Deze paper biedt een overzicht van tien vaak gehoorde mythes rond het beheer van risico’s van derden die compliance er vaak lastiger op maken. Het biedt daarnaast inzicht in de manieren waarop data en automatisering uitkomst kunnen bieden.
Het is geen geheim dat veel bedrijven te maken hebben met te late of uitblijvende betalingen. Uit de Global Trade Credit Payments Study 2020 van Dun & Bradstreet blijkt dat het merendeel van de bedrijven 1 tot 30 dagen te laat betaalt (48,1%).
Dirty Data kost bedrijven wereldwijd klauwen met geld. Bovendien lopen zij winst mis doordat ze concurrenten niet kunnen bijbenen die slimmer zijn met data en analytics. Vervuiling van data en de daarmee gepaarde kosten is alleen te vermijden als je je data management beter organiseert, automatiseert en daarmee zoveel mogelijk menselijke fouten vermijdt.
Als creditmanager is het belangrijk om betrokken te zijn bij het klantacceptatieproces. Het accepteren van nieuwe klanten brengt namelijk veel risico’s met zich mee. Door te kiezen voor een strategie waarbij je de kredietwaardigheid van potentiële klanten preventief bepaalt en blijft monitoren, bouw je een kwalitatief goede klantenportefeuille op.
Enerzijds moet je organisatie compliant zijn en risico’s indammen. En dat in een wereld vol grensoverschrijdende financiële criminaliteit, financiële onzekerheid, geopolitieke onrust, (financiering van) terrorisme, en belasting- en corruptieschandalen zoals Panama Papers, Unaoil en VimpelCom.
Het afgelopen decennium had je als b2b-marketeer geen gebrek aan data en tools. Integendeel. Marketeers hebben de beschikking over ruim 5000 gespecialiseerde software-tools en gebruiken gemiddeld zo’n 70 verschillende databronnen.
Hoewel de AI-revolutie nog echt op stoom moet komen, zijn er al succesverhalen in overvloed. Denk aan de chatbot van KLM Royal
Dutch Airlines, die meer dan 50 procent van de 130.000 social mediamentions
met minstens 95 procent accuraatheid afhandelt. Of aan L’Oréal, Pepsi en Ikea, die dankzij een robot van het bedrijf Strafory 30 procent besparen op hun recruitmentkosten.
Hoe neem je als bedrijf de beste beslissingen? De toverformule: zorg dat je precies weet wat er speelt én gaat spelen. Makkelijk gezegd, steeds makkelijker gedaan. Business analytics, het vakgebied dat zich hierover buigt, gaat namelijk met grote sprongen vooruit.
Stoeien jullie weleens met rommelige en niet altijd even betrouwbare data? Is deze verspreid over meerdere databases, platformen of zelfs spreadsheets? Ervaar je afwijkende records van klanten in verschillende systemen? Of dubbele records, inconsistente spelling- en naamregels, een laag vulpercentage van beschrijvende informatie over bedrijven, incomplete concernstructuren of vage definities van categorieën? Dan heb je een master data-probleem.
Wat nu als je – hoe utopisch – een Data-as-a-Service-oplossing hebt waarmee je geverifieerde, complete en up-to-date data en inzichten over je klanten, leveranciers en prospects real-time streamt in je ERP en CRM-applicaties? Waarbij incorrecte data wordt gecorrigeerd en incomplete data wordt aangevuld?