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

Скажіть привіт йотабайту, який становить 1024 байти або обсяг даних, що помістилися б на DVD, складені від Землі до Марса. До 2030-х років очікується, що світ буде генерувати йотабайт 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 платники, особливо готові долучитися до 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 — ізольовані сховища даних і ІТ-сторожі — і як доступ до цих даних може трансформувати платежі для платників і їхніх клієнтів.

Ізольовані сховища та ІТ-сторож

Останні 50 років дані здебільшого контролювали ІТ-спеціалісти та аналітики, 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 платники можуть отримати доступ і застосовувати ці дані новими та інноваційними способами, 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 та інноваційних способах. Ось три способи, як платники 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 саме?

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 регіонах і прогнозувати їхній 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 проаналізувати рівень відхилень платежів і повернень і визначити, що можна зробити, щоб привести свої показники у відповідність або перевищити середні галузеві. Також можна дослідити 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 у порівнянні 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 процесах, 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 займаються демократизацією даних, з’являються можливості транслювати платіжні дані у екосистему платника. 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. Також можна 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 платники мають спосіб аналізувати ці дані у реальному часі, прогнозувати результати та автоматично реагувати. 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 шахрайську діяльність, прострочені платежі, повернення ACH і інше, а також ініціювати виправлення проактивно через автоматичні бізнес-правила.

ML і AI пов’язані у одній екосистемі — системи AI створюються з використанням ML та інших технік. За допомогою ML машини навчаються на наборах даних без необхідності 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, спрямованої 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 потребу у ручному втручанні або прийнятті рішень.

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 через IVR, чат-бот або текстові повідомлення 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.

З іншого боку, клієнтам із моделлю пропущених платежів або повернень ACH можна надсилати повідомлення з варіантами врегулювання. Наприклад, чи бажають вони розбити пропущений платіж на кілька частин і додати їх до майбутніх рахунків? Чи буде їм корисно змінити дату платежу, щоб вона співпадала з payday? Або краще робити щотижневі платежі замість одного щомісячного? Клієнти зможуть натискати посилання для самостійного впровадження своїх рішень, без необхідності телефонних дзвінків із агентом. Такий автоматизований, орієнтований на дані процес прийняття рішень дозволяє швидко і зручно для клієнта проходити платіжний досвід, залишаючи час сервісним представникам 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 найефективніші варіанти для незалежних і своєчасних платежів у майбутньому.

Як демократизувати дані у всій організації

Демократизація даних не відбувається органічно або самостійно. Спершу потрібна відданість вашого постачальника платіжних послуг усунути ізольовані сховища та бар’єри, що заважають швидко і повністю передавати дані всім зацікавленим сторонам. Якщо ваш поточний постачальник платіжних послуг не робить цього пріоритетом, можливо, час пошукати 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 і аналізу, завершення аналізу за вас, візуалізацію даних у сукупності з галузевими або зовнішніми даними, або пропозицію контекстуальних даних із зовнішніх джерел.

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

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

Про автора

Стів Kramer — віце-президент з продукту в PayNearMe, де він керує командою розробки продуктів. Маючи понад 25 років 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, кожного разу.