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

Скажіть привіт із йотабайтом, який дорівнює 1024 байтам, або обсягу даних, що вмістився б на DVD, складених із  Землі до Марса. До 2030-х років очікується, що світ генеруватиме 1 йотабайт даних щороку.

Але яка користь від цього величезного океану даних, якщо його не можна швидко отримувати, аналізувати та використовувати для ухвалення поточних і майбутніх рішень? Це запитання спричинило зростаючу розмову про цінність «демократизації даних» або про те, щоб зробити дані більш доступними для всіх частин організації. Коли дані демократизовані, їх можна використати, щоб зрозуміти стан бізнесу, спрогнозувати результати й розробити стратегії для зниження операційних витрат та збільшення прибутку. Частина «демократизації» — це не лише отримання доступу до даних, а й дозвіл людям із різним технічним рівнем підготовки вміти використовувати ці дані для ухвалення бізнес-рішень.

Фінтех-компанії та їхні клієнти, такі як білери, особливо добре підходять, щоб приєднатися до руху демократизації, з огляду на величезний обсяг доступних платіжних даних — за умови, що ці дані можна зробити доступними для всіх зацікавлених сторін у платіжній організації. У цій статті ми обговоримо ключові бар’єри демократизації даних — дата-сайли та ІТ-«привратників» — і те, як отримання доступу до цих даних може перетворити платежі для білерів та їхніх клієнтів.

Сайли та ІТ-сторож

Протягом останніх 50 років дані здебільшого контролювали ІТ-фахівці та аналітики, які мають спеціальні знання й навчання. Платіжні дані, зокрема, зазвичай «замикаються» в платіжних платформах, з яких інженерні команди провайдерів щоквартально складають стандартні звіти для своїх клієнтів і створюють кастомні звіти на запит.

Платіжні дані не мають бути зосереджені в руках лише кількох. Усередині платіжних платформ живуть мільярди точок даних. По суті, ці платіжні дані — це спосіб, яким клієнти щомісяця спілкуються зі своїми кредитними установами. Коли білери можуть отримати доступ до цих даних і застосувати їх у нові й інноваційні способи, це можна використати, щоб допомогти всім у їхній організації ухвалювати краще поінформовані рішення та досягати операційних покращень.

Демократизація даних відкриває скарбницю практичних інсайтів, які можна застосовувати в нові й інноваційні способи. Ось три способи, як білери можуть використати ці інсайти, щоб підвищити операційну ефективність і розширити можливості для ухвалення рішень:

2.      

### Виявляйте й покращуйте слабкі місця та спрямовуйте пріоритети відповідно

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

Коли ваш платіжний провайдер дає змогу вимірювати та бенчмаркувати ваші платежі й дані клієнтів порівняно із узагальненими галузевими даними, ви можете відстежувати платіжні та споживчі тенденції, які розгортаються в різних ринках і локаціях, та прогнозувати вплив на ваш бізнес.

Бенчмаркові дані виявляють аномалії — зони, де ви помітно вище або нижче за середній рівень — і допомагають зрозуміти, куди рухається індустрія.

Наприклад, ви можете проаналізувати ставки відхилених платежів і чарджбеків, а потім визначити, що можна зробити, щоб привести ваші показники у відповідність із середнім рівнем по галузі або ж перевищити його. Ви також можете дослідити узагальнені комунікації щодо залучення, ставлячи запитання: «Які типові показники кліків для SMS порівняно з email і як швидко це призводить до платежу для нашого бізнесу порівняно з індустрією загалом?» Ви можете помітити місця, де ви здатні зрушити бізнес-правила або параметри, запровадити нові типи платежів чи перенести повідомлення про залучення на інший день або час доби, щоб стимулювати більше платежів вчасно.

Бенчмаркові дані також допомагають вам виявляти нові платіжні тенденції, щоб ви могли швидко адаптуватися й вирішувати проблеми або відповідати на нові вимоги. Ви можете помітити, що певний тип платежу набирає популярності, або що затримка автоплатежів відстає в конкретній демографічній групі. Коли ви можете бачити свої дані на детальному рівні, зіставлені із галузевими середніми, ви здатні реагувати й адаптуватися, встановлювати реалістичні KPI та зосереджуватися на покращеннях процесів, які забезпечують справжню операційну ефективність.

3.      

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

Обмеження аналізу даними з внутрішніх джерел — і навіть даними по всій індустрії — може залишати прогалини в розумінні. Саме тому багато компаній додають зовнішні дані до своїх аналізів; вони прагнуть ширшого погляду, щоб зрозуміти, як те, що відбувається у «зовнішньому світі», впливає на поведінку в оплатах сьогодні та в майбутньому.

Оскільки все більше провайдерів платіжних платформ занурюються в демократизацію даних, це може відкрити можливості для потокової передачі платіжних даних в екосистему білера. Коли це поєднується з іншими точками даних, такими як кредитні бали, індекс цін для споживачів або інформація перепису населення, це може допомогти вашому платіжному провайдеру визначити профіль ризику окремої людини або демографічної групи, що, своєю чергою, допомагає вам краще прогнозувати патерни платежів, націлювати комунікації щодо залучення та автоматизувати бізнес-правила, які, як відомо, сприяють платежам вчасно.

Економічні дані з урядових джерел можуть виявляти сфери, де зростання безробіття або падіння ВВП здатні вплинути на фінансову стійкість великої групи клієнтів. Навіть дані прогнозу погоди можуть бути корисними. Наприклад, ураган Іан завдав хаосу економіці всього штату Флорида: бізнеси закривалися, мешканці тікали, а споживачі вливали гроші в підготовку до бурі та відновлення після неї, залишаючи їх із набагато меншою можливістю платити рахунки.

Коли у вас є дані, доступні одразу, щоб робити прогнози на основі фактів, ви можете підготувати свій бізнес до майбутніх впливів на платежі, випереджаючи події. Ви також можете співпрацювати зі своїм платіжним провайдером, щоб автоматизувати превентивний контакт із платниками до того, як пропущені платежі створять більшу та дорожчу проблему. Ви можете запропонувати рішення на кшталт поділу платежів, зміни дат оплати так, щоб вони збігалися з днем зарплати, або надсилання частіших нагадувань про оплату.

4.      

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

Платіжна індустрія генерує колосальний обсяг даних, який може бути корисним для виявлення потенційних проблем — але лише якщо білери мають спосіб аналізувати ці дані в реальному часі, прогнозувати результати та автоматично реагувати. Ваш платіжний провайдер має вміти використати штучний інтелект (ШІ) та машинне навчання (ML), щоб досягти цих цілей, уможливлюючи економічно ефективне та надійне виявлення й прогнозування шахрайських дій, прострочених платежів, повернень ACH та іншого, а також ініціювати виправлення проактивно через автоматизовані бізнес-правила.

ML і ШІ пов’язані в одній екосистемі — системи ШІ створюються із 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 ШІ використовують ці можливості, щоб виконувати складні завдання, імітуючи людські здібності та дії. Чатботи, розумні помічники на кшталт Amazon Alexa та автомобілі без водія — це всі застосування ШІ.

Прикладом ML-моделі в платіжному секторі, яка призначена для досягнення цілей ШІ, є виявлення патерну високої кількості чарджбеків для певної групи клієнтів і автоматичне застосування бізнес-правила для видалення карт як варіанту оплати після того, як клієнт ініціює свій третій чарджбек протягом шестимісячного періоду. ML робить цю відповідь миттєвою, конкретною та автоматичною, усуваючи потребу в будь-якому ручному введенні або ухваленні рішення.

ШІ також може допомогти покращити клієнтський досвід і знизити операційні витрати. Наприклад, ML-модель може бути «за лаштунками» такого застосування ШІ, щоб ідентифікувати й спрямовувати клієнтів із надійною історією платежів до варіантів самостійної оплати через IVR, чатбот або функції SMS, поєднані з персоналізованими платіжними посиланнями. Вона також може надсилати цим клієнтам спеціальні повідомлення про залучення, щоб заохотити підписку на автоплатеж, зокрема персоналізовані посилання, які роблять цей процес простим і безперервним.

Ті, хто має патерн пропущених платежів або повернень ACH, натомість можуть отримувати комунікації з варіантами того, як урегулювати питання. Наприклад, чи хотіли б вони, щоб пропущений платіж був розбитий на кілька платежів і доданий до майбутніх рахунків?  Чи вважатимуть вони корисним перенести дату оплати так, щоб вона збігалася з днем зарплати? Або чи краще було б робити щотижневі платежі замість одного щомісячного? Тоді клієнти можуть переходити за посиланнями, щоб реалізувати свої рішення незалежно, а не покладатися на телефонний дзвінок із агентом. Такий тип автоматизованого, спрямованого даними ухвалення рішень дає клієнтам найоперативніший і найбільш доречний для них платіжний досвід, залишаючи час спеціалістів служби підтримки для тих випадків, які потребують особливої уваги.

Тим часом дані з рішень цих клієнтів і їхні майбутні патерни платежів потрапляють у процес навчання ML-моделі, щоб надалі пропонувати майбутнім клієнтам ті опції, які з найбільшою ймовірністю призведуть до самостійних, вчасних платежів у майбутньому.

Як демократизувати дані в межах вашої організації

Рух за демократизацію даних не відбувається природно або незалежно. Спочатку потрібна відданість провайдера ваших платежів — прибрати дата-сайли та «привратників», що стають на заваді повного й швидкого доступу до даних у руки ваших зацікавлених сторін. Якщо ваш поточний платіжний провайдер не робить це пріоритетом, можливо, настав час шукати інше рішення.

Ваш платіжний провайдер має, перш за все, розробляти дата-склад, де він збирає та нормалізує всі платіжні дані. Далі він має доставляти ці дані у форматі, який для вас буде найбільш корисним. Це може означати надання сирих даних для завантаження та внутрішнього аналізу вашою командою, завершення аналізу за вас, візуалізацію ваших даних у сукупності з галузевими даними або пропозицію контекстних даних із зовнішніх джерел.

Після того як ці елементи будуть на місці, м’яч опиняється на вашому боці: зробити дані спостережуваними для всіх зацікавлених сторін у вашій організації — навіть для менш технічних — щоб вони могли діяти та переслідувати цілі на основі фактів, а не відчуттів.

Рух за демократизацію даних створив підґрунтя для того, щоб білери додавали докази й контекст до ухвалення рішень протягом усієї організації. Ті, хто скористається цим, матимуть перевагу в оптимізації стратегій для посилення самостійного обслуговування та створення безфрикційного й задовільного клієнтського досвіду.

Про автора

Стів Крамер — віцепрезидент з продукту в PayNearMe, де він очолює команду з 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 — при цьому залишаючись сфокусованим на безпеці й надійності, щоб гарантувати клієнтам отримання кожного платежу, кожного разу.