De financiële sector maakt, net als vele andere sectoren, in toenemende mate een versnelde transformatie door, onder andere door AI, Machine Learning (ML), Blockchain en open banking. Meer en meer bedrijven worden zich bewust van deze technologieën en zijn begonnen te onderzoeken hoe ze het debiteurenproces en de klantervaring kunnen verbeteren, de kosten kunnen verlagen, de compliance-inspanningen kunnen verbeteren en de groei kunnen bevorderen. Een gesprek met Bart Kolman van Alektum Nederland over de transformatie van Credit Management.
In het afgelopen jaar hebben we een grote vooruitgang gezien in de volwassenheid van de nieuwste technologieën, zoals Ai en ML, maar veel ideeën en projecten bevinden zich nog in de prototypefase, zegt Bart. “In een gedigitaliseerde wereld worden gegevens en meetbaarheid steeds belangrijker omdat bedrijven en organisaties belangrijke prestatie-indicatoren kunnen identificeren en zich daarop kunnen concentreren om succes te kwantificeren. Elke dag worden nieuwe gegevensbronnen aangeboord en gegevens gebundeld en geanalyseerd voor nieuwe inzichten. Voorspellende analyses wordt steeds meer mainstream, omdat algoritmen nu een enorme hoeveelheid gedragsgegevens kunnen interpreteren en patronen kunnen identificeren.”
Strategische partnerships
Hoewel Machine Learning een disruptieve technologie is, is het potentieel om waarde toe te voegen in de financiële sector enorm, vervolgt Bart. “Meer en meer bedrijven worden zich bewust van deze technologieën. Het succes zal gebaseerd zijn op het vermogen om enorme datasets te verzamelen en te analyseren en van die inzichten te leren. Met snelle veranderingen, zowel buiten als binnen de onderneming, zal de behoefte om samen te werken en strategische partnerships aan te gaan met andere bedrijven – met verschillende informatie, andere competenties of een ander marktbereik – waarschijnlijk toenemen naarmate de reikwijdte en snelheid van de verschillende disruptieve factoren toeneemt. Er zijn immers maar weinig bedrijven die de nodige invloed kunnen uitoefenen om hun business volledig zelfstandig vorm te geven.”
PSD2
De vernieuwde Europese betalingsrichtlijn PSD2 zal de structuur van bankieren veranderen door consumenten de keuze te geven voor nieuwe direct-to-account betaalmethoden en de mogelijkheid om hun transactiegegevens vrijer met derden te delen. Bart: “Het belangrijkste doel hiervan is om de regels en voorschriften te standaardiseren om transparantie en eerlijke concurrentie te waarborgen, wat ook hogere eisen met zich meebrengt voor ID-controles en risicobeheer. PSD2 biedt ook de mogelijkheid om historische gegevens te combineren met real-time gegevens en toekomstige voorspellingen om verborgen verbindingen te vinden. In Credit Management is vroege detectie van cruciaal belang en AI is in staat om risicopatronen opmerkelijk vroeg te herkennen. Het maakt gebruik van meerdere gegevensbronnen om een vollediger beeld van de risicobeoordeling te krijgen door een preciezer en efficiënter proces.”
ML als katalysator voor AI
Machine Learning biedt de mogelijkheid om AI nog effectiever te maken in de financiële dienstverlening en kan een katalysator zijn voor de grotere acceptatie van AI, stelt Bart. “Door AI-aangedreven modellen te maken, kan het helpen bij elke stap van het data- en risicobeheerproces. Machine learning levert betere resultaten op voor vragen die we al stellen over gegevens die we al hebben. Met deze nieuwe technologieën kunnen we kijken naar verbanden en patronen tussen gegevens die voorheen veel te tijdrovend en onzeker waren. Geautomatiseerde debiteurenprocessen stellen deze modellen in staat risiconiveaus met hoge nauwkeurigheid en snelheid te bepalen.”
Aanzienlijk beter risicobeheer
Data is altijd de basis geweest voor het nemen van kredietbeslissingen, zegt Bart. “Gegevens over de tegenpartijen, de aard van de transactie en het historische risico zijn slechts enkele voorbeelden. Er zijn echter meerdere variabelen waarmee rekening kan en moet worden gehouden voor een nauwkeuriger beeld. Machine Learning zorgt voor betere differentiatie tussen de verschillende componenten tijdens risicobeoordelingen. De voordelen van ML strekken zich ook uit naar populaties die in het verleden moeite hadden om een kredietgeschiedenis op te bouwen. Sommige consumenten hebben bijvoorbeeld geen recent krediet of helemaal geen krediet. Machine Learning heeft manieren ontwikkeld om risicobeoordelingen uit te voeren die de kredietkwaliteit voor consumenten nauwkeurig kunnen voorspellen, waardoor bedrijven vaker ‘ja’ kunnen zeggen tegen meer klanten, maar ook om overkreditering te voorkomen. Hiermee kun je op de lange termijn het terugbetalingsvermogen voorspellen en risico’s markeren die voorheen niet zichtbaar waren, en zo kredietverlies minimaliseren.”
Deze inzichten kunnen een grote invloed hebben op de winstgevendheid en bedrijven die de modellen op een zeer gedetailleerd niveau kunnen aanpassen, zullen waarschijnlijk de race winnen. Als je bijvoorbeeld het risiconiveau op basis van de marge op product- of categorieniveau kunt instellen, maximaliseer je altijd het potentieel voor de grootste impact op de omzet.”
Cyberdreigingen en groeiende gegevensangst
Naarmate de samenleving meer ‘verbonden’, data-driven en afhankelijk van nieuwe digitale technologieën wordt, groeien ook de belangen. “Er is een groeiende bezorgdheid over hoe persoonlijke gegevens worden verzameld, opgeslagen en gebruikt in de samenleving, naarmate het verzamelen van gegevens van individuen toeneemt. Cybersecurity is een groeiende uitdaging en de financiële dienstverlening is waarschijnlijk een van de meest getargete industrieën. Een solide actieplan voor cyberbeveiliging is daarom zeer aan te raden voor elk bedrijf dat werkt met kredietbeheer en grote datasets,” besluit Bart Kolman.
Alektum Ahead Project
Alektum Group groeit snel in al haar markten. “Om dit te blijven volhouden, hebben we een georganiseerde manier nodig voor het verzamelen van informatie over hoe de wereld om ons heen aan het veranderen is en hoe die veranderingen – trends, technische ontwikkelingen, regels en voorschriften, politiek, financiële marktsituaties, enz. – ons kunnen beïnvloeden,” zegt Bart Kolman van Alektum Nederland. Reden voor Alektum Group om het project Alektum Ahead te starten met als hoofddoel mogelijke antwoorden op de vraag te vinden: “Hoe zullen financiële transacties en relaties tussen consumenten en bedrijven veranderen in de aanloop naar 2030?”
Bij aanvang van het project medio 2018 verzamelde het projectteam, bestaande uit een 40-koppig, cross-functionele groep collega’s uit de verschillende Alektum-landen, onder begeleiding van twee externe strategie consultants, inzichten over trends die mogelijk van invloed zijn op ons toekomstige business. “Door scenario’s te schetsen en trends te evalueren vanuit elke mogelijke invalshoek, hebben we 13 ‘hunting grounds’ geduid, die van extra belang zijn voor Alektum Group. Binnen een aantal deelgebieden zijn meerdere trends gespecificeerd en behandeld. Voorbeelden van de deelgebieden zijn: consumentengedrag- en waarden, makten en e-commerce, zakelijke condities, media en communicatie en digitale tech drivers. Bij dat laatste moet je bijvoorbeeld denken aan ‘data driven society’ en de ‘new wave’ van analyse en automatisering. Deze trends zullen in toenemende mate een versnelde transformatie veroorzaken binnen onze markt van credit management. De inzichten uit het project hebben geresulteerd in een trendrapport dat we zullen gebruiken voor onze toekomstige strategieën. De uitkomsten tot dusver delen wij graag met onze klanten en partners.”
Bron: OnlineRetailer
