Processen worden geautomatiseerd en machines kunnen al veel taken overnemen van mensen. Ook creditmanagement-processen kunnen intussen artificieel worden gedefinieerd en machinaal worden overgenomen. Wil dat dan zeggen dat de rol van de credit manager weg valt? Helemaal niet, maar er vindt wel een verschuiving plaats.
Creditmanagement
Creditmanagement heeft als domein drie belangrijke pijlen op zijn boog: kredietrisico’s beperken, betalingstermijnen verkleinen en het werkkapitaal (cashflow) vergroten.
Een laag debiteurensaldo en lage afschrijvingen op debiteuren (klanten) zorgen ervoor dat een bedrijf kredietwaardig blijft.
Daarnaast is het ook belangrijk dat een creditmanager andere afdelingen op de hoogte houdt van eventuele relevante trends en evoluties. Dat doet hij door conclusies te trekken uit rapporten, die op hun beurt gebaseerd zijn op data.
Datamanagement
De toegankelijkheid van data in dit tijdperk is zo gegroeid en ook een creditmanager haalt hier voordeel uit. Het accent van deze functie is verschoven van creditmanagement naar datamanagement.
Het gaat niet meer om data te vinden en te gebruiken. Het is veel belangrijker om de beschikbare data te gebruiken in juiste combinatie met andere. De data moet vooral relevante informatie bevatten.
Zo kan je data opdelen in twee datasets:
Gestructureerde data
Gestructureerde data is overzichtelijk, gestructureerd en netjes. Je vind gestructureerde data meestal terug in CRM-systemen en ERP-systemen.
De uitdaging bij gestructureerde data is dan weer om overbodige, verouderde of irrelevante data uit het systeem te houden. Door deze data valt er regelmatig een schaduw over de gestructureerde data.
Ongestructureerde data
Door de grote hoeveelheid aan data die op elk moment van de dag ter beschikking wordt gesteld via het internet, is het onmogelijk alles gestructureerd te houden.
De grote hoeveelheid ongestructureerde data kan van grote waarde zijn. Het structureren van zoveel mogelijk data is dus een must alvorens de waarde ervan te kunnen inschatten. De gestructureerde datasets kunnen dan eventueel ook inzichten leveren voor creditmanagers.
Met de opkomst van social media is de toestroom van ongestructureerde data de laatste decennia nog meer gestegen. Daaraan hangt vast dat het steeds moeilijker is geworden om hier zinnige informatie uit te puren.
Dit bemoeilijkt het werk van de creditmanage en zorgt voor een duidelijke vertraging in de processen voor kredietacceptaties. En dan vooral doordat het langer duurt waardevolle datasets op te bouwen.
Ongestructureerde data en beslissingen
Het is duidelijk dat het vak creditmanagement zal veranderen door digitalisering en automatisering. Procesautomatisatie wordt steeds verfijnder en ongestructureerde data steeds beschikbaarder.
Creditmanagers zullen zich nu voornamelijk focussen op het reguleren van automatisaties en op de betrouwbaarheid en kwaliteit van datasets. De grootste vraag is hoe men in de toekomst de juiste beslissingsmodellen inzet en door welke data het model kan gedreven worden.
