Trois façons dont la démocratisation des données peut améliorer le paiement des factures pour les entreprises et leurs clients

Dites bonjour à l’yottabyte, qui représente 1024 octets, ou la quantité de données qui tiendrait sur des DVD empilés de la Terre à Mars. D’ici les années 2030, le monde devrait générer un yottabyte de données par an.

Mais à quoi sert cet immense océan de données, si ce n’est pour y accéder rapidement, les analyser et les utiliser afin d’éclairer les décisions actuelles et futures ? Cette question a suscité une conversation grandissante autour de la valeur de « démocratiser les données » ou de rendre les données plus accessibles à toutes les parties d’une organisation. Lorsque les données sont démocratisées, elles peuvent être utilisées pour comprendre la santé de l’entreprise, prédire les résultats et développer des stratégies visant à réduire les dépenses opérationnelles et à générer davantage de profit. Une partie de la « démocratisation » ne consiste pas seulement à obtenir accès aux données, mais aussi à permettre à des personnes ayant des formations techniques variées d’utiliser ces données pour éclairer les décisions liées à l’activité.

Les entreprises Fintech et leurs clients, tels que les facturiers, sont particulièrement bien placés pour participer à ce mouvement de démocratisation, en raison de la vaste quantité de données de paiement disponibles – si ces données peuvent être rendues accessibles à toutes les parties prenantes au sein de l’organisation de facturation. Dans cet article, nous aborderons les principaux obstacles à la démocratisation des données – les silos de données et les contrôleurs IT – et comment accéder à ces données peut transformer les paiements pour les facturiers et leurs clients.

Silos et le gardien IT

Au cours des 50 dernières années, les données ont été largement contrôlées par des techniciens IT et des analystes qui ont des connaissances spécialisées et une formation spécifique. Les données de paiement, en particulier, sont généralement verrouillées dans des plateformes de paiement, à partir desquelles les équipes d’ingénierie des fournisseurs compilent des rapports standard pour leurs clients chaque trimestre et créent des rapports personnalisés sur demande.

Les données de paiement ne devraient pas être enfermées entre les mains de quelques-uns. Il existe des milliards de points de données qui résident dans les plateformes de paiement. Ces données de paiement sont essentiellement la manière dont les clients communiquent avec leurs institutions de prêt chaque mois. Lorsque les facturiers peuvent accéder à ces données et les appliquer de nouvelles façons, elles peuvent servir à aider chacun dans leur organisation à prendre de meilleures décisions et à conduire des améliorations opérationnelles.

Démocratiser les données ouvre un trésor d’informations actionnables qui peuvent être appliquées de nouvelles façons, de manière innovante. Voici trois façons pour les facturiers de mettre ces informations à profit pour renforcer l’efficacité opérationnelle et donner aux équipes les moyens de mieux décider :

2.      

### Identifier et améliorer les zones de faiblesse, puis définir les priorités en conséquence

Avoir des données et des statistiques de paiement sous les yeux, c’est une chose, mais cela conduit souvent à davantage de questions que de réponses. Ces chiffres sont-ils bons ? Mauvais ? Faut-il agir ? Et si oui, où ?

Lorsque votre fournisseur de paiements vous permet de mesurer et d’étalonner vos paiements et vos données clients par rapport aux données agrégées du secteur, vous pouvez suivre les tendances de paiement et de consommation au fur et à mesure qu’elles se dessinent dans différents marchés et lieux, et prédire l’impact sur votre activité.

Les données d’étalonnage révèlent des valeurs aberrantes – des zones où vous êtes nettement au-dessus ou en dessous de la moyenne – et vous aident à comprendre dans quelle direction évolue l’industrie.

Par exemple, vous pouvez examiner les taux de paiements refusés et de chargebacks, puis déterminer ce qui peut être fait pour aligner vos résultats, ou les dépasser, par rapport à la moyenne du secteur. Vous pouvez aussi étudier les communications d’engagement agrégées, en vous demandant : « Quels sont les taux de clic typiques pour les SMS par rapport à l’e-mail, et à quelle vitesse cela aboutit-il à un paiement pour notre entreprise par rapport à l’ensemble du secteur ? » Vous pourriez repérer des endroits où vous pourriez modifier des règles métier ou des paramètres, introduire de nouveaux types de paiements ou déplacer la messagerie d’engagement vers un autre jour ou un autre moment de la journée afin de générer davantage de paiements à l’heure.

Les données d’étalonnage aident également à identifier les tendances émergentes des paiements afin que vous puissiez vous adapter rapidement pour faire face aux problèmes ou répondre à de nouvelles demandes. Vous pourriez remarquer qu’un type de paiement particulier gagne du terrain ou que le retard des paiements automatiques accuse un décalage dans un groupe démographique spécifique. Lorsque vous pouvez voir vos données à un niveau granulaire, mises en regard des moyennes du secteur, vous pouvez réagir et vous adapter, définir des KPI réalistes et vous concentrer sur des améliorations de processus qui génèrent de réelles efficacités opérationnelles.

3.      

### Prédire ce qui vous attend pour permettre une meilleure planification

Limiter l’analyse des données à des sources internes, voire à des sources couvrant l’ensemble du secteur, peut créer des lacunes dans la compréhension. C’est pourquoi de nombreuses entreprises intègrent des données externes dans leurs analyses ; elles recherchent un regard plus large pour comprendre comment ce qui se passe dans « le monde extérieur » peut influencer le comportement de paiement aujourd’hui et dans le futur.

À mesure que davantage de fournisseurs de plateformes de paiement se penchent sur la démocratisation des données, cela pourrait ouvrir des opportunités pour diffuser les données de paiement vers l’écosystème du facturier. Lorsqu’elles sont combinées avec d’autres points de données tels que les scores de crédit, l’indice des prix à la consommation, ou des informations issues du recensement, elles peuvent aider votre fournisseur de paiements à déterminer le profil de risque d’un individu ou d’un groupe démographique, ce qui vous aide à mieux prédire les schémas de paiement, à cibler les communications d’engagement et à automatiser des règles métier connues pour encourager les paiements à l’heure.

Les données économiques issues de sources gouvernementales peuvent révéler des zones où l’augmentation du chômage ou la baisse du PIB pourrait affecter la solidité financière d’un grand groupe de clients. Même les données de prévision météorologique peuvent être utiles. Par exemple, Hurricane Ian a dévasté l’économie de l’ensemble de l’État de Floride, car des entreprises ont fermé, des résidents ont fui et des consommateurs ont déversé de l’argent pour se préparer à la tempête et pour s’en remettre, ce qui les a laissés avec bien moins de capacité à payer leurs factures.

Lorsque vous disposez de données facilement disponibles pour faire des prédictions fondées sur des faits, vous pouvez préparer votre entreprise aux impacts de paiement en avance sur la courbe. Vous pouvez aussi travailler avec votre fournisseur de paiements afin d’automatiser la prise de contact avec les payeurs de manière proactive avant que des paiements manqués ne deviennent un problème plus important et plus coûteux. Vous pourriez être en mesure de proposer des solutions comme le fractionnement des paiements, le changement des dates d’échéance pour qu’elles coïncident avec le jour de paie, ou l’envoi de rappels de paiement plus fréquents.

4.      

### Automatiser la prise de décision pour lutter contre la fraude et autres problèmes

L’industrie des paiements génère une quantité énorme de données qui peut être utile pour signaler d’éventuels problèmes, mais seulement si les facturiers disposent d’un moyen d’analyser ces données en temps réel, de prédire les résultats et d’automatiser les réponses. Votre fournisseur de paiements doit pouvoir tirer parti de l’intelligence artificielle (IA) et de l’apprentissage automatique (ML) pour atteindre ces objectifs, rendant possible la détection et la prédiction d’activités frauduleuses, de paiements en retard, de retours ACH et plus encore de manière rentable et fiable, tout en lançant des corrections de façon proactive via des règles métier automatisées.

ML et IA sont liés dans le même écosystème : les systèmes d’IA sont construits à l’aide du ML, ainsi que d’autres techniques. Avec le ML, les machines apprennent à partir de jeux de données plutôt que d’avoir à être programmées. Elles peuvent classifier les données, reconnaître des schémas et créer des modèles prédictifs. Les programmes d’IA exploitent ces capacités pour effectuer des tâches complexes, en imitant les capacités et les actions humaines. Les chatbots, les assistants intelligents tels qu’Amazon Alexa et les voitures autonomes sont toutes des applications de l’IA.

Un exemple de modèle ML dans le secteur des paiements conçu pour atteindre l’IA consiste à identifier un schéma de chargebacks élevés pour un certain groupe de clients et à appliquer automatiquement une règle métier afin de retirer les cartes comme option de paiement une fois qu’un client initie son troisième chargeback au cours d’une période de six mois. Le ML rend cette réponse immédiate, spécifique et automatique, éliminant ainsi tout besoin de saisie manuelle ou de prise de décision.

L’IA peut également contribuer à améliorer l’expérience client et à réduire les dépenses d’exploitation. Par exemple, un modèle ML peut être à l’origine de cette application d’IA qui identifie et oriente les clients disposant d’historiques de paiement fiables vers des options de paiement en libre-service via des capacités IVR, de chatbot ou de messagerie texte, combinées à des liens de paiement personnalisés. Il peut également envoyer à ces clients des messages d’engagement spéciaux pour encourager l’inscription à l’auto-paiement, notamment avec des liens personnalisés pour rendre ce processus facile et fluide.

En revanche, les personnes présentant un schéma de paiements manqués ou de retours ACH peuvent recevoir des communications proposant des options pour procéder au rapprochement. Par exemple, souhaitent-elles que leur paiement manqué soit réparti en plusieurs paiements et ajouté aux factures futures ?  Trouveront-elles utile de déplacer leur date de paiement pour qu’elle coïncide avec le jour de paie ? Ou les paiements hebdomadaires seraient-ils préférables à un paiement mensuel unique ? Les clients pourraient ensuite cliquer sur des liens pour appliquer leurs décisions de manière indépendante, plutôt que de dépendre d’un appel téléphonique avec un agent. Ce type de prise de décision automatisée, guidée par les données, conduit les clients vers l’expérience de paiement la plus opportune et la plus adaptée à leur situation, tout en réservant le temps des représentants du service aux cas qui nécessitent une attention particulière.

En attendant, les données issues des décisions de ces clients, ainsi que leurs futurs schémas de paiement, servent à entraîner le modèle ML afin d’offrir aux futurs clients les options les plus susceptibles d’aboutir à des paiements indépendants et à l’heure à l’avenir.

Comment démocratiser les données dans l’ensemble de votre organisation

La démocratisation des données ne se produit ni naturellement ni de manière indépendante. Elle exige d’abord un engagement de la part du fournisseur de vos paiements pour supprimer les silos et les gardiens qui se dressent sur la voie d’un accès aux données complet et rapide entre les mains de vos parties prenantes. Si votre fournisseur de paiements actuel ne fait pas de cette priorité une priorité, il est peut-être temps de chercher ailleurs.

Votre fournisseur de paiements doit d’abord développer un entrepôt de données où il compile et normalise toutes les données de paiement. Il doit ensuite fournir les données dans le format le plus utile pour vous. Cela peut signifier fournir des données brutes à votre équipe pour qu’elle les télécharge et les analyse en interne, compléter l’analyse pour vous, visualiser vos données de manière agrégée avec des données du secteur, ou proposer des données contextuelles provenant de sources externes.

Une fois ces éléments en place, il vous appartient de rendre les données observables par toutes les parties prenantes de votre organisation – y compris les moins techniques – afin qu’elles puissent agir et poursuivre des objectifs fondés sur des faits, et non sur des impressions.

Le mouvement de démocratisation des données a préparé le terrain pour que les facturiers ajoutent des preuves et du contexte à la prise de décision tout au long de l’organisation. Ceux qui en profiteront auront l’avantage pour optimiser les stratégies visant à renforcer le libre-service et à créer une expérience client fluide et satisfaisante.

À propos de l’auteur

Steve Kramer est vice-président Produits chez PayNearMe, où il dirige l’équipe de développement produit. Avec plus de 25 ans d’expérience dans les paiements et le produit, Steve s’assure que les solutions de PayNearMe mènent le marché en réduisant la friction côté consommateur et en offrant la plus large gamme d’options et de canaux de paiement, tout en restant concentré sur la sécurité et la fiabilité afin de garantir que les clients encaissent chaque paiement, à chaque fois.