---
title: Uzgadnianie rozbieżności danych między CRM, sklepem a ERP
description: Wyjaśnij rozbieżności przychodów i stanów między systemem CRM, platformą e-commerce/BaseLinker a księgowością ERP. Zbuduj automatyczny raport uzgodnień…
canonical: "https://analizy.ai/j/uzgadnianie-rozbieznosci-przychodow-miedzy-crm-sklepem-a-erp"
modified: 2026-11-14
author: redakcja analizy.ai
source: "https://analizy.ai"
category: Czyszczenie danych CSV/Excel, integracja ERP i anomalie
category_url: "https://analizy.ai/j#group-jakosc-danych-csv-i-anomalie"
---

# Znajdź przyczynę rozjazdów kwotowych między CRM, platformą sklepową a księgowością ERP

> Przeprowadź uzgodnienie wiersz po wierszu (Reconciliation) po identyfikatorach zamówień i NIP, wyłapując zagubione integracje, duplikaty korekt i różnice netto/brutto.

## Przygotowane polecenie startowe

Zamówienia w panelu sklepu i BaseLinkerze dają w kwartale o 185 tys. zł inną kwotę niż rejestr sprzedaży w ERP. Chcę wykonać pełne uzgodnienie po numerach zamówień i faktur.

### Szybkie scenariusze
- **Porównanie rekord po rekordzie (Diff):** Chcę zestawić listy zamówień obu systemów i podzielić różnice na: brak w ERP, inna kwota, inny miesiąc.
- **Korekty, zwroty i koszty wysyłki:** Sprawdźmy, czy rozjazd nie wynika z odmiennego ujmowania kosztu dostawy, kuponów i faktur korygujących.
- **Zagubione paczki w kolejce integracji:** Wykryjmy opłacone zamówienia, które utknęły na błędzie synchronizacji i nie wystawiły dokumentu sprzedaży.

- [Zapisz się na wczesny dostęp](https://analizy.ai/#waitlist-5335aa)

*Techniczne uzgadnianie zbiorów między systemami operacyjnymi wspiera kontrolę spójności integracji IT — wiążącym rejestrem podatkowym pozostają księgi rachunkowe i JPK.*

## Metodyka szybkiego uzgodnienia dwóch rozjeżdżających się systemów

1. **Sprowadź oba eksporty do wspólnego mianownika** — Przed porównaniem upewnij się, że po obu stronach bierzesz kwotę netto bez VAT, z wliczonym (lub wyłączonym) kosztem transportu oraz przeliczoną po tym samym kursie walutowym.
2. **Wykonaj pełne złączenie zewnętrzne (Full Outer Join)** — Zestaw tabele po unikalnym kluczu zamówienia lub numerze obcym, dzieląc rozbieżności na trzy koszyki: rekord istnieje tylko w A, tylko w B albo w obu, lecz z inną kwotą.
3. **Oddziel przesunięcia na przełomie miesiąca od trwałych luk** — Rozszerz okno jednego ze zbiorów o 5 dni przed i po badanym miesiącu — od razu zobaczysz, jaka część różnicy to zwykłe przesunięcie daty wystawienia faktury na 1. dzień kolejnego miesiąca.
4. **Sprawdź zaokrąglenia VAT od sumy kontra od linii** — Sklep liczący kwotę netto wstecz od ceny brutto na każdej sztuce potrafi różnić się o kilka groszy na zamówieniu od systemu ERP liczącego VAT od sumy dokumentu.

## Przykład działania

### Rozbieżność Q1: Sklep online 3 420 000 zł netto vs ERP 3 268 000 zł (-152 tys. zł)

Porównano 19 400 zamówień po kluczu external_order_id w oknie 1 stycznia – 5 kwietnia.

### Tabela uzgodnienia różnicy 152 000 zł

1) 89 400 zł: zamówienia z 29–31 marca zafakturowane przy wysyłce 1–2 kwietnia (przesunięcie okresu). 2) 44 200 zł: anulowane pobrania widniejące nadal w sklepie ze statusem 'W realizacji'. 3) 18 400 zł (71 opłaconych zamówień!): błąd integracji przy znakach specjalnych w nazwie firmy klienta — zamówienia niewysłane.

Zamiast szukać jednej tajemniczej pomyłki, uzgodnienie wierszowe w godzinę odblokowało 71 opłaconych paczek utkniętych w kolejce API.

## Najczęściej zadawane pytania

### Dlaczego porównywanie samych sum miesięcznych nigdy nie pozwala znaleźć błędu integracji?

Ponieważ dwa błędy o przeciwnych znakach (np. +50 tys. zł nieusuniętych anulowań w sklepie i -48 tys. zł niewystawionych faktur w ERP) dają pozornie drobną różnicę 2 tys. zł na sumie ogólnej.

### Co zrobić, gdy CRM i system księgowy nie posiadają żadnego wspólnego identyfikatora transakcji?

Zastosuj klucz złożony z oczyszczonego numeru NIP kontrahenta, przybliżonej kwoty oraz okna daty +/- 7 dni, a na przyszłość wymuś przekazywanie ID szansy z CRM do pola numeru zamówienia na fakturze.

### Jak zapobiec ponownemu rozjechaniu się systemów po ręcznym wyczyszczeniu zaległości?

Uruchom lekki nocny skrypt kontrolny porównujący liczbę i sumę dokumentów z ostatnich 7 dni między systemami, który wysyła listę brakujących ID zanim klient upomni się o paczkę lub fakturę.

## Dowiedz się więcej

- [Jak platforma analityczna z integracją danych zmniejsza chaos informacyjny](https://analizy.ai/platforma-analityczna-z-integracja-danych.md)
- [Platforma analityczna dla sklepów internetowych i rzeczywiste decyzje biznesowe](https://analizy.ai/platforma-analityczna-dla-sklepow-internetowych.md)
- [Platforma analityczna dla analityków danych: dlaczego wdrożenia się nie powiodły](https://analizy.ai/platforma-analityczna-dla-analitykow-danych.md)
- [Platforma analityczna dla biznesu online: od narzędzia do transformacji](https://analizy.ai/platforma-analityczna-dla-biznesu-online.md)
- [Integracja ERP i BI: co decyduje o sukcesie projektu](https://analizy.ai/integracja-erp-i-bi.md)
- [Co rzeczywiście oferuje platforma analityczna do analiz biznesowych](https://analizy.ai/platforma-analityczna-do-analiz-biznesowych.md)

## Powiązane zadania w tej kategorii

- [Wyczyść zepsute kodowanie, niespójne daty i formaty liczb w plikach CSV oraz Excel](https://analizy.ai/j/czyszczenie-bledow-formatow-i-brakow-w-plikach-csv-i-excel.md)
- [Połącz zduplikowane karty klientów i firm w bazie CRM bez utraty historii](https://analizy.ai/j/deduplikacja-rekordow-klientow-i-kontrahentow-w-bazie-crm.md)
- [Odfiltruj błędy wpisów, skoki hurtowe i artefakty migracji w danych historycznych](https://analizy.ai/j/wykrywanie-anomalii-i-wartosci-odstajacych-w-danych-historycznych.md)
- [Zanonimizuj dane osobowe klientów i pracowników przed analizą w BI oraz narzędziach AI](https://analizy.ai/j/anonimizacja-i-higiena-danych-osobowych-w-zbiorach-analitycznych.md)
- [Uporządkuj chaotyczne drzewo kategorii, jednostki miar i atrybuty katalogu SKU](https://analizy.ai/j/standaryzacja-drzewa-kategorii-i-atrybutow-katalogu-produktowego.md)
- [Przeprowadź audyt poprawności zdarzeń Data Layer i konfiguracji Google Analytics 4](https://analizy.ai/j/audyt-poprawnosci-zdarzen-sledzacych-data-layer-i-ga4.md)

---

*Published by **Wondel.ai sp. z o.o.** · [analizy.ai](https://analizy.ai) · [About](https://analizy.ai/about) · [Editorial Guidelines](https://analizy.ai/editorial) · [Contact](https://analizy.ai/contact) · [Produkty Wondel.ai](https://wondel.ai/pl/produkty)*