预测分析的第一步:量化的风险支付发票收据

是否可以量化的风险支付发票在收到之前,通常的审批流程?Remitia,一个在贸易融资和应付款市场新贵,这么认为。在一个博客,最初发表在PaymentEye, Remitia建议可以使用大数据准确价格与支付发票在收到相关的风险。

关键是看“深入应付账款数据”来理解批准风险提交发票的类型从现有的或新的供应商,《华盛顿邮报》指出。进一步说,“这是一个数据源,很少挖掘内部或第三方,”和类似的和额外的数据集可以提供“洞察支付模式和a / P操作模式及其对营运资金的影响。”

未经批准的发票的付款风险定价其实不是什么新鲜事。的因素做了自贷款模式的出现,但不完全信息基于对供应商系统和数据的访问。但以历史上的付款和发票文件的概念量化和组不同风险到达提交发票将最终批准的概率和付费没有任何修改需要大数据时代概念从买方系统的角度来看。

Remitia是否成功以其定价算法实际上是次要的贸易融资的未来,至少在我看来。更重要的是,某人终于将支付分析应付账款和采购数据集来预测模型——我怀疑我们将会看到更多的在不久的将来。

想象一下,例如,能够完全实现一个购买订单的概率估计在发行之前,指定或多小,系统推荐更改采购订单,可能导致一个更好的结果。或者思考能够动态子不同的付款机制用户不知不觉,如屏蔽p-card-type支付模型与一个专有捕获一个更大的折扣,但经过一个发票集运商规避信用卡公司或主要伙伴。

未来的预测分析在采购、应付账款和支付的确是光明的。也许将从简单的二进制量化-支付或不支付的支付发票在收到供应商基于历史数据。当然,这变成了一种常见的做法之前,数据集需要证明这样的结果甚至可以实现

披露:杰森Busch是Remitia的创始人和投资者之一。