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

Saluda a la 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 una yottabyte de datos por año.

¿De qué sirve este vasto océano de datos, sin embargo, a menos que puedan accederse, analizarse y usarse de manera expedita para informar decisiones presentes y futuras? Esa pregunta ha impulsado una conversación creciente sobre el valor de “democratizar los datos” o hacer que los datos sean más accesibles a todas las partes de una organización. Cuando los datos se democratizan, pueden usarse para entender la salud del negocio, predecir resultados y desarrollar estrategias para reducir gastos operativos y aumentar las ganancias. Parte de la “democratización” no es solo acceder a los datos, sino permitir que personas con diferentes conocimientos técnicos puedan usar esos datos para informar decisiones empresariales.

Las empresas fintech y sus clientes, como los emisores de facturas, son especialmente propensos a participar en el movimiento de democratización debido a la gran cantidad de datos de pagos disponibles —si esos datos pueden hacerse accesibles a todos los interesados en la organización de facturación. En este artículo, discutiremos las principales barreras para la democratización de datos —los silos de datos y los guardianes de TI— y cómo el acceso a estos datos puede transformar los pagos para los emisores y sus clientes.

Silos y el Guardián de TI

Durante los últimos 50 años, los datos han sido controlados en gran medida por técnicos y analistas de TI que poseen conocimientos y capacitación especializados. Los datos de pagos, en particular, suelen estar bloqueados en plataformas de pagos, desde donde los equipos de ingeniería de los proveedores preparan informes estándar para sus clientes trimestralmente y crean informes personalizados a solicitud.

Los datos de pagos no deberían estar en manos de unos pocos. Hay miles de millones de puntos de datos que residen en las plataformas de pago. Estos datos de pago son esencialmente la forma en que los clientes se comunican con sus instituciones crediticias cada mes. Cuando los emisores de facturas pueden acceder y aplicar esos datos de maneras nuevas e innovadoras, pueden ayudar a todos en su organización a tomar decisiones mejor informadas y a impulsar mejoras operativas.

La democratización de datos abre un tesoro de conocimientos accionables que pueden aplicarse de formas nuevas e innovadoras. Aquí hay tres maneras en que los emisores pueden aprovechar esos conocimientos para aumentar la eficiencia operativa y potenciar la toma de decisiones:

2.      

### Identificar y mejorar 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 genera más preguntas que respuestas. ¿Son esos números buenos? ¿Malos? ¿Deberías tomar medidas? Y si es así, ¿dónde?

Cuando tu proveedor de pagos te permite medir y comparar tus datos de pagos y clientes con datos agregados de la industria, puedes seguir las tendencias de pagos y comportamiento del consumidor a medida que se desarrollan en diferentes 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 tener una idea de hacia dónde se dirige la industria.

Por ejemplo, puedes examinar las tasas de pagos rechazados y devoluciones y luego determinar qué se puede hacer para alinear tus números con el promedio de la industria o superarlo. También puedes estudiar comunicaciones de compromiso agregadas, preguntando: “¿Cuáles son las tasas de clics típicas en SMS versus correo electrónico, y qué tan rápido eso conduce a un pago para nuestro negocio en comparación con toda la industria?” Podrías notar lugares donde podrías modificar reglas o parámetros comerciales, introducir nuevos tipos de pago o mover los mensajes de compromiso a otro día u hora para impulsar pagos más puntuales.

Los datos de referencia también te ayudan a identificar tendencias emergentes en pagos, para que puedas adaptarte rápidamente a problemas o nuevas demandas. Podrías notar que un tipo de pago en particular está ganando tracción o que los pagos automáticos están retrasados en un grupo demográfico específico. Cuando puedes ver tus datos a un nivel granular, comparados con promedios de la industria, puedes reaccionar y adaptarte, establecer KPIs realistas y enfocarte en mejoras de procesos que generen eficiencias operativas reales.

3.      

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

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

A medida que más proveedores de plataformas de pago profundizan en la democratización de datos, esto podría abrir oportunidades para transmitir datos de pagos al ecosistema del emisor. Cuando se combina con otros puntos de datos, como puntajes de crédito, el índice de precios al consumidor o información del censo, puede ayudar a tu proveedor de pagos a determinar el perfil de riesgo de un individuo o grupo demográfico, lo que ayuda a predecir mejor los patrones de pago, dirigir comunicaciones de compromiso y automatizar reglas comerciales conocidas por fomentar pagos puntuales.

Los datos económicos de fuentes gubernamentales pueden revelar áreas donde un aumento en el desempleo o una caída en el PIB podrían afectar la fortaleza financiera de un gran grupo de clientes. Incluso los datos de pronóstico del clima pueden ser útiles. Por ejemplo, el huracán Ian causó estragos en toda la economía del estado de Florida, ya que las empresas cerraron, los residentes huyeron y los consumidores gastaron dinero en prepararse y recuperarse de la tormenta, dejando mucho menos capacidad para pagar facturas.

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

4.      

### Automatizar la toma de decisiones para abordar fraudes y otros problemas

La industria de pagos genera una cantidad enorme de datos que pueden ser útiles para detectar problemas potenciales —pero solo si los emisores 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 actividades fraudulentas, pagos atrasados, devoluciones ACH y más, de manera rentable y confiable, e iniciar soluciones de forma proactiva mediante reglas comerciales automatizadas.

El ML y la IA están vinculados en el mismo ecosistema: los sistemas de IA se construyen usando ML, así como otras técnicas. Con ML, las máquinas aprenden de conjuntos de datos en lugar de ser programadas explícitamente. 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 Alexa de Amazon y 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 altas devoluciones de cargo para un grupo determinado de clientes y aplicar automáticamente una regla comercial para eliminar las tarjetas como opción de pago una vez que un cliente inicia su tercer cargo devuelto en un período de seis meses. ML hace que esta respuesta sea inmediata, específica y automática, eliminando la necesidad de intervención manual o decisiones.

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 clientes con historiales de pagos confiables a opciones de pago de autoservicio mediante IVR, chatbots o capacidades de mensajería de texto, combinadas con enlaces de pago personalizados. También puede enviar mensajes de compromiso especiales a esos clientes para fomentar la inscripción en pagos automáticos, incluyendo enlaces personalizados para facilitar y hacer sin esfuerzo ese proceso.

Por otro lado, a los clientes con patrones de pagos perdidos o devoluciones ACH se les pueden enviar comunicaciones con opciones para conciliar. Por ejemplo, ¿les gustaría dividir su pago perdido en varias cuotas y sumarlas a facturas futuras? ¿Les sería útil mover su fecha de pago para coincidir con su día de pago? ¿O sería preferible hacer pagos semanales en lugar de uno mensual? Los clientes podrían hacer clic en enlaces para implementar sus decisiones de forma independiente, sin necesidad de llamar a un agente. Este tipo de toma de decisiones automatizada y basada en datos lleva a los clientes a la experiencia de pago más expedita y adecuada para ellos, reservando el tiempo de los representantes de servicio para casos que requieran atención especial.

Mientras tanto, los datos de esas decisiones de los clientes y sus futuros patrones de pago se utilizan para entrenar el modelo de ML, con el fin de ofrecer a futuros clientes las opciones más probables de conducir a pagos independientes y puntuales en el futuro.

Cómo Democratizar los Datos en Toda tu Organización

La democratización de datos no sucede de forma orgánica o independiente. Primero requiere un compromiso por parte del proveedor de tu pago para eliminar los silos y guardianes que impiden que los datos lleguen de manera completa y expedita a las manos de tus interesados. Si tu proveedor actual de pagos no está priorizando esto, quizás sea momento de buscar otras opciones.

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 más útil para ti. Esto puede significar proporcionar datos en bruto para que tu personal los descargue y analice internamente, realizar el análisis por ti, visualizar tus datos en conjunto con datos de la industria, o ofrecer datos contextuales de fuentes externas.

Una vez que esos elementos estén en su lugar, la responsabilidad recae en ti para hacer que los datos sean observables para todos los interesados en tu organización —incluso los menos técnicos— para que puedan tomar acciones y perseguir metas basadas en hechos, no en sentimientos.

El movimiento de democratización de datos ha preparado el escenario para que los emisores agreguen evidencia y contexto a la toma de decisiones en toda la organización. Quienes aprovechen esto tendrán la ventaja de optimizar estrategias para aumentar el autoservicio y crear una experiencia del cliente sin fricciones y satisfactoria.

Sobre el Autor

Steve Kramer es Vicepresidente de Producto en PayNearMe, donde lidera el equipo de desarrollo de productos. Con más de 25 años de experiencia en pagos y productos, Steve asegura que las soluciones de PayNearMe lideren el mercado reduciendo la fricción para el consumidor y ofreciendo la gama más amplia de opciones y canales de pago, todo mientras mantiene un enfoque en seguridad y confiabilidad para garantizar que los clientes cobren cada pago, cada vez.