Artikel Risk & Kredit

5 måder at spotte om dine kunder og leverandører er i økonomiske problemer

Hvis en kunde eller leverandør går konkurs, vil det i mange tilfælde få negative økonomiske konsekvenser for deres samarbejdspartnere. I undersøgelsen (R)evolution of Risk Management fra Dun & Bradstreet ser vi, at det at kunne overvåge og forudse risici hos kunder og leverandører er en utrolig høj prioritering blandt mange virksomheders økonomiansvarlige.

Virksomheder har i mange år brugt kreditvurderinger og ratings ved risikostyring i forbindelse med leverandører og kunder. Og det er der i og for sig intet i vejen med, men der er også andre effektive metoder der kan tages i brug.

Med avancerede og prædiktive analyser og en effektiv risikovurdering af kunder og leverandører har økonomifolk alletiders mulighed for at få de nødvendige informationer der skal til for at kunne vurdere virksomheder og som gør det muligt for dem at slå alarm, inden en virksomhed kollapser.

Hvad er prædiktive analyser, og hvordan kan virksomheder anvende det?

Prædiktiv analyse er anvendelsen af algoritmer, maskinlæring og historiske data til at bestemme sandsynligheden for et bestemt udfald og give den bedste vurdering af, hvad der vil ske i fremtiden. Risikoanalyser er prædiktive analyser med specifikt fokus på håndtering af risikorelaterede problemstillinger. Risikoanalyser kan anvendes i en lang række scenarier, men datadrevet virksomheder bruger dem generelt til at forudsige, hvilke kunder og leverandører der kan være risikable, og hvilke der statistisk set må anses for at være sikre at handle med.

Risikoanalyser kan også bruges ved opstilling af anbefalet kreditmax, lånegrænser, failure score osv. og bruges kan bruges når snakken går på, hvilke vilkår og betingelser man skal tilbyde, når man samarbejder med en anden virksomhed.

Hvis en virksomhed har problemer, kan det sige noget om, hvorvidt den vil være i stand til at leve op til sine løfter som leverandør eller kunde. Hvis virksomheden ikke kan levere sine produkter eller betale sine regninger, eller hvis den går helt ned, kan det medføre problemer for andre virksomheder, som er afhængige af den speficikke virksomhed.

Vil du høre mere om vores Risk Management løsninger? 

Artiklen fortsætter under billedet.

 

Sådan kan du ved hjælp af avancerede analyser bedre se, om dine partnere, leverandører og kunder har problemer:

#1 Scorecards

Scorecards kan bruges til scorering og ratings på baggrund af oplysninger om en enkelt virksomhed. Disse scorer og ratings er typisk baseret på en virksomheds cashflow, betalingspraksis, økonomiske resultater og andre parametre samt historiske tendenser i den pågældende branche. De kan sige noget om delinquency, økonomiske problemer, sandsynligheden for konkurser samt leverandørrelaterede risici. De anvendte scorer er løsninger, der kan bruges til risikostyring, hvor man ønsker at finde ud af, om man skal indgå i et samarbejde med en given virksomhed, eller hvilke vilkår og betingelser man skal tilbyde.

#2 Statistisk clustering- og segmenteringsanalyse

Ved at gruppere virksomheder på basis af deres ligheder er det nemmere at vurdere dem som nævnt ovenfor, og det bliver nemmere for dataanalytikere at se tendenser og identificere potentielle problemer. Branche og geografisk placering er begge eksempler på statistisk clustering, som gør det nemmere at træffe risikorelaterede beslutninger på baggrund af specifikke hændelser som har særlig betydning for en branche eller geografisk placering. 

#3 Data aggregering og statistiske analyser

Et stort mængde data giver mulighed for at foretage mere præcise forudsigelser og avanceret samkøring ved aggregering af data og udarbejdelse af statistiske analyser. Det antal år, en virksomhed har eksisteret, er en ofte nævnt faktor, når man diskuterer de risici, der er forbundet med en virksomhed. Men der er også mange andre vigtige faktorer. Hvis for eksempel en virksomhed er meget afhængig af en bestemt kunde eller leverandør, så kan problemer hos kunden eller leverandøren influere på, hvor risikabelt det er for en anden virksomhed at indlede et partnerskab med den. Ved at se på store, samkørte datasæt kan man udarbejde statistiske modeller, der kan forudsige, hvor sandsynligt det er, at en virksomhed får problemer eller klarer sig godt. Ved samkøring af data kan man afdække problemstillinger, som ikke umiddelbart er synlige, hvis man kun baserer sin risikovurdering på data fra én virksomhed.

#4 Scenarieanalyser

Ved at kortlægge specifikke scenarier med finansielle risici eller økonomiske betingelser, som en kunde eller leverandør kan møde, uanset om disse er virksomhedsspecifikke eller af makroøkonomisk karakter, og ved at undersøge mulige udfald kan det blive lettere at identificere svage samarbejdspartnere, hvis dårlige tilstand i et givent scenarie kan få stor negativ indflydelse på virksomheden, hvis dette scenarie bliver til virkelighed. Disse stresstests kan udføres på kundens eller forsyningskædens porteføljer for at vurdere deres robusthed under forskellige betingelser. En analyse kan afsløre, at nogle af virksomheder i porteføljen har en højere sandsynlighed for at gå konkurs eller gå i betalingsstandsning i visse situationer. De næste skridt ville omfatte strategisk planlægning, som f.eks at placere disse virksomheder i en gruppe med stor risiko, og holde særligt øje med dem under forskellige økonomiske forhold. Hvis man gør det, bliver det nemmere at styre den risiko, der er forbundet med viksomhederne, mere effektivt.

#5 Machine learning

De 4 ovenævnte eksempler udføres på traditionel vis ved at anvende en kombination af machine learning og menneskelig intelligens. Men afhængigt af mængden af data, hvor komplekse dataene er, eller hvor specifikke problemet er, kan man opnå bedre resultater ved kun ved hjælp af machine learning. Machine learning baseres på historiske data og bruges oftest til at kunne forudsige fremtidige actions og adfærd. Tænk også bare på, at du med machine learning forholdsvist præcist kan forudsige, hvornår en given kunde vil stoppe samarbejdet med dig, hvornår specifikke virksomheder vi skifte adresse eller hvornår du kan sælge mere til udvalgte kundesegmenter.

Fordelene ved Risk Management

Kombinationen af alle disse metoder kan bruges til at udarbejde en model, som kan hjælpe de økonomiansvarlige og/eller indkøbschefer med at træffe smarte og intelligente beslutninger. Risikoindikatorer kan hjælpe med at fortælle, om der er sandsynlighed for, at en virksomhed går konkurs. Men selvom en virksomhed har problemer, kan der stadig være en reel chance for, at man med de rette informationer kan afhjælpe de identificerede problemer proaktivt. Nogle gange kan det være risikoen værd at samarbejde med en virksomhed, hvis man forbereder sig grundigt forinden.

Nysgerrig på mere? Eller har du spørgsmål?

Udfyld formularen, så kontakter vi dig hurtigst muligt.