L’indebitamento delle famiglie si aggira intorno ai 48 trilioni di dollari a livello globale, con tassi di crescita particolarmente elevati sia in Norvegia che in Cina. Con l’aumento dei tassi di insolvenza causato dal rallentamento dell’economia, un recupero efficace dei crediti diventerà sempre più importante. Tradizionalmente, le pratiche di recupero crediti vengono gestite per lo più manualmente, in modo reattivo, con un aumento nel numero di punti di contatto e di comunicazioni con l’allungarsi del periodo di insolvenza. Tuttavia, con un consumatore sempre più digitale, un processo di recupero crediti manuale non è più sostenibile, le riscossioni devono diventare più automatizzate e intelligenti per migliorare i tassi di pagamento. Anche se può sembrare un compito scoraggiante, l’intelligenza artificiale e le tecnologie cloud possono essere d’aiuto.
Migliorare le promesse di pagamento con una migliore comunicazione
Il processo di riscossione di solito comporta varie fasi a seconda dello stadio in cui si trova il cliente. Una delle sfide principali è quella di disporre di una visione in tempo reale dell’attività del cliente in modo da ottimizzare la comunicazione. La quantità di dati scambiati può rapidamente diventare difficile da gestire se l’elaborazione non è automatizzata e il recupero crediti può diventare una questione molto delicata: i clienti desiderano una comunicazione personalizzata che tenga conto delle loro circostanze. Analizzando i dati demografici, comportamentali e transazionali, le aziende possono fornire al cliente piani di comunicazione e di pagamento personalizzati, migliorandone la risposta e, in ultima analisi, i tassi di successo.
Adottare un approccio proattivo all’insolvenza
Il machine learning con informazioni in tempo reale può costituire un potente strumento per prevedere l’insolvenza. La valutazione dei dati transazionali interni del cliente e delle informazioni esterne permette ai finanziatori di meglio prevedere chi sarà inadempiente e implementare strategie preventive per ridurre i tassi di insolvenza.
Sbloccare i dati del cliente per prendere decisioni migliori
Al fine di fornire un’esperienza personalizzata, abbiamo bisogno di riunire i dati di quel cliente, ottenere tanti dettagli sulla sua storia passata, sul suo comportamento attuale e fare previsioni sul futuro. Per riuscirci, sono necessari i giusti strumenti di integrazione per collegare i dati provenienti da fonti diverse. Spesso, i modelli di machine learning vengono utilizzati per fornire insight utili al fine di offrire la migliore esperienza possibile al cliente nelle circostanze attuali. I modelli di dati cambiano con il mutare dei comportamenti, quindi nel corso del tempo avere un set di strumenti aperto, flessibile e nativo del cloud assicura un approccio di tipo best-of-breed che aiuta i data scientist a utilizzarli al meglio. È anche importante comprendere che, oltre alla data intelligence, il giudizio di un operatore è fondamentale per garantire che il sistema possa affrontare le mutevoli esigenze del mercato. L’utilizzo di uno strumento decisionale ottimale che offra la trasparenza di cui hanno bisogno, con la possibilità di modificare facilmente le decisioni, è la chiave per stare al passo con i cambiamenti e i perfezionamenti delle politiche.
Adottare un approccio open source
L’open source è emerso come il principale approccio allo sviluppo software in tutto il mondo. Sta alimentando la rivoluzione digitale e ha accelerato l’innovazione sia nella tecnologia del cloud che in quella dell’intelligenza artificiale, progetti gestiti da fondazioni che hanno lo scopo di proteggere la proprietà intellettuale sia per i contribuenti che per i consumatori.
Apache Kafka e Apache Spark sono due importanti comunità open source della Apache Foundation che forniscono la possibilità di trasmettere e analizzare grandi insiemi di dati in tempo reale. Sono entrambi strumenti essenziali nel kit di strumenti di machine learning di qualsiasi organizzazione. Anche la Cloud Native Foundation con comunità come Kubernetes, Isitio e Kogito, è stata una forza trainante della tecnologia cloud.
Avere successo nella nuova normalità
L’avvio di una tabella di marcia per aggiornare sia i processi di riscossione che le tecnologie che la supportano sarà fondamentale dato che un numero crescente di clienti farà fatica a rispettare i propri impegni finanziari. Fortunatamente, oggi è possibile adottare misure incrementali per migliorare le prestazioni complessive di recupero crediti e la tecnologia cloud e l’intelligenza artificiale possono essere d’aiuto.
A cura di Sadhana Nandakumar, specialist solutions architect, Red Hat
