Pre Loader

4 trendy kształtujące przyszłość zarządzania ryzykiem kredytowym w przedsiębiorstwie – c.d.

//4 trendy kształtujące przyszłość zarządzania ryzykiem kredytowym w przedsiębiorstwie – c.d.

W ostatnim wpisie pozwoliłem sobie nakreślić trzy trendy, które moim zdaniem kształtują przyszłość zarządzania ryzykiem kredytowym w przedsiębiorstwie. Była to rosnąca rola prewencji, indywidualnego podejścia do każdego klienta oraz „multi-ról” jakie będą (lub już są) wymagane od nowoczesnego Credit Managera. W ostatnim trendzie mówiłem o roli coacha (swoistego „tłumacza” wpływu ryzyka kredytowego na wyniki finansowe firmy jako całości), sprzedawcy (koncentrowania się na pomaganiu firmie w osiągnięciu maksymalnego zysku z jak największej realizowanej sprzedaży) oraz optymisty (dostrzegającego szanse nawet w najbardziej krytycznych sytuacjach). Kolejne są niemniej trudne.

Kalkulator prawdopodobieństwa – to chyba najbardziej podstawowa rola. Wymaga znajomości przynajmniej podstawowych matematyczno-statystycznych technik szacowania ryzyka kredytowego, w tym modeli scoringowych. Scoring kredytowy (ocena punktowa) klientów to technika oceny ryzyka, która jednoznacznie pozwala zidentyfikować (zmapować) ryzyka oraz szanse. Credit Manager używa tej metody, aby pogrupować klientów i wyłonić najlepszych w każdej z grup ryzyka. Z drugiej strony selekcjonuje tych gorszych, wymagających większej uwagi, precyzyjnej prewencji i ograniczania niepożądanych zdarzeń kredytowych.

Guru (autorytet) – to rola, którą nie zbuduje się szybko, wymaga pracy nad chyba najcenniejszą cechą Credit Managera – zaufaniu. Pomaga to przekonać inne działy, takie jak marketing czy sprzedaż, do szerszego używania scoringu kredytowego w zarządzaniu portfelem klientów. To również sposób wyznaczania kierunku do bardziej jasnego i obiektywnego szerokiego zarządzania kontrahentami w firmie.

Budowniczy mostów – to kolejna rola wymagająca kompetencji „miękkich”. Nowoczesny Credit Manager przejmie rolę koordynatora. Niezbędne bowiem jest wyznaczenie jasnych kanałów komunikacji pomiędzy windykacją, marketingiem oraz działem sprzedaży. Ma to zapobiec ewentualnym konfliktom mającym negatywny wpływ na przepływy pieniężne oraz zyski przedsiębiorstwa.

Analityk – to ostatnia wymieniona przez mnie rola, o której nowoczesny Credit Manager nie powinien nigdy zapominać. Bazując na analizie predykcyjnej (przewidującej przyszłość), Credit Manager próbuje przewidzieć trendy oraz zależności. Jest to źródło wiedzy dla firmy na temat przyszłych zachowań klientów oraz możliwość ich przewidzenia.

Big data – niech Cię nie zaleje …. informacja

Rynek analityki danych rozwija się sześć razy szybciej niż cały sektor IT. Oszacowano, że dzięki ogromnemu przyrostowi danych, w ciągu najbliższych pięciu lat 80% procesów biznesowych zostanie zmodernizowanych. Umiejętne wykorzystanie big data i business analytics pomogło już osiągnąć rynkowy sukces wielu firmom. Znany jest przykład firmy Airbnb, specjalizującej się w pośrednictwie w urlopowym wynajmie lokali i domów. Dzięki analizie danych przedsiębiorstwo odkryło przyczynę odchodzenia klientów. Była nią słaba jakość zamieszczanych w ogłoszeniach zdjęć. Kiedy poprawiono ten element, sukces był natychmiastowy, a sprzedaż wzrosła. Kolejny przykład, niemniej znanej firmy Starbucks, mówi o wykorzystaniu z zaawansowanych narzędzi analitycznych do wybierania nowych lokalizacji punktów usługowych. Gwarantuje to doskonałe dotarcie do potencjalnych klientów.

Informacja ciągle uważana jest za jeden z najważniejszych czynników sukcesu. Nowe badania sugerują, że przedsiębiorstwa, które wykorzystują dane i analitykę biznesową do podejmowania decyzji są bardziej produktywne i notują większą rentowność niż firmy, które tego nie robią. Dlatego też firmy starają się zbierać, gromadzić i analizować coraz więcej informacji. Ten proces jednocześnie staje się coraz bardziej czaso- i kapitałochłonny. Gromadzenie coraz większej ilości informacji coraz częściej prowadzi do błędnych decyzji, wydłużonego procesu decyzyjnego i złej interpretacji rzeczywistości nie tylko w codziennym życiu, ale także w szeroko pojętym biznesie. Oprócz niewątpliwego entuzjazmu towarzyszącemu rozwojowi analityki biznesowej, należy zatem podkreślić najważniejsze zagrożenia wykorzystania big data:

  • ogromny niedobór specjalistów zajmujących się analityką oraz menedżerów z doświadczeniem w wykorzystywaniu danych w zarządzaniu
  • poważne wyzwania związane z polityką prywatności osób i organizacji, własnością intelektualną i bezpieczeństwem danych
  • trafność przetworzonych danych
  • wciąż niedostateczne zdolności predykcyjne modeli/algorytmów
  • dostosowanie do zmieniających się przepisów prawa

Przetwarzane informacje pochodzą nie tylko z wewnątrz organizacji, ale także spoza niej. Przykładem jest współpraca z wywiadowniami gospodarczymi oraz zewnętrznymi firmami windykacyjnymi. Korzyści płynące z dostępu do olbrzymiego zasobu informacji stają się więc dostępne nie tylko dla dużych firm, ale też dla małych organizacji. A jakie są konsekwencje wykorzystania big data w zarządzaniu ryzykiem kredytowym? To przede wszystkim zmiana w podejściu do kluczowych wskaźników efektywności (KPI). Precyzyjne dane pozwalają postawić bardziej przejrzyste oraz odpowiedzialne cele niż dotychczas. Jednocześnie procesy oparte na automatycznej analizie suchych danych będą mniej elastyczne. Wydaje się zatem, iż najlepszym rozwiązaniem będzie połączenie wyrafinowanej analityki z mądrą ingerencją ludzkiego umysłu.

Wspomniana automatyczna analiza danych, połączona z dobrze zdefiniowanymi procesami biznesowymi w przedsiębiorstwie, będzie prowadziła ułatwiała rewolucję na rynku pracy, która stała się gorącym tematem ostatnich miesięcy. Mówimy tutaj o Robotic Process Automation (RPA). Według raportu przygotowanego przez firme badawczą HfS Research około 30% procesów order-to-cash prowadzonych przez centra usług biznesowych (BPO/SSC) są już zautomatyzowane poprzez RPA. Potencjał redukcji kosztów związany z RPA to około 60%. To niesamowita pokusa rozwijania tej technologii, zwłaszcza, że 50% pracy BPO/SSC może być realizowane poprzez RPA. Czym to się skończy? Według kolejnego badania przeprowadzonego przez Oxford University’s Martin School prawdopodobieństwo automatyzacji pracy analityka ryzyka kredytowego wynosi 51%, windykatora 95%, księgowego 95%. Bezpieczniej mogą czuć się pracownicy sprzedaży i marketingu. Tutaj automatyzacja jest prawie niemożliwa (prawdopodobieństwo to 1%).

Według innego opracowania, niedawno opublikowanego raportu instytutu badawczego McKinsey Global Institute, dostępne już dziś lub aktualnie opracowywane w laboratoriach badawczo-rozwojowych rozwiązania technologiczne do 2055 r. mogą umożliwić zastąpienie ok. 49 proc. czynności wykonywanych obecnie przez pracowników. Konsekwencją może być wyeliminowanie ponad miliarda miejsc pracy na świecie. Autorzy raportu podkreślają, że jedynie 5 proc. wykonywanych dziś zawodów może być już teraz w pełni zastąpionych przez dostępne technologie. Dodają, że w przypadku 60 proc. z 800 analizowanych zawodów wskaźnik zastępowalności przez maszyny wynosi co najmniej 30 proc. Wskaźnik będzie rósł wraz z rozwojem i dojrzewaniem technologii, w tym różnych aspektów sztucznej inteligencji, zwłaszcza takich jak rozumienie i analizowanie przez maszyny mówionego i pisanego języka naturalnego. McKinsey Global Institute twierdzi jednak, że rzeczywiste tempo zastępowania ludzi przez roboty i automatyzację będzie zależało od wielu czynników (koniunktura, trendy w gospodarce, sytuacja na rynku pracy, regulacje prawne itd.). To zaś oznacza, że sam proces może zostać zrealizowany równie dobrze 20 lat przed przewidywanym w raporcie terminem, jak i 20 lat później, zaś o tym czy i kiedy dane stanowisko pracy zostanie zautomatyzowane decydować będzie w dużej mierze nie sama możliwość robotyzacji, ale rachunek ekonomiczny, czy już się to opłaca. Biorąc pod uwagę możliwości redukcji kosztów szacowane w raporcie HfS Research, śmiem twierdzić, że już to się opłaca. Pamiętajmy, że wdrożenie RPA nie wymaga zmiany w istniejących systemach ERP przedsiębiorstwa. Powoduje to bardzo krótki okres od zidentyfikowania obszaru automatyzacji do wdrożenia gotowego rozwiązania.

Na koniec, dla ostudzenia zapału entuzjastów statystyki w analizie ryzyka kredytowego i credit scoring, warto podkreślić, że, tak jak nie ma zerowego ryzyka, tak nie ma modelu oceny ryzyka kredytowego skutecznego w 100%. Nawet najbardziej wyrafinowane i skuteczne teraz, wymagają ciągłego doskonalenia, dostosowywania do jakże szybko zmieniającej się rzeczywistości. Czy kiedyś będzie zupełnie rozbiła to za nas maszyna? Być może. Prace nad sztuczną inteligencją wszak trwają już od wielu lat ….