Machine learning zorgt voor betere kredietscores

In tijden van onzekerheid wordt het vermogen om nauwkeurige voorspellingen te doen belangrijker dan ooit. Kredietbeheerders over de hele wereld komen onder nog grotere druk te staan om risico's te beheren en nauwkeurige voorspellingen te doen over de zakelijke levensvatbaarheid van hun klanten, maar gelukkig hebben ze betere hulpmiddelen tot hun beschikking dan ooit tevoren.

Met de Billtrust credit management oplossing hebben kredietbeheerders toegang tot geavanceerde indicatoren die de betalingsvooruitzichten en bedrijfsviabiliteit van potentiële klanten met een voorspellende nauwkeurigheid van meer dan 80% meten.

Machine learning algoritmen werken door in de loop van de tijd grote hoeveelheden gegevens op te nemen en die gegevens te gebruiken om zeer duidelijke, nauwkeurige voorspellingen te doen over gebeurtenissen in de toekomst. Als een data-analist zou proberen handmatig voorspellingen te doen met behulp van dezelfde grote datasets, zou het buitensporig lang duren om alles te analyseren en zou het eindresultaat niet zo nauwkeurig zijn als door de computer gegenereerde voorspellingen.

Machine-learning kan snel enorme informatiereeksen analyseren om trends te ontdekken die gebruikt kunnen worden voor toekomstige beslissingen. Dit is vooral nuttig bij credit management.

Kredietanalisten bij Billtrust en in het bredere veld hebben specifieke, identificeerbare patronen ontdekt die zich voordoen in de financiële overzichten van organisaties in de jaren en maanden voordat ze failliet gaan. Machine-learning algoritmen kunnen deze patronen detecteren. Ze kunnen ook andere vormen van financiële moeilijkheden in een vroeg stadium opsporen en resultaten voorspellen die onze klanten helpen om zich te beschermen tegen het verstrekken van krediet aan bedrijven die in de toekomst mogelijk niet kunnen betalen.

Er zijn twee primaire vragen die kredietmanagers proberen te beantwoorden:

1. Wat is het risico op wanbetaling op de korte termijn?
2. Hoe sterk is dit bedrijf financieel?

Voor de eerste vraag analyseert Billtrust Credit Management betaalgegevens, handelsinformatie, waarschuwingen voor incasso's, opmerkingen van collega's en nog veel meer om te bepalen hoe groot de kans op korte termijn is dat een bedrijf "verder gaat dan de termijnen", zoals gedefinieerd door een reeks gegevensregels (bijv. 20% zou 60 dagen achterstallig zijn). Dit noemen we de Payment Outlook Indicator.

To determine business viability, Billtrust uses financial records, credit agency ratings and other business operations metrics to determine the likelihood that the customer will be active in the long-term. We call this the Business Viability Indicator. It relies heavily on financials, but also incorporates other elements like ordering quantity trends, age of the business and scale of operations.

Om kredietscores te creëren die nut en waarde bieden, scoort Billtrust op een schaal van 0-100, waarbij elk punt op deze schaal de waarschijnlijkheid van een positief resultaat vertegenwoordigt. Daarom betekent een score van 80 voor onze Payment Outlook Indicator simpelweg dat er een kans van 80% is dat het bedrijf op tijd zal betalen. Andere agency-scores worden beschreven in niveaus of bandbreedtes die vaak verwarrend zijn voor kredietverleners die snel belangrijke beslissingen moeten nemen. Met de gefaseerde aanpak kunnen twee zeer vergelijkbare bedrijven in afzonderlijke banden worden gescoord. De machine-learning oplossing van Billtrust levert scores langs een continuüm, waardoor klanten informatie krijgen die ze snel kunnen verwerken en gebruiken.

Billtrust kent ook een score toe aan de kwaliteit en actualiteit van de onderliggende gegevens. Dit noemen we scorepercentage vertrouwen. Machine-learning oplossingen snakken naar goede gegevens, dus we zijn altijd op zoek naar meer en betere gegevensbronnen om ons te helpen de meest nauwkeurige scores te geven.

Met de hulpmiddelen om zowel het betalingsgedrag van klanten op de korte termijn als de levensvatbaarheid van bedrijven op de lange termijn te voorspellen, hebben credit managers nu de mogelijkheid om snel en nauwkeurig kredietbeslissingen te nemen die hun bedrijven zullen helpen te gedijen in elke zakelijke omgeving.

Als u wilt weten hoe u Billtrust’s machine-learning aangedreven kredietscores in uw besluitvormingsproces kunt opnemen, vul dan het contactformulier in.