Daten und KI im Forderungsmanagement

Repräsentative EOS-Studie „Europäische Zahlungsgewohnheiten“: Fortschrittlicher Datenschutz steht mangelnder Datenqualität gegenüber.

Die Nutzung von Daten im Mahnwesen gehört erst für die Hälfte (52 Prozent) der europäischen Unternehmen zum Standard. Auch unter den deutschen Finanzentscheiden gaben lediglich 49 Prozent an, ihr Unternehmen sei im Mahnwesen im Vergleich zur Konkurrenz (sehr) datengetrieben.

Für die erfolgreiche Umsetzung einer Datenstrategie im Mahnwesen betrachten deutsche wie europäische Unternehmen Datenschutz und Informationssicherheit nicht als Hindernis. Drei Viertel aller Unternehmen in Deutschland bewerten sich beim Thema Informationssicherheit als (sehr) fortschrittlich – beim Datenschutz sind es sogar 82 Prozent. Handlungsbedarf sehen die Unternehmen jedoch hinsichtlich der Datenmenge und -qualität. Nur knapp über die Hälfte bewerten die eigenen Datenmengen als fortschrittlich. Mit Blick auf die Datenqualität sind es sogar nur 49 Prozent.

Um auf Dauer im Wettbewerb bestehen zu können, bräuchten Unternehmen in Deutschland die Entschlossenheit, eine Datenstrategie im Forderungsmanagement umzusetzen, appelliert Jakob Spitzer, Director Analytics bei EOS. Dabei lohnten sich Aufwand und Investitionen zur erweiterten Datennutzung: „Höhere Transparenz und Effizienz sowie eine größtmögliche Automatisierung der Businessprozesse helfen, in einer digitalen Welt zu bestehen.“

Der Trend zum Ausbau von datengetriebenen Geschäftsprozessen ist positiv. Mehr als ein Drittel (37 Prozent) der Unternehmen in Europa möchte Daten künftig auch für die Entscheidungsfindung im Forderungsmanagement nutzen. In Deutschland gaben sogar 40 Prozent der befragten Unternehmen an, dieses Einsatzgebiet weiter ausbauen zu wollen. „Intelligente Datennutzung bietet beispielsweise bei der Ansprache säumiger Kund*innen große Vorteile“, erläutert Spitzer. „So kann auf Basis von Daten aus der Vergangenheit entschieden werden, welche Kommunikationsmaßnahme auf welchem Kanal und mit welcher Tonalität die größte Zahlungswahrscheinlichkeit verspricht.“

Künstliche Intelligenz birgt Potentiale fürs Forderungsmanagement

Für eine erfolgreiche Datenstrategie gewinnt vor allem der Einsatz von Künstlicher Intelligenz (KI) an Relevanz. 32 Prozent der Unternehmen in Europa gaben an, dass KI in ihrem Unternehmen mittels selbstlernender Algorithmen bereits das eigene Mahnwesen verbessert. Weitere 31 Prozent nutzen KI im Forderungsmanagement in ersten Ansätzen. Hierzulande zeigt sich ein vergleichbares Bild: Jeweils 27 Prozent und 33 Prozent der deutschen Unternehmen verzeichneten diese Entwicklung.

Einig über den Nutzen von KI sind sich die europäischen Unternehmen insgesamt allerdings nicht. Während 44 Prozent an eine Revolutionierung des Forderungsmanagements durch KI glauben, messen 30 Prozent der Unternehmen KI hier keine große Bedeutung bei. „Unsere Erkenntnisse zeigen jedoch, dass Daten und die Nutzung von KI das Forderungsmanagement noch effizienter machen“, erklärt Jakob Spitzer. „Indem wir analysieren, was in der Vergangenheit passiert ist, können wir starke Vorhersagen für die Zukunft treffen. So werden bei EOS beispielsweise für eine offene Forderung verschiedene mögliche Zahlungspläne erstellt. Anschließend wertet ein datengetriebener Algorithmus die Erfolgswahrscheinlichkeit aus“, ergänzt Spitzer. „Schließlich wird den Verbraucher*innen nur der erfolgversprechendste Ratenplan vorgeschlagen.“

Zur Studie

Gemeinsam mit dem unabhängigen Marktforschungsinstitut Kantar befragte EOS zwischen dem 4. März und 19. April 2022 je 200 Unternehmen mit je mehr als fünf Millionen Euro Jahresumsatz in 16 europäischen Ländern via Telefoninterviews zu den Zahlungsgewohnheiten.

 

Themenseiten: Data Analytics, Datenschutz, KI

Fanden Sie diesen Artikel nützlich?
Content Loading ...
Whitepaper

Artikel empfehlen:

Neueste Kommentare 

Noch keine Kommentare zu Daten und KI im Forderungsmanagement

Kommentar hinzufügen

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *