Forderungsmanagement Herausforderungen und Chancen Dr. Ulrich Wiesner Lead Consultant, Analytic Business Consulting FICO 11. November 2010 1 This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent.
Agenda» Worum geht es? Vermeiden von Risikokosten!»Operative Aspekte» Analytik im Forderungsmanagement 2
Verwaltungs- und Risikokosten im Vergleich 1.819 Institute in Deutschland 120 100 Risikokosten* Sonst. Verwaltungskosten Personalkosten 28.9 Mrd. 80 33.7 Mrd. Mrd 60 40 44.9 Mrd. 20 0 3 Quelle: Deutsche Bundesbank. Basis 2009: 1.819 Institute. Jahr *) Abschreibungen und Wertberichtigungen auf Forderungen und Zuführungen zu Rückstellungen im Kreditgeschäft
Risikokosten, Verwaltungskosten und Ergebnis ausgewählter Banken Geschäftsjahr 2009 362 Risikokosten Ergebnis vor Steuern 435 934 92 678 208 277-398 184 108 Mio. Targobank Santander ING-Diba Postbank Haspa Risikokosten Verwaltungskosten t 468 362 468 362 2864 678 655 184 Mio. Quelle: Geschäftsbericht 2009 der jeweiligen Bank 4
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
Cash Collected vs. Provision Rückstand Saldo 6000 in Saldo 5000 4000 3000 2000 1000 0 5000 4700 4400 4100 3800 0 600 900 1200 300 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
Operative Aspekte 7 This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent.
Forderungsmanagement Relevante Aspekte 8
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
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
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
Strategie» Effektive Nutzung begrenzter Ressourcen:» Risikobasierte Segmentierung» Berücksichtigung verfügbarer Informationen» Champion-Challenger 12
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
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
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.
Ziele Frühes Forderungsmanagement 30 60 90 Spätes Forderungsm. 120 150 180 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
Entscheidungen Frühes Forderungsmanagement 30 60 90 Spätes Forderungsm. 120 150 Beitreibung 1. Platzierung 180 2. 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)
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
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
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
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
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
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 50.000 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%) 38857 (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
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
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
4. Schritt: Datenbasierte» Kosten und Nutzen abstimmen 26
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
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
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
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
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
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
Vielen Dank Dr. Ulrich Wiesner ulrichwiesner@fico.com 11. November 2010 33 This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent.