Syncasso heeft creditmanagers van grote organisaties uit verschillende branches geïnterviewd om inzicht te krijgen in hun visie op de benutting van data voor creditmanagement. Alle ondervraagden waren het erover eens dat de urgentie voor praktische data-toepassingen steeds groter wordt. Er zijn uitdagingen op het gebied van datakwaliteit en definitieproblemen. Maar een groter probleem voor de (verdere) benutting van data in creditmanagementprocessen is het ontbreken van creditmanagementkennis bij datawetenschappers.

Syncasso vroeg Martin Neef van Vattenfall om vanuit zijn kennis van data-analyse én creditmanagement tijdens een Groeisessie te vertellen hoe hij dat heeft aangepakt in zijn organisatie. Datawetenschapper Jeff Reijans van Syncasso vertelde hoe het algoritme van Verhaalscore niet-kunners van niet-willers onderscheid en een oplossing voorspelt in de minnelijke- c.q. gerechtelijke fase van het incassoproces. Aan de digitale tafel kwamen zowel creditmanagementprofessionals als data-analisten uit verschillende sectoren.

Hoofdzaken uit het onderzoek

Uit de interviews kwam naar voren dat de benutting van data voor creditmanagementtoepassingen belangrijk of heel belangrijk wordt gevonden. Dat belang neemt nog verder toe in de toekomst. De operationele bruikbaarheid van de toepassingen in de vorm van praktische sturing om tijd, kosten en kwaliteit van het incassoproces te verbeteren, laat nog te wensen over. Belangrijkste oorzaak die genoemd wordt is het ontbreken van creditmanagementkennis bij de beschikbare datawetenschappers en het vraagstuk hoe een brug geslagen kan worden tussen intelligence en incasso.

Investeren in data-gedreven oplossingen

Een van de vragen in het onderzoek ging over toekomstgerichte investeringen in data-oplossingen. Waar zou Syncasso in moeten investeren volgens de ondervraagden? In het bepalen van de verhaalbaarheid van de vorderingen, het succes van dagvaarden, het onderscheiden van niet-willers en niet-kunners en welke data-variabelen de meeste impact voor het incassoproces opleveren werden het meest genoemd. Syncasso beschikt al over voorspelmodellen die daar oplossingen voor bieden. Data-wetenschapper Jeff Reijans presenteerde Verhaalscore 2.0, een algoritme dat intersegmentaal en transparant alle vorderingen direct na overdracht scoort. Toepassingen zijn het onderscheiden van vorderingen op basis van de betaalcapaciteit, segmentatie naar niet-kunners, regelaars en niet-willers en het voorspellen van de kasstroom uit de aangeleverde batch. Later in het proces wordt Verhaalscore nogmaals ingezet om te bepalen of dagvaarden (en de extra kosten die daaraan verbonden zijn) een oplossing voor de betalingsachterstand levert. Jeff vertelde hoe het algoritme hiervoor is (door)ontwikkeld en van welke data gebruik gemaakt wordt en welke voorspellende waarde die toevoegen. Daarnaast liet hij zien hoe door het toevoegen van nieuwe data het algoritme getraind wordt om het verder te verbeteren.

Praktische data-toepassingen helpen

Tijdig Betalen Martin Neef, manager tijdig betalen bij Vattenfall, liet zien hoe hij data-gedreven incasso langs drie uitgangspunten geïntegreerd heeft in zijn creditmanagement. Samen opbouwen van kennis, groot inzetten en investeren in de toekomst, ook kleine dingen laten zien en successen vieren. Data-analyse helpt om te verklaren wat er gebeurd is, waarom dat gebeurd is, wat er staat te gebeuren en hoe je daar het beste mee om kan gaan. Vattenfall is sinds 2018 actief met data-gedreven incasso, onder andere met factbased segmentatie, waarvan Martin een aantal voorbeelden en resultaten presenteerde. Verder ging hij in op het belang van AB-testen, pilots en proof of concepts. Niet alle pilots zijn succesvol. Data is nooit perfect, maar wel altijd waardevol.