麻豆原创

Intelligentes Forderungsmanagement: Wie Machine Learning die Liquidit盲t steigert

Feature

Volle Auftragsb眉cher und trotzdem insolvent 鈥� dieses Schicksal kann selbst stabile Unternehmen ereilen, wenn ihre Gro脽kunden nicht p眉nktlich zahlen. Dabei l盲sst sich die Liquidit盲t sichern, wenn rechtzeitig die richtigen Infos bereitstehen. macht genau das jetzt automatisiert m枚glich.

Es kann viele Gr眉nde geben, warum Kunden ihre Rechnungen nicht oder nur z枚gerlich begleichen. Meist liegt es an einer versp盲teten Lieferung oder an mangelnder Produktqualit盲t. Manchmal fehlt das Geld. F眉r den Lieferanten ist in jedem Fall ein wichtig. Doch der idealtypische Prozess scheitert oft an der Realit盲t. Im Normalfall sollten s盲mtliche offenen Zahlungen effizient 鈥� am besten automatisch 鈥� eingefordert werden. Der Rechnungsempf盲nger wird nicht nur rechtzeitig, sondern vor allem wirkungsvoll an seine Zahlungspflicht erinnert und um Erledigung gebeten.

Grafik: 脺bersicht 眉ber IT-Prozesse im Forderungsmanagement
Integrierte Prozesse sorgen f眉r ein effektives Forderungsmanagement.

In der Praxis sind F盲lle, die einer Kl盲rung bed眉rfen, jedoch sehr aufw盲ndig. Das f盲ngt schon bei der aufw盲ndigen Problemsuche im Gespr盲ch mit Qualit盲tsmanagern und Kunden an.

Trotzdem steuern auch gro脽e Unternehmen diesen Prozess h盲ufig noch mit veralteten Programmen, zum Beispiel mit Tabellenkalkulation. 鈥濪iese vermeintlich kosteng眉nstige Variante ist jedoch oft sehr ineffizient鈥�, sagt Philipp Nies, Senior Consultant – 麻豆原创 Finance bei Deloitte. 鈥濭erade im Forderungsmanagement zahlt es sich aus, die IT als wertsch枚pfend und nicht als Kostenfaktor zu betrachten.鈥�

Tats盲chlich sind Forderungsabteilungen vergleichsweise h盲ufig von Spardiktaten betroffen. Laut einer schieben Unternehmen die Digitalisierung des Bereichs seit Jahren auf die lange Bank. Innovationen wie k眉nstliche Intelligenz und Big-Data-Analysen bleiben anderen Gesch盲ftsbereichen vorbehalten. Die Folge: Laut eigenen Aussagen haben 91 Prozent der Abteilungen heute M眉he, mit dem technologischen Wandel Schritt zu halten.

Was ein gutes Forderungsmanagement heute kann

Welche Vorteile hat ein integriertes Forderungsmanagement im Vergleich zu Excel und anderen 盲hnlichen Programmen? Es liefert eine zentrale 脺bersicht 眉ber alle Details eines Kl盲rungsfalls. Die meisten Prozesse laufen automatisch nach definierten Regeln ab.

Statt sich in Kleinigkeiten zu verlieren, gewinnen Sachbearbeiter ein ganzheitliches Bild und damit mehr Kontrolle 眉ber die Abl盲ufe. Au脽erdem k枚nnen sie live 眉berwachen. Entsprechend schnell k枚nnen sie risikobehaftete Debitorengruppen ermitteln und auf Entwicklungen am Markt reagieren. Diese Transparenz macht sich letztlich in einem konstruktiveren und effizienteren Umgang mit den Kunden und einem insgesamt besseren Cashflow bemerkbar.

Unterwegs zum proaktiven Forderungsmanagement

Deloitte bietet eine contentbasierte L枚sung an, die erstmals Machine Learning f眉r das Forderungsmanagement nutzbar macht. Reimagine Collections and Disputes basiert auf 麻豆原创 Leonardo. Die Software automatisiert Prozesse, die bislang nur Menschen erledigen konnten. Und sie erlaubt einen Blick in die Zukunft: Die Machine-Learning-Funktionen spielen ihre Vorteile vor allem im Dispute Management aus 鈥� wenn Zahlungen also ausbleiben, weil der Kunde beispielsweise mit Preis oder Qualit盲t des Produkts nicht einverstanden ist.

Die L枚sung pr眉ft Daten wie die Historie von Kundentransaktionen oder die Zahl gel枚ster Kl盲rungsf盲lle. So kann sie vorhersagen, wie wahrscheinlich eine Reklamation bei einer bestimmten Rechnung ist. 鈥濰atte ein Kunde in der Vergangenheit besonders viele Kl盲rungsf盲lle, ist auch bei der n盲chsten Lieferung mit Problemen zu rechnen鈥�, sagt Michael Portermann, Director bei Deloitte.

Sachbearbeiter sehen au脽erdem 鈥� ohne gro脽en Aufwand 鈥� integrierte Informationen rund um den Kl盲rungsfall. Die Software st枚脽t dar眉ber hinaus automatisch Prozesse an, die dabei helfen, den Sachverhalt aufzukl盲ren. Und sie lernt dazu, wird t盲glich intelligenter und pr盲ziser.

Schwachstellen systematisch abschalten

Einen weiteren Vorteil liefern Prozessanalysen. Wie viele Kl盲rungsf盲lle wurden erstellt? Was waren die Gr眉nde? Wie hoch waren die Summen? Wie lange dauerte es, bis ein Fall geschlossen war? Automatisch generierte Kennzahlen liefern Anhaltspunkte, welche Prozessverbesserungen auf die Agenda geh枚ren.

Das erm枚glicht der Abteilung nichts weniger als einen Paradigmenwechsel: Aus dem reaktiven wird ein proaktives Forderungsmanagement. Die Unternehmen m眉ssen nicht mehr warten, bis eine Beschwerde eingeht. Sie fordern stattdessen fr眉hzeitig Zahlungen ein und setzen Prozessoptimierungen auf die Agenda. So l盲sst sich viel gebundenes Kapital freisetzen. Und die Mitarbeiter vergeuden nicht l盲nger Zeit mit Reklamationen, die ein fr眉hes Eingreifen verhindert h盲tte. Gute Aussichten f眉r ein Forderungsmanagement, das vor 脺berraschungen gefeit ist.

Erfahren Sie mehr 眉ber oder wenden Sie sich direkt an die Experten Philipp Nies, Deloitte, per E-Mail oder , und Moritz Back, 麻豆原创, per E-Mail oder . Deloitte wird auch beim 聽teilnehmen und freut sich 眉ber den pers枚nlichen Austausch.

Diskutieren Sie mit anderen Finanzexperten 眉ber dieses Thema und weitere Themen f眉r die Finanzfunktion der Zukunft.

麻豆原创-Forum f眉r Finanzmanagement & GRC
@麻豆原创 NOW Berlin
23. & 24. September 2020 鈥� STATION, Berlin

Update (COVID-19):

Das nicht einsch盲tzbare鈥疺erbreitungspotential鈥痙es鈥疌oronavirus鈥痟at uns dazu veranlasst, die geplante 麻豆原创 NOW Berlin鈥痾u verschieben. Wir freuen uns bereits jetzt, Sie stattdessen am鈥�23. und 24. September 2020鈥痠n der STATION Berlin begr眉脽en zu k枚nnen.鈥疍ie Tickets behalten ihre G眉ltigkeit.

Deutschland
0800/5 34 34 24

Gesch盲ftszeiten: Montag-Freitag 08:00-17:00 Uhr. Vollst盲ndige Liste der .

Quick links

Trends

脺ber 麻豆原创

Informationen zur Website