3 февраля 2019, 17:18
Количество просмотров 565

Big Data для факторинга. Часть 2

Начав наблюдать за полетом птиц, сложно остановиться. Продолжим тему, поднятую в первой части материала, учтя пожелания и вопросы читателей декабрьского номера «ПЛАС».
Big Data для факторинга. Часть 2

Первая часть.

Наиболее частым оказалось сомнение: «Каким индустриям подходит факторинг?» Спросите об этом бухгалтеров и сотрудников обслуживающих банков, перефразировав вопрос: «Насколько вас устраивает текущая схема обеспечения деньгами, и всеми ли возможностями финансового инструментария мы пользуемся?»

Практика же показывает, что сфера деятельности компаний, использующих факторинг, крайне широка. Отберем из общего пула только успешные компании с растущими балансами и рассмотрим пернатых внимательнее. Хорошо себя чувствуют сочетания индустрий-кластеров:

Торговля оборудованием – Ястребы, Стрижи и Ласточки

Торговля продуктами – Кондоры, Гуси и Ласточки

Продажа бытовой техники – Ласточки и Ястребы

Строительство – Воробьи, Стрижи и Ястребы

Производство продуктов питания – Кондоры

Прокат и обработка металла – Ястребы

Сервисные компании – Воробьи.

Многие компании смогут удачнее пользоваться факторингом, если… сменят стиль финансового поведения и мигрируют в более многообещающий кластер.

Big Data для факторинга. Часть 2 - рис.1

Big Data для факторинга. Часть 2 - рис.2Валовый баланс счетов по кластерам указывает на тотальное доминирование Ястребов (см. рис. 2).

Последние к тому же держат наибольшее количество денежных средств на счетах (см. рис. 3).

Следует заметить, что треть валового портфеля факторинга приходится на Кондоров, которые тщательнее торгуются за стоимость денег, условия предоставления и практически не играют на свои (см. рис. 4).

Рассмотрим средневзвешенные портфели кластеров и убедимся в продвинутости Кондоров. Так и есть: объемы выборки велики, использование – оптимизированное (см. рис. 5).

Означает ли это, что финансисты больше зарабатывают на Ястребах? Да, это так, в чем можно убедиться, ознакомившись с рис. 6.

А если обратиться к средневзвешенной операционной прибыли компаний? Как говорится, «без чудес» – Кондоры в четыре раза аккуратнее работают с кредиторами, чем представители других кластеров (см. рис. 7).

По соотношению «Портфель / Прибыль фактора» на поле отличаются две команды (см. рис. 8).

1. Ястребы – портфель и прибыль высоки.

2. Кондоры – портфель большой, а вот прибыль – не очень.

Основная ошибка Ястребов – крупные поставки, которые приносят банкам мегаприбыль по факторингу. Быстрая птица не зря считается ценной и «золотым» клиентом: работы для финансистов мало, а прибыли много. Кондоры поступают хитрее: выполняют множество проводок, перекладывая на банки вал работы по оформлению сделок (см. рис. 9).

Стоят ли Кондоры затрачиваемых на них усилий, ведь они фактически превращают банк в аутсорсинговый бэк-офис? Оценим уровень лояльности компаний по следующим параметрам:

  • времени – доля времени сотрудничества с кредитором от полного возраста организации;
  • портфелю – доля портфеля факторинга в общей выручке предприятия.

Сочетание обоих видов лояльности показывает согласованность тенденций. Можно расценивать этот момент как признак привязанности компании к обслуживающему банку. Лояльность по портфелю также указывает на потенциал наращивания объемов сотрудничества, с учетом выручки, доходов, прибыли, количества поставок компании.

По времени наиболее лояльны Ястребы, наименее – Стрижи. По портфелю более лояльны Ястребы и нелояльны Гуси. Какой интересный парадокс! Ястребы с удовольствием переплачивают банкам, но финансисты гоняются за Кондорами. Ничего нового: «О времена, о нравы!»

Отдельного внимания заслуживают хитроюркие Воробьи, чей портфель факторинга превышает общую выручку компании. Нередко такие финты объясняются «дебиторкой» и манипуляциями с отчетностью (см. рис. 10).

И бухгалтеры предприятий, и продавцы факторинга вечно жалуются на сезонность. Якобы она не позволяет своевременно принимать рациональные решения. А помноженная на рыночную неопределенность – заставляет обращаться за деньгами в последний момент по неразумным ценам.

Изучим последние пять лет и представим сравнение потребления заемных средств для года n – синее заполнение и (n+1) – красное заполнение (см. рис. 11).

Big Data для факторинга. Часть 2 - рис.3

Big Data для факторинга. Часть 2 - рис.4Что же мы видим? Нормированные портфели разных лет различаются незначительно. Дельта отображена желтым заполнением. Получается, что и компания, и банк в состоянии оценить потребность в денежных средствах? Разовьем гипотезу, отразив финансовые аппетиты клиентов в различные временные периоды (см. рис. 12).

Года слишком различаются, и это плохо для анализа. Но мы забыли о кластерах! Рассмотрим поведение портфеля факторинга, расслоив по типам пернатых (см. рис. 13). Тайное стало явным: максимальный разброс портфеля демонстрируют Стрижи – 80,5%, минимальный – Ястребы – 36,7% (см. рис. 14).

Теперь понимаем, что вклад в сезонность портфеля неоднородный, и знаем, на каких пернатых следует делать ставку. Отобразим сезонность потребности в деньгах для каждого кластера (см. рис. 15).

Читайте также:

Благодаря полученным временным профилям финансовая организация и бизнес смогут быстро определять текущие кластеры и мигрировать в желанные. А вы все еще верите в кредиты и сезонность?

Big Data для факторинга. Часть 2 - рис.5

Рубрика:
{}
Теги:
#

PLUSworld в соцсетях:
telegram
vk
dzen
youtube