Три способи, якими демократизація даних може покращити оплату рахунків для бізнесу та їхніх клієнтів

Скажіть привіт yottabyte, що відповідає 1024 байтам, або обсягу даних, які помістилися б на DVD, складених із Землі до Марса. До 2030-х років очікується, що світ генеруватиме yottabyte даних на рік.

Яка користь від цього величезного океану даних, втім, якщо їх неможливо оперативно отримувати, аналізувати й використовувати для ухвалення поточних та майбутніх рішень? Саме це запитання стало поштовхом до зростаючої розмови про цінність «демократизації даних» — або до того, щоб дані були доступні всім частинам організації. Коли дані демократизують, їх можна використати, щоб зрозуміти стан бізнесу, спрогнозувати результати та розробити стратегії зі зниження операційних витрат і збільшення прибутку. Частина «демократизації» — це не лише отримання доступу до даних, а й надання можливості людям із різним технічним бекграундом використовувати ці дані для обґрунтування бізнес-рішень.

Фінтех-компанії та їхні клієнти, наприклад білери, особливо добре підходять, щоб долучитися до руху за демократизацію, адже доступний величезний обсяг платіжних даних — якщо ці дані можна зробити доступними для всіх зацікавлених сторін у платіжній організації. У цій статті ми обговоримо основні бар’єри демократизації даних — дати-силоси та ІТ-посередників (gatekeepers) — і те, як отримання доступу до цих даних може перетворити платежі для білерів і їхніх клієнтів.

Силоси та ІТ-посередник

Протягом останніх 50 років дані здебільшого контролювали ІТ-спеціалісти та аналітики, які мають спеціальні знання й навчання. Зокрема платіжні дані зазвичай «заперті» в платіжних платформах, з яких інженерні команди постачальників складають стандартні звіти для своїх клієнтів щокварталу й створюють кастомні звіти на запит.

Платіжні дані не повинні залишатися в руках лише кількох. Усередині платіжних платформ живуть мільярди точок даних. По суті, ці платіжні дані — це спосіб, яким клієнти спілкуються зі своїми кредитними установами щомісяця. Коли білери можуть отримати доступ і застосувати ці дані в нових та інноваційних способах, їх можна використати, щоб допомогти всім у їхній організації ухвалювати краще обґрунтовані рішення та стимулювати операційні покращення.

Демократизація даних відкриває скарбницю прикладних інсайтів, які можна застосувати в нових та інноваційних способах. Ось три способи, як білери можуть використати ці інсайти, щоб підвищити операційну ефективність і розширити можливості для ухвалення рішень:

2.      

### Виявляйте й покращуйте зони слабкості та спрямовуйте пріоритети відповідно

Мати перед собою платіжні дані та статистику — це одне, але часто це породжує більше запитань, ніж відповідей. Ці цифри добрі? Погані? Чи потрібно вам вживати заходів? І якщо так — то де?

Коли ваш платіжний провайдер дає вам змогу вимірювати та бенчмаркувати свої платіжні та клієнтські дані відносно агрегованих даних індустрії, ви можете відстежувати тренди платежів і поведінки споживачів у міру їх розгортання в різних ринках і локаціях та прогнозувати вплив на ваш бізнес.

Бенчмаркові дані виявляють викиди — зони, де ви помітно вище або нижче середнього — і допомагають зрозуміти, куди рухається індустрія.

Наприклад, ви можете проаналізувати частки відхилених платежів і чарджбеків, а потім визначити, що можна зробити, щоб привести ваші показники у відповідність із середнім по індустрії або бути вище нього. Ви також можете вивчити агреговані комунікації про залучення, ставлячи запитання на кшталт: «Які типові показники кліків (clickthrough rates) для SMS проти email і як швидко це призводить до платежу для нашого бізнесу порівняно з індустрією загалом?» Ви можете помітити місця, де можна зсунути бізнес-правила або параметри, запровадити нові типи платежів чи перенести повідомлення про залучення на інший день або на інший час доби, щоб стимулювати більше платежів вчасно.

Бенчмаркові дані також допомагають виявити нові тренди платежів, щоб ви могли швидко адаптуватися й вирішувати проблеми або відповідати на нові запити. Ви можете помітити, що певний тип платежів набирає обертів, або що затримка автооплат відстає в конкретній демографічній групі. Коли ви бачите свої дані на детальному рівні, зіставлені з середніми показниками індустрії, ви можете реагувати й адаптуватися, встановлювати реалістичні KPI та фокусуватися на покращеннях процесів, які забезпечують реальну операційну ефективність.

3.      

### Прогнозуйте те, що попереду, щоб забезпечити краще планування

Обмеження аналізу даних внутрішніми джерелами, а навіть джерелами по всій індустрії, може залишити прогалини в розумінні. Саме тому багато компаній інтегрують зовнішні дані у свої аналізи: вони шукають ширший ракурс, щоб зрозуміти, як те, що відбувається «зовні світу», може впливати на поведінку платежів сьогодні та в майбутньому.

Оскільки більше провайдерів платіжних платформ заглиблюються в демократизацію даних, це може відкрити можливості для трансляції платіжних даних у екосистему білера. Коли ці дані поєднуються з іншими показниками, такими як кредитні рейтинги, індекс споживчих цін або інформація з переписів, це може допомогти вашому платіжному провайдеру визначити профіль ризику конкретної особи або демографічної групи, що, у свою чергу, дає змогу краще прогнозувати патерни платежів, таргетувати комунікації про залучення та автоматизувати бізнес-правила, які, як відомо, сприяють платежам вчасно.

Економічні дані з урядових джерел можуть виявити сфери, де зростання безробіття або падіння ВВП здатні вплинути на фінансову стійкість великої групи клієнтів. Навіть дані прогнозу погоди можуть бути корисними. Наприклад, ураган Ian спричинив хаос в усій економіці штату Флорида: бізнеси закривалися, мешканці тікали, а споживачі вкладали гроші в підготовку до шторму та відновлення після нього, залишаючи їх із значно меншою спроможністю сплачувати рахунки.

Коли у вас є дані, які легко доступні, щоб робити прогнози на основі фактів, ви можете підготувати свій бізнес до впливу платежів наперед, не відстаючи від кривої. Ви також можете співпрацювати зі своїм платіжним провайдером, щоб автоматизувати проактивні звернення до платників до того, як пропущені платежі створять більшу й дорожчу проблему. Ви можете мати змогу запропонувати рішення на кшталт розбиття платежів, зміни дат настання платежу так, щоб вони збігалися з днем виплати зарплати, або надсилання частіших нагадувань про оплату.

4.      

### Автоматизуйте ухвалення рішень, щоб протидіяти шахрайству та іншим проблемам

Платіжна індустрія генерує колосальний обсяг даних, які можуть бути корисними для виявлення потенційних проблем, — але лише якщо білери мають спосіб аналізувати ці дані в реальному часі, прогнозувати результати та автоматично запускати відповіді. Ваш платіжний провайдер має вміти використати штучний інтелект (AI) і машинне навчання (ML), щоб досягти цих цілей: це дає змогу ефективно за витратами та надійно виявляти й прогнозувати шахрайську активність, прострочені платежі, повернення ACH та інше, а також проактивно ініціювати виправлення через автоматизовані бізнес-правила.

ML і AI пов’язані в межах тієї ж екосистеми — системи AI створюються з використанням ML, а також інших технік. За допомогою ML машини вчаться на наборах даних, а не їх потрібно програмувати. Вони можуть класифікувати дані, розпізнавати патерни та створювати прогностичні моделі. Програми AI використовують ці можливості для виконання складних задач, імітуючи людські здібності та дії. Чатботи, розумні помічники на кшталт Amazon Alexa та самокеровані авто — це всі приклади застосування AI.

Один із прикладів ML-моделі в платіжному секторі, створеної для досягнення цілей AI, — це виявлення патерну високої кількості чарджбеків для певної групи клієнтів і автоматичне застосування бізнес-правила, щоб прибрати картки як варіант оплати після того, як клієнт ініціює третій чарджбек протягом шестимісячного періоду. ML робить цю відповідь миттєвою, конкретною та автоматичною, усуваючи будь-яку потребу в ручному введенні або ухваленні рішень.

AI також може допомогти покращити клієнтський досвід і зменшити операційні витрати. Наприклад, ML-модель може стояти за таким застосуванням AI, щоб виявляти й спрямовувати клієнтів із надійною історією платежів на варіанти самообслуговування для оплати через IVR, чатбот або можливості текстових повідомлень у поєднанні з персоналізованими платіжними посиланнями. Також вона може надсилати цим клієнтам спеціальні повідомлення про залучення, щоб заохотити підписатися на автооплату, зокрема персоналізовані посилання, щоб зробити цей процес простим і безперешкодним.

Тим часом клієнтам із патерном пропущених платежів або повернень ACH, з іншого боку, можна надсилати комунікації з варіантами того, як усе врегулювати. Наприклад, чи хочуть вони, щоб їхній пропущений платіж було розбито на кілька платежів і додано до майбутніх рахунків?  Чи вважатимуть вони корисним перенести дату оплати на збіг із днем виплати зарплати? Або чи буде кращим робити щотижневі платежі замість одного щомісячного? Тоді клієнти могли б натискати на посилання, щоб реалізувати свої рішення незалежно, а не покладатися на телефонний дзвінок із агентом. Такий тип автоматизованого, керованого даними ухвалення рішень дає клієнтам найвдаліший і найдоречніший для них платіжний досвід, а також залишає час представникам сервісу для тих випадків, які потребують спеціальної уваги.

Паралельно дані з рішень цих клієнтів та їхні майбутні платіжні патерни потрапляють у процес навчання ML-моделі, щоб пропонувати майбутнім клієнтам варіанти, які найімовірніше призведуть до самостійних платежів вчасно в майбутньому.

Як демократизувати дані у вашій організації

Рух за демократизацію даних не відбувається органічно або незалежно. Спочатку потрібна відданість з боку провайдера ваших платежів — прибрати дати-силоси та посередників (gatekeepers), які стають на шляху до того, щоб дані повністю й оперативно потрапляли в руки ваших зацікавлених сторін. Якщо ваш поточний платіжний провайдер не робить це пріоритетом, можливо, настав час подивитися в інший бік.

Ваш платіжний провайдер насамперед має розробляти сховище даних (data warehouse), де він компілює та нормалізує всі платіжні дані. Далі він має передавати дані у форматі, який буде для вас найкориснішим. Це може означати надання сирих даних для вашої команди, щоб вони могли завантажити й проаналізувати їх у межах компанії, завершення аналізу за вас, візуалізацію ваших даних у агрегованому вигляді разом із даними індустрії або ж надання контекстних даних із зовнішніх джерел.

Коли ці елементи будуть на місці, м’яч опиняється на вашому боці — зробити дані видимими (observable) для всіх зацікавлених сторін у вашій організації — навіть для менш технічно підкованих — щоб вони могли діяти й досягати цілей на основі фактів, а не відчуттів.

Рух за демократизацію даних створив підґрунтя, щоб білери могли додавати докази й контекст до ухвалення рішень протягом усієї організації. Ті, хто скористається можливостями, отримають перевагу в оптимізації стратегій: щоб наростити самообслуговування та створити безфрикційний і задовільний клієнтський досвід.

Про автора

Стів Крамер — віцепрезидент з продукту в PayNearMe, де він очолює команду розробки продукту. Маючи понад 25 років досвіду в платежах і продукті, Стів забезпечує, що рішення PayNearMe лідирують на ринку, зменшуючи тертя для споживачів і пропонуючи найширший спектр варіантів оплати та каналів, — усе це зосереджено на безпеці та надійності, щоб клієнти могли отримати кожен платіж, кожного разу.