来源到支付网络能超越批准的发票吗?

e-invoicing

“‘走运总比走运好’这句话,一定是人类史上最荒谬的说教之一。在几乎所有的竞争努力中,你必须表现得非常出色,才能让运气对你有用。”- - - - - -卡斯帕罗夫。”深度思考:机器智能的终结和人类创造力的开始

Ariba公司前网络与金融解决方案高级副总裁鲍勃·所罗门(Bob Solomon)最近写了几篇关于网络经济学的简短博客。这是很好的东西,我推荐你阅读短篇系列在这里

可以说,许多来源付费(S2P)网络正努力从其供应商生态系统中盈利,其中一些正试图通过使用网络数据,在早期支付财务(特别是发票财务)方面更具创新性来改变现状。

对于那些不熟悉发票财务的人来说,有三个阶段可以做到:

  1. 发票提交——首先,提交的发票是一组指令发送在一张纸上(或虚拟纸)或电子由一个供应商与不同数量的细节服务一个客户或项目执行购买(或购买)以及其他各种细节。
  2. 交付已经过验证,通常是投资方与买方确认-“嘿,你收到货物或服务了吗”?
  3. 发票已批准由买方根据付款条件安排付款。

这三个阶段的风险差别很大,而且影响很大:

  1. 提交的发票显然具有最高的风险,例如,可能会创建欺诈发票或出现错误,例如,重复开票等(见:为什么欺诈让购买发票的投资者感到害怕
  2. 经核实的发票仍然会受到已知的稀释的影响,即在发票价值上做了一些扣除许多原因.事实上,当保理机构亏损时,通常不是因为西尔斯或凯马特破产(如果他们能获得信用保险,他们可能为此有信用保险,或者他们早就察觉到这一点,不再为这些发票提供资金),而是因为股权稀释。
  3. 已批准的计划付款的发票具有最低的风险,但仅仅因为买方批准了发票并不能完全保证支付100%的发票价值。直到买家将他们的付款文件发送给银行或第三方,通过ACH、支票、信用卡或电汇汇款,他们保留稀释发票价值的权利。术语是"post-confirmation稀释.”

你能控制风险吗?

源到支付和多企业平台提供了特定的功能(例如为具有门户的供应商提供的电子发票套件、AP自动化套件、供应商关系管理应用程序)或更广泛的功能,例如电子采购、电子采购,甚至产品开发和供应链协作。

这些S2P网络基于买方驱动的数据,并可能拥有各种供应商信息,如:

  • 一年一度的体积
  • 买卖双方的交易历史(即,经营时间)
  • 发票提交
  • 付款(附上银行付款详情)
  • 信用票据调整的历史等。

一些S2P高管相信,上述数据可以成为发票融资的驱动因素提交发票,特别是如果网络有关于采购订单、发票和已付款的数据。他们的观点是,我们对买方和卖方的关系有这样的历史观点,我们可以在发票被批准之前使用它来提供资金。如果你能将这些数据与第三方数据结合在一起,你就可以根据提交的发票进行发票融资。你有了原材料,你所需要的只是评估风险的算法。

幸运比优秀更重要吗?

这就是“幸运比优秀更重要”的说法发挥作用的地方。但你不想在信用上有侥幸。围绕信贷周期,时代精神正在发生变化——而且大多数都不是正面的叙述。网络数据,结合第三方数据,仍然可能不足以控制提交或核实发票的风险。而且仅网络数据可能远远不够。当涉及到采购订单、发票和付款时,根据我与网络打交道的经验,这些数据要么是不完整的,要么是不存在的,至少在一个信用周期内是不存在的。

在Bob Solomon关于网络的文章中,他提出了一个观点,即每个供应商支持多少买家。正如他所说,“如果一个供应商在你的网络中只有一个买家,你对他们来说是一个网络,还是一个讨厌鬼?”从信用的角度来看,如果你只看到供应商业务的5%或10%,你对他们有多了解?

最佳实践是拥有一个完全数字化的承销引擎,持续地、智能地与网络或平台交互,以管理在平台上请求供应商融资的供应商的风险概要。但除了网络数据,利用快速数据,根据留置权、税收、信用报告、判断、欺诈威胁和合规性等因素,即时给供应商打分,有助于降低风险。此外,使用拖放财务和银行对账单,并自动提取数据,结合会计系统的API提取,有助于提供适当评估风险所需的数据。综上所述,这代表了一幅完整的画面。

顺便说一下,我认为加里·卡斯帕罗夫是对的!

David Gustin从事研究和咨询业乐动体育下载链接务,主要帮助金融机构、供应商和企业了解贸易信贷、支付和金融供应链的交叉。这篇文章是这是大卫在接口金融集团的一个特别项目上工作时写的。可以通过dgustin (at) globalbanking.com联系到他

在Procurious分享

第一个声音

  1. 特伦斯·f·亚历山大:

    初创型中小微企业需要获得A/R融资,以实现采购和营运资金。这些企业是否应该因为缺乏任期而被排除在外?

讨论:

您的电子邮件地址将不会被公布。必填字段已标记

这个网站使用Akismet来减少垃圾邮件。了解如何处理您的评论数据