سیگنال های تجاری: باز کردن ROI Fintech برای SMB های جهانی

نوشته الکسی پلخانف

فین تک مجموعه داده های جدید را دوست دارد. با این حال، بزرگ‌ترین فرصت‌های محصول اغلب نه از داده‌های جدید، بلکه از بازخوانی همان داده‌ها از دیدگاه‌های مختلف ناشی می‌شوند.

تجارت جهانی کوچک و متوسط ​​در کالاهای فیزیکی یک مثال کامل است. آنها در یک سیستم پیچیده کار می کنند که شامل جدول زمانی لجستیک و اسناد تحویل، شرایط تجارت تامین کننده، قوانین پرداخت فرامرزی، چرخه های تسویه تجارت الکترونیک طولانی، الزامات انطباق بیشتر و شکاف های مکرر سرمایه در گردش است.

برای ایجاد پیشرفت در این فضا، به دو چیز نیاز دارید.

ابتدا باید سیستم را به دامنه های اصلی آن تقسیم کنید. دوم، شما باید سیگنال های رایج را بگیرید و آنها را از طریق لنزهایی تفسیر کنید که منعکس کننده مشکلات واقعی مشتری یا مشکلات اپراتور تجاری هستند.

تامین مالی تجارت بهترین سنگ بنا است زیرا این یکپارچگی را وادار می کند. در تقاطع کالاها، اسناد، طرف مقابل، انطباق، پرداخت ها و چرخه تبدیل پول قرار دارد. اگر بتوانید محصولاتی را پیرامون تامین مالی تجارت بسازید، به طور ضمنی محصولاتی می سازید که کل سیستم تجارت را درک می کنند.

داده های تجاری یکی از کم استفاده ترین نمونه های این اصل است.

چرا داده های کسب و کار به طور غیرعادی قدرتمند هستند؟

داده های تجاری (واردات و صادرات بر اساس طرف مقابل، دسته بندی، جغرافیا، فراوانی، حجم و الگوهای مرتبط) بینشی از رفتار اقتصادی واقعی ارائه می دهد. این مهم است زیرا شرکت های کوچک و متوسط ​​جهانی اغلب در محیطی با اطلاعات ضعیف فعالیت می کنند:

• صورت‌های مالی ممکن است غیرقابل اعتماد، با تأخیر، ناقص و یا مقایسه آنها در حوزه‌های قضایی دشوار باشد.
• هنگام معامله با مناطق جغرافیایی “غیرعادی” یا نهادهای جدید، بررسی دقیق طرف مقابل ممکن است دشوار باشد.
• چرخه تبدیل پول توسط قوانین تدارکات و تسویه بازارها کشیده می شود.
• الزامات انطباق سریعتر از آنچه که اکثر SMB ها می توانند تطبیق دهند سخت تر می شوند.

در این شرایط، سیگنال‌های معاملاتی بیش از یک «دارای خوب» می‌شوند. گاهی اوقات آنها تنها داده های رفتاری سازگاری هستند که می توانید استفاده کنید.

نکته کلیدی این است که بدانیم داده های تجاری به یک محصول واحد وارد نمی شوند. این یک لایه سیگنالینگ مشترک است که از دامنه ها عبور می کند. این می تواند چندین محصول را بسته به لنزی که استفاده می کنید تغذیه کند.

در زیر چهار نمونه آورده شده است.

لنز 1: داده های تجاری به عنوان محصولی برای رشد (تولید سرنخ)

بیشتر قیف های بازاریابی با هدف یا اطلاعات جمعیتی شروع می شوند. داده های فروش با شواهد شروع می شود.

اگر می‌دانید چه کسی دسته‌ای از کالاها را بین حوزه‌های قضایی خاص وارد و صادر می‌کند، می‌توانید سرنخ‌هایی ایجاد کنید که هم مرتبط و هم به موقع هستند:

• دسته بندی های هدف و کریدورهای تجاری (مانند اتحادیه اروپا تا شورای همکاری خلیج فارس) را تعریف کنید.
• واردکنندگان و صادرکنندگان فعال در این کریدورها را شناسایی کنید.
• بخش بندی بر اساس دسته بندی، فرکانس ارسال و مقیاس.
• هویت شرکت را با اطلاعات تماس از تامین کنندگان متخصص غنی کنید.
• سرنخ ها را بر اساس قوام و حجم اولویت بندی کنید.

این یک موتور اصلی ایجاد می‌کند که اغلب ارزان‌تر از بازاریابی عملکرد و اغلب کیفیت بالاتری دارد، زیرا از فعالیت تأیید شده شروع می‌شود تا هدف فرضی.

مفهوم محصول: یک فین‌تک که به بازرگانان جهانی خدمت می‌کند می‌تواند یک محصول کشف بازرگان برای تیم فروش خود و شرکا (شرکت‌های تدارکات، بیمه‌گران، بازارها) بسازد. این به یک دارایی توزیع تبدیل می شود تا یک مرکز هزینه. برای ارائه دهندگان مالی تجارت، همچنین به حل یک چالش مداوم کمک می کند: پیدا کردن معامله گران مناسب در زمان مناسب قبل از انجام رقبا.

لنز 2: داده های تجاری به عنوان یک محصول مطابقت (عملیات و نظارت)

تیم های انطباق دو سوال اصلی می پرسند:

1. شرکت: آیا کاندید واقعاً کاری را که ادعا می کند انجام می دهد؟
2. نظارت: آیا فعالیت فعلی آنها با این مشخصات مطابقت دارد و طرف مقابل و کریدورها قابل قبول هستند؟

داده‌های تجاری از هر دو پشتیبانی می‌کنند و اساساً از همان بررسی‌های اعمال شده در زمان‌های مختلف استفاده می‌کنند.

نمونه هایی از گنجاندن:

• آیا شرکت واقعاً در دسته بندی کالاهای مشخص شده معامله می کند؟
• آیا حجم و طرف مقابل با مدل تجاری اعلام شده مطابقت دارد؟
• آیا کریدورهای تجاری با حوزه های قضایی اعلام شده سازگار هستند؟
• آیا طرف مقابل الگوهای غیرمعمولی را نشان می دهد که ممکن است نیاز به بررسی دقیق تر داشته باشد؟

نمونه هایی برای مشاهده:

• دسته بندی های جدید ناگهانی کالاها که با داستان مطابقت ندارند.
• تغییرات ناگهانی در راهروها (به عنوان مثال حوزه قضایی جدید پرخطر).
• حجم های غیرعادی که ممکن است نشان دهنده مشکلات AML لایه بندی یا تجارت باشد.
• طرف مقابل مکرر که در فهرست‌های نظارت یا در بازرسی رسانه‌ای نامطلوب ظاهر می‌شوند.

مقدمه محصول: انطباق کمتر به بازبینی اسناد دستی وابسته می شود و بیشتر در تأیید رفتار مستقر می شود. این امر انطباق را هم قوی‌تر و هم سریع‌تر می‌کند، این دقیقاً همان چیزی است که SMB‌های جهانی به آن نیاز دارند، اگر بخواهید آنها را بدون از دست دادن آنها اضافه کنید. برای تامین مالی تجارت، این فقط در مورد بهبود انطباق نیست. این یک افزایش اعتبار است زیرا کیفیت انطباق ارتباط نزدیکی با سطوح زیان دارد.

لنز 3: داده های تجارت به عنوان یک محصول ریسک (بیمه مالی تجارت و قیمت گذاری)

تامین مالی تجارت در حال تبدیل شدن به یک مشکل علم داده است، به ویژه برای شرکت های کوچک و متوسط ​​بدون سوابق تمیز یا تاریخچه اعتباری طولانی.

داده های تجاری می توانند به عنوان یک لایه ریسک عملی عمل کنند:

• نشانگر حجم کسب و کار
• ثبات حجم در طول زمان (فصلی در مقابل نوسانات).
• تمرکز تامین کننده و خریدار (ریسک تک طرف مقابل).
• پایداری کریدور (خطر صلاحیت و ثبات).
• ریسک طبقه بندی شده (برخی کالاها خطر تقلب یا اختلاف بیشتری دارند).
• سرعت و شکاف تحویل (پراکسی برای تداوم کسب و کار).

خوب استفاده شود، می تواند:

• زمان تصمیم گیری برای تامین مالی تجارت را کاهش دهید.
• بهبود قیمت گذاری از طریق تقسیم بندی ریسک دقیق تر.
• برای کسب و کارهایی که در غیر این صورت به دلیل فقدان داده های مالی رسمی رد می شوند، اعتبار مجاز کنید.

مهمتر از همه، این امکان را به بیمه می دهد که در کارهایی که کسب و کار انجام می دهد، نه فقط آنچه را که گزارش می کند، تثبیت شود.

مفهوم محصول: ارائه دهندگان امور مالی تجارت می توانند تعهدنامه رفتاری را در تصمیم گیری تعبیه کنند و بخش های جدید را باز کنند و در عین حال سطوح زیان را قابل کنترل نگه دارند.

لنز 4: داده های تجاری به عنوان یک محصول همگام سازی (سرمایه در گردش مبتنی بر رویداد)

برای شرکت های کوچک و متوسط ​​جهانی که کالاهای فیزیکی را می فروشند، چرخه نقدینگی در دو جهت کشیده می شود:

• بالادستی: تامین کنندگان ممکن است قبل از عرضه کالا به پیش پرداخت یا شرایط اسناد سختگیرانه نیاز داشته باشند.
• پایین دست: پلتفرم‌های تجارت الکترونیک ممکن است دارایی را در خود نگه دارند، ذخایر را اعمال کنند یا تسویه حساب را به تاخیر بیندازند.

بین این قطب‌ها، جدول‌های زمانی طولانی لجستیک، اغلب حمل‌ونقل کانتینری، وجود دارد، جایی که اسناد به نشانه‌ای از یک محموله واقعی تبدیل می‌شود.

اگر فین‌تک جدول زمانی (سفارش، تحویل، ورود، فروش، تسویه حساب) را درک کند، می‌توان از سیگنال‌های معاملاتی برای راه‌اندازی پشتیبانی از جریان نقدی دقیقاً در صورت نیاز استفاده کرد:

• تأمین مالی پس از تأیید حمل و نقل (در مواردی که اسناد از صحت پشتیبانی می کند).
• انتشار بر اساس رویدادهای ورود یا مراحل گمرکی.
• آشتی مربوط به برنامه های تسویه بازار.

پیامدهای محصول: وام دهندگان ممکن است از سرمایه در گردش عمومی به محصولات سرمایه در گردش مبتنی بر رویداد و متناسب با جریان های تجاری واقعی حرکت کنند. برای امور مالی تجارت، این یکی از واضح‌ترین راه‌ها برای ساخت محصولاتی است که با روشی که مشتریان تجارت را تجربه می‌کنند مطابقت دارد: به عنوان یک توالی از مراحل، نه یک تصویر فوری از ترازنامه.

یک مجموعه داده، بسیاری از محصولات: تز استراتژیک

آنچه این را قدرتمند می کند فقط داده های تجارت نیست. این توانایی نزدیک شدن به داده های یکسان از دیدگاه های متعدد است: بازاریابی، انطباق، ارزیابی ریسک.

بهترین محصولات فین‌تک برای بازرگانان کوچک و متوسط ​​جهانی توسط تیم‌هایی ساخته خواهد شد که دانش را در زمینه‌های مختلف ترکیب می‌کنند: تدارکات، شرایط تامین‌کننده، رفتار تسویه حساب تجارت الکترونیک، انطباق، پرداخت‌ها و امور مالی تجارت. هر دامنه حقیقت خودش را دارد. هنگامی که این حقایق با هم ترکیب شوند، می توانید چرخه کامل پول را مشاهده کنید و محصولاتی را ایجاد کنید که برای مصرف کننده واضح باشد.

تامین مالی تجارت سنگ بنای نهایی است زیرا نیاز به یکپارچگی در هر حوزه و هر لنز دارد. اگر می‌توانید سیگنال‌های تجاری را در راه‌حل‌های مالی تجارت بسازید، می‌توانید از همان بستر برای ایجاد محصولات توزیع، انطباق و جریان نقدی در اطراف آن استفاده کنید.

این در عمل به چه معناست؟

چهار نتیجه برجسته است:

1. دانش بین دامنه ای منجر به درک بهتر محصول می شود.
   قوی‌ترین تیم‌های محصول، آن‌هایی نیستند که بیشترین داده را دارند، بلکه آن‌هایی هستند که می‌توانند همان داده‌ها را از زوایای مختلف بخوانند.
2. تولید سرنخ داده های تجاری اغلب از نظر ساختاری ارزان تر و موثرتر از بازاریابی عملکرد است.
   از آنجا که از رفتار تأیید شده شروع می شود، می تواند از اکتساب مبتنی بر قصد، به ویژه در راهروهای خاص، بهتر عمل کند.
3. زمانی که سیگنال‌های معاملاتی تعبیه می‌شوند، انطباق بیشتر مبتنی بر داده‌ها می‌شود.
   این امر گنجاندن و نظارت را تقویت می کند و در عین حال اصطکاک دستی را برای بازیگران خوب کاهش می دهد.
4. گاهی اوقات داده های تجاری تنها منبع قابل اعتماد حقیقت هستند.
   به خصوص در بیمه، که در آن داده‌های مالی در دسترس نیست، با تأخیر یا بی‌اعتماد است، فعالیت تجاری به یک پروکسی رفتاری تبدیل می‌شود که می‌تواند قفل اعتبار را باز کند.

موج بعدی SMB Fintech با انتخاب یک خط ایجاد نخواهد شد: پرداخت، انطباق، وام دادن یا رشد. با اتصال آنها و تبدیل یک مجموعه از داده ها به چندین محصول از چندین دیدگاه ساخته می شود. سیگنال های معاملاتی فقط داده های معاملاتی نیستند. آنها یک لایه اساسی برای استراتژی محصول در تجارت جهانی هستند.

درباره نویسنده

الکسی پلخانف e استیک رهبر مجرب استراتژی و تحول با بیش از 15 سال تخصص در شرکت های خدمات مالی مستقر در بریتانیا (متخصص در پرداخت های B2B و وام دهی) به عنوان مدیر استراتژی و عملیات، که با تجربه مشاوره مدیریت قوی در EY-Parthenon (سطح مدیر ارشد) و رهبری عملی در تحول دیجیتال در بخش های پتروشیمی و لجستیک تکمیل شده است.