Tres formas en que la democratización de los datos puede mejorar el pago de facturas para las empresas y sus clientes

Saluda al yottabyte, que representa 1024 bytes, o la cantidad de datos que cabrían en DVDs apilados desde la Tierra hasta Marte. Para la década de 2030, se espera que el mundo genere un yottabyte de datos por año.

¿De qué sirve, sin embargo, este vasto océano de datos si no puede accederse, analizarse y utilizarse de manera ágil para informar las decisiones actuales y futuras? Esa pregunta ha impulsado una conversación cada vez mayor sobre el valor de “democratizar los datos” o hacer que los datos sean más accesibles para todas las partes de una organización. Cuando los datos se democratizan, pueden usarse para comprender la salud del negocio, predecir resultados y desarrollar estrategias para reducir los gastos operativos y generar más ganancias. Parte de la “democratización” no es solo obtener acceso a los datos, sino permitir que personas con distintos antecedentes técnicos puedan usar esos datos para informar decisiones empresariales.

Las empresas de fintech y sus clientes, como los cobradores, están especialmente bien posicionados para participar en el movimiento de democratización debido a la gran cantidad de datos de pagos disponibles: si esos datos pueden ponerse al alcance de todas las partes interesadas en la organización de facturación. En este artículo, analizaremos las principales barreras para la democratización de datos: los silos de datos y los guardianes de TI, y cómo obtener acceso a esos datos puede transformar los pagos para los cobradores y sus clientes.

Silos y el guardián de TI

Durante los últimos 50 años, los datos han estado controlados en gran medida por técnicos y analistas de TI que han especializado conocimientos y formación. En particular, los datos de pagos normalmente quedan bloqueados en plataformas de pagos, de las cuales los equipos de ingeniería de los proveedores compilan informes estándar para sus clientes trimestralmente y crean informes personalizados bajo solicitud.

Los datos de pagos no deberían quedar en manos de unos pocos. Hay miles de millones de puntos de datos que viven dentro de las plataformas de pagos. Esencialmente, estos datos de pago son la forma en que los clientes se comunican con sus instituciones de préstamo cada mes. Cuando los cobradores pueden acceder a esos datos y aplicarlos de formas nuevas e innovadoras, se pueden usar para ayudar a todos en su organización a tomar decisiones mejor informadas y a impulsar mejoras operativas.

Democratizar los datos abre una mina de conocimientos accionables que pueden aplicarse de formas nuevas e innovadoras. Estas son tres maneras en que los cobradores pueden aprovechar esos conocimientos para impulsar la eficiencia operativa y empoderar la toma de decisiones:

2.      

### Identificar y mejorar las áreas de debilidad y dirigir las prioridades en consecuencia

Tener datos y estadísticas de pagos frente a ti es una cosa, pero eso a menudo lleva a más preguntas que respuestas. ¿Son buenos esos números? ¿Malos? ¿Deberías tomar alguna medida? ¿Y si es así, dónde?

Cuando tu proveedor de pagos te permite medir y comparar tus pagos y los datos de tus clientes con datos agregados de la industria, puedes seguir las tendencias de pagos y de consumidores a medida que se desarrollan en varios mercados y ubicaciones y predecir el impacto en tu negocio.

Los datos de referencia revelan valores atípicos: áreas donde estás notablemente por encima o por debajo del promedio, y te ayudan a entender hacia dónde se mueve la industria.

Por ejemplo, puedes examinar las tasas de pagos rechazados y contracargos, y luego determinar qué se puede hacer para alinear tus cifras con el promedio de la industria o superarlo. También puedes estudiar comunicaciones agregadas de participación, preguntando: “¿Cuáles son las tasas de clic típicas para SMS frente a correo electrónico, y qué tan rápido eso conduce a un pago para nuestro negocio en comparación con la industria en su conjunto?” Es posible que observes lugares donde puedas cambiar reglas de negocio o parámetros, introducir nuevos tipos de pago o mover los mensajes de participación a otro día u otra franja horaria para impulsar más pagos a tiempo.

Los datos de referencia también te ayudan a identificar tendencias emergentes de pagos para que puedas adaptarte rápidamente y abordar problemas o satisfacer nuevas demandas. Podrías notar un tipo de pago que está ganando tracción o que el retraso en pagos automáticos se está quedando atrás en una demografía específica. Cuando puedes ver tus datos con un nivel granular, comparados con promedios de la industria, puedes reaccionar y adaptarte, establecer KPIs realistas y centrarte en mejoras de proceso que impulsan eficiencias operativas reales.

3.      

### Predecir lo que viene para habilitar una mejor planificación

Limitar el análisis de datos a fuentes internas, e incluso a fuentes de toda la industria, puede dejar vacíos en la comprensión. Por eso muchas empresas están incorporando datos externos en sus análisis: buscan una perspectiva más amplia para entender cómo lo que ocurre en el “mundo exterior” puede impactar el comportamiento de pago hoy y en el futuro.

A medida que más proveedores de plataformas de pago profundicen en la democratización de datos, podrían abrirse oportunidades para transmitir datos de pagos al ecosistema del cobrador. Cuando se combina con otros puntos de datos, como puntajes de crédito, el índice de precios al consumidor o información censal, puede ayudar a tu proveedor de pagos a determinar el perfil de riesgo de un individuo o de un grupo demográfico, lo cual te permite predecir mejor los patrones de pago, orientar comunicaciones de participación y automatizar reglas de negocio conocidas por fomentar pagos a tiempo.

Los datos económicos de fuentes gubernamentales pueden revelar áreas donde el aumento del desempleo o la caída del PIB podrían afectar la solidez financiera de un gran grupo de clientes. Incluso los datos de pronóstico meteorológico pueden ser útiles. Por ejemplo, el huracán Ian causó estragos en toda la economía estatal de Florida cuando los negocios cerraron, los residentes huyeron y los consumidores volcaron dinero en prepararse para la tormenta y recuperarse de ella, dejándoles con mucha menos capacidad para pagar facturas.

Cuando tienes datos disponibles de inmediato para hacer predicciones basadas en hechos, puedes preparar tu negocio para los impactos de pagos antes de que se produzcan. También puedes trabajar con tu proveedor de pagos para automatizar el contacto con los pagadores de manera proactiva antes de que los pagos perdidos creen un problema mayor y más costoso. Podrías poder ofrecer soluciones como dividir pagos, cambiar las fechas de vencimiento para que coincidan con el día de pago, o enviar recordatorios de pago más frecuentes.

4.      

### Automatizar la toma de decisiones para abordar el fraude y otros problemas

La industria de pagos genera una cantidad enorme de datos que pueden ser útiles para detectar posibles problemas; pero solo si los cobradores tienen una forma de analizar esos datos en tiempo real, predecir resultados y automatizar respuestas. Tu proveedor de pagos debería poder aprovechar la inteligencia artificial (IA) y el aprendizaje automático (ML) para lograr esos objetivos, haciendo posible detectar y predecir de manera rentable y confiable actividad fraudulenta, pagos tardíos, devoluciones ACH y más, e iniciar correcciones de forma proactiva mediante reglas de negocio automatizadas.

El ML y la IA están vinculados en el mismo ecosistema: los sistemas de IA se construyen usando ML, además de otras técnicas. Con ML, las máquinas aprenden a partir de conjuntos de datos en lugar de tener que programarse. Pueden clasificar datos, reconocer patrones y crear modelos predictivos. Los programas de IA aprovechan estas capacidades para realizar tareas complejas, emulando capacidades y acciones humanas. Los chatbots, asistentes inteligentes como Amazon Alexa y los autos autoconducidos son aplicaciones de la IA.

Un ejemplo de un modelo de ML en el sector de pagos diseñado para lograr IA es identificar un patrón de contracargos elevados para un cierto grupo de clientes y aplicar automáticamente una regla de negocio para eliminar tarjetas como opción de pago una vez que un cliente inicia su tercer contracargo dentro de un período de seis meses. ML hace que esta respuesta sea inmediata, específica y automática, eliminando la necesidad de cualquier entrada manual o toma de decisiones.

La IA también puede ayudar a mejorar la experiencia del cliente y reducir gastos operativos. Por ejemplo, un modelo de ML puede estar detrás de una aplicación de IA para identificar y dirigir a los clientes con historiales de pago confiables hacia opciones de autoservicio usando capacidades de IVR, chatbot o mensajería de texto combinadas con enlaces de pago personalizados. También puede enviar a esos clientes mensajes especiales de participación para fomentar el registro al pago automático, incluyendo enlaces personalizados para que ese proceso sea fácil y fluido.

Aquellos con un patrón de pagos perdidos o devoluciones ACH, por otro lado, pueden recibir comunicaciones con opciones para cómo conciliarlas. Por ejemplo, ¿les gustaría que su pago perdido se divida en múltiples pagos y se agregue a facturas futuras? ¿Les resultaría útil mover su fecha de pago para que coincida con el día de pago? ¿O sería preferible hacer pagos semanales en lugar de un pago mensual? Luego, los clientes podrían hacer clic en enlaces para implementar sus decisiones de manera independiente, en lugar de depender de una llamada telefónica con un agente. Este tipo de toma de decisiones automatizada y guiada por datos lleva a los clientes a la experiencia de pago más expedita y adecuada para ellos, mientras se reserva el tiempo del personal de servicio para los casos que requieren atención especial.

Mientras tanto, los datos provenientes de las decisiones de esos clientes y sus patrones futuros de pago se incorporan para entrenar el modelo de ML y ofrecer a futuros clientes las opciones que tienen más probabilidades de llevar a un pago independiente y a tiempo en el futuro.

Cómo democratizar los datos en toda tu organización

La democratización de datos no ocurre de forma orgánica o independiente. Primero requiere un compromiso del proveedor de tu pago para eliminar los silos y los guardianes que se interponen entre obtener datos completos y de manera ágil en manos de tus partes interesadas. Si tu proveedor de pagos actual no está dando prioridad a esto, puede ser el momento de mirar hacia otro lado.

Tu proveedor de pagos debería comenzar desarrollando un almacén de datos donde compile y normalice todos los datos de pagos. Luego debería entregar los datos en el formato que te sea más útil. Esto podría significar proporcionar datos sin procesar para que tu personal los descargue y analice internamente, completar el análisis por ti, visualizar tus datos de forma agregada con datos de la industria, o ofrecer datos contextuales de fuentes externas.

Una vez que esos elementos estén en su lugar, el balón queda en tu cancha para hacer que los datos sean observables para todas las partes interesadas en tu organización (incluso para las menos técnicas), para que puedan tomar medidas y perseguir objetivos basados en hechos, no en sensaciones.

El movimiento de democratización de datos ha sentado las bases para que los cobradores agreguen evidencia y contexto a la toma de decisiones en toda la organización. Quienes aprovechen esto tendrán la ventaja al optimizar estrategias para aumentar el autoservicio y crear una experiencia de cliente fluida y satisfactoria.

Sobre el autor

Steve Kramer es el Vicepresidente de Producto en PayNearMe, donde lidera el equipo de desarrollo de producto. Con más de 25 años de experiencia en pagos y producto, Steve se asegura de que las soluciones de PayNearMe lideren el mercado al reducir la fricción del consumidor y ofrecer el rango más amplio de opciones y canales de pago, todo mientras se mantiene enfocado en la seguridad y la confiabilidad para garantizar que los clientes cobren cada pago, cada vez.