Pour préserver la trésorerie et le BFR de son entreprise, le Credit Manager doit anticiper et prévenir les risques d’impayés de ses clients. Au-delà d’adopter des « bons réflexes », il doit mettre en place les scoring / rating les plus pertinents afin d’attribuer une notation client et un crédit interne pour un suivre et prévenir les risques d’impayés. Pour aller plus loin, le Credit Manager doit pouvoir aujourd’hui s’approprier les signaux faibles (informations d’alerte de faible intensité pouvant annoncer une tendance majeure) émis par ses clients, au-delà des informations financières traditionnelles.
L’avènement du Big Data et surtout de la Data Science change désormais la donne. Ces disciplines offrent la possibilité d’exploiter un volume très important de données et en extraire des signaux faibles en vue d’identifier des changements de comportements, des indicateurs d’insatisfaction… susceptibles de se traduire en impayés. Data Scientist, Smart Data Reporting vont-ils monter en puissance, à l’image de la lutte contre la fraude, dans la prédilection des risques d’impayés ?
Prévenir les risques d’impayés aujourd’hui : élaboration collégiale de scoring/rating
Prévenir les risques d’impayés repose sur trois piliers phares qui peuvent se conjuguer en amont :
- la création d’une notation,
- la gestion d’un encours par client,
- l’assurance-crédit.
A toutes les étapes, notre logiciel de recouvrement Eloficash intervient. Le Credit Manager doit pouvoir construire une notation par client en mixant des scoring de solvabilité de sociétés financières tierces (réactualisés à des périodes définies) et des ratings internes (remontée terrain, changement de comportements) et la suivre au jour le jour. Il doit également établir un encours par client en définissant précisément un montant et une période, et cela de manière collégiale, en impliquant les collaborateurs concernés dans la relation client. Le workflow de validation de Covline prend ici toute son importance. L’assurance-crédit peut également être une solution pour se en partie prévenir les risques d’impayés ; Eloficash suit « en temps réel » les créances et les créanciers. Notre logiciel de gestion des encaissements garantit au Credit Manager de suivre au quotidien son risque client et le prévenir au mieux.
Prévenir les risques d’impayés de demain : détection et traitement des signaux faibles
La détection des signaux faibles pour analyser les comportements et prévenir les risques d’impayés s’avère aujourd’hui la norme dans de nombreux de secteurs comme le marketing, la santé… et se développe dans ceux de la banque et de l’assurance. Comment le Credit Manager peut, face à un flux toujours important de données hétéroclites de sources diverses (réseaux sociaux, commentaires SAV), incongrues voire insignifiantes, en extraire la « quintessence » pour son métier ?
La data science, à la croisée du Big Data et du Machine Learning, entre en jeu pour multiplier et accélérer le croisement de données, en extraire via des algorithmes des données intelligentes – Smart Data – et les modéliser en vue de gagner en risque prédictif. Cette interprétation voire valorisation des données internes et externes ciblées doit être réalisée par un spécialiste des algorithmes et statistiques complexes comme le Data Scientist, et portée par des solutions d’Intelligence Artificielle, de Machine Learning… Notre logiciel de recouvrement Elofiscash, résolument ouvert, prépare son entrée dans le Smart Data pour faciliter la prise de décision et optimiser le pilotage du risque du Credit Manager. Une solution logicielle parfaite pour la prévention des risque d’impayés…
La fin annoncée de l’intervention humaine dans la prévention des risques d’impayés ?
A nos yeux, la « data science » sera un des futurs éléments clés pour prévenir les risques d’impayés et un incontournable du credit management. En vue de distinguer le « bruit » et le signal fiable, nous sommes aussi persuadés que la technologie ne remplacera pas encore l’intuition humaine du Credit Manager, difficilement traduisible dans des outils, pour détecter les risques et prendre les meilleures décisions. Et surtout en Europe, comment le Credit Manager va t’il pouvoir allier l’IA, le Big Data, le Smart Data et le RGPD qui restreint l’exploitation des données personnelles ?
