Boels checkt kredieten met de actuele data van Altares
Beschik je als ondernemer wél over de klus, maar niet over de juiste machines om die uit te voeren? Dan is de kans groot dat je bij Boels aanklopt om de juiste machine te huren. Of het nu om een zaagmachine van een paar honderd euro, of om een graafmachine van een paar ton gaat: Boels voert kredietchecks uit bij al haar nieuwe en bestaande klanten. Daar heeft het bedrijf data van Altares Dun & Bradstreet voor nodig.
Boels Rental
2.500
Producten
6.900
Medewerkers
800.000+
Verhuuritems
“We kunnen voortaan proactief handelen als het gaat om kredietrisico. Met behulp van de informatie van Altares Dun & Bradstreet kunnen we in elke situatie de juiste beslissing nemen.”
Björn Curvers - Credit Risk Manager
1. De uitdaging
Kredietchecks als mensenwerk
Boels is een Nederlands verhuurbedrijf dat inmiddels uitgebreid heeft naar zeventien andere landen. Het bedrijf kocht daar de afgelopen jaren verschillende bedrijven voor op. Dagelijks huren duizenden mensen en organisaties spullen bij Boels. Tot voor kort waren kredietchecks, dus controles om te zien of huurders kredietwaardig zijn, mensenwerk. “Niet te doen”, dacht men bij Boels. Een groot deel van de checks moest daarom geautomatiseerd worden.
2 De oplossing
Automatische integratie in het ERP-systeem
Frank Donkers is Business Proces Owner bij Boels. Hij houdt zich onder andere bezig met automatisering en overzag ongeveer anderhalf jaar geleden de integratie van SOA People software in het ERP-systeem SAP. “Altares Dun & Bradstreet levert de data om kredietscorekaarten in ons ERP-systeem te laden, wat ons in staat stelt om goede besluiten te nemen. Krijgt een nieuwe of bestaande klant een limiet bij ons, ja of nee? En van hoe hoog? De datacloud zorgt dat de data die wij nodig hebben uniform is. Iedereen ziet overal dezelfde data.”
75%
24/7
18
Met de automatische koppeling met de Dun & Bradstreet datacloud binnen Boels’ ERP-systeem kwam een flinke uitbreiding van de portfolio die Boels afneemt. Het stelt ze namelijk in staat internationale data binnen één interface te gebruiken, en dat komt goed uit nu het bedrijf flink groeit buiten de landsgrenzen. Voorheen nam Boels data af bij verschillende partners en concurrenten van Altares Dun & Bradstreet. De real-time, accurate data heeft zich bewezen en daarom is het vertrouwen gegeven om binnen veel, maar niet alle, landen alléén met Altares Dun & Bradstreet zaken te doen.
Volgens Björn Curvers is zijn afdeling nu veel minder tijd kwijt met routinematig werk. Curvers is Credit Risk Manager bij Boels. “Bij mensenwerk is het ook vaak zo dat 80 procent van de aanvragen een gemakkelijke ‘ja’ of ‘nee’ is. Die aanvragen wilden wij automatiseren, en dat is grotendeels gelukt. Hierdoor kunnen onze mensen kwalitatief werk doen. Daar hebben ze méér tijd voor, zodat de kwaliteit van hun werk ook nog eens toeneemt. Door de hoge betrouwbaarheid en een optimaal proces hebben we nu nog maar 25% uitzonderingen waar kwalitatief naar gekeken moet worden.”
Paydex
“We hebben door de Paydex inzicht in betaalervaringen over bedrijven. Heeft een ZZP’er bijvoorbeeld een slechte betaalhistorie, dan komt hij mogelijk niet door de keuring heen, of krijgt hij andere (strengere) contractvoorwaarden. Deze score is dynamische, omdat het elke moment wordt bijgesteld. We krijgen hiermee een goed beeld van de huidige financiele gezondheid van een klant”, aldus Frank Donkers.
3. Het resultaat
Efficiëntie en tijdwinst
Onderaan de streep levert de data van Altares Dun & Bradstreet Boels enorm veel tijdwinst en efficiëntie op. “We worden via het rapport sneller gewezen op mogelijke betalingsproblemen”, zegt Frank Donkers. “We kunnen dan de aanvragen vanuit zo’n klant beter regulereren, hun limiet bijstellen, of om een aanbetaling vragen.”
“Het geeft ons controle”, aldus Björn Curvers. “Als er honderd klanten zijn, kunnen wij de data van Altares Dun & Bradstreet gebruiken om te beslissen op welke drie we in moeten zoomen.” Interne data en Artificial Intelligence die een derde partij ontwierp maken die som compleet. We hebben op basis van onze eigen risk appetite een scorecard ingericht waarbij een risicoscore ons verteld wat we moeten besluiten, in veel gevallen geautomatiseerd. “We kunnen voortaan proactief reageren, in plaats van achteraf te zeggen: hier ging iets niet goed. Met deze samenwerking deden we echt een stap vooruit. We zien nu wat eraan komt en grijpen op tijd in.”
