Три способи демократизації даних, які можуть покращити оплату рахунків для бізнесу та їхніх клієнтів

Привітайте зетабайт, що становить 1024 байти або кількість даних, які помістилися б на DVD, складені від Землі до Марса. До 2030-х років очікується, що світ буде генерувати зетабайт даних щороку.

Яка користь від цього величезного океану даних, якщо їх не можна швидко отримати, проаналізувати та використати для інформування поточних і майбутніх рішень? Це питання спричинило зростаючу дискусію навколо цінності «демократизації даних» або зробити дані більш доступними для всіх частин організації. Коли дані демократизовані, їх можна використовувати для розуміння стану бізнесу, прогнозування результатів і розробки стратегій для зменшення операційних витрат і збільшення прибутку. Частина «демократизації» полягає не лише у доступі до даних, а й у тому, щоб люди з різним технічним досвідом могли використовувати ці дані для прийняття бізнес-рішень.

Фінтех-компанії та їхні клієнти, такі як платильники, особливо готові взяти участь у руху демократизації через величезну кількість платіжних даних — якщо ці дані можна зробити доступними для всіх зацікавлених сторін у платіжній організації. У цій статті ми обговоримо основні перешкоди демократизації даних — ізоляцію даних та ІТ-сторожових — і як доступ до цих даних може трансформувати платежі для платильників і їхніх клієнтів.

Ізоляція даних і ІТ-сторожові

Останні 50 років дані здебільшого контролювалися ІТ-спеціалістами та аналітиками, які мали спеціальні знання та навички. Дані про платежі, зокрема, зазвичай зберігаються у платіжних платформах, з яких інженерні команди постачальників готують стандартні звіти для клієнтів щоквартально та створюють індивідуальні звіти за запитом.

Дані про платежі не повинні бути у руках лише кількох. У платіжних платформах зберігається мільярди точок даних. Ці дані фактично є способом, яким клієнти спілкуються зі своїми кредиторами щомісяця. Коли платильники можуть отримати доступ до цих даних і застосовувати їх у нових та інноваційних способах, це може допомогти всім у їхній організації приймати більш обґрунтовані рішення та покращувати операційну діяльність.

Демократизація даних відкриває скарбницю корисних інсайтів, які можна застосовувати у нових і інноваційних способах. Ось три способи, як платильники можуть використовувати ці інсайти для підвищення операційної ефективності та підтримки прийняття рішень:

2.      

### Визначайте та покращуйте слабкі місця і спрямовуйте пріоритети відповідно

Мати дані про платежі та статистику перед собою — це одне, але це часто породжує більше питань, ніж відповідей. Чи хороші ці цифри? Погані? Чи потрібно діяти? І якщо так, то де?

Коли ваш постачальник платіжних послуг дозволяє вам вимірювати та порівнювати ваші платіжні та клієнтські дані з агрегованими даними галузі, ви можете відстежувати тенденції платежів і споживачів у різних ринках і локаціях та прогнозувати вплив на ваш бізнес.

Дані для порівняння виявляють відхилення — області, де ви помітно вище або нижче за середнє — і допомагають зрозуміти, куди рухається галузь.

Наприклад, ви можете дослідити рівень відхилень платежів і повернень і визначити, що можна зробити, щоб привести свої показники у відповідність або перевищити середні галузеві. Ви також можете аналізувати агреговані комунікації щодо залучення, запитуючи: «Які типові коефіцієнти кліків для SMS порівняно з електронною поштою, і наскільки швидко це призводить до платежу для нашого бізнесу порівняно з галуззю?» Ви можете помітити місця, де можна змінити бізнес-правила або параметри, ввести нові типи платежів або перенести повідомлення про залучення на інший день або час доби, щоб збільшити кількість своєчасних платежів.

Дані для порівняння також допомагають визначити нові тенденції у платежах, щоб швидко адаптуватися до проблем або нових вимог. Ви можете помітити, що певний тип платежу набирає популярності або автоматичні платежі відстають у певній демографічній групі. Коли ви бачите свої дані на детальному рівні, порівняно з галузевими середніми, ви можете реагувати і адаптуватися, встановлювати реалістичні KPI та зосереджуватися на покращенні процесів, що сприяють реальній операційній ефективності.

3.      

### Передбачайте майбутнє для кращого планування

Обмеження аналізу даних внутрішніми джерелами, а тим більше галузевими, може залишити прогалини у розумінні. Саме тому багато компаній включають зовнішні дані у свої аналізи; вони шукають ширший погляд, щоб зрозуміти, як події у «зовнішньому світі» можуть впливати на поведінку платників сьогодні і в майбутньому.

Зі зростанням кількості постачальників платіжних платформ, що занурюються у демократизацію даних, з’являються можливості передавати платіжні дані у екосистему платильника. У поєднанні з іншими даними, такими як кредитні рейтинги, індекс споживчих цін або дані перепису населення, це може допомогти вашому постачальнику платіжних послуг визначити рівень ризику окремої особи або демографічної групи, що допомагає краще прогнозувати платіжні шаблони, цілеспрямовано надсилати повідомлення та автоматизувати бізнес-правила, що сприяють своєчасним платежам.

Економічні дані з урядових джерел можуть виявити області, де зростання безробіття або падіння ВВП може вплинути на фінансову стабільність великої групи клієнтів. Навіть дані прогнозу погоди можуть бути корисними. Наприклад, ураган Іан спричинив хаос у всій економіці штату Флорида, оскільки бізнеси закривалися, мешканці тікали, а споживачі витрачали гроші на підготовку до шторму та відновлення, залишаючи менше можливостей платити рахунки.

Коли у вас є дані, що легко доступні для обґрунтованих прогнозів, ви можете підготувати свій бізнес до впливу платежів заздалегідь. Ви також можете співпрацювати з вашим постачальником платіжних послуг для автоматизації зв’язку з платниками до того, як пропущені платежі стануть більшою і дорожчою проблемою. Можливо, ви зможете запропонувати рішення, наприклад, розділити платіж на кілька частин і додати їх до майбутніх рахунків, змінити дату платежу, щоб вона співпадала з payday, або надсилати частіші нагадування про платежі.

4.      

### Автоматизуйте прийняття рішень для боротьби з шахрайством та іншими проблемами

Індустрія платежів генерує величезну кількість даних, які можуть бути корисними для виявлення потенційних проблем — але лише якщо платильники мають спосіб аналізувати ці дані у реальному часі, прогнозувати результати та автоматизувати відповіді. Ваш постачальник платіжних послуг має використовувати штучний інтелект (AI) і машинне навчання (ML) для досягнення цих цілей, що дозволяє ефективно і надійно виявляти і прогнозувати шахрайські дії, прострочені платежі, повернення ACH та інше, а також ініціювати виправлення проактивно через автоматичні бізнес-правила.

ML і AI пов’язані в одній екосистемі — системи AI створюються з використанням ML та інших технік. За допомогою ML машини навчаються на наборах даних, а не за допомогою програмування. Вони можуть класифікувати дані, розпізнавати шаблони і створювати прогностичні моделі. Програми AI використовують ці можливості для виконання складних завдань, імітуючи людські здібності та дії. Чат-боти, розумні помічники, такі як Amazon Alexa, і автомобілі з автопілотом — всі ці застосунки AI.

Приклад моделі ML у секторі платежів, що спрямована на досягнення AI, — виявлення шаблону високих повернень платежів для певної групи клієнтів і автоматичне застосування бізнес-правила для видалення карток як платіжної опції, коли клієнт ініціює третє повернення за шість місяців. ML робить цю відповідь миттєвою, конкретною і автоматичною, усуваючи необхідність ручного втручання або прийняття рішення.

AI також може допомогти покращити досвід клієнтів і знизити операційні витрати. Наприклад, модель ML може бути основою застосунку AI для ідентифікації і спрямування клієнтів із надійною історією платежів до самостійних платіжних опцій за допомогою IVR, чат-бота або текстових повідомлень у поєднанні з персоналізованими посиланнями для платежів. Вона також може надсилати цим клієнтам спеціальні повідомлення для заохочення підписки на автоплатежі, включаючи персоналізовані посилання для спрощення процесу.

Ті, у кого є шаблон пропущених платежів або повернень ACH, можуть отримати повідомлення з варіантами, як узгодити платежі. Наприклад, чи бажають вони розбити пропущений платіж на кілька частин і додати їх до майбутніх рахунків? Чи буде їм корисно перенести дату платежу на payday? Або краще робити щотижневі платежі замість одного щомісячного? Потім клієнти можуть натиснути посилання, щоб самостійно реалізувати свої рішення, без необхідності телефонної розмови з агентом. Такий автоматизований, орієнтований на дані процес прийняття рішень дозволяє клієнтам отримати найзручніший і найвідповідніший досвід платежу, зберігаючи час служби підтримки для випадків, що потребують особливої уваги.

Тим часом дані про рішення клієнтів і їхні майбутні платіжні шаблони використовуються для навчання моделі ML, щоб пропонувати майбутнім клієнтам варіанти, що найімовірніше призведуть до незалежних і своєчасних платежів у майбутньому.

Як демократизувати дані у вашій організації

Демократизація даних не відбувається органічно або самостійно. Спершу це вимагає зобов’язання від постачальника платіжних послуг усунути ізоляцію даних і бар’єри, що заважають швидко і повністю передавати дані зацікавленим сторонам. Якщо ваш поточний постачальник платіжних послуг не робить цього пріоритетом, можливо, настав час шукати інше рішення.

Ваш постачальник платіжних послуг має спершу створити сховище даних, де він збирає і нормалізує всі платіжні дані. Потім він має надавати ці дані у форматі, що найкраще вам підходить. Це може означати надання сирих даних для внутрішнього завантаження та аналізу, завершення аналізу за вас, візуалізацію даних у сукупності з даними галузі або пропозицію контекстуальних даних із зовнішніх джерел.

Після впровадження цих елементів, ваша черга зробити дані доступними для всіх зацікавлених у вашій організації — навіть для менш технічних — щоб вони могли діяти і ставити цілі на основі фактів, а не почуттів.

Рух за демократизацію даних створив основу для платильників додавати докази і контекст у процес прийняття рішень по всій організації. Ті, хто скористається цим, матимуть перевагу у оптимізації стратегій для збільшення самостійності та створення безперебійного і задовільного досвіду клієнта.

Про автора

Стів Крамер — віце-президент з продукту в PayNearMe, де він керує командою розробки продуктів. З понад 25 роками досвіду у сфері платежів і продуктів, Стів забезпечує лідерство ринку рішеннями PayNearMe, що зменшують тертя для споживачів і пропонують найширший спектр платіжних опцій і каналів, при цьому зосереджуючись на безпеці та надійності, щоб клієнти отримували кожен платіж щомісяця.