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 đón yottabyte, đại diện cho 1024 byte, hoặc lượng dữ liệu có thể vừa với các DVD xếp chồng từ Trái Đất đến Sao Hỏa. Đến những năm 2030, người ta kỳ vọng thế giới sẽ tạo ra 1 yottabyte dữ liệu mỗi năm.

Nhưng dữ liệu đại dương mênh mông này sẽ có ích gì nếu nó không thể được truy cập, phân tích và sử dụng một cách nhanh chóng để đưa ra các quyết định hiện tại và tương lai? Câu hỏi đó đã thúc đẩy một cuộc trò chuyện ngày càng tăng về giá trị của “dân chủ hóa dữ liệu” hoặc làm cho dữ liệu dễ tiếp cận hơn với mọi bộ phận của một tổ chức. Khi dữ liệu được dân chủ hóa, nó có thể được dùng để hiểu sức khỏe của doanh nghiệp, dự đoán kết quả và phát triển các chiến lược nhằm giảm chi phí vận hành và tạo lợi nhuận cao 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 khách hàng của họ, chẳng hạn như các đơn vị thu hộ, đặc biệt sẵn sàng tham gia phong trào dân chủ hóa vì lượng dữ liệu thanh toán khổng lồ sẵn có – nếu dữ liệu đó có thể được làm cho dễ tiếp cận với tất cả các bên liên quan trong tổ chức thu hộ. Trong bài viết này, chúng ta sẽ thảo luận các rào cản chính của dân chủ hóa dữ liệu – các “data silo” và các “cổng kiểm soát” CNTT – và cách việc tiếp cận dữ liệu này có thể chuyển đổi hoạt động thanh toán cho các đơn vị thu hộ và khách hàng của họ.

Các Silos và “IT Gatekeeper” (Người gác cổng CNTT)

Trong 50 năm qua, dữ liệu phần lớn đã được kiểm soát bởi các kỹ thuật viên và nhà phân tích CNTT, những người có kiến thức và đào tạo chuyên sâu. Dữ liệu thanh toán, đặc biệt, thường bị khóa trong các nền tảng thanh toán, từ đó các đội kỹ sư của nhà cung cấp sẽ tổng hợp các báo cáo tiêu chuẩn cho khách hàng theo từng quý và tạo các báo cáo tùy chỉnh theo yêu cầu.

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

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

2.      

### Xác định và cải thiện các khu vực yếu kém, đồng thời định hướng ưu tiên tương ứng

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

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

Dữ liệu đối sánh chỉ ra các điểm bất thường – những khu vực mà bạn rõ ràng cao hơn hoặc thấp hơn mức trung bình – và giúp bạn có cảm nhận về ngành đang đi theo hướng nào.

Ví dụ, bạn có thể xem xét tỷ lệ các giao dịch thanh toán bị từ chối và các khoản chargeback, rồi xác định xem có thể làm gì để đưa các con số của bạn tiệm cận với, hoặc vượt qua, mức trung bình của ngành. Bạn cũng có thể nghiên cứu các liên lạc tương tác đã được tổng hợp, đặt câu hỏi: “Tỷ lệ nhấp (clickthrough rates) điển hình cho SMS so với email là bao nhiêu, và việc đó dẫn đến một khoản thanh toán cho doanh nghiệp của chúng ta nhanh đến mức 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 khung giờ khác để thúc đẩy nhiều khoản thanh toán đúng hạn hơn.

Dữ liệu đối sánh 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 nào đó đang được đẩy mạnh, hoặc độ trễ thanh toán tự động đang thấp hơn ở một nhóm nhân khẩu học cụ thể. Khi bạn có thể nhìn thấy dữ liệu của mình ở mức chi tiết, được xếp chồng với các mức trung bình của ngành, bạn có thể phản ứng và thích ứng, thiết lập 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 lập kế hoạch tốt hơn

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

Khi ngày càng 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 hóa dữ liệu thanh toán vào hệ sinh thái của các đơn vị thu hộ. Khi được kết hợp với các điểm dữ liệu khác như điểm tín dụng, chỉ số giá tiêu dùng, 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 một 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 thúc đẩy thanh toán đúng hạn.

Dữ liệu kinh tế từ các nguồn của chính phủ có thể chỉ ra những khu vực mà việc gia tăng thất nghiệp hoặc GDP giảm có thể ảnh hưởng đến “sức mạnh tài chính” của một nhóm lớn khách hàng. Thậm chí dữ liệu dự báo thời tiết cũng có thể hữu ích. Ví dụ, bão Hurricane Ian đã gây thiệt hại nặng nề cho toàn bộ nền kinh tế bang Florida khi các doanh nghiệp đóng cửa, cư dân sơ tán, và người tiêu dùng đổ tiền vào việc chuẩn bị cho và phục hồi sau cơn bão, khiến họ có ít khả năng thanh toán hóa đơn hơn nhiều.

Khi bạn có dữ liệu sẵn sàng để đưa ra các dự đoán dựa trên sự thật, bạn có thể chuẩn bị cho doanh nghiệp của mình trước các tác động thanh toán ngay từ trước thời điểm mọi thứ vượt qua “điểm bẻ lái”. Bạn cũng có thể làm việc với nhà cung cấp thanh toán của mình để tự động hóa việc tiếp cận những người thanh toán trước một cách chủ động, trước khi các khoản thanh toán bị bỏ lỡ tạo thành 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 trong việc gắn cờ các vấn đề tiềm ẩn – nhưng chỉ khi các đơn vị thu hộ có cách để phân tích dữ liệu đó theo thời gian thực, dự đoán kết quả và tự động hóa các phản hồi. Nhà cung cấp thanh toán của bạn cần có khả năng tận dụng trí tuệ nhân tạo (AI) và học máy (ML) để đạt được các mục tiêu đó, giúp có thể phát hiện và dự đoán hiệu quả về mặt chi phí và đáng tin cậy các hoạt động gian lận, thanh toán trễ, các khoản ACH bị trả về và hơn thế nữa, đồng thời chủ động khởi tạo các biện pháp khắc phục thông qua các quy tắc kinh doanh tự động.

ML và AI được gắn kết 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 thay vì phải được lập trình. Chúng có thể phân loại dữ liệu, nhận diện các mẫu và tạo các mô hình dự đoán. Các chương trình AI tận dụng những khả năng đó để thực hiện các tác vụ phức tạp, mô phỏng năng lực và hành động của con người. Chatbot, các trợ lý thông minh như Amazon Alexa, và xe tự lái đều là những ứng dụng của AI.

Một ví dụ về mô hình ML trong lĩnh vực thanh toán được thiết kế để đạt được AI là nhận diện một mẫu các khoản chargeback cao đối với một nhóm khách hàng nhất định và tự động áp dụng một quy tắc kinh doanh để loại thẻ như một lựa chọn thanh toán ngay khi khách hàng thực hiện chargeback thứ ba của họ trong vòng sáu tháng. ML khiến phản hồi này diễn ra ngay lập tức, cụ thể và tự động, loại bỏ hoàn toàn nhu cầu nhập liệu thủ công 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 nhận diện và hướng dẫn khách hàng có lịch sử thanh toán đáng tin cậy sang các lựa chọn thanh toán tự phục vụ bằng khả năng IVR, chatbot hoặc nhắn tin, kết hợp với các liên kết thanh toán được cá nhân hóa. Nó cũng có thể gửi đến 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 giúp quy trình này dễ dàng và liền mạch.

Những người có mẫu thanh toán bị bỏ lỡ hoặc các khoản ACH bị trả về, ngược lại, có thể được gửi thông tin liên lạc với các lựa chọn để đối soát. Ví dụ, họ có muốn khoản thanh toán bị bỏ lỡ của mình được chia nhỏ thành nhiều khoản và cộng vào các hóa đơn trong tương lai không?  Họ có thấy hữu ích nếu chuyển ngày thanh toán của mình để trùng với ngày nhận lương không? Hay việc thanh toán hàng tuần sẽ phù hợp hơn so với một khoản thanh toán hàng tháng? Sau đó, khách hàng có thể bấm vào các liên kết để tự thực hiện các quyết định của mình độc lập, thay vì phải dựa vào một cuộc gọi qua điện thoại với nhân viên. Loại hình ra quyết định tự động, dựa trên dữ liệu này giúp khách hàng có được trải nghiệm thanh toán nhanh chóng và phù hợp nhất với họ, đồng thời dành thời gian của đội ngũ chăm sóc khách hàng cho những trường hợp cần sự chú ý đặc biệt.

Trong khi đó, dữ liệu từ các quyết định của những khách hàng đó, và các mẫu thanh toán trong tương lai của họ, được đưa vào việc huấn luyện mô hình ML để cung cấp cho khách hàng trong tương lai những lựa chọn có khả năng cao nhất dẫn đến việc thanh toán độc lập và đúng hạn trong tương lai.

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

Việc dân chủ hóa dữ liệu không diễn ra tự nhiên hoặc độc lập. Trước hết, nó cần một cam kết từ nhà cung cấp thanh toán của bạn nhằm loại bỏ các data silo và các “người gác cổng” cản trở việc đưa dữ liệu hoàn toàn và nhanh chóng đến tay các bên liên quan. Nếu nhà cung cấp thanh toán hiện tại của bạn không xem việc này là ưu tiên, có lẽ đã đến lúc cân nhắc tìm nơi khác.

Nhà cung cấp thanh toán của bạn trước hết 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 đó có thể có nghĩa là cung cấp dữ liệu thô để nhân sự của bạn tải xuống và tự phân tích nội bộ, hoàn thiện phần phân tích cho bạn, trực quan hóa dữ liệu của bạn dưới dạng tổng hợp cùng với dữ liệu ngành, hoặc cung cấp dữ liệu mang ngữ cảnh từ các nguồn bên ngoài.

Khi những thành phần đó đã được thiết lập, đến lượt bạn tận dụng để làm cho dữ liệu có thể quan sát 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 dữ kiện, không dựa trên cảm xúc.

Phong trào dân chủ hóa dữ liệu đã tạo nền tảng để các đơn vị thu hộ bổ sung bằng chứng và ngữ cảnh cho việc ra quyết định trên khắp tổ chức. Những ai tận dụng sẽ có lợi thế trong việc tối ưu hóa các chiến lược để tăng cường tự phục vụ và tạo ra một trải nghiệm khách hàng liền mạch, thỏa mãn.

Về Tác giả

Steve Kramer là Phó Chủ tịch Sản phẩm tại PayNearMe, nơi anh dẫn dắt đội phát triển sản phẩm. Với hơn 25 năm kinh nghiệm về thanh toán và sản phẩm, Steve đảm bảo các giải pháp của PayNearMe dẫn dắt thị trường bằng cách giảm ma sát đối với người tiêu dùng và cung cấp nhiều lựa chọn và kênh thanh toán nhất, 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.