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DVDを地球から火星まで積み重ねた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・活用できなければ意味がありません。その重要性を認識し、「データの民主化」や組織内のすべての部門がデータにアクセスできるようにする動きが高まっています。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ことが可能になります。民主化の一環として重要なのは、単にデータにアクセスできるようにするだけでなく、さまざまな技術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に役立てられ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になれば、より良い意思決定や効率的な支払い処理が実現します。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解説し、これらのデータにアクセスすることで請求業者と顧客の支払い体験がどのように変わるかを考察します。データサイロと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。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おり、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、必要に応じてカスタムレポートを作成しています。しかし、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には何十億ものデータポイントが存在し、これらは顧客が毎月貸し手とやり取りする情報そのものです。請求業者がこれらのデータにアクセスし、新しい方法で活用できれば、組織全体の意思決定を改善し、運用効率を高めることが可能です。データの民主化は、実行可能な洞察の宝庫を開きます。請求業者がこれらの洞察を活用して運用効率を向上させ、意思決定を支援する3つの方法を紹介します。1. 弱点を特定し改善点を見つけ、優先順位を設定する--------------------------------------------------支払いデータや統計情報が手元にあることは重要ですが、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？何か行動すべきか？もしそうなら、どこから始めるべきか？支払い提供者が業界全体のデータと比較して自社の支払い・顧客データを測定・ベンチマークできるようになれば、市場や地域ごとの支払い・消費者動向を追跡し、ビジネスへ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示し、業界の動向を把握する手助けとなります。例えば、支払い拒否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ための対策を検討できます。また、SMSやメールのクリック率を比較し、どちらがより効果的かを分析し、タイミングやルールの調整、支払いタイプの追加、メッセージの送信時間の変更などを行うことで、期日通りの支払いを促進できます。さらに、ベンチマークデータは新たな支払いトレンドを早期に察知し、迅速に対応できるようにします。特定の支払い方法が普及し始めたり、自動支払いが特定の層で遅れている場合も、詳細なデータ分析により適切な対策を講じることが可能です。2. 先を見越した予測で計画を最適化----------------------------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。そのため、多くの企業は外部データも取り入れ、外部環境が支払い行動にどのように影響するかを広い視野で分析しています。支払いプラットフォームの提供者がデータ民主化を進めると、支払いデータを請求エコシステムに流す機会が生まれます。信用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、個人や層のリスクプロファイルを把握し、支払いパターンの予測やターゲット設定、ビジネスルールの自動化に役立てられます。政府の経済指標は、失業率の上昇やGDPの低下が多くの顧客の経済状況に与える影響を示すこともあります。天気予報も役立ち、例えばハリケーン・イアンの影響でフロリダ州の経済が打撃を受け、多くの企業が閉鎖、住民が避難し、支出が減少した結果、請求支払い能力が低下したケースもあります。こうしたデータをもとに、事前に支払いへの影響を予測し、適切な対応策を準備できます。未払いを防ぐために自動的にリマインドを送ったり、支払い分割や支払期日の調整、頻繁なリマインド送信などの施策も可能です。3. 自動化による不正や問題の早期対応----------------------------支払い業界は膨大なデータを生成しており、その中には潜在的な問題を検知するための情報も含まれています。ただし、これらのデータをリアルタイムで分析し、結果を予測し、自動的に対応できる仕組みが必要です。AIや機械学習（ML）を活用すれば、不正検知や遅延支払い、ACH返戻などの問題をコスト効率良く、確実に検出・予測し、自動的に対処できます。MLはデータセットから学習し、パターン認識や予測モデルの作成を行います。AIはこれらの能力を駆使し、人間のような判断や行動を模倣します。例えば、特定の顧客層でチャージバックが多発している場合、そのパターンを検知し、第三回のチャージバック後にカードを支払い手段から除外するルールを自動適用することも可能です。これにより、対応は即座に、かつ自動化され、手動の判断や操作を省略できます。また、信頼性の高い支払い履歴を持つ顧客には、IVRやチャットボット、テキストメッセージを使ったセルフサービス支払い案内や、個別の支払いリンクを送ることで、顧客体験を向上させつつ運用コストを削減できます。一方、支払い遅延やACH返戻の多い顧客には、分割支払いの提案や支払期日の調整、週次支払いへの変更などの選択肢を提示し、リンクをクリックして自分で決定できる仕組みを整えることも可能です。これにより、顧客は担当者と直接やり取りすることなく、自分の都合に合った支払い方法を選択できます。こうした自動化された意思決定は、顧客にとって最も適した支払い体験を提供しつつ、サービス担当者の負担を軽減します。さらに、顧客の選択や今後の支払いパターンのデータは、MLモデルの学習に活用され、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進むものではなく、積極的な取り組みが必要です。まず、支払い提供者が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渡す仕組みを整えることが重要です。もし現行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、スタッフが内部で分析できる生データの提供、分析の代行、業界データと統合した可視化、外部ソースからの補足情報の提供などが含まれます。これらの仕組みが整ったら、次は組織内のすべての関係者、特に技術的に詳しくない人々にもデータを見える化し、事実に基づいた行動を促すことです。データ民主化の動きは、請求業者が意思決定に証拠と背景を加える土台を築きます。これを活用すれば、セルフサービスの促進や顧客体験の向上において優位に立つことができるでしょう。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、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開発の経験を持ち、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、多彩な支払いオプションとチャネルを提供しながら、安全性と信頼性を確保していることを保証しています。
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DVDを地球から火星まで積み重ねた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・活用できなければ意味がありません。その重要性を認識し、「データの民主化」や組織内のすべての部門がデータにアクセスできるようにする動きが高まっています。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ことが可能になります。民主化の一環として重要なのは、単にデータにアクセスできるようにするだけでなく、さまざまな技術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に役立てられ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になれば、より良い意思決定や効率的な支払い処理が実現します。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解説し、これらのデータにアクセスすることで請求業者と顧客の支払い体験がどのように変わるかを考察します。
データサイロと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。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おり、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、必要に応じてカスタムレポートを作成しています。
しかし、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には何十億ものデータポイントが存在し、これらは顧客が毎月貸し手とやり取りする情報そのものです。請求業者がこれらのデータにアクセスし、新しい方法で活用できれば、組織全体の意思決定を改善し、運用効率を高めることが可能です。
データの民主化は、実行可能な洞察の宝庫を開きます。請求業者がこれらの洞察を活用して運用効率を向上させ、意思決定を支援する3つの方法を紹介します。
支払いデータや統計情報が手元にあることは重要ですが、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？何か行動すべきか？もしそうなら、どこから始めるべきか？
支払い提供者が業界全体のデータと比較して自社の支払い・顧客データを測定・ベンチマークできるようになれば、市場や地域ごとの支払い・消費者動向を追跡し、ビジネスへ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示し、業界の動向を把握する手助けとなります。
例えば、支払い拒否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ための対策を検討できます。また、SMSやメールのクリック率を比較し、どちらがより効果的かを分析し、タイミングやルールの調整、支払いタイプの追加、メッセージの送信時間の変更などを行うことで、期日通りの支払いを促進できます。
さらに、ベンチマークデータは新たな支払いトレンドを早期に察知し、迅速に対応できるようにします。特定の支払い方法が普及し始めたり、自動支払いが特定の層で遅れている場合も、詳細なデータ分析により適切な対策を講じることが可能です。
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。そのため、多くの企業は外部データも取り入れ、外部環境が支払い行動にどのように影響するかを広い視野で分析しています。
支払いプラットフォームの提供者がデータ民主化を進めると、支払いデータを請求エコシステムに流す機会が生まれます。信用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、個人や層のリスクプロファイルを把握し、支払いパターンの予測やターゲット設定、ビジネスルールの自動化に役立てられます。
政府の経済指標は、失業率の上昇やGDPの低下が多くの顧客の経済状況に与える影響を示すこともあります。天気予報も役立ち、例えばハリケーン・イアンの影響でフロリダ州の経済が打撃を受け、多くの企業が閉鎖、住民が避難し、支出が減少した結果、請求支払い能力が低下したケースもあります。
こうしたデータをもとに、事前に支払いへの影響を予測し、適切な対応策を準備できます。未払いを防ぐために自動的にリマインドを送ったり、支払い分割や支払期日の調整、頻繁なリマインド送信などの施策も可能です。
支払い業界は膨大なデータを生成しており、その中には潜在的な問題を検知するための情報も含まれています。ただし、これらのデータをリアルタイムで分析し、結果を予測し、自動的に対応できる仕組みが必要です。
AIや機械学習（ML）を活用すれば、不正検知や遅延支払い、ACH返戻などの問題をコスト効率良く、確実に検出・予測し、自動的に対処できます。MLはデータセットから学習し、パターン認識や予測モデルの作成を行います。AIはこれらの能力を駆使し、人間のような判断や行動を模倣します。
例えば、特定の顧客層でチャージバックが多発している場合、そのパターンを検知し、第三回のチャージバック後にカードを支払い手段から除外するルールを自動適用することも可能です。これにより、対応は即座に、かつ自動化され、手動の判断や操作を省略できます。
また、信頼性の高い支払い履歴を持つ顧客には、IVRやチャットボット、テキストメッセージを使ったセルフサービス支払い案内や、個別の支払いリンクを送ることで、顧客体験を向上させつつ運用コストを削減できます。
一方、支払い遅延やACH返戻の多い顧客には、分割支払いの提案や支払期日の調整、週次支払いへの変更などの選択肢を提示し、リンクをクリックして自分で決定できる仕組みを整えることも可能です。これにより、顧客は担当者と直接やり取りすることなく、自分の都合に合った支払い方法を選択できます。
こうした自動化された意思決定は、顧客にとって最も適した支払い体験を提供しつつ、サービス担当者の負担を軽減します。さらに、顧客の選択や今後の支払いパターンのデータは、MLモデルの学習に活用され、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進むものではなく、積極的な取り組みが必要です。まず、支払い提供者が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渡す仕組みを整えることが重要です。もし現行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、スタッフが内部で分析できる生データの提供、分析の代行、業界データと統合した可視化、外部ソースからの補足情報の提供などが含まれます。
これらの仕組みが整ったら、次は組織内のすべての関係者、特に技術的に詳しくない人々にもデータを見える化し、事実に基づいた行動を促すことです。
データ民主化の動きは、請求業者が意思決定に証拠と背景を加える土台を築きます。これを活用すれば、セルフサービスの促進や顧客体験の向上において優位に立つことができるでしょう。
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、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開発の経験を持ち、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、多彩な支払いオプションとチャネルを提供しながら、安全性と信頼性を確保していることを保証しています。