In mijn Credit Management trainingen gebruik ik vaak de ooit zo populaire televisieserie "Jiskefet - Debiteuren Crediteuren" als voorbeeld om de evolutie van het vakgebied te illustreren. Hoewel de serie uit de jaren negentig stamt en misschien niet zo bekend is bij jongere generaties, blijkt het imago van de afdeling in de serie nog steeds deels herkenbaar voor velen: Statisch, saai, oubollig, die ene oom die je tijdens een verjaardagsfeest liever niet spreekt.
Maar gelukkig is er in de laatste, pakweg 25 jaar zoveel gebeurd op het vlak van credit management dit imago in de prullenbak kan gooien.
Waar je eerst beschouwd werd als losgeslagen pitbull die achter de centjes aanjaagde, word je nu serieus genomen als gesprekpartner over de strategische vormgeving van werkkapitaal. De creditmanager weet tegenwoordig namelijk meer over data dan menig database en gebruikt de data ook nog eens om financiële kansen kenbaar te maken richting sales. De wereld op z’n kop.
Terug naar 2017
In mijn artikel uit 2017 (Credit Expo Reflectie) had ik het al over de doorontwikkeling van het credit management met daarin ook een gewaagde uitspraak dat over 20 jaar de creditmanager niet meer bestaat. Uiteraard wens ik niemand werkloosheid toe en enige nuance is dan ook op z’n plaats: uiteraard blijft er altijd wel een soort van supervisor Credit Management bestaan, maar de inhoudelijke uitvoering van het werk zal wezenlijk anders zijn dan dat wat we nu kennen. Veel processen zullen dankzij de innovatief-technologische wervelwind waar we midden in zitten volledig gedigitaliseerd worden.
Hieronder een paar simpele voorspellingen:
Automatisering van het kredietwaardigheidsproces
ChatGPT is de laatste tijd erg populair geworden, en dit is nog maar het begin. Dit soort kunstmatige intelligentie AI in combinatie met machine learning (ML) kan het kredietwaardigheidsproces drastisch veranderen. Het vermindert de afhankelijkheid van menselijke beslissingen en verhoogt de snelheid en efficiëntie van de beoordeling van kredietaanvragen zonder dat emoties meegenomen worden.
Regel gebonden beslissingen is niets nieuws en er zijn al tal van oplossingen die hierin kunnen voorzien. Toch zal de toevoeging van kunstmatige intelligentie de beslissingen veel fijner maken. Doordat het systeem ook nog eens zelflerend is, kan het vroegtijdig veranderend gedrag van de debiteur tonen. Zo worden risico’s niet alleen ten tijde van acceptatie verlaagd maar ook gedurende de relatie met de debiteur.
Gebruik van alternatieve data
Machine Learning is niet beperkt tot gestructureerde financiële data, zoals data uit ERP-systemen of van kredietwaardigheidsbureaus, wat betekent dat er een hele nieuwe dataset kan worden gebruikt voor het beoordelen van kredietwaardigheid.
Door het gebruik van alternatieve data, zoals social media en online transactiegeschiedenis, zoekgeschiedenis, kan een completer beeld worden gevormd.
Kanttekening is uiteraard dat alternatieve datasets, zeker op privégegevens, veelal onderhevig zijn aan wet- en regelgeving. Dit is onder andere vastgelegd in wetten zoals de General Data Protection Regulation (GDPR) in Europa en de Consumer Financial Protection Act (CFPA) in de Verenigde Staten. Deze wetten stellen dat bedrijven toestemming moeten vragen aan klanten of prospects voordat ze privé-gegevens verzamelen en dat deze gegevens op een veilige manier moeten worden opgeslagen en beschermd tegen misbruik.
End-to-End invoicing trail
Credit Management zal zich steeds meer gaan richten op het voorkomen van fraude door middel van het gebruik van geavanceerde detectie- en preventiemethoden. Uit onderzoek van Allianz blijkt dat 53% van bedrijven hiermee te doen hadden in de laatste 2 jaar. Het gaat hier om grote bedragen. Bedragen oplopende tot ver boven de 100.000 € zijn helaas geen uitzonderingen.
Elektronisch factureren gaat een belangrijke rol spelen in fraudepreventie. Door het gebruik van digitale technologieën, zoals end-to-end versleutelde intelligente facturatie, kan de verwerking van facturen geautomatiseerd en vooral stap voor stap gevolgd worden. Zo kunnen frauduleuze activiteiten eerder worden opgespoord en voorkomen. Neveneffect is dat bedrijven met internationale facturen ook nog eens voldoen aan wet- en regelgeving. Wel zo fijn als je boetes wilt voorkomen.
Meer tijd voor mensen
Door het gebruik van digitale technologieën en automatisering kunnen credit managers in real-time inzicht krijgen in de financiële situatie van hun klanten. Daarnaast houden ze veel meer tijd over voor échte mensengesprekken. Dit zal leiden tot een versterking van de klantrelatie door proactief advies te kunnen geven en snel op veranderingen te kunnen reageren. Het is niet voor niets dat er steeds vaker vanuit credit management perspectief om een klanttevredenheidsonderzoek gestart wordt.
Conclusie: In de laatste decennia is er veel veranderd in de wereld van credit management. Waar credit management vroeger werd gezien als saai en statisch, wordt het vakgebied nu gezien als een strategische discipline die gebruik maakt van data-analyse en automatisering. Met de komst van kunstmatige intelligentie (AI) en machine learning (ML) kan het kredietwaardigheidsproces sneller, efficiënter en minder afhankelijk van menselijke beslissingen worden uitgevoerd.
De rol van de creditmanager zich zal verplaatsen naar een superviserende en strategische functie waarbij het gebruik van alternatieve data hem in staat zal stellen om een completer beeld te krijgen van de debiteur en de financiële risico's. Ook zal de focus op cybersecurity toenemen om de bescherming van financiële gegevens en gevoelige data te garanderen.
Over de auteur
Met ruim 20 jaar aan credit management ervaring (zowel nationaal als internationaal) deelt Luc Godfroid zijn kennis door regelmatig enthousiaste en informatieve blogs te schrijven over de toekomst van het vak, debiteurenbeleid en datavraagstukken. Met zijn brede kennis en vaardigheden is Luc een waardevolle en strategische partner voor credit managers namens BVCM.
