Des données pour prendre les bonnes décisions
Caroline Chochoy
Exploitation de la data
Aujourd’hui plus que jamais dans ce contexte, il est important de baser ses prises de décisions sur des éléments solides, avec la donnée comme point de départ, et des outils qui s’en nourrissent afin de faciliter votre quotidien. En tant que credit manager, vous êtes au centre des échanges (clients, commerce, opérationnels) et avez un rôle clé à jouer dans la communication avec les différents services en interne et externe : donner la bonne information au bon moment, aux bonnes personnes afin de permettre une prise de décision prenant en considération les risques.
Comment exploiter ces données ?
En amont de l’entrée en relation :
- calibrer le risque à l’ouverture de compte, en calculant le potentiel business, en évaluant le risque d’impayés et de défaillance, et en observant le comportement de paiement,
- définir une politique de crédit et de limites de crédit,
- demandes de garanties pour vous couvrir en cas d’impayés,
- ajout de clauses contractuelles (conditions de règlement spécifiques, mode de règlement en fonction du profil risque de votre tiers…).
Tout au long de la relation d’affaires :
- utiliser la donnée pour segmenter son portefeuille de tiers, pour adopter son comportement en fonction du profil du tiers, et ajuster ses procédures de credit management en fonction de :
- la taille d’entreprise,
- le secteur d’activité,
- le pays,
- le score de solvabilité,
- le comportement de paiement.
Solutions métiers : les outils de monitoring
Comment faire parler ces données ? Au travers d’outils métiers qui vous aident à prendre rapidement de bonnes décisions au quotidien.
Il est primordial de surveiller sa base de données tout au long de la relation d’affaires afin de s’assurer de la bonne santé financière de vos clients et du risque qu’ils font peser sur vous. Le suivi d’un portefeuille digitalisé avec surveillance et alertes à chaque événement de la vie de l’entreprise est un bon outil pour appréhender le risque de défaillance et d’impayés sur votre portefeuille et d’ajuster votre comportement et vos conditions de paiement.
Vous pouvez également croiser votre balance âgée avec le score de défaillance Altares et le Paydex, pour prendre des décisions stratégiques sur les tiers les plus à risque et les plus en retard de paiement, et ainsi prendre vos décisions de recouvrement.
Les scores et le Paydex vous permettent de prendre des décisions en amont de la relation d’affaires mais aussi tout au long de celle-ci. Vous pouvez aussi élaborer des modèles décisionnels automatiques (arbres de décision) en fonction de vos besoins et de votre politique, qui prennent en compte le Paydex, le score mais aussi vos données pour orienter des décisions en temps réel.
Vous gagnez du temps, saisissez les nouvelles opportunités business et maîtrisez au maximum le risque.
Des données paiement pour prendre ses décisions
Gilles Lambert
Le comportement de paiement est un élément clé pour anticiper une défaillance d’entreprise et prendre les bonnes décisions. C’est un indicateur qui donne une vision de la santé financière du tiers, avec son évolution dans le temps, et qui permet d’anticiper des difficultés financières mais aussi de mieux connaître leur attitude de paiement vis-à-vis d’autres fournisseurs (bon ou mauvais payeur ?).
Il s’agit d’une information réactive mais aussi prédictive : le risque de défaillance est 6 fois plus élevé au-delà d’un retard de paiement de 30 jours. Le comportement de paiement représente la première alerte de cessation de paiement d’une entreprise (identification du risque 6 à 12 mois en amont pour les TPE et PME, 2 ans pour les ETI).
Le comportement de paiement (vis-à-vis de vous ou d’autres fournisseurs) vous permet d’ajuster les conditions et modes de paiement (mode de paiement électronique donc moins de risques de retards de paiement).
Les expériences de paiement collectées par le programme DunTrade sont basées sur des factures récentes et restent donc fiables durant cette crise de Covid-19.
L’innovation au cœur de la data
Nicolas Pintart
L’innovation Altares se fait autour de 3 axes majeurs : les données historiques, les données temps réel et les données prévisionnelles.
- Analyse de données historiques : observation des données des entreprises défaillantes, pour en déduire des modèles statistiques appliqués à plus grande échelle pour prédire des défaillances.
- Analyse de données en temps réel : adapter les résultats de nos modèles, par exemple appliquer de l’intelligence artificielle, de l’analyse sémantique et du NLP (Natural Language Processing) pour modifier en temps réel le score de défaillance en fonction de l’actualité.
- Analyse de données prévisionnelles : identifier les corrélations à ajouter à nos modèles prévisionnels de défaillance.
Comment Altares a réagi face à cette crise de Covid-19 ?
Altares a réfléchi à l’intégration de nouveaux paramètres liés à cette crise pour adapter ses modèles. Nos équipes de recherche et développement ont intégré les réserves de liquidités à nos modèles prédictifs pour adapter nos prévisions statistiques de défaillances, ainsi qu’un nouvel indicateur : l’index Impact Covid-19.
Retrouvez l’intégralité du webinar dans le replay.
