Три способа демократизации данных, которые могут улучшить оплату счетов для бизнеса и их клиентов

Скажите привет йоттабайту, который представляет собой 1024 байта, или объем данных, который поместился бы на DVD, сложенных от Земли до Марса. К 2030-м годам ожидается, что мир будет генерировать йоттабайт данных в год.

Но какая польза от этогоvast океана данных, если к ним нельзя быстро получить доступ, проанализировать и использовать для информирования текущих и будущих решений? Этот вопрос вызвал растущий разговор о ценности “демократизации данных” или о том, чтобы сделать данные более доступными для всех частей организации. Когда данные становятся демократизированными, их можно использовать для понимания состояния бизнеса, прогнозирования результатов и разработки стратегий по снижению операционных расходов и увеличению прибыли. Часть “демократизации” заключается не только в получении доступа к данным, но и в том, чтобы люди с разным техническим опытом могли использовать эти данные для информирования бизнес-решений.

Финансовые технологии и их клиенты, такие как выставители счетов, особенно готовы участвовать в движении демократизации, из-за огромного объема доступных данных о платежах – если эти данные могут быть доступны всем заинтересованным сторонам в организации по выставлению счетов. В этой статье мы обсудим основные барьеры демократизации данных – изолированные данные и ИТ-охранники – и как получение доступа к этим данным может трансформировать платежи для выставителей счетов и их клиентов.

Изолированные данные и ИТ-охранник

На протяжении последних 50 лет данные контролировались в основном ИТ-техниками и аналитиками, которые имеют специализированные знания и обучение. Данные о платежах, в частности, обычно заблокированы в платежных платформах, из которых инженерные команды поставщиков составляют стандартные отчеты для своих клиентов раз в квартал и создают индивидуальные отчеты по запросу.

Данные о платежах не должны находиться в руках немногих. Существует миллиарды точек данных, которые находятся внутри платежных платформ. Эти данные о платежах по сути представляют собой способ, которым клиенты общаются со своими кредитными учреждениями каждый месяц. Когда выставители счетов могут получить доступ к этим данным и применять их новыми и инновационными способами, это может помочь всем в их организации принимать более обоснованные решения и улучшать операции.

Демократизация данных открывает сокровищницу действенных инсайтов, которые могут быть применены новыми и инновационными способами. Вот три способа, как выставители счетов могут использовать эти инсайты для повышения операционной эффективности и расширения принятия решений:

2.      

### Определите и улучшите слабые места и направьте приоритеты соответственно

Наличие данных о платежах и статистике перед вами – это одно, но это часто приводит к большему количеству вопросов, чем ответов. Эти числа хорошие? Плохие? Должны ли вы действовать? И если да, то где?

Когда ваш поставщик платежей позволяет вам измерять и сравнивать ваши данные о платежах и клиентах с агрегированными отраслевыми данными, вы можете отслеживать тенденции платежей и потребителей, когда они развиваются в различных рынках и местах, и предсказывать влияние на ваш бизнес.

Данные для бенчмаркинга раскрывают аномалии – области, где вы заметно выше или ниже среднего – и помогают вам понять, в каком направлении движется отрасль.

Например, вы можете изучить ставки отклоненных платежей и возвратов и затем определить, что можно сделать, чтобы привести ваши числа в соответствие с отраслевым средним или превзойти его. Вы также можете изучить агрегированные коммуникации вовлеченности, спрашивая: “Каковы типичные коэффициенты кликов для SMS по сравнению с электронной почтой, и как быстро это приводит к платежу для нашего бизнеса по сравнению с отраслью в целом?” Вы можете заметить места, где вы могли бы изменить бизнес-правила или параметры, ввести новые типы платежей или переместить сообщения о вовлеченности на другой день или время суток, чтобы увеличить количество своевременных платежей.

Данные для бенчмаркинга также помогают вам выявить новые платежные тенденции, чтобы вы могли быстро адаптироваться к решению проблем или удовлетворению новых потребностей. Вы можете заметить, что определенный тип платежа набирает популярность или автоматические платежи отстают в конкретной демографической группе. Когда вы можете видеть свои данные на детальном уровне, сопоставляя их с отраслевыми средними, вы можете реагировать и адаптироваться, устанавливать реалистичные ключевые показатели эффективности и сосредотачиваться на улучшении процессов, которые обеспечивают реальные операционные преимущества.

3.      

### Прогнозировать будущее для улучшения планирования

Ограничение анализа данных внутренними источниками и даже отраслевыми источниками может оставить пробелы в понимании. Вот почему многие компании включают внешние данные в свои анализы; они ищут более широкий взгляд на то, как то, что происходит в “внешнем мире”, может повлиять на платежное поведение сегодня и в будущем.

Поскольку все больше поставщиков платежных платформ погружаются в демократизацию данных, это может открыть возможности для потоковой передачи данных о платежах в экосистему выставителей счетов. В сочетании с другими точками данных, такими как кредитные рейтинги, индекс потребительских цен или информация о переписи, это может помочь вашему поставщику платежей определить риск-профиль отдельного человека или демографической группы, что поможет вам лучше предсказать платежные паттерны, нацелить сообщения о вовлеченности и автоматизировать бизнес-правила, известные тем, что способствуют своевременным платежам.

Экономические данные из государственных источников могут выявить области, где растущая безработица или падающий ВВП могут повлиять на финансовую устойчивость большой группы клиентов. Даже данные о прогнозах погоды могут быть полезными. Например, ураган Ян причинил огромный ущерб всей экономике штата Флорида, когда бизнес закрывался, жители бежали, а потребители тратили деньги на подготовку и восстановление после шторма, оставляя им гораздо меньшую возможность оплачивать счета.

Когда у вас есть данные, доступные для того, чтобы делать основанные на фактах прогнозы, вы можете подготовить свой бизнес к влиянию платежей заранее. Вы также можете работать с вашим поставщиком платежей, чтобы автоматизировать обращение к плательщикам заранее, прежде чем пропущенные платежи создадут более крупную, более дорогую проблему. Вы можете предложить решения, такие как разделение платежей, изменение сроков платежей, чтобы они совпадали с днем оплаты, или отправка более частых напоминаний о платежах.

4.      

### Автоматизировать принятие решений для борьбы с мошенничеством и другими проблемами

Платежная индустрия генерирует огромное количество данных, которые могут быть полезны для выявления потенциальных проблем, но только в том случае, если выставители счетов имеют способ анализировать эти данные в реальном времени, прогнозировать результаты и автоматизировать ответы. Ваш поставщик платежей должен уметь использовать искусственный интеллект (ИИ) и машинное обучение (МО) для достижения этих целей, что делает возможным эффективное и надежное обнаружение и прогнозирование мошеннической активности, задержки платежей, возвратов ACH и многого другого, а также инициирование исправлений проактивно через автоматизированные бизнес-правила.

МО и ИИ связаны друг с другом в одной экосистеме – ИИ-системы создаются с использованием МО, а также других техник. С помощью МО машины учатся на наборах данных, а не требуют программирования. Они могут классифицировать данные, распознавать шаблоны и создавать прогнозные модели. Программы ИИ используют эти возможности для выполнения сложных задач, имитируя человеческие способности и действия. Чат-боты, умные ассистенты, такие как Amazon Alexa, и автомобили с автопилотом – все это приложения ИИ.

Пример модели МО в секторе платежей, которая предназначена для достижения ИИ, заключается в выявлении паттерна высоких возвратов для определенной группы клиентов и автоматическом применении бизнес-правила, чтобы удалить карты как вариант платежа, как только клиент инициирует свой третий возврат в течение шести месяцев. МО делает этот ответ мгновенным, конкретным и автоматическим, устраняя необходимость в ручном вводе или принятии решений.

ИИ также может помочь улучшить клиентский опыт и снизить операционные расходы. Например, модель МО может быть за этим приложением ИИ, чтобы идентифицировать и направлять клиентов с надежной историей платежей к вариантам самообслуживания с использованием IVR, чат-бота или текстовых возможностей в сочетании с персонализированными платежными ссылками. Она также может отправлять этим клиентам специальные сообщения о вовлеченности, чтобы побудить их подписаться на автоматическую оплату, включая персонализированные ссылки, чтобы сделать этот процесс простым и удобным.

Тем временем, данные о решениях таких клиентов и их будущих платежных паттернах идут на обучение модели МО, чтобы предложить будущим клиентам те варианты, которые с наибольшей вероятностью приведут к независимому своевременному платежу в будущем.

Как демократизировать данные в вашей организации

Демократизация данных не происходит органически или независимо. Сначала необходимо обязательство со стороны вашего поставщика платежей удалить изолированные данные и охранников, которые стоят на пути полного и быстрого получения данных в руки ваших заинтересованных сторон. Если ваш текущий поставщик платежей не делает это приоритетом, возможно, пришло время искать другого.

Ваш поставщик платежей должен сначала разрабатывать хранилище данных, в котором он компилирует и нормализует все данные о платежах. Затем он должен предоставить данные в формате, наиболее полезном для вас. Это может означать предоставление необработанных данных, которые ваш персонал может загрузить и проанализировать внутри, завершение анализа за вас, визуализацию ваших данных в агрегированном виде с отраслевыми данными или предложение контекстуальных данных из внешних источников.

Как только эти элементы будут на месте, мяч на вашей стороне, чтобы сделать данные видимыми для всех заинтересованных сторон в вашей организации – даже для менее технических – чтобы они могли принимать меры и добиваться целей на основе фактов, а не чувств.

Движение демократизации данных создало условия для выставителей счетов, чтобы добавить доказательства и контекст к принятию решений по всей организации. Те, кто воспользуется этим, получат преимущество в оптимизации стратегий для увеличения самообслуживания и создания бесшовного и удовлетворительного клиентского опыта.

Об авторе

Стив Крамер является вице-президентом по продуктам в PayNearMe, где он возглавляет команду разработки продуктов. С более чем 25-летним опытом в области платежей и продуктов, Стив обеспечивает лидерство решений PayNearMe на рынке, снижая трение для потребителей и предлагая самый широкий спектр платежных опций и каналов, оставаясь при этом сосредоточенным на безопасности и надежности, чтобы гарантировать, что клиенты собирают каждый платеж, каждый раз.