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

Di hola a la yottabyte, que representa 1024 bytes, o la cantidad de datos que cabría en DVDs apilados desde la Tierra hasta Marte. Para la década de 2030, se espera que el mundo genere una yottabyte de datos por año.

Pero, ¿de qué sirve este vasto océano de datos si no puede accederse de manera expedita, analizarse y utilizarse para informar las decisiones actuales y futuras? Esa pregunta ha impulsado una conversación en crecimiento 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 trasfondos técnicos puedan usar esos datos para informar decisiones de negocio.

Las empresas de fintech y sus clientes, como los cobradores, están especialmente listas 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 todos los stakeholders en la organización de facturación. En este artículo, analizaremos las principales barreras para la democratización de datos: silos de datos y guardianes de TI, y cómo ganar acceso a estos 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 de TI y analistas que han especializado conocimientos y capacitación. En particular, los datos de pagos normalmente se encuentran 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 estar en manos de unos pocos. Hay miles de millones de puntos de datos que viven dentro de las plataformas de pagos. Esos datos de pagos son esencialmente la forma en que los clientes se comunican con sus instituciones de crédito cada mes. Cuando los cobradores pueden acceder y aplicar esos datos de maneras nuevas e innovadoras, pueden usarse para ayudar a que todos en su organización tomen decisiones mejor informadas y impulsen mejoras operativas.

La democratización de datos abre un tesoro de información útil que puede aplicarse de maneras nuevas e innovadoras. Aquí hay tres formas en que los cobradores pueden poner esos conocimientos en práctica para impulsar la eficiencia operativa y empoderar la toma de decisiones:

2.      

### Identificar y mejorar áreas de debilidad y dirigir 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 medidas? ¿Y si es así, dónde?

Cuando tu proveedor de pagos te permite medir y comparar tus pagos y datos de clientes con los 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 claramente 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, a continuación, determinar qué se puede hacer para alinear tus cifras con el promedio de la industria o superarlo. También puedes estudiar comunicaciones de participación agregadas, preguntando: “¿Cuáles son las tasas de clicthrough típicas para SMS frente a correo electrónico, y qué tan rápido eso lleva a un pago para nuestro negocio en comparación con la industria en su conjunto?” Es posible que notes lugares donde podrías cambiar reglas o parámetros de negocio, introducir nuevos tipos de pagos o mover los mensajes de participación a otro día u otra hora del día para impulsar más pagos puntuales.

Los datos de referencia también ayudan a identificar tendencias emergentes de pagos para que puedas adaptarte rápidamente para abordar problemas o satisfacer nuevas demandas. Podrías notar un tipo de pago que gana tracción o un retraso en los pagos automáticos que se está dando en un grupo demográfico específico. Cuando puedes ver tus datos a un nivel granular, apilados frente a los promedios de la industria, puedes reaccionar y adaptarte, establecer KPI realistas y enfocarte en mejoras de proceso que impulsen 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 un lente más amplio 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 se adentran en la democratización de datos, podría abrir oportunidades para transmitir datos de pagos al ecosistema del cobrador. Cuando se combinan con otros puntos de datos como puntuaciones crediticias, el índice de precios al consumidor o información censal, puede ayudar a que tu proveedor de pagos determine el perfil de riesgo de un individuo o grupo demográfico, lo que te permite predecir mejor patrones de pago, dirigir comunicaciones de participación y automatizar reglas de negocio que se sabe que alientan pagos puntuales.

Los datos económicos de fuentes gubernamentales pueden revelar áreas donde el aumento del desempleo o la caída del PIB podría afectar la fortaleza financiera de un gran grupo de clientes. Incluso los datos de pronósticos meteorológicos pueden ser útiles. Por ejemplo, el huracán Ian causó estragos en toda la economía del estado de Florida cuando los negocios cerraron, los residentes huyeron y los consumidores vertieron dinero para prepararse y recuperarse del huracán, dejándolos con mucha menos capacidad para pagar facturas.

Cuando tienes los datos disponibles para hacer predicciones basadas en hechos, puedes preparar tu negocio para impactos de pagos antes de que la curva se cierre. También puedes trabajar con tu proveedor de pagos para automatizar el alcance a quienes pagan de forma proactiva antes de que los pagos perdidos se conviertan en un problema más grande y más costoso. Podrías ser capaz de 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 forma rentable y confiable actividades fraudulentas, pagos tardíos, devoluciones ACH y más, e iniciar correcciones de manera 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 autónomos son todas aplicaciones de IA.

Un ejemplo de un modelo de ML en el sector de pagos diseñado para lograr IA es identificar un patrón de contracargos altos 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 periodo de seis meses. El ML hace que esta respuesta sea inmediata, específica y automática, eliminando cualquier necesidad de entrada o toma de decisiones manual.

La IA también puede ayudar a mejorar la experiencia del cliente y reducir los 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 de pagos automáticos, incluyendo enlaces personalizados para que ese proceso sea fácil y fluido.

Por otro lado, quienes tengan un patrón de pagos perdidos o devoluciones ACH 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? Los clientes podrían entonces hacer clic en enlaces para implementar sus decisiones por su cuenta, en lugar de depender de una llamada telefónica con un agente. Este tipo de toma de decisiones automatizada y dirigida por datos lleva a los clientes a la experiencia de pago más expedita y adecuada para ellos, mientras reserva el tiempo de los representantes de servicio para los casos que necesitan atención especial.

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

Cómo democratizar los datos en toda tu organización

La democratización de datos no ocurre de manera orgánica o independiente. Primero requiere un compromiso por parte del proveedor de tus pagos para eliminar los silos y los guardianes que se interponen en el camino para poner los datos completamente y de manera expedita en manos de tus stakeholders. Si tu proveedor actual de pagos no lo está priorizando, puede ser momento de mirar en otra dirección.

Tu proveedor de pagos debería estar desarrollando primero 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 manera agregada con datos de la industria, o ofrecer datos contextuales provenientes de fuentes externas.

Una vez que esos elementos estén en su lugar, la pelota queda en tu cancha para hacer que los datos sean observables para todos los stakeholders en tu organización—incluso para los menos técnicos—para que puedan tomar medidas y perseguir objetivos basados en hechos, no en sensaciones.

El movimiento de democratización de datos ha preparado el escenario para que los cobradores agreguen evidencia y contexto a la toma de decisiones en toda la organización. Quienes aprovechen esta oportunidad tendrán ventaja al optimizar estrategias para aumentar el autoservicio y crear una experiencia de cliente sin fricciones 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 la más amplia gama 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.