De 2017 editie van de CreditExpo ligt alweer een aantal weken achter ons. Wat hebben we tijdens deze laatste editie besproken? Tijd voor een korte terugblik op onze bevindingen en gedeelde kennis.
De Credit Manager bestaat niet meer in 20 jaar
Een zin uit mijn presentatie die ik mocht geven in het kader van de CreditExpo 2017, zowel in Belgiรซ als in Nederland. Tijdens de presentatie ging ik in op het veranderende speelveld van de credit manager. Aspecten hiervan zijn veranderende wet- en regelgeving, de economie, welke van een gebruikseconomie overgaat naar een deeleconomie, artificiรซle intelligentie en uiteraard de schier oneindige aanwas aan nieuwe data.
Waarom zal er over 20 jaar dan geen credit manager meer zijn? Dat is eigenlijk het verlengde van de huidige 4e industriรซle revolutie. Processen automatiseren, machines โ denk aan chatbots โ nemen de plaats in van mensen. De credit management processen kunnen dan ook artificieel gedefinieerd worden en machinaal overgenomen worden. Ik zie veel meer een verschuiving:
โVan credit management naar data managementโ
De credit manager krijgt steeds makkelijker toegang tot data en kan hier zijn voordeel uit halen. Echter dient hij op te letten dat de juiste data combinatie gebruikt wordt. Met andere woorden, de data moet wel informatie kunnen bevatten die relevant is. Omdat we in een โgouden data tijdperkโ leven, bleef ik stilstaan bij dit centrale onderwerp uit mijn presentatie: de aanwas van data uiteengezet in 2 datasets:
Gestructureerde data
In een overzichtelijke database netjes gestructureerd en makkelijk te gebruiken. Voorbeelden zijn uw ERP- en CRM system of een externe database zoals van Dun & Bradstreet. Echter wordt gestructureerde data altijd overschaduwd door ROTte data. In dit geval staat ROT voor het Engelse Redundant, Obsolete and Trivial. Uitdaging is dus bij gestructureerde data om deze schoon en inzichtelijk te houden.
Ongestructureerde data
Sinds het ontwaken van internet en de โgeconnecteerdeโ data, is de groei van ongestructureerde data op gang gekomen. Voeg daar social media toe en het feit dat er op dit moment net zo veel mensen toegang tot internet hebben dan 1960 op aarde leefden, (3,x miljard) en de data revolutie is niet meer te stoppen.
Probleem is zoals de naam het al zegt, dat de data niet gestructureerd is. Uitdaging is dus om de data te structureren zodat deze data-set ook inzichten kan leveren voor bij voorbeeld de Credit Manager. Voorkomende problemen zijn onder andere:
- is de data wel reรซel?
- wie heeft de data aangemaakt?
- welke emotionele waarde kan er aan de uitspraken of tekstfragmenten gehecht worden?
De impact van ongestructureerde data verkregen uit social media
Het blijft dus een uitdaging om vanuit het groeiend aanbod aan data zinnige informatie te halen, niet alleen voor data dienstverleners maar ook voor u als bedrijf of credit manager. Dat vertraagt de ontwikkeling van nieuwe data-sets voor gebruik tijdens kredietacceptatie.
Echter zit er wel een kern van informatie in de ongestructureerde data en is het wel degelijk aan te raden om er ook iets mee te doen. Neem social monitoringbijvoorbeeld. Ik heb hier tijdens de sessie een aantal voorbeelden laten zien van websites of tools die social monitoring mogelijk maken, onder andere:
- Google Alerts
- Social mention [Link]
- D&B Credit
De laatste is misschien een vreemde eend in de bijt, maar ook wij als data dienstverlener zijn aan het experimenteren met ongestructureerde data. Zo is er in ons nieuwe platform D&B Credit dus ook een โWeb & Socialโ sectie met hierin social-informatie over een zakelijke relaties, welke wij toevoegen aan het kredietrapport.
De toekomst van ongestructureerde data en beslismodellen
Vooralsnog heeft deze sectie geen eigen rating en dient louter ter informatie. Ook de dekking beperkt zich tot de top 200.000 bedrijven in een land, maar het geeft wel aan dat ook wij naar de toekomst toe verder willen met ongestructureerde data.
Kortom het vak Credit Management zal gaan veranderen omdat er meer en vooral ongestructureerde data makkelijk beschikbaar is, maar ook omdat process automatisatie steeds verfijnder wordt. Naast het bedenken van de regels voor geautomatiseerde beslismodellen, zijn betrouwbaarheid en kwaliteit van datasets de nieuwe speerpunten van de credit manager. Data en digitalisering zal naar de toekomst alleen maar toenemen. Nu is het dus de vraag: hoe zet men in de toekomst de juiste beslismodellen in en door welke data wordt het model gedreven?
Presentatie ontvangen of een keer een gezellig kopje koffie?
Stuur mij dan een bericht met je gegevens!