Zodra het haalbaar is - of de financiële prikkel groot genoeg - worden kantoorbanen weg-geautomatiseerd. De (kantoor)baan van een creditmanager bestaat simpelweg uit het maken van reeksen beslissingen om openstaande rekeningen betaald te krijgen. Het is een kwestie van tijd voordat slimme algoritmes dit beter kunnen dan de creditmanager zelf. Wie durft zichzelf weg te automatiseren?
Het einde van de creditmanager
Creditmanager versus zelflerende algoritmes
Wat doet een credit manager eigenlijk?
Wil je een creditmanager vervangen door een reeks slimme algoritmes, dan moet je eerst kijken naar zijn taken. Volgens de definitie zijn administreren, rapporteren, risico’s inschatten en klantcontact voeren de belangrijkste taken van een creditmanager. Die taken worden uitgevoerd met als doel het zo goed mogelijk incasseren van openstaande rekeningen. De creditmanager beheert daarmee een van de belangrijkste processen binnen een bedrijf. De financiële gezondheid van zijn werkgever en dat van al zijn collega’s hangt af van hoe goed een creditmanager zijn werk doet. Vooral daarom is het voor bedrijven heel erg belangrijk om te kijken of een algoritme dat niet beter kan.
“Een goede creditmanager kenmerkt zich door beter en sneller te incasseren dan zijn voorganger.”
Jouw baan is al grotendeels geautomatiseerd
Het is je misschien opgevallen dat in de recente jaren veel van de taken van een creditmanager al zijn geautomatiseerd. Zo zie je een creditmanager eigenlijk geen papieren administratie meer voeren. Ook zul je hem niet zo snel een rapportage zien maken met potlood; daar worden computerprogramma’s voor gebruikt. Sommige creditmanagers gebruiken een spreadsheet, maar een beetje zichzelf respecterende creditmanager gebruikt een specifiek programma dat hem het administreren en rapporteren uiterst gemakkelijk maakt.
Het inschatten van risico’s of het voeren van klantcontacten zijn ook dingen die een creditmanager niet meer zelf doet. De debiteur wordt bij invoering in het klantensysteem tegenwoordig automatisch ‘gecreditchecked’. Een moderne debiteur heeft daarnaast altijd een computer op zak waarmee het heel gemakkelijk zakendoen is. Stuur de debiteur een e-mail, sms of geautomatiseerd telefoongesprek vanuit een geagendeerde ‘workflow’ of ‘maproute’ en bijna de gehele creditmanagementafdeling kan naar huis, op een enkele specialist na.
Een algoritme (naar de naam van de Perzische wiskundige Al-Chwarizmi) is een eindige reeks instructies die vanuit een gegeven begintoestand naar een beoogd doel leidt. Algoritmes staan in beginsel los van computerprogramma's, al worden voor de uitvoering van algoritmes vaak computers gebruikt. Bron: Wikipedia.
Beter, sneller
Een goede creditmanager is natuurlijk niet alleen geïnteresseerd in het zo efficiënt mogelijk uitvoeren van zijn taken. Althans, ik mag hopen van niet! Een goede creditmanager kenmerkt zich door beter en sneller te incasseren dan zijn voorganger. Hij zet een continuproces van verandering op poten, dat middels A/B-tests, segmentatie en omni-channelincasso elke maand een beetje meer ophaalt bij de debiteuren dan de maand ervoor. Met andere woorden: een creditmanager maakt continu complexe beslissingen aan de hand van data.
‘Zie je wel, een goede creditmanager is niet te vervangen door een algoritme!’, hoor ik je denken. En tot voor kort gaf ik je helemaal gelijk. Het was voor een zakelijke computer voorheen niet mogelijk om complexe beslissingen te maken op basis van enorme statistische datasets. De computers die dat wel konden, stonden bij NASA of grote universiteiten. Maar vandaag de dag hebben we een enorme rekenkracht tot onze beschikking en is het mogelijk om met die rekenkracht supergrote datasets te analyseren op zoek naar verbanden voor betere en snellere incassomethodes. Dat noemt men heel erg mooi ‘business intelligence’. Maar er is nog iets anders aan de hand ...
“Het is een kwestie van tijd voordat slimme algoritmes de taken van een creditmanager beter kunnen uitvoeren dan de credit manager zelf.”
Machinelearning
Een creditmanager hoeft niet te vrezen dat een programmeur een individueel algoritme maakt dat beter kan incasseren dan een creditmanager. Dat zal niet snel gebeuren. De creditmanager moet wel verwachten dat een programmeur binnenkort een algoritme maakt dat in staat is nieuwe algoritmes te maken die op basis van dezelfde data beter incasseren dan het voorgaande algoritme. Oftewel, machinelearning. Vervolgens is het een kwestie van tijd voordat de laatste belangrijke taak van de creditmanager - het maken van complexe beslissingen - ook beter wordt gedaan door een algoritme.
Volgens een studie van Carl Benedikt Frey and Michael A. Osborne, over de toekomst van werknemerschap, gaat het bovenstaande op voor 47 procent van alle banen. Als jouw baan bestaat uit het maken van complexe beslissingen aan de hand van data, dan komt er een moment in de toekomst waarop jij niet meer nodig bent. Een computer kan dat dan beter en sneller.
Een algoritme hoeft ook helemaal niet perfect te zijn, zegt C.G.P. Grey treffend in zijn korte film over het wegautomatiseren van banen, ‘Humans need not apply’. Het hoeft alleen maar beter en sneller te incasseren dan zijn voorganger. En dat is relatief simpel, zeker als je bedenkt dat de creditmanager maar acht uur per dag werkt, een stuk of dertig vakantiedagen heeft, regelmatig ziek wordt en in een prachtige flexwerk-kantoortuin vaak allerlei andere dingen aan het doen is dan incasseren. Een zelflerend incassoalgoritme heeft daar eigenlijk geen partij aan.
‘Machinelearning’ is sterk gerelateerd aan business intelligence, aangezien beide over het analyseren van data gaan. Maar machinelearning gaat vooral over het gebruiken van statistische gegevens om computerprogramma’s of algoritmes automatisch aan te passen.
Denk je dat dit fictie is?
De eerste reactie van veel mensen op dit betoog is vaak, dat het iets is uit een boek van sciencefictionauteur Isaac Asimov, die o.a. bekendheid verwierf met zijn robotverhalen. Maar naast het feit dat er op dit moment al algoritmes zijn die binnen bepaalde debiteurengroepen beter werk verrichten dan een mens ooit heeft gedaan, wil ik je ook graag wijzen op een aantal andere werkgebieden waarbij slimme algoritmes al een verpletterende impact hebben gemaakt.
Zo rijden er over heel de wereld zelflerende auto’s, die zichzelf beter leren rijden door deel te nemen aan het verkeer. Ook op aandelenbeurzen handelen slimme algoritmes met andere slimme algoritmes om onze spaargelden en pensioenpotten zo goed mogelijk te beheren.
Heb je weleens een nieuwsbericht gelezen met een vreemd lopende alinea? Allicht is dat nieuwsbericht niet geschreven door een mens, maar door een jong algoritme dat persberichten omvormt tot nieuwsberichten. Online advertenties zijn precies afgestemd op jouw interessegebieden. Het zijn slimme algoritmes die aan de hand van data complexe beslissingen maken. En dat is allang geen fictie meer.
Hoe blijf je relevant?
Volgens het BBC-artikel ‘Will a robot take your job?’ is het verstandig om een baan te zoeken in de horeca of hospitality. Vooralsnog lijken onderzoekers die branches het minst vatbaar te vinden voor verregaande automatisering. Maar voor de creditmanager die de branche niet wil verlaten, is het schrijven van algoritmes aan de hand van data en het gebruik van software om deze te beheren nog heel lang, heel belangrijk. Het wordt dus zaak om te investeren in dergelijke kennis en systemen. De creditmanager die zichzelf zo goed mogelijk kan wegautomatiseren is – als je het mij vraagt - de komende jaren het meest relevant.
Over de auteur
Rody Heijstek
CEO - Mail to Pay
Rody werkt al meer dan tien jaar in de wereld van creditmanagement en levert software die incassoprocessen automatiseren en optimaliseren.
Bronnen
- The future of employment - Carl Benedikt Frey and Michael A. Osborne
- Humans need not apply – C.G.P. Grey
- Will a robot take your job? - BBC