Creditmanagement is continu in beweging. Nieuwe technologie en digitaal databeheer creëren tijdbesparende nieuwe mogelijkheden voor onder meer de financiële manager en de creditmanager. KPI’s, debiteurenbeheer en zaken als DSO (days sales outstanding) worden met slimme software in één keer overzichtelijk en eenvoudiger te besturen.
Tevreden klant
Als data-architect werkt Bollebakker bij Trust Krediet Beheer (TKB) aan oplossingen waarin AI een rol speelt, maar ook business intelligence, dashboarding, rapportages en inzichten. Hij ziet dat organisaties vaker alles aansturen vanuit data. ‘Wij bouwen al bijna drie jaar aan ons dataplatform en merken dat wij steeds meer data krijgen aangeleverd. Die kunnen wij samenvoegen op één plek, zodat je al je KPI's inzichtelijk maakt en voor je kunt laten werken. Al je beslissingen kun je onderbouwen met data; debiteurgedrag, tijdsregistratie voor gedetacheerden, maar ook onze incassodossiers.’
In combinatie met de juiste business intelligence kan de creditmanagementsoftware Trust It klanten breder laten kijken dan alleen de snelle betaling van een factuur. ‘Daar spitst meestal alles zich op toe, en dat is ook de prioriteit, maar wij kijken graag iets verder. Want ook als je klant die factuur een keer te laat betaalt, moet het wel een tevreden klant blijven. Daarvoor is het belangrijk om te herkennen waarom een klant niet betaalt; wíl of kán iemand niet betalen?’
Geen stempel
Debiteurenbeheerpakket Trust It bestaat sinds 2004 en verwerkt jaarlijks zo’n 47 miljoen facturen bij meer dan 18 miljoen debiteuren, met name in het mkb en mkb+. Met deze specifieke applicatie voor debiteurenbeheer wordt businesslogica in de modellen toegepast op bekende debiteuren die vaker terugkeren. ‘Is de debiteur al bekend, dan kunnen we een aantal dingen gaan afvinken: hoe vaak heeft die te laat betaald? Hoe vaak heeft die op tijd betaald? Hoeveel te laat betaalt de debiteur gemiddeld?’ Aan de hand van deze gegevens worden debiteuren ingedeeld in groepen. Daarbovenop kijken we nog naar de bereikbaarheid van de debiteuren; hoe vaak is ermee gebeld of gemaild?’
Mocht jouw klant afwijkende betaaltermijnen hanteren, dan kun je aan de hand van ons model zelf kiezen hoe je daarmee omgaat.”
Zo ontstaat volgens Bollebakker een beeld waarop je kunt bepalen welke aanpak het beste bij een debiteur past. Voor nieuwe, onbekende debiteuren kan AI helpen om die te gaan herkennen en vast te stellen om wat voor type debiteur het gaat. Bollebakker benadrukt dat dit uitdrukkelijk niet bedoeld is om een stempel op debiteuren te drukken. ‘We willen bij iedere debiteur de juiste aanpak hanteren.’
Dynamische workflows
Nieuwe dynamische workflows kunnen met behulp van businesslogica helemaal worden afgestemd op de individuele behoefte van een klant. Afhankelijk van de debiteur kan een specifieke reeks acties worden gevolgd, legt Bollebakker uit. ‘De een begint met een brief op de vijfde dag na de vervaldatum, een ander op de twintigste dag en weer een ander krijgt een belletje na de eerste brief. Zo bepaal je welk behandeltraject het beste bij een debiteur past. Je kiest steeds het beste traject om die factuur zo snel mogelijk betaald te krijgen én de debiteur op de juiste manier te behandelen.’
Wakker schudden
Een late betaler is niet noodzakelijk een slechte klant, onderstreept Bollebakker. ‘Dynamische workflows bieden veel variatie en mogelijkheden in je debiteurentraject. Mocht je constateren dat jouw klant bijvoorbeeld afwijkende betaaltermijnen hanteert, dan kun je aan de hand van ons model zelf kiezen hoe je daarmee omgaat. Accepteer je dat de betaling later binnenkomt en wil je hier niet te veel effort in steken, dan kun je een ander profiel toekennen.’
Wie het belangrijk vindt dat een debiteur zich wél aan een betalingstermijn houdt, kan contact leggen met deze partij en nagaan waarom zij altijd later betalen. Het is goed om daar dan duidelijke afspraken over te maken, adviseert Bollebakker. ‘Heb jij daarentegen een hele statische workflow, dan bestaat het gevaar dat je onnodig tijd en middelen in acties steekt.’ Het kan bovendien de klantrelatie onnodig beschadigen, waarschuwt hij. ‘Als je bepaalde typen debiteuren gaat bellen, kan het zijn dat die alleen maar boos worden terwijl ze na één mailtje direct betalen. Andere debiteuren hebben echt dat telefoontje nodig om even wakker geschud te worden. Die lezen hun mail nooit of hebben een te volle mailbox. Er zit heel veel variatie in en daarom helpen dit soort softwaremodellen precies herkennen wat een specifieke debiteur nodig heeft om tot betaling over te gaan.’
Dit artikel is gesponsord door TKB
