I osäkra ekonomiska tider hör betalningssvårigheter till vardagen. För att motverka utvecklingen har den globala life science-koncernen Bayer automatiserat sina kredithanteringsprocesser och med hjälp av Dun & Bradstreet höjt effektiviteten och kvaliteten på sina riskbedömningar betydligt.
Hög inflation, stigande räntor, instabila leveranskedjor, geopolitiska omvälvningar – det är turbulenta tider vi lever i. Den ena krisen efter den andra. Det som är en sanning i dag kan vara ifrågasatt i morgon. Det gör det än viktigare för företag att öka sin motståndskraft och säkra sin egen likviditet. En avgörande faktor för att lyckas med det är att hela tiden hålla ögonen på kundernas kreditvärdighet.
Därför införde den globala life science-koncernen Bayer en kredithanteringsprocess som till stora delar är automatiserad. Teamet som leds av Andreas Wenzel, Global Credit & Customer Finance Manager på Bayer AG, tillämpar en strategi för ”smart data purchase” för processen. Vad innebär det egentligen? ”Vi skickar en automatiserad begäran om olika data från Dun & Bradstreet beroende på kundens kreditgräns. För kunder med låg kreditgräns använder vi huvuddata och betalningsbeteende. Behöver vi göra en heltäckande kreditkontroll av en större kund använder vi särskilda riskdata”, säger Wenzel.
All information överförs direkt till SAP:s resursplaneringssystem (Enterprise Resource Planning, ERP), via ett programmeringsgränssnitt (Application Programming Interface, API), som sammanställs i en individuell resultattavla med intern information och som sedan utvärderas. I kontrollpanelen får kreditcheferna på Bayer upp de viktigaste nyckeltalen för en affärspartner i en överskådligt sammanfattad vy (även graderingar och finanser).
Högre kvalitet på riskbedömningen
Interna och externa data om varje kund kategoriseras och utvärderas i resultattavlan. Uppsättningen av regler som tillämpas här bygger på statistiska analyser av och omfattande data om Bayers kundportfölj. Fokus ligger på att fastställa särdrag för företaget (nyckeltal, trender, bransch) som är vanliga i samband med betalningsproblem. I praktiken betyder det att systemet använder de underliggande data och regeluppsättningarna för att beräkna den procentuella sannolikheten för betalningsinställelser och sortera in kunderna i olika riskklasser med det som grund.
”Eftersom såväl våra egna interna data som externa data från Dun & Bradstreet flyter in i vår resultattavla är vår riskbedömning mycket mer tillförlitlig. Det gör att vi kan höja kvaliteten på vår riskbedömning avsevärt”, säger Wenzel.
Inte bara det, datablocken från Dun & Bradstreet gör det även möjligt att sammanställa endast de data som Bayer verkligen behöver för den riskbedömning de vill göra. Dataelementen som är ämnesbaserade och logiskt länkade kan sammanställas efter behov och, utöver huvuddata, ge information om aspekter som kundens finansiella styrka och betalningsbeteende, indikationer om närstående bolag och verksamhetsorter samt relevanta nyheter från aktiemarknaden och branschutveckling.
Tidig riskidentifiering ökar effektiviteten
”I tider av ekonomisk osäkerhet är det viktigare än någonsin att kontrollera kundernas kreditvärdighet och betalningsbeteende regelbundet”, säger Wenzel.
Processautomatisering utgör grunden för den ständiga kundkontrollen – och därmed för ändamålsenlig och sund kredithantering.
”Många företag kontrollerar bara kundernas kreditvärdighet en gång om året, medan vi gör det oavbrutet. Det resulterar i att vi kan identifiera eventuella betalningssvårigheter mycket mer tillförlitligt och, framför allt, i ett mycket tidigare skede.”
Så här fungerar det: Om kritiska datasituationer visar sig under resultattavlans kontinuerliga kontroll informeras de relevanta medarbetarna om detta omedelbart via ett meddelande på kontrollpanelen. Det kan vara fallet om en kund t.ex. halkar ned till en sämre riskkategori på grund av att de har betalat fakturor för sent eller publicerat svaga finansiella data. I sådana fall tar den ansvariga kreditchefen över och vidtar lämpliga åtgärder. Vid behov kontaktas försäljningsavdelningen, sänks kreditgränsen, justeras betalningsvillkoren eller rentav avbryts leveranserna.
Fokus på högriskkunder
Sedan den individuella resultattavlan infördes har kreditcheferna på Bayer fokuserat på att personligen kontrollera kunder med stor omsättning och låg kreditvärdighet. Kunder med liten risk för betalningsinställelse hanteras däremot automatiskt. Det syftar till att minska antalet stoppade beställningar och specifikt driva tillväxt på Bayer. ”Sammantaget har vi kunnat arbeta mycket mer effektivt med vår kredithantering genom att automatisera processerna”, säger Wenzel.
