Un important grossiste nord-américain souffrait de graves problèmes de trésorerie causés par un DSO élevé et une augmentation des retards de paiement. La dépendance de son service de recouvrement à des méthodes manuelles et réactives l'empêchait de gérer efficacement les clients à haut risque, entraînant un arriéré de factures impayées, de nombreux blocages de comptes et des litiges juridiques, ce qui nuisait à la fois aux relations clients et à l'efficacité opérationnelle.
Notre équipe a identifié des points de données clés, tels que l'historique des comportements de paiement, qui influencent la probabilité de paiement, et a mis en place des pipelines pour organiser l'ensemble de données final dans l'environnement Azure du client. Nous avons ensuite implémenté un modèle de propension au paiement basé sur un ensemble de modèles d'apprentissage automatique, leur permettant de :
Les propensions et autres détails ont été intégrés au système ERP pour une optimisation ultérieure des flux de travail.
La mise en œuvre du modèle de propension au paiement a entraîné des améliorations significatives du processus de recouvrement de notre client :
En tirant parti de notre modèle d'IA « Propension au paiement », le client a réussi à passer à une stratégie de recouvrement proactive et axée sur les données.