La financiación de créditos comerciales en general y el Confirming en particular cuentan con un aspecto clave en su gestión no siempre bien ponderado y utilizado, tanto desde el punto de vista comercial, como del operativo, como del de riesgo, que la diferencia de otras modalidades de financiación: el uso y tratamiento masivo de datos.

Financiar un crédito comercial significa gestionar y tratar una “célula” que contiene no poca información, a veces más de la que aparenta. No nos referimos exclusivamente al dato asociado a la propia “célula”: importe, plazo, deudor, …, sino al comportamiento y a la información que todas las células en su conjunto son capaces de darnos: signos de potencial insolvencia, necesidades de flujo de caja, niveles adecuados de precios, reajuste de límites y capacidades, períodos más favorables o adecuados para plantear una determinada acción, etc.

No descubrimos nada si a estas alturas hablamos de la gestión del dato como un eje esencial de cualquier servicio o producto que tenga al otro lado del “hilo” a innumerables clientes o usuarios. Ahora bien, ¿venimos usando adecuadamente las capacidades que la tecnología nos aporta para extraer conclusiones correctas de comportamiento y propensión cuando nos referimos a personas jurídicas o profesionales? ¿Entendemos, pensamos y racionalizamos desde la visión que una pyme o que un autónomo tiene? Es claro que no es este un asunto exclusivamente de carácter tecnológico, sino también de escucha, aprendizaje, experiencia y amplio conocimiento de las variables que se manejan para saber interpretar citados comportamientos.

Nos referimos aquí a “pensar como una empresa lo hace diariamente”, a saber cómo marca sus prioridades, a saber de sus necesidades, a conocer cómo racionaliza sus decisiones, a entender cuándo le son oportunos determinados mensajes y ofertas y cuando los mismos le pueden resultar indeseados y molestos.

Es tal la importancia de este eje de trabajo que podemos aventurarnos a decir que dotar y dedicar recursos y tiempo a este fin va a ser un factor clave de diferencia entre los operadores y entidades. Generalmente entregados a la causa de “la venta”, no nos paramos a reflexionar y mejorar la retención, la calidad de servicio, el aprovechamiento del colchón de información con el que contamos. Medir respuestas, establecer criterios de calidad, tener SLA´s e indicadores de servicio está muy bien, es importante, pero también lo es dedicar tiempo en nuestro día a día a entender el porqué de los comportamientos de nuestros clientes, de sus necesidades, de sus verdaderas prioridades, de su forma de valorar el servicio, de anticiparnos a lo que para un proveedor es importante y cuándo lo es.

Si nos centramos en la actividad de Confirming, podemos comprobar cómo el mercado español, según indican las estadísticas de la AEF, realiza más de 160.000 MM € de pagos al año por este sistema. Si acordamos que el importe medio de una factura podría estar en un rango entre los 6.000 y los 9.000 euros, deduciríamos de manera sencilla que en nuestro mercado se mueven por Confirming entre 27 y 18 MM de facturas u órdenes de pago al año (convengamos 23 MM). Si por otro lado estudiamos el número de datos e información que gestionamos con cada orden tramitada (accedamos al formato estándar de Confirming publicado por la AEF) y le adicionamos otra información relevante del proceso, oferta de precios, aceptación o no de la oferta, plazo del anticipo, etc., podemos convenir también que contamos con no menos de 20 campos/datos de información por orden; es decir, que el mercado español maneja al menos 460 millones de datos relacionados de manera directa con la gestión de los programas de Confirming.

Y decimos de manera directa porque de manera indirecta podemos estimar que existen varios cientos de millones de datos más, probablemente tan ricos e importantes como los primeros. Nos referimos a datos relativos al funcionamiento de la empresa, a su balance, su actividad, su cuenta de resultados, su sector de actividad; el valor de los datos propios de un programa de Confirming puestos en contexto y relación con la información externa o pública de una empresa nos puede identificar innumerables situaciones y comportamientos con los que poder adecuar y personalizar nuestra oferta hasta límites insospechados.

La importancia del cruce, emulsión, mezcla de toda esta información de manera metódica, sistemática, inteligente y evolutiva es primordial si queremos optimizar el retorno de un servicio cuyos resultados se pueden tornar caprichosos o de difícil control y previsión.

La utilización de nuevas tecnologías aplicadas a este fin se convierte en esencial cuando tratamos con una marabunta de datos e información que aparentemente se mueve desde ejes independientes. La metodología del “maching learning evolutivo”, en continuo aprendizaje y corrección, nos aportará conclusiones y retornos evidentes, pero el camino para implementar y ajustar el funcionamiento de estas herramientas no es trivial, pues conlleva una profunda carga de tecnología aplicada y de conocimiento funcional del producto.

Otro eje fundamental de estos trabajos es alcanzar una “simplificación gestionable” de las conclusiones. El tratamiento de tanta información requiere de propuestas de acción sencillas, semiautomáticas y continuadas. No nos referimos a un estudio o análisis puntual que concluye en una acción esporádica. Entendemos que esta gestión debe ser parte del ADN del servicio, del modelo de negocio y que por tanto debe conllevar una metodología que, aplicada al asunto, permita una mejora continua.

La aplicación al negocio de estos sistemas de análisis avanzados del dato nos debe permitir no sólo ajustar y mejorar nuestra expectativa de negocio en términos de actividad, sino que nos debe ayudar a anticiparnos en la toma de las decisiones que giran sobre otros aspectos a los que a veces dedicamos poca atención: sistemáticas de reasignación de límites de riesgo para optimizar utilización de capacidades y optimizar consumos, alertas e indicadores de detección precoz de comportamientos identificativos de situaciones no deseadas, valoración de capacidades de recursos operativos asignados a la atención a clientes o proveedores, etc.

Aunque bien sabemos que los resultados y conclusiones de estas acciones y mecanismos no son la consecuencia de una ciencia exacta, estamos hablando de comportamientos, compartiremos que el esfuerzo y la dedicación a estos trabajos a partir de los importantes volúmenes manejados y gestionados bien merece nuestra atención e interés.