Få indsigt i tre centrale udfordringer

Sådan optimerer I gældsinddrivelsen

Header billede

Gældsinddrivelse er en afgørende og ofte meget omfattende, kompleks proces for finansielle institutioner. Derfor er en effektiv gældsinddrivelse afgørende for institutionernes succes – både på kort og lang sigt. Effektiv gældsinddrivelse kan dog være svært at opnå, da de finansielle institutioner står over for stigende kompleksitet i gældsinddrivelseprocesserne, hvor markedspres, digitalisering og skærpet fokus fra myndigheder spiller en endnu større rolle end tidligere. Derfor er det essentielt for de finansielle institutioner, at kunne facilitere en klar strategi, samt effektive løsninger, der kan tilpasse sig forandringerne.

Gældsinddrivelse bliver i højere grad udført via diverse it-systemer, men for nogle institutioner stadig manuelt, dog er det for begge tilgange vigtigt at sikre, at al lovgivningen er overholdt. Det stiller en række krav, der bl.a. omfatter inkassolov, rentelov, gældsbrevsloven, forældelseslov, persondata, hvidvasklovgivningen og “god-skik-reglerne”. Når inddrivelsen igangsættes og optimeres, er det derfor vigtigt at integrere disse elementer. I denne artikel uddybes, hvordan diverse tiltag kan forbedre processerne og sikre økonomisk stabilitet.

Centrale udfordringer

Den finansielle sektor står overfor en række udfordringer, hvorfor den arbejder hårdt på at tilpasse sig de nye krav, der skal til for at optimere gældsinddrivelseprocesser. Der er især tre centrale udfordringer, der prioriteres at løses:

  1. Mangelfuld datakvalitet, der skaber store udfordringer for de finansielle institutioner, da muligheden for automatisering af digitale processer afhænger af en vis datakvalitet. Derudover, er lav datakvalitet typisk forbundet med forkert eller mangelfuld information, der endeligt kan gøre det umuligt at opkræve gæld fra de korrekte kilder. Hvis oplysningerne i et system er forkerte eller mangelfulde, risikerer de automatiserede processer også at blive forkerte. I værste fald kan det føre til ulovlig inddrivelse og dermed hæmme effektiviteten betydeligt.
  2. Komplekse og uigennemsigtige processer, der kan medføre enorme økonomiske byrder samt driftstab som følge af ressourcespild. En af de største udfordringer er derfor manglende indsigt i, hvordan inddrivelsesprocesser fungerer.
  3. Manuelle og ressourcekrævende aktiviteter, der gør det svært at følge med i den teknologiske udvikling. Digitalisering og automatisering af gældsinddrivelser sparer både tid og ressourcer, og kan minimere mængden af fejl. Teknologier som kunstig intelligens (AI) kan forudsige potentielle udfordringer og optimere gældsinddrivelse processerne, hvilket styrker virksomhedens position på markedet.

Fælles for de tre centrale udfordringer er, at de forhindrer de finansielle institutioner i at udnytte deres ressourcer på bedst mulig vis. Derfor bør de anskues og løses som en helhed ved at integrere dem i institutionens overordnede strategiske mål. Mangel på integration kan føre til en ineffektiv gældsinddrivelse og derfor øget risiko for fejl. En velovervejet strategi hjælper med at styre risici, sikre økonomisk stabilitet og overholde lovgivningen.

Fremtidens gældsinddrivelse

For at imødekomme de ovenstående udfordringer og derved sikre modstandsdygtige løsninger er det nødvendigt at indtænke nye digitale løsninger i optimeringsprocessen. Den fremtidige gældsinddrivelse vil være kendetegnet ved en tæt integration af systemer, processer og mennesker. Det kræver en kombination af klar governance, moderne teknologi og løbende uddannelse af medarbejdere for at sikre effektivitet og retmæssig inddrivelse.

Dog er det vigtigt at forholde sig til, at digital gældsinddrivelse også er forbundet med risiko for fejl, der kan være svære at identificere og håndtere, og som ultimativt kan koste dyrt, både på omdømme og finansielt. Først og fremmest, er data grundstenen til at sikre optimal gældsinddrivelse. For mange finansielle institutioner vil der ligge gamle legacy systemer eller manuelt opbevaret data, der gør konverteringen til et mere effektivt system meget kompleks. For at sikre, at alle relevante oplysninger overføres korrekt og med den rette kvalitet, skal det klarlægges præcis hvilke oplysninger, der er nødvendige for inddrivelsesprocesserne. Denne mapping kan med fordel dannes allerede i forbindelse med udvikling af inddrivelsessystemet, således vil der være et klart overblik over den data og datakvalitet, som skal sikres ved oprettelse af gældsposter i et givent system. Man skal dog være opmærksom på kompleksiteten ved konverteringen af gældssager, hvor store mængder data er af ældre dato vedrørerende inddrivelsesskridt, ind- og udbetalinger, forældelses afbrydelser, rentetilskrivning, med mere.

Fremadrettet kan finansielle institutioner med fordel benytte sig af strategier funderet i integration af moderne teknologi såsom AI. Disse systemer muliggør en komplet digital transition, der forbedrer credit risk assessments og gør det lettere at identificere potentielt svindel eller generelt fejlagtigt gældsinddrivelse, der kan koste dyrt på lang sigt eller resultere i store bøder fra myndighederne. Eksempelvis kan AI benyttes til at gennemgå store mængder kontrakter for afvigelser samt aftalevilkår såvel som at automatisere processer, hvorfor inddrivelsen vil blive optimeret.

I den forbindelse kan finansielle institutioner og inkassobureauer øge succesen ved at integrere inkasso platforme med CRM og automatiserede kommunikationsværktøjer. Et robust CRM-system administrerer debitoroplysninger, mens forudsigende analyser identificerer mønstre for målrettede gældsinddrivelsesstrategier. I den forbindelse bør der etableres klare eskaleringsprotokoller til håndtering af vanskelige sager og vedvarende manglende betaling. Dette inkluderer en tydelig kategorisering af tærskler for eskalering af konti til højere ledelse eller eksterne instanser, hvis interne tiltag ikke er tilstrækkelige, eller hvis it-systemerne fejler.

En optimeret gældsinddrivelse bør derfor have fokus på datakvalitet og klare, automatiserede løsninger, der sikrer gennemsigtighed og efterlevelse af lovgivningen samtidig med at mitigere risici forbundet med ineffektiv inddrivelse.

Sådan kan PwC hjælpe jer

PwC har stor erfaring med at hjælpe virksomheder med at navigere gennem disse udfordringer, og vi har udviklet gennemprøvede tilgange til at identificere, analysere og håndtere risici i gældsinddrivelsen. Et eksempel på dette er vores arbejde med kunder i den finansielle sektor, hvor vi hjælper med at indføre AI-teknologi i vurderingen af gældsdokumenter. Denne teknologi effektiviserer gennemgangen af dokumenter, reducerer risici og forbedrer compliance. Vores ekspertise på tværs af økonomi, risikostyring og it giver os et unikt perspektiv på, hvordan virksomheder kan optimere deres processer og sikre en solid fremtid.

I forbindelse hermed kan PwC støtte med at sætte fokus på oplysninger om ind- og udbetalinger, rentetilskrivninger, gældsnedsættelse og andre transaktioner i gamle systemer, og hvordan disse skal håndteres ved konvertering. En overførsel af disse informationer er ofte vanskeligt, og kan være en kilde til fejl i nye systemer. Inden en konvertering bør der bl.a. tages højde for, hvordan senere korrektioner, GDPR og regnskab skal håndteres. PwC besidder den nødvendige ekspertise inden for alle områder af gældsinddrivelse, og kan derfor sikre finansielle institutioner en succesfuld optimeringsproces. 

Kontakt os

Frank Svendsen Nørring

Partner, København, PwC Denmark

5124 1058

E-mail

Nana Larsson

Director, Advisory, PwC Denmark

3945 3986

E-mail

Kristian Nørskov

Senior Manager, Advisory, PwC Denmark

3945 3361

E-mail

Følg PwC