Ba cách Dân chủ hóa Dữ liệu có thể Cải thiện Thanh toán Hóa đơn cho Doanh nghiệp và Khách hàng của họ

Hãy chào mừng yottabyte, đại diện cho 1024 bytes, hay lượng dữ liệu có thể vừa trên các đĩa DVD xếp từ Trái Đất đến Sao Hỏa. Vào những năm 2030, người ta dự kiến thế giới sẽ tạo ra 1 yottabyte dữ liệu mỗi năm.

Nhưng dữ liệu mênh mông này có ích gì nếu không thể truy cập nhanh chóng, được phân tích và được sử dụng để đưa ra các quyết định hiện tại lẫn tương lai? Câu hỏi đó đã thúc đẩy một cuộc trò chuyện ngày càng gia tăng về giá trị của việc “dân chủ hóa dữ liệu” hay làm cho dữ liệu dễ tiếp cận hơn với mọi bộ phận trong một tổ chức. Khi dữ liệu được dân chủ hóa, nó có thể được dùng để hiểu tình trạng sức khỏe của doanh nghiệp, dự đoán kết quả và phát triển các chiến lược nhằm giảm chi phí vận hành và tạo ra lợi nhuận lớn hơn. Một phần của “dân chủ hóa” không chỉ là có quyền truy cập vào dữ liệu mà còn là cho phép những người có nền tảng kỹ thuật khác nhau có thể sử dụng dữ liệu đó để đưa ra quyết định kinh doanh.

Các công ty fintech và các khách hàng của họ, chẳng hạn như bên thu hộ (biller), đặc biệt sẵn sàng tham gia phong trào dân chủ hóa vì có sẵn một lượng lớn dữ liệu thanh toán – nếu dữ liệu đó có thể được làm cho tất cả các bên liên quan trong tổ chức thu hộ (billing) đều tiếp cận được. Trong bài viết này, chúng tôi sẽ thảo luận các rào cản chính của việc dân chủ hóa dữ liệu – các silo dữ liệu và các “cổng” do IT kiểm soát – và cách việc có được quyền truy cập vào dữ liệu này có thể biến đổi các khoản thanh toán cho bên thu hộ và khách hàng của họ.

Các silo và người gác cổng IT

Trong 50 năm qua, dữ liệu chủ yếu được kiểm soát bởi các kỹ thuật viên IT và các nhà phân tích có kiến thức và được đào tạo chuyên sâu. Đặc biệt, dữ liệu thanh toán thường bị khóa trong các nền tảng thanh toán, nơi các đội ngũ kỹ thuật của nhà cung cấp tổng hợp các báo cáo tiêu chuẩn cho khách hàng theo quý và tạo báo cáo tùy chỉnh theo yêu cầu.

Dữ liệu thanh toán không nên bị giữ trong tay chỉ một vài người. Có hàng tỷ điểm dữ liệu nằm bên trong các nền tảng thanh toán. Dữ liệu thanh toán này về cơ bản là cách mà khách hàng giao tiếp với các tổ chức cho vay của họ mỗi tháng. Khi bên thu hộ có thể truy cập và áp dụng dữ liệu đó theo những cách mới và sáng tạo, nó có thể được dùng để giúp mọi người trong tổ chức đưa ra các quyết định được cân nhắc tốt hơn và thúc đẩy cải tiến vận hành.

Dân chủ hóa dữ liệu mở ra một kho tàng các hiểu biết có thể hành động được, có thể được áp dụng theo những cách mới và sáng tạo. Dưới đây là ba cách để bên thu hộ sử dụng những hiểu biết đó nhằm nâng cao hiệu quả vận hành và trao quyền ra quyết định:

2.      

### Xác định và cải thiện các khu vực yếu kém, rồi chỉ đạo ưu tiên tương ứng

Có dữ liệu và các số liệu thống kê thanh toán ngay trước mặt bạn là một chuyện, nhưng điều đó thường dẫn đến nhiều câu hỏi hơn là câu trả lời. Những con số đó tốt chứ? Xấu chứ? Bạn có nên hành động không? Và nếu có, là hành động ở đâu?

Khi nhà cung cấp thanh toán của bạn cho phép bạn đo lường và so sánh (benchmark) dữ liệu thanh toán và dữ liệu khách hàng của bạn với dữ liệu ngành tổng hợp, bạn có thể theo dõi các xu hướng thanh toán và xu hướng người tiêu dùng khi chúng diễn ra ở nhiều thị trường và địa điểm khác nhau, đồng thời dự đoán tác động lên doanh nghiệp của bạn.

Dữ liệu benchmark sẽ cho thấy các ngoại lệ – những khu vực mà bạn đang cao hơn hoặc thấp hơn đáng kể so với mức trung bình – và giúp bạn có cảm nhận về việc ngành đang đi theo hướng nào.

Ví dụ, bạn có thể xem xét tỷ lệ các khoản thanh toán bị từ chối và các khoản chargeback, rồi xác định có thể làm gì để đưa các con số của bạn ngang bằng với hoặc cao hơn mức trung bình của ngành. Bạn cũng có thể nghiên cứu các thông điệp tương tác (engagement) đã được tổng hợp, đặt câu hỏi: “Tỷ lệ nhấp (clickthrough) điển hình cho SMS so với email là bao nhiêu, và nó dẫn đến một khoản thanh toán cho doanh nghiệp của chúng tôi nhanh như thế nào so với toàn ngành?” Bạn có thể nhận thấy những nơi mà bạn có thể điều chỉnh các quy tắc hoặc tham số kinh doanh, giới thiệu các loại thanh toán mới hoặc chuyển thông điệp tương tác sang một ngày hoặc thời điểm khác trong ngày để thúc đẩy nhiều khoản thanh toán đúng hạn hơn.

Dữ liệu benchmark cũng giúp bạn nhận diện các xu hướng thanh toán đang nổi lên để bạn có thể thích ứng nhanh chóng nhằm giải quyết các vấn đề hoặc đáp ứng nhu cầu mới. Bạn có thể nhận thấy một loại thanh toán cụ thể đang tăng độ phổ biến hoặc độ trễ thanh toán tự động (auto-payment lagging) đang xảy ra trong một phân khúc nhân khẩu học cụ thể. Khi bạn có thể nhìn thấy dữ liệu của mình ở mức chi tiết, xếp chồng với các mức trung bình của ngành, bạn có thể phản ứng và thích nghi, đặt các KPI thực tế, và tập trung vào các cải tiến quy trình tạo ra hiệu quả vận hành thực sự.

3.      

### Dự đoán những gì sắp tới để lên kế hoạch tốt hơn

Việc giới hạn phân tích dữ liệu chỉ trong các nguồn nội bộ, thậm chí cả các nguồn trên toàn ngành, có thể tạo ra các khoảng trống trong việc hiểu biết. Đó là lý do nhiều công ty đưa dữ liệu bên ngoài vào các phân tích của họ; họ tìm kiếm một “góc nhìn” rộng hơn để hiểu rằng điều gì đang diễn ra trong “thế giới bên ngoài” có thể ảnh hưởng đến hành vi thanh toán ngày hôm nay và trong tương lai.

Khi ngày càng có nhiều nhà cung cấp nền tảng thanh toán đi sâu vào dân chủ hóa dữ liệu, điều đó có thể mở ra cơ hội để luồng dữ liệu thanh toán được tích hợp vào hệ sinh thái của bên thu hộ (biller). Khi kết hợp với các điểm dữ liệu khác như điểm tín dụng, chỉ số giá tiêu dùng (CPI) hoặc thông tin điều tra dân số, nó có thể giúp nhà cung cấp thanh toán của bạn xác định hồ sơ rủi ro của một cá nhân hoặc nhóm nhân khẩu học, từ đó giúp bạn dự đoán tốt hơn các mẫu thanh toán, nhắm mục tiêu các thông điệp tương tác và tự động hóa các quy tắc kinh doanh được biết là khuyến khích thanh toán đúng hạn.

Dữ liệu kinh tế từ các nguồn chính phủ có thể chỉ ra những khu vực mà việc tăng thất nghiệp hoặc GDP giảm có thể ảnh hưởng đến năng lực tài chính vững vàng của một nhóm lớn khách hàng. Thậm chí dữ liệu dự báo thời tiết cũng có thể hữu ích. Chẳng hạn, Bão Hurricane Ian đã gây ra thiệt hại trên toàn bộ nền kinh tế bang Florida khi các doanh nghiệp đóng cửa, cư dân bỏ đi, và người tiêu dùng đổ tiền vào việc chuẩn bị cho cơn bão cũng như phục hồi sau bão, khiến họ có năng lực chi trả các hóa đơn thấp hơn rất nhiều.

Khi bạn có sẵn dữ liệu để đưa ra các dự đoán dựa trên cơ sở thực tế (fact-based), bạn có thể chuẩn bị cho doanh nghiệp của mình trước những tác động đến thanh toán, đi trước đường cong. Bạn cũng có thể phối hợp với nhà cung cấp thanh toán để tự động hóa việc tiếp cận người thanh toán (payers) một cách chủ động trước khi các khoản thanh toán bị bỏ lỡ tạo ra một vấn đề lớn hơn và tốn kém hơn. Bạn có thể cung cấp các giải pháp như chia nhỏ các khoản thanh toán, thay đổi ngày đến hạn thanh toán để trùng với ngày nhận lương, hoặc gửi các lời nhắc thanh toán thường xuyên hơn.

4.      

### Tự động hóa việc ra quyết định để xử lý gian lận và các vấn đề khác

Ngành thanh toán tạo ra một lượng dữ liệu khổng lồ có thể hữu ích để phát hiện các vấn đề tiềm ẩn – nhưng chỉ khi bên thu hộ có cách phân tích dữ liệu đó theo thời gian thực, dự đoán kết quả và tự động hóa phản hồi. Nhà cung cấp thanh toán của bạn cần có thể tận dụng trí tuệ nhân tạo (AI) và học máy (ML) để đạt được các mục tiêu đó, giúp việc phát hiện và dự đoán các hoạt động gian lận, thanh toán trễ, trả về ACH, và nhiều hơn nữa trở nên hiệu quả về chi phí và đáng tin cậy; đồng thời chủ động khởi tạo các bản vá thông qua các quy tắc kinh doanh được tự động hóa.

ML và AI gắn liền với nhau trong cùng một hệ sinh thái – các hệ thống AI được xây dựng bằng ML, cùng với các kỹ thuật khác. Với ML, máy móc học từ các tập dữ liệu (datasets) thay vì phải được lập trình. Chúng có thể phân loại dữ liệu, nhận diện các mẫu và tạo ra các mô hình dự đoán. Các chương trình AI tận dụng những năng lực đó để thực hiện các tác vụ phức tạp, mô phỏng năng lực và hành động của con người. Chatbot, trợ lý thông minh như Amazon Alexa, và xe tự lái đều là các ứng dụng của AI.

Một ví dụ về mô hình ML trong lĩnh vực thanh toán được thiết kế để đạt được mục tiêu của AI là nhận diện một mẫu gồm nhiều chargeback cao (high chargebacks) đối với một nhóm khách hàng cụ thể và tự động áp dụng một quy tắc kinh doanh để loại bỏ thẻ khỏi tùy chọn thanh toán ngay khi khách hàng bắt đầu chargeback lần thứ ba của họ trong khoảng thời gian sáu tháng. ML giúp phản hồi này trở nên tức thì, cụ thể và tự động, loại bỏ hoàn toàn nhu cầu nhập liệu hoặc ra quyết định thủ công.

AI cũng có thể giúp cải thiện trải nghiệm khách hàng và giảm chi phí vận hành. Ví dụ, một mô hình ML có thể đứng sau một ứng dụng AI như vậy để xác định và hướng dẫn khách hàng có lịch sử thanh toán đáng tin cậy tới các tùy chọn thanh toán tự phục vụ bằng IVR, chatbot hoặc khả năng nhắn tin (texting) kết hợp với các liên kết thanh toán được cá nhân hóa. Nó cũng có thể gửi cho những khách hàng đó các thông điệp tương tác đặc biệt để khuyến khích đăng ký thanh toán tự động (auto-pay), bao gồm các liên kết cá nhân hóa để quy trình này dễ dàng và liền mạch.

Những người có mẫu thanh toán bị bỏ lỡ hoặc các khoản trả về ACH, ngược lại, có thể nhận được các thông điệp kèm tùy chọn để họ có thể đối soát (reconcile) như thế nào. Chẳng hạn, họ có muốn việc thanh toán bị bỏ lỡ được chia nhỏ thành nhiều khoản thanh toán và được cộng vào các hóa đơn trong tương lai không?  Họ có thấy hữu ích nếu chuyển ngày thanh toán để trùng với ngày nhận lương không? Hay việc thực hiện các khoản thanh toán theo tuần sẽ tốt hơn so với một khoản thanh toán theo tháng? Sau đó, khách hàng có thể bấm vào các liên kết để thực hiện quyết định của mình độc lập thay vì phải dựa vào một cuộc gọi điện thoại với nhân viên tư vấn. Loại hình ra quyết định tự động, được dẫn dắt bởi dữ liệu này sẽ đưa khách hàng đến trải nghiệm thanh toán nhanh chóng và phù hợp nhất với họ, đồng thời dành thời gian của nhân sự dịch vụ cho những trường hợp cần được chú ý đặc biệt.

Trong khi đó, dữ liệu từ các quyết định của những khách hàng đó, cùng với các mẫu thanh toán trong tương lai của họ, sẽ được dùng để huấn luyện mô hình ML nhằm đưa ra các tùy chọn phù hợp nhất cho những khách hàng tương lai—những tùy chọn có khả năng cao dẫn đến việc khách hàng tự thanh toán đúng hạn trong tương lai.

Cách dân chủ hóa dữ liệu trên toàn tổ chức của bạn

Phong trào dân chủ hóa dữ liệu không tự xảy ra một cách tự nhiên hoặc độc lập. Trước hết, nó cần sự cam kết từ nhà cung cấp thanh toán của bạn nhằm loại bỏ các silo và những người gác cổng đang cản trở việc đưa dữ liệu một cách hoàn chỉnh và nhanh chóng vào tay các bên liên quan (stakeholders). Nếu nhà cung cấp thanh toán hiện tại của bạn không coi điều đó là ưu tiên, có thể đã đến lúc cân nhắc tìm nơi khác.

Nhà cung cấp thanh toán của bạn trước tiên nên phát triển một kho dữ liệu (data warehouse) nơi họ tổng hợp và chuẩn hóa toàn bộ dữ liệu thanh toán. Sau đó, họ nên cung cấp dữ liệu theo định dạng hữu ích nhất cho bạn. Điều này có thể có nghĩa là cung cấp dữ liệu thô để nhân viên của bạn tải xuống và tự phân tích nội bộ, hoàn tất phần phân tích cho bạn, trực quan hóa dữ liệu của bạn ở dạng tổng hợp cùng với dữ liệu của ngành, hoặc cung cấp dữ liệu theo ngữ cảnh từ các nguồn bên ngoài.

Khi các yếu tố đó đã được đặt vào chỗ, phần còn lại là trách nhiệm của bạn để làm cho dữ liệu có thể quan sát (observable) được đối với tất cả các bên liên quan trong tổ chức của bạn – kể cả những người ít kỹ thuật hơn – để họ có thể hành động và theo đuổi các mục tiêu dựa trên sự thật (facts), chứ không phải cảm xúc.

Phong trào dân chủ hóa dữ liệu đã tạo tiền đề để bên thu hộ thêm bằng chứng và ngữ cảnh vào việc ra quyết định trong suốt tổ chức. Những ai tận dụng được điều đó sẽ có lợi thế trong việc tối ưu hóa các chiến lược để tăng tự phục vụ và tạo ra một trải nghiệm khách hàng mượt mà, không gây ma sát và thỏa mãn.

Về tác giả

Steve Kramer là Phó Chủ tịch Sản phẩm tại PayNearMe, nơi ông dẫn dắt nhóm phát triển sản phẩm. Với hơn 25 năm kinh nghiệm trong lĩnh vực thanh toán và sản phẩm, Steve đảm bảo các giải pháp của PayNearMe dẫn đầu thị trường bằng cách giảm ma sát cho người tiêu dùng và cung cấp đa dạng nhất các tùy chọn thanh toán và kênh thanh toán, đồng thời vẫn tập trung vào bảo mật và độ tin cậy để đảm bảo khách hàng thu được mọi khoản thanh toán, mọi lúc.