Forderungsmanagement. Lead Consultant, Analytic Business Consulting FICO. 11. November 2010

Transkript

1 Forderungsmanagement Herausforderungen und Chancen Dr. Ulrich Wiesner Lead Consultant, Analytic Business Consulting FICO 11. November This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent.

2 Agenda» Worum geht es? Vermeiden von Risikokosten!»Operative Aspekte» Analytik im Forderungsmanagement 2

3 Verwaltungs- und Risikokosten im Vergleich Institute in Deutschland Risikokosten* Sonst. Verwaltungskosten Personalkosten 28.9 Mrd Mrd. Mrd Mrd Quelle: Deutsche Bundesbank. Basis 2009: Institute. Jahr *) Abschreibungen und Wertberichtigungen auf Forderungen und Zuführungen zu Rückstellungen im Kreditgeschäft

4 Risikokosten, Verwaltungskosten und Ergebnis ausgewählter Banken Geschäftsjahr Risikokosten Ergebnis vor Steuern Mio. Targobank Santander ING-Diba Postbank Haspa Risikokosten Verwaltungskosten t Mio. Quelle: Geschäftsbericht 2009 der jeweiligen Bank 4

5 Risikokosten und Forderungsmanagement»Forderungsmanagement heißt:»risikokosten vermeiden Risiko- kosten»mehr als nur eine operative Herausforderung»Erfolg und Misserfolg sind höchst ergebnisrelevant»primäre Steuergröße:» Risikokosten, nicht operative Kosten Sach- und Personalkosten im Forderungsmanagement 1:5 1:10 1:20 5

6 Cash Collected vs. Provision Rückstand Saldo 6000 in Saldo Laufend 1 Rate 2 Raten 3 Raten 4 Raten Rückstand kstellungen Rüc 6» Cash Collected ist kein gutes Maß für den Erfolg:» Kein Anreiz zur Vermeidung von Rückstellungen» Fokussierung auf einfaches Geld Erste Rate Rückstand, eingehende Anrufe, nicht fällige Beträge

7 Operative Aspekte 7 This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent.

8 Forderungsmanagement Relevante Aspekte 8

9 Organisation Risiko- und rückstandsbasiertes Forderungsmanagement Collections-System Elektronische Arbeitslisten Dialer Briefe SMS Outbound IVR Sonstige Tätigkeiten Internet- Banking IVR (Spracherkennung) Zuordnung nach Risiko, Rückstand und Kompetenz Selbstbedienung Predictive Dialler 1-2 Raten Rückstand Blend Eingehende Anrufe 1-2 Raten Rückstand + Weiterleitung Kompetenz 1 Predictive Dialler Eingehende Anrufe 3 Raten Rückstand Kompetenz 2 4 Raten Rückstand 5 Raten Rückstand 9 Manuelles Wählen 6 Raten Rückstand

10 Mitarbeiter» Klare, verständliche Zuständigkeiten und Zielvorgaben» Bonusschema basierend auf zurückgeführten Salden» Feste Kundenzuordnung im späten FM» Bedarfsgesteuerte, monatliche Kapazitätsplanung» Fokus auf das Kundengespräch Entlastung von administrativen Aufgaben» Spezialisierung und Training 10

11 Technologie» Collections-Software» Flexible Prozesssteuerung» Automatische ti Überwachung» Entlastung von manuellen Tätigkeiten» Strategischer (nicht ausschließlicher) Einsatz eines Predictive Dialers» Innovative Technologien Spracherkennung, SMS» Echtzeit-Bezahlmöglichkeit 11

12 Strategie» Effektive Nutzung begrenzter Ressourcen:» Risikobasierte Segmentierung» Berücksichtigung verfügbarer Informationen» Champion-Challenger 12

13 Prozess» Operative Segmentierung und Intensität» Mit der Rückstandsklasse zunehmende Auswahl alternativer Rückführungsmöglichkeiten» Entlastung von administrativen und sachfremden Tätigkeiten» Robuste Prozesse für» Non-Starters» Fehlende Kontaktdaten» Kunden, die nicht erreicht werden 13

14 Steuerung» Kennzahlen, die» auf operative Ziele abgestimmt sind» Effizienz i und Effektivität ität gleichermaßen gerecht werden» Transparenter Ergebnisbeitrag g» Verantwortung für Ergebnisse gemeinsam mit Risiko- und Produktverantwortlichen 14

15 Analytik im Forderungsmanagement 15 This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent.

16 Ziele Frühes Forderungsmanagement Spätes Forderungsm Beitreibung 1. Platzierung 2. Platz. Ziele Kündigung 16» Situation bereinigen» Lösungen finden» Beitreibungsergebnis verbessern» Verschlechterung» Kündigung vermeiden verhindern» Kosten kontrollieren» Verluste begrenzen» Kundenzufriedenheit erhalten» Stückzahlen bewältigen

17 Entscheidungen Frühes Forderungsmanagement Spätes Forderungsm Beitreibung 1. Platzierung Platz. Ents scheidun ngen Kündigung 17» Kunden kontaktieren:» Wen?» Wie?» Wann?» Geeignete Lösung» Stundung?» Prolongation?» Vergleich?» Vorzeitige Abgabe/ Kündigung?» Abgabe an wen? (welcher Dienstleister oder Anwalt)» Forderungsverkauf? (für welchen Betrag)

18 Roadmap Analytik Profiling & Segmentierung Vorhersage- modelle / Scores Mehrdimensionale Modelle Entscheidungs- Optimierung Hoch X X X X X X X X X X X X X X X X X X X X X X X X X X X X X XXXX X X X X X X X X X X X X X X X X X XX X X X X X X Leistu ung Grobe Segmentierung g auf Basis von Kundenmerkmalen Sortierung in einer Dimension Mikrosegmentierung durch Matrixbildung mit zwei oder drei Vorhersagemodellen Integration aller Vorhersage- Dimensionen in ein Entscheidungsnetzwerk Optimale Maßnahme für jedes Konto unter Berücksichtigung g der gegebenen Rahmenbedingungen 18

19 Wo steht Ihr Unternehmen? Optimierte Daten- intensität ität Maßnahme- Segmente Dynamische Modelle Datenbasierte Statische Modelle Erfahrungsbasierte Profiling & Segmentierung Entscheidungs- optimierung Vorhersagemodelle / Scores Mehrdimensionale Abwägung 19

20 Beispiel: Kontaktaufnahme» Kontaktaufnahme» Wen?» Wie?» Wann? 6. Schritt Strategie-Optimierung 5. Schritt Verwendung von Maßnahmesegmenten 4. Schritt Entwicklung datenbasierter 3. Schritt Entwicklung effektiver 2. Schritt Vorhersagegenauigkeit verbessern 1. Schritt Verwendung von Scores 20

21 1. Schritt: Priorisieren mithilfe eines Scores» Verwenden eines Scores» Höchster Saldo höchstes Risiko» Höchster Saldo höchste Zahlungswahrscheinlichkeit» Richtiges Priorisieren der Kontaktaufnahme kann die Risikosituation verbessern 6. Schritt Strategie-Optimierung 5. Schritt Verwendung von Maßnahmesegmenten 4. Schritt Entwicklung datenbasierter 3. Schritt Entwicklung effektiver Ein Anfang:» Vorkonfigurierte Score-Karte oder» Risiko-Score aus dem Kundenmanagement 2. Schritt Vorhersagegenauigkeit verbessern 1. Schritt Verwendung von Scores 21

22 2. Schritt: Vorhersagegenauigkeit verbessern» Verbessern der Vorhersagegenauigkeit» Score-Qualität Qualität der Segmentierung g» Vermeiden unnötiger Kontaktaufnahme» Angemessene Prioritäten 6. Schritt Strategie-Optimierung 5. Schritt Verwendung von Maßnahmesegmenten 4. Schritt Entwicklung datenbasierter Verbesserte Resultate durch:»spezifische Scores für das Forderungsmanagement g» Unternehmensspezifische Modelle» Zusätzliche Datenattribute» Überwachung und wiederholtes Trainieren der Modelle 3. Schritt Entwicklung effektiver 2. Schritt Vorhersagegenauigkeit verbessern 1. Schritt Verwendung von Scores 22

23 2. Schritt: Vorhersagegenauigkeit verbessern» Anwendungsbeispiel: No-Contact-Strategie, 1 Rate Rückstand» Top 15% des Portfolios werden nicht kontaktiert» Standard-Risiko-Score d ik S vs. Collections-Score Spezifischer Collections- Score 1 Rate Rückstand Standard Risiko-Score Konten Obere 15% Untere 85% Obere 15% Untere 85% # Konten 3941 (7.9%) 3601 (7.2%) Ausfallrate 0.22% 0.70% Rollrate 2.16% 4.07% # Konten 3601 (7.2%) (77.7%) Ausfallrate 5.22% 7.67% Rollrate 7.16% 15.43%» 48% der Konten im Segment keine Kontaktierung werden getauscht» Ausfallrate in Top 15% sinkt um über 80% (von 2.6% auf 0.45%)» Rollrate in Top 15% sinkt um ein Drittel (von 4.6% auf 3.1%) 23

24 3. Schritt: Entwicklung effektiver» Stratgie-Entscheidung: Kontaktaufnahme» Wen?» Wie?» Wann?» Stategie-Ziele:» Effektivitätsreserven heben» Potential des Portfolios maximieren 6. Schritt Strategie-Optimierung 5. Schritt Verwendung von Maßnahmesegmenten 4. Schritt Entwicklung datenbasierter 3. Schritt Entwicklung effektiver Champion-Challenger:» Quantitativer Vergleich des Erfolgs alternativer Strategie-Ansätze» Fortlaufende Optimierung des gewählten Ansatzes 2. Schritt Vorhersagegenauigkeit verbessern 1. Schritt Verwendung von Scores 24

25 4. Schritt: Datenbasierte» Optimierung Ihrer durch die Auswertung historischer Daten» Nahtlose Integration von Fachwissen mit datenbasierten Entscheidungen» Typische Attribute» Saldo» Collection Score» Gesamtobligo» Saldo auf Guthabenkonten» Kunde seit» Konto seit» Schlechtester Collection Score» Rückstandsklasse» Rückstandstage» Zahlungsversprechen» Höchste Rückstandsklasse in letzen12 Monaten 6. Schritt Strategie-Optimierung 5. Schritt Verwendung von Maßnahmesegmenten 4. Schritt Entwicklung datenbasierter 3. Schritt Entwicklung effektiver 2. Schritt Vorhersagegenauigkeit verbessern Beschleunigte Optimierung i der t durch Einsatz datenbasierter 1. Schritt Verwendung von Scores 25

26 4. Schritt: Datenbasierte» Kosten und Nutzen abstimmen 26

27 5. Schritt: Einführung von Maßnahme-Segmenten» Berücksichtigt die mögliche Reaktion auf Ihre Maßnahme» Berücksichtigt Erkenntnisse über mögliches Kundenverhalten in Ergänzung zu existierenden Modellen oder Segmenten 6. Schritt Strategie-Optimierung 5. Schritt Verwendung von Maßnahmesegmenten 4. Schritt Entwicklung datenbasierter 3. Schritt Entwicklung effektiver 2. Schritt Vorhersagegenauigkeit verbessern Bessere Ergebnisse durch Segmentierung von Maßnahme/Reaktion in Maßnahme-Segmente 1. Schritt Verwendung von Scores 27

28 Was sind Maßnahme-Segmente?» Methode zur Identifizierung von Kundengruppen die ähnlich auf bestimmte Maßnahmen reagieren Maßnahmen Kenngrößen Brief Anruf Ton: erinnernd, freundlich, fordernd Stundungsangebot Cash Collected Heilungsrate Rollrate Kündigungsrate Aktion Reaktion 28

29 6. Schritt: Strategie-Optimierung» Entscheidungsmodellierung 6. Schritt Strategie-Optimierung 5. Schritt Verwendung von Maßnahmesegmenten» Optimierung i und Simulation 4. Schritt Entwicklung datenbasierter» Interpretation 3. Schritt Entwicklung effektiver 2. Schritt Vorhersagegenauigkeit verbessern Strategie-Optimierung t ti i kann die große Frage zu optimalen und Kapazitäten beantworten 1. Schritt Verwendung von Scores 29

30 Optimierung im Forderungsmanagement Ziele Variablen Beschränkungen Entscheidungen Reaktionen Kennzahlen Behaviour- Score Kündigung Zahlungsversprechen Collections-Score Maßnahmen Zahlungseingänge EWB Umsatz Kundenbindung Abschreibung Auskunftei-Score Rollrate Gebühren GuV Salden Anzahl Mitarbeiter Operative Kosten 30

31 Roadmap Analytik 6. Schritt Strategie-Optimierung 5. Schritt Verwendung von Maßnahmesegmenten 4. Schritt Entwicklung datenbasierter 3. Schritt Entwicklung effektiver Ø Dauer 6-12 Monate 6 Monate 2 Monate 1 Monat Ergebnis» 5%-30% Verbesserung gegenüber nicht-optimierten» Verbessertes Ergebnis durch Einbeziehen möglicher Reaktionen der Kunden auf bestimmte Maßnahmen» Verbesserte durch besseres Verständnis der Abhängigkeiten» Fortlaufende Weiterentwicklung durch Champion/Challenger-Ansatz 2. Schritt Vorhersagegenauigkeit verbessern 1. Schritt Verwendung von Scores 4 Monate 1-2 Monate» 5%-15% Verbesserung gegenüber Standard-Scores d S» Optionen: Unternehmensspezifische Scores, Collection-Scores, Wiederholtes Trainieren der Modelle mit aktuellen Daten» 15%-20% Verbesserung gegenüber freihändigen Entscheidungen» Verwendung von fertigen Branchen-Scores 31

32 Fazit» Fokus: Risikokosten» Effizienz und Effektivität» Operative Defizite können das Ergebnis erheblich beeinträchtigen» Kleine Änderung große Wirkung» Analytik und Scoring» Bessere, zielgerichtete Maßnahmen» Effektiver Einsatz knapper Ressourcen 32

33 Vielen Dank Dr. Ulrich Wiesner 11. November This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent.