こんにちは、1024バイトを表すヨタバイトに挨拶しましょう。これは地球から火星まで積み重ねたDVDに収まるデータ量に相当します。2030年代までに、世界は年間でヨタバイトのデータを生成すると予測されています。しかし、この膨大なデータの海は、迅速にアクセス、分析、そして現在および将来の意思決定に役立てることができなければ、何の意味もありません。その問いは、「データの民主化」や、組織のあらゆる部分にデータをよりアクセスしやすくする価値についての議論を活発化させています。データが民主化されると、ビジネスの健全性を理解し、結果を予測し、運用コストを削減し、利益を拡大する戦略を立てるために活用できます。「民主化」の一部は、単にデータにアクセスできるようになるだけでなく、さまざまな技術的背景を持つ人々がそのデータを使ってビジネスの意思決定を支援できるようにすることです。フィンテック企業や請求業者などのクライアントは、利用可能な膨大な支払いデータのおかげで、民主化運動に参加しやすい状況にあります。もしそのデータがすべての関係者にアクセス可能であれば、なおさらです。本記事では、データ民主化の主な障壁であるデータサイロとITゲートキーパーについて議論し、これらのデータへのアクセスを得ることが請求業者とその顧客の支払い体験をどのように変革できるかについて説明します。サイロとITゲートキーパー---------------------------過去50年間、データは主にIT技術者やアナリストによって管理されてきました。彼らは専門的な知識と訓練を持っています。特に支払いデータは、支払いプラットフォーム内にロックされていることが多く、その提供者のエンジニアリングチームが四半期ごとに標準レポートを作成し、リクエストに応じてカスタムレポートを作成しています。支払いデータは少数の手に渡るべきではありません。支払いプラットフォーム内には何十億ものデータポイントが存在します。これらの支払いデータは、顧客が毎月貸し付け機関とやり取りする基本的なコミュニケーション手段です。請求業者がそのデータにアクセスし、新しい方法や革新的な方法で活用できれば、組織内の誰もがより良い意思決定を行い、運用改善を促進できるのです。データの民主化は、実行可能な洞察の宝庫を開きます。以下に、請求業者がこれらの洞察を活用して運用効率を高め、意思決定を支援する3つの方法を示します。2. ### 弱点を特定し改善し、優先順位を適切に設定する支払いデータや統計情報が手元にあることは一つのことですが、それだけでは多くの疑問が生まれることもあります。これらの数字は良いのか悪いのか？何か行動を起こすべきか？そうであれば、どこに？支払い提供者があなたの支払いと顧客データを業界全体の平均と比較し、測定・ベンチマークできるようにすれば、さまざまな市場や地域での支払い・消費者の動向を追跡し、その影響を予測できます。ベンチマークデータは、平均を大きく上回るまたは下回る異常値を明らかにし、業界の動向を把握する手助けとなります。例えば、支払いの拒否率やチャージバックの割合を調査し、それを業界平均に合わせる、または上回るために何ができるかを判断します。また、集約されたエンゲージメントコミュニケーションを分析し、「SMSとメールのクリック率はどのくらいか？それが支払いにどのくらい早くつながるか？」といった質問を投げかけることも可能です。ビジネスルールやパラメータを調整したり、新しい支払いタイプを導入したり、エンゲージメントメッセージの送信日や時間を変更して、期日通りの支払いを促進することもできます。ベンチマークデータは、新たな支払いトレンドを特定し、迅速に対応して問題を解決したり、新たな需要に応えたりするのにも役立ちます。特定の支払いタイプが注目を集めている、または自動支払いが特定の層で遅れているといった兆候を見つけた場合、詳細なデータと業界平均を比較することで、反応し適応し、現実的なKPIを設定し、実際の運用効率を向上させる改善策に集中できます。3. ### 先を予測し、より良い計画を立てる内部データや業界全体のデータだけに頼ると、理解にギャップが生まれることがあります。そこで、多くの企業は外部データも分析に取り入れ、外の世界で起きていることが今日の支払い行動や将来にどのように影響するかをより広い視野で理解しようとしています。支払いプラットフォームの提供者がデータ民主化に取り組むにつれ、支払いデータを請求業者のエコシステムにストリーミングする機会も生まれます。クレジットスコアや消費者物価指数、国勢調査データなどと組み合わせることで、支払い提供者は個人や層のリスクプロファイルを判断しやすくなり、支払いパターンの予測やエンゲージメントのターゲティング、自動化されたビジネスルールの設定に役立ちます。政府の経済データは、失業率の上昇やGDPの低下が多くの顧客の経済的安定性に影響を与える可能性を示すこともあります。天気予報データも役立ちます。例えば、ハリケーン・イアンはフロリダ州全体の経済に大きな打撃を与え、企業の閉鎖や住民の避難、準備や復旧に多額の資金が投入され、支払い能力が大きく低下しました。事実に基づく予測を行うためのデータがあれば、支払いへの影響を事前に把握し、ビジネスを準備できます。支払い遅延や未払いを未然に防ぐために、支払い者に積極的にアプローチし、自動化することも可能です。例えば、分割払いの提案や支払期日を給料日と合わせる、リマインダーを頻繁に送るなどです。4. ### 不正やその他の問題に対応するために意思決定を自動化する支払い業界は膨大なデータを生み出しており、その中には潜在的な問題を検知するのに役立つ情報も含まれています。ただし、請求業者がリアルタイムでそのデータを分析し、結果を予測し、自動的に対応できる仕組みが必要です。支払い提供者は、AI（人工知能）やML（機械学習）を活用して、コスト効率良く信頼性の高い不正検知や遅延、ACH返戻などを予測し、自動的に修正を行う仕組みを構築すべきです。MLとAIは同じエコシステム内で連携しています。AIシステムはMLや他の技術を用いて構築されます。MLは、プログラムされるのではなく、データセットから学習します。データの分類やパターン認識、予測モデルの作成が可能です。AIはこれらの能力を活用し、人間のような判断や行動を模倣します。チャットボットやAmazon Alexaのようなスマートアシスタント、自動運転車などがその例です。支払い分野でAIを実現するMLモデルの一例は、特定の顧客層で高いチャージバック率のパターンを識別し、6ヶ月以内に3回目のチャージバックを行った顧客に対してカードを支払い方法から自動的に除外するビジネスルールを適用することです。MLはこの対応を即座に自動化し、手動の判断を排除します。AIは顧客体験の向上や運用コスト削減にも役立ちます。例えば、信頼できる支払い履歴を持つ顧客をIVRやチャットボット、テキストメッセージと連携したパーソナライズされた支払いリンクを使ってセルフサービス支払いに誘導する仕組みを構築できます。また、オートペイ登録を促す特別なメッセージを送ることも可能です。一方、支払い遅延やACH返戻のパターンを持つ顧客には、分割支払いの提案や支払期日を給料日と合わせる提案、週次支払いの選択肢などを案内し、リンクをクリックして自分で決定できる仕組みを提供します。これにより、顧客は担当者との通話を待つことなく、自分の意思で支払い方法を調整できます。この自動化されたデータ駆動の意思決定は、顧客にとって最も適した支払い体験を提供し、サービス担当者の負担を軽減します。また、顧客の決定や今後の支払いパターンのデータは、MLモデルの訓練に利用され、将来の顧客にとって最適な支払いオプションを提案できるようになります。組織全体でデータを民主化する方法----------------------------データの民主化は自然に起こるものではなく、支払い提供者が積極的に取り組む必要があります。サイロやゲートキーパーを排除し、データを迅速かつ完全に関係者に届けることが重要です。もし現在の支払い提供者がこれを優先していない場合は、他の選択肢を検討すべきです。支払い提供者はまず、すべての支払いデータを収集・正規化するデータウェアハウスを構築すべきです。その後、最も役立つ形式でデータを提供します。これには、スタッフが内部でダウンロード・分析できる生データの提供、分析の代行、業界データと集約したビジュアライゼーション、外部ソースからのコンテキストデータの提供などが含まれます。これらの仕組みが整ったら、次はあなたの組織のすべての関係者、特に技術的に詳しくない人々にもデータを見える化し、行動を促すことです。事実に基づいた意思決定を可能にし、感情に左右されない運用を実現します。データ民主化の動きは、請求業者が組織全体の意思決定に証拠とコンテキストを追加できる土台を築いています。これを活用することで、セルフサービスを促進し、摩擦の少ない満足度の高い顧客体験を創出する戦略を最適化できるでしょう。著者について----------スティーブ・クレイマーは、PayNearMeのプロダクト副社長であり、製品開発チームを率いています。25年以上の支払いと製品の経験を持ち、PayNearMeのソリューションが市場をリードし、消費者の摩擦を減らし、最も多様な支払いオプションとチャネルを提供しながらも、安全性と信頼性に焦点を当てていることを保証しています。彼の使命は、クライアントが毎回確実に支払いを回収できるよう支援することです。
ビジネスとそのカスタマーのための請求書支払いを改善するためにデータの民主化が役立つ3つの方法
こんにちは、1024バイトを表すヨタバイトに挨拶しましょう。これは地球から火星まで積み重ねたDVDに収まるデータ量に相当します。2030年代までに、世界は年間でヨタバイトのデータを生成すると予測されています。
しかし、この膨大なデータの海は、迅速にアクセス、分析、そして現在および将来の意思決定に役立てることができなければ、何の意味もありません。その問いは、「データの民主化」や、組織のあらゆる部分にデータをよりアクセスしやすくする価値についての議論を活発化させています。データが民主化されると、ビジネスの健全性を理解し、結果を予測し、運用コストを削減し、利益を拡大する戦略を立てるために活用できます。「民主化」の一部は、単にデータにアクセスできるようになるだけでなく、さまざまな技術的背景を持つ人々がそのデータを使ってビジネスの意思決定を支援できるようにすることです。
フィンテック企業や請求業者などのクライアントは、利用可能な膨大な支払いデータのおかげで、民主化運動に参加しやすい状況にあります。もしそのデータがすべての関係者にアクセス可能であれば、なおさらです。本記事では、データ民主化の主な障壁であるデータサイロとITゲートキーパーについて議論し、これらのデータへのアクセスを得ることが請求業者とその顧客の支払い体験をどのように変革できるかについて説明します。
サイロとITゲートキーパー
過去50年間、データは主にIT技術者やアナリストによって管理されてきました。彼らは専門的な知識と訓練を持っています。特に支払いデータは、支払いプラットフォーム内にロックされていることが多く、その提供者のエンジニアリングチームが四半期ごとに標準レポートを作成し、リクエストに応じてカスタムレポートを作成しています。
支払いデータは少数の手に渡るべきではありません。支払いプラットフォーム内には何十億ものデータポイントが存在します。これらの支払いデータは、顧客が毎月貸し付け機関とやり取りする基本的なコミュニケーション手段です。請求業者がそのデータにアクセスし、新しい方法や革新的な方法で活用できれば、組織内の誰もがより良い意思決定を行い、運用改善を促進できるのです。
データの民主化は、実行可能な洞察の宝庫を開きます。以下に、請求業者がこれらの洞察を活用して運用効率を高め、意思決定を支援する3つの方法を示します。
弱点を特定し改善し、優先順位を適切に設定する
支払いデータや統計情報が手元にあることは一つのことですが、それだけでは多くの疑問が生まれることもあります。これらの数字は良いのか悪いのか？何か行動を起こすべきか？そうであれば、どこに？
支払い提供者があなたの支払いと顧客データを業界全体の平均と比較し、測定・ベンチマークできるようにすれば、さまざまな市場や地域での支払い・消費者の動向を追跡し、その影響を予測できます。
ベンチマークデータは、平均を大きく上回るまたは下回る異常値を明らかにし、業界の動向を把握する手助けとなります。
例えば、支払いの拒否率やチャージバックの割合を調査し、それを業界平均に合わせる、または上回るために何ができるかを判断します。また、集約されたエンゲージメントコミュニケーションを分析し、「SMSとメールのクリック率はどのくらいか？それが支払いにどのくらい早くつながるか？」といった質問を投げかけることも可能です。ビジネスルールやパラメータを調整したり、新しい支払いタイプを導入したり、エンゲージメントメッセージの送信日や時間を変更して、期日通りの支払いを促進することもできます。
ベンチマークデータは、新たな支払いトレンドを特定し、迅速に対応して問題を解決したり、新たな需要に応えたりするのにも役立ちます。特定の支払いタイプが注目を集めている、または自動支払いが特定の層で遅れているといった兆候を見つけた場合、詳細なデータと業界平均を比較することで、反応し適応し、現実的なKPIを設定し、実際の運用効率を向上させる改善策に集中できます。
先を予測し、より良い計画を立てる
内部データや業界全体のデータだけに頼ると、理解にギャップが生まれることがあります。そこで、多くの企業は外部データも分析に取り入れ、外の世界で起きていることが今日の支払い行動や将来にどのように影響するかをより広い視野で理解しようとしています。
支払いプラットフォームの提供者がデータ民主化に取り組むにつれ、支払いデータを請求業者のエコシステムにストリーミングする機会も生まれます。クレジットスコアや消費者物価指数、国勢調査データなどと組み合わせることで、支払い提供者は個人や層のリスクプロファイルを判断しやすくなり、支払いパターンの予測やエンゲージメントのターゲティング、自動化されたビジネスルールの設定に役立ちます。
政府の経済データは、失業率の上昇やGDPの低下が多くの顧客の経済的安定性に影響を与える可能性を示すこともあります。天気予報データも役立ちます。例えば、ハリケーン・イアンはフロリダ州全体の経済に大きな打撃を与え、企業の閉鎖や住民の避難、準備や復旧に多額の資金が投入され、支払い能力が大きく低下しました。
事実に基づく予測を行うためのデータがあれば、支払いへの影響を事前に把握し、ビジネスを準備できます。支払い遅延や未払いを未然に防ぐために、支払い者に積極的にアプローチし、自動化することも可能です。例えば、分割払いの提案や支払期日を給料日と合わせる、リマインダーを頻繁に送るなどです。
不正やその他の問題に対応するために意思決定を自動化する
支払い業界は膨大なデータを生み出しており、その中には潜在的な問題を検知するのに役立つ情報も含まれています。ただし、請求業者がリアルタイムでそのデータを分析し、結果を予測し、自動的に対応できる仕組みが必要です。支払い提供者は、AI（人工知能）やML（機械学習）を活用して、コスト効率良く信頼性の高い不正検知や遅延、ACH返戻などを予測し、自動的に修正を行う仕組みを構築すべきです。
MLとAIは同じエコシステム内で連携しています。AIシステムはMLや他の技術を用いて構築されます。MLは、プログラムされるのではなく、データセットから学習します。データの分類やパターン認識、予測モデルの作成が可能です。AIはこれらの能力を活用し、人間のような判断や行動を模倣します。チャットボットやAmazon Alexaのようなスマートアシスタント、自動運転車などがその例です。
支払い分野でAIを実現するMLモデルの一例は、特定の顧客層で高いチャージバック率のパターンを識別し、6ヶ月以内に3回目のチャージバックを行った顧客に対してカードを支払い方法から自動的に除外するビジネスルールを適用することです。MLはこの対応を即座に自動化し、手動の判断を排除します。
AIは顧客体験の向上や運用コスト削減にも役立ちます。例えば、信頼できる支払い履歴を持つ顧客をIVRやチャットボット、テキストメッセージと連携したパーソナライズされた支払いリンクを使ってセルフサービス支払いに誘導する仕組みを構築できます。また、オートペイ登録を促す特別なメッセージを送ることも可能です。
一方、支払い遅延やACH返戻のパターンを持つ顧客には、分割支払いの提案や支払期日を給料日と合わせる提案、週次支払いの選択肢などを案内し、リンクをクリックして自分で決定できる仕組みを提供します。これにより、顧客は担当者との通話を待つことなく、自分の意思で支払い方法を調整できます。この自動化されたデータ駆動の意思決定は、顧客にとって最も適した支払い体験を提供し、サービス担当者の負担を軽減します。
また、顧客の決定や今後の支払いパターンのデータは、MLモデルの訓練に利用され、将来の顧客にとって最適な支払いオプションを提案できるようになります。
組織全体でデータを民主化する方法
データの民主化は自然に起こるものではなく、支払い提供者が積極的に取り組む必要があります。サイロやゲートキーパーを排除し、データを迅速かつ完全に関係者に届けることが重要です。もし現在の支払い提供者がこれを優先していない場合は、他の選択肢を検討すべきです。
支払い提供者はまず、すべての支払いデータを収集・正規化するデータウェアハウスを構築すべきです。その後、最も役立つ形式でデータを提供します。これには、スタッフが内部でダウンロード・分析できる生データの提供、分析の代行、業界データと集約したビジュアライゼーション、外部ソースからのコンテキストデータの提供などが含まれます。
これらの仕組みが整ったら、次はあなたの組織のすべての関係者、特に技術的に詳しくない人々にもデータを見える化し、行動を促すことです。事実に基づいた意思決定を可能にし、感情に左右されない運用を実現します。
データ民主化の動きは、請求業者が組織全体の意思決定に証拠とコンテキストを追加できる土台を築いています。これを活用することで、セルフサービスを促進し、摩擦の少ない満足度の高い顧客体験を創出する戦略を最適化できるでしょう。
著者について
スティーブ・クレイマーは、PayNearMeのプロダクト副社長であり、製品開発チームを率いています。25年以上の支払いと製品の経験を持ち、PayNearMeのソリューションが市場をリードし、消費者の摩擦を減らし、最も多様な支払いオプションとチャネルを提供しながらも、安全性と信頼性に焦点を当てていることを保証しています。彼の使命は、クライアントが毎回確実に支払いを回収できるよう支援することです。