Peter Kienhuis

Peter Kienhuis

Principal Business Consultant

In mijn vorige blog heb ik uitgebreid stilgestaan bij de mogelijkheden van klantgericht incasseren. In deze blog ga ik in op het voorkomen van en anticiperen op mogelijke incassoproblemen en hoe je je daarop kunt voorbereiden. Het gezegde ‘voorkomen is beter dan genezen’ is ons allen bekend. Wanneer we praten over het terugkrijgen van geld dat aan ons verschuldigd is, zijn er enkele zaken waar we op moeten letten.

Leven met onzekerheden

Nederland staat voor nieuwe uitdagingen. De economische groei vertraagt, de arbeidsmarkt blijft krap en het aantal faillissementen neemt toe. De Nederlandse banken lopen meer risico door snelle stijgingen van rentetarieven, waarschuwt Klaas Knot, de president van De Nederlandsche Bank. Dit kan problemen veroorzaken vanwege een toename van faillissementen. Volgens onderzoek van De Nederlandsche Bank vormt een stijging van bedrijfsschulden een groot risico. Ongeveer 56% van de totale Nederlandse bedrijfsschuld moet binnen twee jaar worden afgelost, of bedrijven moeten een nieuwe lening aangaan tegen een veel hogere rente. Ook de Europese Centrale Bank heeft recent gewaarschuwd dat banken meer met wanbetalingen te maken krijgen

Is dit een voorteken van een storm die op ons af gaat komen?
Niemand kan de toekomst voorspellen. Het is wel goed in jouw scenarioplanning rekening te houden met wat zwaarder weer op komst. Ben er op tijd bij. Zorg ervoor dat jouw incassosystemen voldoende wendbaar en snel op te schalen zijn.

Preventief incassobeleid en vroeg-signalering

Het doel is om klanten te identificeren met een verhoogd betalingsrisico en potentiële incassoproblemen. Maar wat betekent vroeg-signalering eigenlijk?

Je herkent tijdig situaties die mogelijk tot financiële problemen kunnen leiden. Dit kan variëren van een belangrijke klant die te laat betaalt tot meerdere onbetaalde leningen of facturen. Hoe eerder je dit signaleert en actie onderneemt, hoe beter en vaak gemakkelijker het is om problemen op te lossen.

Zakelijke en particuliere kredietverlening

Het onderscheid tussen zakelijke (corporate) en particuliere (retail) kredietverlening zit in de doelgroep, doel van leningen, risico’s en maatwerk. Ongeacht de doelgroep, is het een uitdaging om een optimaal evenwicht te vinden tussen kredietverstrekking en risicobeheer.

Voor zakelijke kredietverlening zijn grondige kredietanalyses, continue monitoring en herstructurering van leningen van belang. Bij particuliere kredietverlening gaat het om individuele kredietbeoordelingen, risicobeheer van een diverse portefeuille en het gebruik van geautomatiseerde kredietbeoordelingssystemen.

Signalen herkennen

Signalen van incassoproblemen kom je in verschillende situaties tegen. Hoe groot het probleem is, hangt af van jouw bedrijf, branche en persoonlijke situatie. Ik geef je enkele voorbeelden voor beide typen kredietverlening.

  • Persoonlijke veranderingen: Veranderingen in de persoonlijke situatie van klanten, zoals bijvoorbeeld een verhuizing.
  • Veranderingen in de geloofwaardigheid van aandeelhouders: Hoe anderen een bedrijf beoordelen, hangt af van de reputatie, financiële stabiliteit en betrokkenheid van aandeelhouders.
  • Herhaaldelijk verlengen van betalingstermijnen: Vaak verlengde betalingstermijnen kunnen wijzen op liquiditeitsproblemen bij jouw klant.
  • Onbereikbaarheid: Plotselinge onbereikbaarheid van jouw klant kan wijzen op financiële problemen.
  • Achterstallige betalingen: Het niet op tijd betalen van betalingsverplichtingen.
  • Gebrek aan cashflow: Het bedrijf heeft moeite om voldoende liquide middelen te genereren om leningen terug te betalen.
  • Dalende winstgevendheid: Een afname van de winst, waardoor het moeilijk wordt om schulden af te lossen.
  • Werkloosheid: Het verlies van werk kan leiden tot betalingsproblemen.

Deze voorbeelden zijn slechts illustratief. De specifieke aard van de incassoproblemen varieert afhankelijk van de unieke omstandigheden van elk geval.

Voorspelbaar in onzekere tijden

In recente jaren hebben we veel statistische modellen ontwikkeld om snel en breed de kredietwaardigheid van bedrijven te beoordelen. Deze modellen combineren financiële ratio's, sociaaleconomische/macro- economische factoren met geavanceerde wiskundige technieken. We onderscheiden twee hoofdtypen modellen:

  1. Probability of Default (PD)-modellen, deze zijn ontworpen voor gebruik bij kleine en middelgrote ondernemingen (KMO's) en worden ontwikkeld en afgestemd op signalen die wijzen op mogelijke wanbetalingen.
  2. Scoringsmodellen, deze maken vaak gebruik van de ratings van erkende ratingbureaus om een kredietscore te genereren.

Beide modellen geven vaak vergelijkbare beoordelingen, maar verschillen soms door hun benaderingen en datasets. Het is zinvol als je beide modellen gebruikt voor een completer beeld van kredietrisico’s.

We hebben enkele waardevolle lessen geleerd:

  • We zien dat bedrijven niet altijd consequent alle items in hun jaarrekening rapporteren, wat de beschikbaarheid van gegevens beïnvloedt. Privébedrijven rapporteren bijvoorbeeld meestal geen cashflowposten.
  • Ook is het belangrijk dat je begrijpt dat elk model is geoptimaliseerd op basis van verschillende datasets en variabelen. Het is niet slim om dezelfde financiële ratio's te gebruiken voor het trainen van beide modellen. Het begrijpen van de unieke kenmerken van elk model is belangrijk voor een nauwkeurige analyse.
  • Bij verschillende uitkomsten kan je extra informatieanalyse nodig hebben, zoals financiële gegevens, recent nieuws over het bedrijf, schuldstructuur en vergelijkingen met andere bedrijven. Dit leidt ertoe dat je frequenter contact hebt en meer vragen stelt aan het bedrijf, aanpassingen van kredietbedragen en leenvoorwaarden bespreekt.

Vroeg-signaleringsmodel

Om dit model toe te passen, heb je datawetenschap, technologie en inzicht in bedrijfsprocessen nodig. Ik geef je onderstaand enkele voorbeelden waarbij zo'n model kan helpen:

  • Risicoanalyse: Beoordeelt betalingsgeschiedenis, financiële stabiliteit en branchegegevens om het risico op niet-tijdige betaling te bepalen.
  • Vroegtijdige identificatie van problemen: Gebruikt geavanceerde algoritmen om potentiële problemen vroegtijdig te identificeren en proactieve maatregelen te nemen.
  • Segmentatie van klanten: Deelt klanten in op risiconiveaus, waardoor verschillende strategieën toegepast kunnen worden op diverse klantgroepen. Zie hiervoor ook onderstaand plaatje ter illustratie
  • Voorspelling van toekomstig gedrag: Analyseert historische gegevens om voorspellingen te doen over het toekomstige betalingsgedrag van jouw klanten
  • Verbetering klantinteractie: Personaliseert klantinteracties, bijvoorbeeld door hoog-risicoklanten meer ondersteuning te bieden of hen tijdig te informeren over mogelijke gevolgen van niet-betaling. Dit kan leiden tot heroverweging van kredietvoorwaarden, zoals verhoging van onderpand of vermindering van kredietlimieten.

Houd er rekening mee dat het succes van het model afhangt van de beschikbaarheid en betrouwbaarheid van jouw relevante gegevens.

Anticiperen op de behoeften van jouw klant

De verwachtingen en behoeften van jouw klanten binnen de digitale dienstverlening veranderen voortdurend. Steeds meer ligt hierbij de focus op flexibiliteit en zelfbediening. Dit geldt ook voor hoe je omgaat met betalingsachterstanden. Ik geef je een aantal aspecten die je mee kunt laten wegen in jouw incassostrategie:

Mondige klanten: Jouw klanten zijn kritisch en veeleisend, zowel in hun digitale interacties als in persoonlijk contact. Ze verwachten flexibiliteit in de dienstverlening.

24/7 dienstverlening: Als digitale dienstverlener moet je continu beschikbaar zijn en een uitgebreid dienstenpakket aanbieden. Kanaalkeuze: Je hebt de vrijheid om zelf het communicatiekanaal te kiezen dat jou het beste uitkomt. Dit kan onder andere via een callcenter, een selfservice portaal of met behulp van virtuele agenten. Zelfredzaamheid bij betalingsachterstanden: Je wilt graag betalingsachterstanden op een anonieme manier zelf oplossen, zonder direct contact met derden.

Toegang tot persoonlijke informatie: Jouw klanten verwachten op elk moment van de dag toegang tot hun persoonlijke informatie, met up-to-date gegevens over hun betalingsachterstanden.

Flexibele terugbetalingsmogelijkheden: Je wilt als klant kunnen kiezen uit verschillende goedgekeurde terugbetalingsmogelijkheden en de regeling vinden die het beste past.

Privacy en beveiliging: Je wilt er zeker van zijn dat privacy en beveiliging van jouw financiële transacties is gewaarborgd. Het is belangrijk dat je deze verwachtingen begrijpt en proactief inspeelt op de behoeften van jouw klanten.

Preventie als noodzaak

Je lost incassoproblemen op, nog voor die zich voordoen. Klinkt goed, nietwaar? Als je een preventief incassobeleid integreert binnen een bredere toekomststrategie, gaat dat jou helpen. Maar wacht niet te lang. Met de huidige innovaties liggen er kansen voor jou om te profiteren van moderne technologieën zoals Kunstmatige Intelligentie en Machine Learning. Dus waar wacht je nog op? Maak incassoproblemen verleden tijd!

In mijn volgende blog ‘Flexibel incasseren binnen de kaders van wet -en regelgeving’ zal ik dieper ingaan op de uitdagingen op dit vlak en wat je op orde moet hebben om voldoende wendwaar te blijven.

Over de auteur

Peter Kienhuis

Peter Kienhuis

Principal Business Consultant

Peter Kienhuis is een creatieve, klantgerichte professional en is sinds 1998 actief in business consultancy, projectmanagement en management rollen. Hij werkt succesvol op het snijvlak van business, processen en IT. Peter creëert draagvlak en brengt de relevante stakeholders op een lijn. Vanuit zijn kennis over ...