Studiens resultat tyder på att småföretagens administrativa börda har ökat avsevärt sedan fakturamodellens införande. Dessutom påverkas olika näringsgrenar olika mycket av modellen. Regerings syfte med ROT-avdraget gynnas av fakturamodellen då svartarbetet minskat och efterfrågan av tjänster har ökat. Införandet av fakturamodellen kunde dock ha gjorts bättre och studien tyder på att informationen har varit bristfällig.</p> / <p><strong>Background and problem discussion:</strong> For the purpose of this study, “ROT-avdrag” is translated into Renovation deduction. It is a tax reduction for individuals of up to 50 % of the cost of labour for repair and maintenance, and renovation and expansion costs. This system has been in use at several occasions, undergoing some changes. The new invoice system was introduced 1st of July 2009 which means that the customer deducts the tax at the point of purchase of the service. In other words, the costumer will only pay half the cost of labour to the seller. Consequently, it is now the seller who is required to request the outstanding sum straight from the Tax Office. The new model and its system has been a hot topic of whether it affects societal actors positively or negatively. Small businesses have highlighted several risks and problems with the new rules.</p><p><strong>Aim: </strong>The aim of this study is to examine how the invoice system is perceived by small businesses. It also aims to find out how small businesses perceive that the invoice system relates to the Government’s target of reducing the administrative burden on small businesses, and also to see how the invoice system complies with the target of the Renovation deduction, which is to reduce illegal employment and increase demand in the construction sector.</p><p><strong>Method:</strong> This essay is based on a qualitative approach in which interviews have been a central part. Of a total of seven completed interviews, five have been made with small businesses in the construction industry. One interview has been conducted with an accounting consultant and one interview with a legal expert from the Tax Office.</p><p><strong>Results: </strong>The result indicates that small businesses´ administrative burden has increased substantially since the invoice system was introduced. Furthermore, different industries are differently affected by the system. The Government´s target with the Renovation deduction has been benefited by the invoice system sinces illegal employment has been reduced and demand for services has increased. The introduction of the invoice system, however, could have been better; the study indicates that the information have been inadequate.</p>