Niin kansallinen kuin globaali talous ailahtelee ennennäkemättömästi. Koronaepidemian tuomat maksuhaasteet, inflaatio, energian hinnannousu ja raaka-aineiden vaihteleva saanti ovat vaikuttaneet merkittävästi yritysten maksukykyyn.
Raha yksinkertaisesti vaihtaa omistajaansa eri tahtiin kuin aiemmin. Myös maksuhaasteet syntyvät osin eri syistä kuin ennen, kertoo yritysten maksukäyttäytymisen ennustemallien parissa työskentelevä Lowellin Harri Paalanen.
”Nykyään jokaisen ammattimaisesti talouttaan hoitavan yrityksen kannattaa reagoida asiakaskantansa maksukykysignaaleihin nopeammin. Maksuvirrastaan huolehtivalle B2B-yritykselle ei enää riitä, että käy kerran vuodessa hakemassa luottoluokituksen asiakasyrityksestään. Myös monen luottopolitiikka vaatii päivitystä”, jatkaa Paalanen.
Enää ei riitä, että käy kerran vuodessa hakemassa luottoluokituksen asiakasyrityksestään.
Ennusteet optimoitava uuden maailman mukaan
Lowellin insolvenssiriskimittaristo, eli maksukykyennuste, joka pisteyttää viikoittain yli miljoonan Suomeen rekisteröidyn maksukyvyn. Lisäksi taustalla toimii lukuisia eri ennustemalleja, jotka laskevat yritysten maksukykyä mahdollisimman ajantasaisesti.
”Maailman muuttuessa myös meidän piti reagoida nopeasti. Niinpä olemme päivittäneet ennustemallejamme ja kehittäneet maksukykymallinnustamme”, jatkaa kehitystyötä johtanut, Lowellilla Regional Product Managerina työskentelevä Paalanen.
Yksi seuraus monitasoisista talouden haasteista on juuri nyt näkyvä kansallinen konkurssiaalto. Yksistään heinäkuussa 2023 Suomessa laitettiin vireille 244 konkurssia. Vastaava heinäkuinen konkurssisuma oli viimeksi yli 25 vuotta sitten vuonna 1997.
Päivitetyn ennustemallin avulla pystyi näkemään valtaosan toteutuneista konkursseista etukäteen.
Ennusteen ja toteutuman yhteneväisyys kertoo, miten uusien muuttujien ja algoritmien päivittämisessä on onnistuttu.
"Päivitetyn ennustemallimme avulla pystyimme näkemään valtaosan, eli jopa 80 prosenttia, toteutuneista konkursseista etukäteen. Ennusteissa tämä on erittäin hyvä onnistumislukema.”
Lowellin Harri Paalasen mukaan maksukykyennusteen avulla yritys kykenee reagoimaan joko jo luotonantovaiheessa yritysasiakkaansa maksukykyriskiin tai sitten enteilemään hidastuvaa kassavirtaa olemassa olevien asiakkaiden osalta.
Tarkkailtavan datan aikajänteellä merkitystä
Moni miettii nyt, että miten pitkälle tulevaisuutta pitää sitten nykyään ennustaa, ja miten yrityksen pitää reagoida asiakkaidensa maksukykyennusteisiin.
”Signaalit näkyvät perinnän maksuviivedatassa suhteellisen nopeasti. Sen avulla yritys kykenee reagoimaan joko jo luotonantovaiheessa yritysasiakkaansa maksukykyriskiin tai sitten enteilemään hidastuvaa kassavirtaa olemassa olevien asiakkaiden osalta.”
Paalasen mukaan ennustemalli tunnistaa lisäksi tarkasti tekijöitä, jotka johtavat maksuvaikeuksiin. Näitä ovat muun muassa yrityksen koko ja ikä, mutta moni muukin asia. Lowellin insolvenssiriskimalli ennustaa tarkasti toimialasta riippumatta. Alati kehittyvien algoritmien lisäksi mallinnus sisältää valtavan määrän erilaista maksukäyttäytymisdataa.
Ennustemalli tunnistaa tarkasti tekijöitä, jotka johtavat maksuvaikeuksiin.
Insolvenssiriskipisteytys täydentää ja tarkentaa muuta luottoriskin arviointia antamalla erilaisia signaaleja maksukäyttäytymismuutoksista. Aina kyse ei ole kuitenkaan pelkästään maksukyvyttömyyden ennustamisesta. B2B-kaupankäynnissä kannattaa Paalasen mukaan seurata kaikenlaisia maksukyvyn muutoksia sekä maksukyvyn heikentymistä kuin vahvistumistakin. Malli on omiaan täydentämään myös muuta riskiarviota ja tilannekuvaa.
”Tarkinta tietoa ennustemallimme antavat yleensä pienien ja keskisuurten yritysten maksukyvyttömyysriskeistä ja mahdollisista konkursseista. Isojen osalta mallit ennakoivat tarkemmin mahdollisia tulevaisuuden maksuviiveitä”, Paalanen muistuttaa.
Lowellin maksukyvyttömyyttä ennakoiva insolvenssiriskiennuste perustuu puolen vuoden aikajänteeseen. B2B-ympäristöissä toimiville yrityksille 2-3 kuukauden aikajänne ei olisi riittävänä, sillä pienen aikavälin vertailu ei anna tarpeeksi kattavaa kuvaa asiakasyrityksen maksukyvystä. Liian lyhyen aikajänteen ennuste ei anna liiketoiminnalle tarpeeksi aikaa reagoida tietoon.
Sen sijaan 12 kuukauden maksutapatietoon perustuva ennustemalli voi esimerkiksi tasoittaa kausivaihteluita liikaa.
Nyt on oikea aika päivittää yrityksen luottopolitiikka
Paalasen mukaan asiakasyritysten maksukyvyn muutoksien seuraaminen ja ennustaminen on tärkeä osa kassavirran hallintaa, mutta yksin se ei riitä. Tärkeää on tunnistaa ja mahdollisesti päivittää myös yrityksen luottopolitiikan perusteet.
Oman asiakaskannan ja liiketoiminnan tuntemus on päivitystyössä olennaista.
Luottopolitiikka määrittää sen, millaista lisää riskienhallintaan ennustemallilta halutaan. Toiset yritykset tavoittelevat luottopolitiikassa maksimaalista myyntiä. Tällöin käytännössä hyväksytään myös suurempi riski luottotappioiden syntymiselle.
Luottopolitiikan pitäisi mahdollistaa myynti, eikä olla sen este.
On myös yrityksiä, jotka eivät anna luottoa helposti, jos asiakkaan maksukyky on heikko. Tällaisessa tilanteessa luottopolitiikan takaa löytyy usein tarkkaa kassavirran optimointia ja luottotappioiden minimoimisen vaade. Insolvenssiriskimalli tukee tällöin optimointia tehokkaasti.
Asiakaskannan analyysi tarkentaa riskiarvioita
Paalasen mielestä luottopolitiikan tarkistaminen on nyt miltei yhtä tärkeää kuin sen päämäärää tukevien ennustemallien päivitys. Lowell puhuu omassa tarjonnassaan asiakaskannan analyysista.
Analyysin avulla yritys saa tietää juuri oman toimialan ja yrityksen asiakkaiden riskitekijät. Analyysi voi jopa paljastaa riskitekijöitä, joita oman alansa tunteva yritys ei ole itse huomannut. Paalasen mukaan tämä johtuu teknologisesti pitkälle kehittyneistä ennustemalleista, jotka oikein automatisoituna kykenevä tunnistamaan suurestakin asiakaskannasta pieniä yksityiskohtia.
Ennusteen tueksi tehtävä asiakannan analyysi voi jopa paljastaa riskitekijöitä, joita oman alansa muutoin tunteva yritys ei ole itse huomannut.
”Analyysi antaa paremmat eväät tunnistaa, millainen riskipisteytys antaa riittävän tarkan ennusteen omasta asiakaskannasta. Analyysin, ennusteen ja tarkennetun luottopolitiikan perusteella oma yritys pystyy automatisoimaan luottopäätöstentekoaan. Tällä on suora yhteys kassavirtaan ja kannattavuuteen.”
