Три способа демократизации данных, которые могут улучшить оплату счетов для бизнеса и их клиентов

Скажите привет yottabyte, который соответствует 1024 байтам, или объёму данных, который поместился бы на DVD, сложенных с Земли до Марса. К 2030-м годам ожидается, что мир будет генерировать один yottabyte данных в год.

Какой же в этом смысл — этот огромный океан данных — если к нему нельзя быстро получить доступ, проанализировать и использовать, чтобы принимать текущие и будущие решения? Этот вопрос положил начало растущей дискуссии о ценности «демократизации данных» или о том, чтобы сделать данные более доступными для всех частей организации. Когда данные демократизированы, их можно использовать, чтобы понимать состояние бизнеса, прогнозировать результаты и разрабатывать стратегии по снижению операционных расходов и увеличению прибыли. Часть «демократизации» — это не только получение доступа к данным, но и предоставление людям с разным уровнем технической подготовки возможности использовать эти данные для принятия бизнес-решений.

Финтех-компании и их клиенты, такие как биллеры, особенно созрели для участия в движении по демократизации, потому что доступен огромный объём платёжных данных — если эти данные можно сделать доступными всем заинтересованным сторонам в биллинговой организации. В этой статье мы обсудим основные барьеры демократизации данных — дата-силосы и ИТ-«привратников» — и то, как получение доступа к этим данным может преобразовать платежи для биллеров и их клиентов.

Силосы и ИТ-привратник

В течение последних 50 лет данные в основном контролировали ИТ-специалисты и аналитики, обладавшие специализированными знаниями и подготовкой. В частности, платёжные данные обычно «заперты» в платёжных платформах, из которых инженерные команды провайдеров ежеквартально формируют стандартные отчёты для своих клиентов и создают кастомные отчёты по запросу.

Платёжные данные не должны быть «в руках» лишь нескольких. В платёжных платформах живут миллиарды точек данных. По сути, это способ, которым клиенты каждый месяц взаимодействуют со своими кредитными организациями. Когда биллеры могут получать доступ к этим данным и применять их в новых и инновационных способах, это можно использовать, чтобы помочь каждому в своей организации принимать более обоснованные решения и добиваться операционных улучшений.

Демократизация данных открывает сокровищницу практически применимых инсайтов, которые можно использовать в новых и инновационных способах. Вот три способа, с помощью которых биллеры могут применить эти инсайты, чтобы повысить операционную эффективность и расширить возможности принятия решений:

2.      

### Определяйте и улучшайте области слабых мест и задавайте приоритеты соответствующим образом

Наличие перед глазами платёжных данных и статистики — это одно, но часто это приводит к большему числу вопросов, чем ответов. Эти цифры хорошие? Плохие? Нужно ли предпринимать действия? И если да — то где?

Когда ваш платёжный провайдер позволяет вам измерять и сопоставлять ваши платёжные данные и данные о клиентах с агрегированными отраслевыми данными, вы можете отслеживать тенденции платежей и потребителей по мере их разворачивания в разных рынках и локациях и прогнозировать влияние на ваш бизнес.

Бенчмарк-данные выявляют выбросы — области, где вы заметно выше или ниже среднего, — и помогают понять, куда движется отрасль.

Например, вы можете проанализировать ставки отклонённых платежей и чарджбэков, а затем определить, что можно сделать, чтобы привести ваши показатели в соответствие с отраслевым средним или превзойти его. Вы также можете изучать агрегированные коммуникации вовлечённости, задавая вопрос: «Каковы типичные показатели кликабельности для SMS по сравнению с email, и как быстро это приводит к платежу для нашего бизнеса по сравнению с отраслью в целом?» Вы можете заметить места, где можно скорректировать бизнес-правила или параметры, внедрить новые типы платежей или перенести сообщения о вовлечении на другой день или время суток, чтобы добиться большего количества платежей вовремя.

Бенчмарк-данные также помогают вам выявлять emerging-платёжные тенденции, чтобы вы могли быстро адаптироваться и решать проблемы или удовлетворять новые требования. Вы можете заметить, что определённый тип платежа набирает популярность или что задержки автоплатежей отстают в конкретной демографической группе. Когда вы можете видеть свои данные на детальном уровне, сопоставляя их с отраслевыми средними, вы можете реагировать и адаптироваться, устанавливать реалистичные KPI и фокусироваться на улучшениях процессов, которые дают реальную операционную эффективность.

3.      

### Прогнозируйте, что будет дальше, чтобы обеспечить более качественное планирование

Ограничение анализа данных внутренними источниками, а даже отраслевыми источниками, может создавать пробелы в понимании. Именно поэтому многие компании включают внешние данные в свои анализы; они ищут более широкий взгляд, чтобы понять, как происходящее во «внешнем мире» может влиять на поведение при платежах сегодня и в будущем.

По мере того как всё больше платёжных провайдеров будет углубляться в демократизацию данных, это может открыть возможности для потоковой передачи платёжных данных в экосистему биллера. При объединении с другими показателями, такими как кредитные рейтинги, индекс потребительских цен или данные переписи населения, это поможет вашему платёжному провайдеру определить профиль риска конкретного человека или демографической группы, что позволит лучше прогнозировать модели платежей, нацеливать коммуникации по вовлечению и автоматизировать бизнес-правила, известные тем, что стимулируют платежи вовремя.

Экономические данные из правительственных источников могут выявлять области, где рост безработицы или снижение ВВП могут повлиять на финансовую устойчивость большой группы клиентов. Даже данные прогнозов погоды могут быть полезны. Например, ураган Ian нанёс катастрофический ущерб экономике всего штата Флорида: бизнесы закрывались, жители уезжали, а потребители влили деньги в подготовку к урагану и восстановление после него, оставляя им куда меньше возможностей оплачивать счета.

Когда у вас есть данные, доступные заранее, чтобы делать прогнозы на основе фактов, вы можете подготовить свой бизнес к влиянию платежей до того, как это станет очевидно «за пределами графика». Вы также можете работать со своим платёжным провайдером, чтобы автоматизировать проактивный контакт с плательщиками до того, как пропущенные платежи создадут более крупную и дорогую проблему. Возможно, вы сможете предложить решения вроде разделения платежей, изменения сроков оплаты так, чтобы они совпадали с зарплатой, или отправки более частых напоминаний о платежах.

4.      

### Автоматизируйте принятие решений, чтобы бороться с мошенничеством и другими проблемами

Платёжная индустрия генерирует огромное количество данных, которые могут быть полезны для выявления потенциальных проблем — но только если у биллеров есть способ анализировать эти данные в режиме реального времени, предсказывать результаты и автоматизировать ответы. Ваш платёжный провайдер должен иметь возможность использовать искусственный интеллект (AI) и машинное обучение (ML), чтобы достичь этих целей: это делает возможным и экономически эффективным, и надёжным обнаружение и прогнозирование мошеннической активности, задержек платежей, возвратов ACH и многого другого, а также инициирование исправлений проактивно через автоматизированные бизнес-правила.

ML и AI связаны в одной экосистеме — системы AI создаются с использованием ML, а также других техник. При ML машины учатся на наборах данных, а не вынуждены быть запрограммированными. Они могут классифицировать данные, распознавать паттерны и создавать предиктивные модели. Программы AI используют эти возможности, чтобы выполнять сложные задачи, имитируя человеческие способности и действия. Чатботы, умные ассистенты вроде Amazon Alexa и автомобили с автоуправлением — все это приложения AI.

Пример ML-модели в платёжном секторе, предназначенной для достижения AI, — выявление паттерна высоких чарджбэков для определённой группы клиентов и автоматическое применение бизнес-правила, чтобы убрать карты как вариант оплаты, как только клиент инициирует свой третий чарджбэк в течение шестимесячного периода. ML делает этот ответ мгновенным, конкретным и автоматическим, устраняя необходимость во вводе вручную или принятии решений вручную.

AI также может помочь улучшить клиентский опыт и снизить операционные расходы. Например, ML-модель может лежать в основе такого приложения AI: она идентифицирует и направляет клиентов с надёжной историей платежей на варианты самообслуживания с оплатой через IVR, чатбот или возможности SMS-текстинга, дополняя это персонализированными ссылками на оплату. Она также может отправлять этим клиентам специальные сообщения о вовлечении, чтобы поощрять регистрацию автоплатежей, включая персонализированные ссылки, чтобы сделать этот процесс простым и бесшовным.

С другой стороны, тем, у кого есть паттерн пропущенных платежей или возвратов ACH, можно отправлять коммуникации с вариантами, как согласовать ситуацию. Например: им бы хотелось, чтобы пропущенный платёж был разделён на несколько платежей и добавлен к будущим счетам?  Или им будет полезно перенести дату оплаты так, чтобы она совпадала с зарплатой? Или же предпочтительнее будут еженедельные платежи, а не один ежемесячный платеж? Клиенты затем могут перейти по ссылкам, чтобы реализовать свои решения независимо, а не полагаться на телефонный звонок с агентом. Такой тип автоматизированного принятия решений на основе данных подводит клиентов к наиболее оперативному и подходящему именно для них платежному опыту, при этом оставляя время сотрудников службы поддержки для тех случаев, которым требуется особое внимание.

Тем временем данные из решений этих клиентов и их будущие паттерны платежей используются для обучения ML-модели, чтобы предлагать будущим клиентам варианты, которые с наибольшей вероятностью приведут к самостоятельным платежам вовремя в дальнейшем.

Как демократизировать данные в вашей организации

Демократизация данных не происходит органически или независимо. Вначале требуется обязательство со стороны провайдера ваших платежей — убрать дата-силосы и «привратников», которые стоят на пути к тому, чтобы данные полностью и быстро попадали в руки ваших заинтересованных сторон. Если ваш текущий платёжный провайдер не делает это приоритетом, возможно, пришло время поискать другой вариант.

Ваш платёжный провайдер должен в первую очередь разрабатывать хранилище данных (data warehouse), где он компилирует и нормализует все платёжные данные. Затем он должен предоставлять данные в формате, наиболее полезном для вас. Это может означать предоставление «сырых» данных вашей команде, чтобы вы могли скачать их и проанализировать внутри компании; завершение анализа за вас; визуализацию ваших данных в агрегированном виде вместе с отраслевыми данными; или предложение контекстных данных из внешних источников.

Когда эти элементы будут на месте, мяч окажется на вашей стороне: сделать данные наблюдаемыми для всех заинтересованных сторон в вашей организации — даже для менее технических — чтобы они могли действовать и достигать целей, опираясь на факты, а не на ощущения.

Движение за демократизацию данных создало условия для того, чтобы биллеры добавляли доказательства и контекст к принятию решений по всей организации. Те, кто воспользуется возможностями, получат преимущество в оптимизации стратегий: в повышении самообслуживания и создании бесфрикционного и удовлетворяющего клиентского опыта.

Об авторе

Steve Kramer — вице-президент по продукту в PayNearMe, где он руководит командой разработки продукта. Имея более 25 лет опыта в платежах и продуктовой разработке, Steve гарантирует, что решения PayNearMe занимают лидирующие позиции на рынке, снижая трение для потребителей и предлагая самый широкий спектр вариантов оплаты и каналов, при этом сохраняя фокус на безопасности и надёжности, чтобы клиенты получали каждый платеж, каждый раз.