Volg hier alle interessante publicaties, evenementen, innovaties en aanbiedingen.
Dit allemaal vanuit de bekende ingredienten die er al 20 jaar zijn: passie, enthousiasme, innovatie en kwalitatieve betrouwbare oplossingen. heb je vragen of wil je meer weten, geef een bericht en ik neem contact met je op.
Krediet is het middel om business te maken, het is geen vervelende randvoorwaarde. Krediet is een prachtig middel waar je bewust de gekozen grenzen mee kan opzoeken. Grenzen in termen van geld en tijd. Dat betekent dat je er in ieder geval voor moet zorgen dat je als organisatie jezelf niet tekort doet, business en rendement mist, maar ook aan de andere kant teveel onnodig rendement lekt vanuit verkeerde kredietbesluiten of kredietstrategie. De uitdaging ligt in een goed gemotiveerd evenwicht.
Krediet hangt dus nauw samen met hetgeen je als organisatie wil bereiken. Wil je je plek verdienen op de markt, dan zal je ook bereid zijn meer risico te nemen en genoegen te nemen met iets minder resultaat. Uiteraard is dat tijdelijk en aan verandering onderhevig.
Welke keuze je ook maakt, je zal dit moeten gaan vertalen naar een werkbare en meetbare actieplanning om er het meest optimale resultaat uit te kunnen halen. We beschrijven nu niet hoe, maar wel hoe AI kan passen in deze systematiek.
Daar waar de individuele klant er minder toe doet [buiten bijzonder beheer situaties], relatief lage bedragen, homogene producten [bijvoorbeeld energie, water, Telco en zorg] en hoge volumes klanten worden proceskeuzes in generieke term belangrijker en gemakkelijker te sturen middels proceskeuzes en -optimalisaties. Immers zijn er doorgaans meer klanten en is er meer data beschikbaar. Daarnaast worden processen in bulk uitgevoerd en speelt preferentie dus bijna geen rol. Met A/B testen zijn optimalisatieslagen goed te maken. Daarnaast kan wel per individuele klant gemeten worden welke aanpak [actie, frequentie, interval en mediatype] het meest effectieve traject is in termen van Collections trajecten. Hier kan AI en Machine Learning prima worden toegepast. Klantrisico speelt gemiddeld een kleinere rol. Uiteraard wordt AI en kredietrisico belangrijker naarmate heterogeniteit gaat meespelen, zoals bij levering van consumentenkrediet.
Bij B2B, hoger klantrisico, meer diversiteit in klanten en klantgedrag, worden gedifferentieerde keuzes belangrijker. Keuzes in termen van vaststellen van individueel kredietrisico, maar ook in termen van preferentie in het Collections traject. Vergelijking in klantgedrag wordt lastiger, omdat er geen sprake is van homogeniteit. Klanten verschillen qua DNA, gedrag, cultuur en omzet. Die objectieve afwegingen zijn persoonlijk bijna niet te maken, daar zijn echt ondersteunende mechanismen voor nodig. Met AI kan je eenvoudig vaststellen welk kredietrisico er per klant speelt en geeft ook aan met welke preferentie je acties kan uitzetten om vorderingen te beheren en kredietrisico te beheersen. Dat betekent dat je klanten kan gaan categoriseren op basis van scoring, die vervolgens weer basis zijn om workflows in je Credit Management software te initiëren. Daarnaast is een uitgebalanceerde Limietstrategie weer belangrijk om de schakel in te vullen tussen Risk Appetite en toekenning van individuele kredietruimte per klant. Machine Learning zorgt voor optimalisatie en fine-tuning.
Deze functionaliteiten zijn dus key als je je kredietverlening wil maximalieren, maar wel op basis van gecalculeerd risico. Je wilt immers blijven aanhaken bij je Corporate Strategy en daar een meetbaar antwoord op kunnen geven aan je management. Het niet gebruiken van AI en ML is simpelweg je processen suboptimaal uitvoeren.
Wil je meer weten over Credit Strategy of de toepassing van AI en ML? Stuur een PB en ik neem contact met je op.
Sun, 16 May